AM與AI結(jié)合改善生產(chǎn)進(jìn)行實(shí)時(shí)探測和預(yù)測層間缺陷和扭曲

來源： 江蘇激光產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟

導(dǎo)讀：工業(yè)4.0和中國制造2025計(jì)劃均大力鼓勵(lì)和提倡將智能制造和先進(jìn)的信息技術(shù)相融合。增材制造技術(shù)的應(yīng)用可以稱之為先進(jìn)制造技術(shù)和信息技術(shù)結(jié)合的典范。來自University of California的研究人為我們展示了一種在增材制造過程中采用人工智能技術(shù)進(jìn)行監(jiān)測和預(yù)測打印過程中的分層和扭曲。

工業(yè)4.0和《中國制造2025》是當(dāng)前最先進(jìn)的智能制造技術(shù)。在智能制造中，將現(xiàn)代制造工藝技術(shù)同先進(jìn)的信息技術(shù)相融合，從而為真?zhèn)€社會(huì)經(jīng)濟(jì)的發(fā)展帶來天翻地覆的變化，如圖1所示。工業(yè)4.0和《中國制造2025》提供了將無形的數(shù)字技術(shù)和有形的制造技術(shù)的有機(jī)結(jié)合，而增材制造技術(shù)則在工業(yè)4.0和《中國制造2025》中的智能工廠中扮演著十分重要的角色。增材制造技術(shù)不僅僅是一項(xiàng)新的制造技術(shù)，它還將對現(xiàn)有的設(shè)計(jì)理念、生產(chǎn)方式和商業(yè)模式產(chǎn)生沖擊， 使得制造和設(shè)計(jì)被整合成為精益設(shè)計(jì)“ 模式， 這不但會(huì)影響制造業(yè)本身，還將改變經(jīng)濟(jì)發(fā)展的模式和我們的生活方式。而這一變化也 恰恰迎合了這種變化信息技術(shù)快速發(fā)展和社會(huì)數(shù)字化轉(zhuǎn)型的趨勢．這一點(diǎn)很關(guān)鍵。如圖2，3，4，5為增材制造技術(shù)已經(jīng)顯示出來的明顯的優(yōu)勢。

圖1 工業(yè)4.0中 中智能制造及其增材制造所扮演的角色

增材制造技術(shù)使得人們制造多材料和多功能材料并具有復(fù)雜形狀的部件成為可能。盡管增材制造技術(shù)在近年來取得了飛速的發(fā)展，但如何克服常見的制造缺陷仍然是擺在增材制造技術(shù)面前的一大障礙。常見的制造缺陷如分層和扭曲等在打印復(fù)雜部件時(shí)還是極易發(fā)生的。嚴(yán)重制約了增材制造技術(shù)在更廣泛和深入的領(lǐng)域中的應(yīng)用。因此，基于實(shí)時(shí)相機(jī)圖像和深度學(xué)習(xí)原理的自檢測系統(tǒng)開始逐漸進(jìn)入增材制造中用于分層和扭曲的監(jiān)測。而且，University of California的研究人員研究了一種新型的包含應(yīng)變測試的辦法，通過測試數(shù)據(jù)來預(yù)測可能發(fā)生的扭曲變形。結(jié)果顯示機(jī)器學(xué)習(xí)模型可以用來探測不同程度的分層。同時(shí)應(yīng)變測試裝置成功的反應(yīng)和探測出在打印作業(yè)時(shí)實(shí)測發(fā)生扭曲的程度和傾向。這一扭曲系統(tǒng)可以用來評估制造工藝的自動(dòng)校正和無人值守時(shí)的預(yù)警和診斷缺陷。

圖2 增材制造技術(shù)工藝及其應(yīng)用

University of California的研究人員研究了一個(gè)案例，就是將人工智能技術(shù)應(yīng)用于FDM（ Fused deposition modeling）的分層和扭曲的在線監(jiān)測和預(yù)測。該技術(shù)容易操作且成本低。典型的FDM工藝是將CAD模型轉(zhuǎn)換為2D模型進(jìn)而層層堆積的工藝過程。該工藝在應(yīng)用中最讓人頭疼的一個(gè)問題就是層間缺陷導(dǎo)致的分層和扭曲，如果一旦發(fā)生，此時(shí)就需要打印工藝的重新開始，先前打印的材料和制備的廢品就只好忍痛浪費(fèi)了。分層發(fā)生在兩層結(jié)合力比較弱的情況下，扭曲發(fā)生在殘余熱應(yīng)變在打印時(shí)的累積效應(yīng)。缺陷的形成是由于打印參數(shù)的設(shè)置、第一層的精準(zhǔn)校準(zhǔn)以及模型的準(zhǔn)確與否等等所造成的。最近，隨著人工智能技術(shù)的應(yīng)用和機(jī)器學(xué)習(xí)在材料科學(xué)與工程中的應(yīng)用不斷增加，人們開始將機(jī)器學(xué)習(xí)應(yīng)用于確定和探測打印作業(yè)時(shí)的不同缺陷，如飛濺、斑點(diǎn)和扭曲以及分層等。另外一個(gè)有意思的應(yīng)用是應(yīng)用分層機(jī)制來將打印區(qū)域在空間進(jìn)行校準(zhǔn)以防止扭曲。然而，早期的文獻(xiàn)指出并不能實(shí)現(xiàn)在線分析和預(yù)測。在這里為大家介紹一種基于計(jì)算視覺和應(yīng)變測試的辦法進(jìn)行探測和預(yù)測打印制品。這一辦法是建立在基于深度學(xué)習(xí)的基礎(chǔ)上利用相機(jī)拍照來分類和探測分層的現(xiàn)象。此外，建立的一個(gè)基于應(yīng)變測試的辦法來測量和預(yù)測扭曲的發(fā)生與否。

圖3 增材制造技術(shù)的優(yōu)勢

Comparison framework among different metal AM technologies used in the aerospace industry
第一種層間缺陷是分層。前面已經(jīng)提到，分層主要是由于噴嘴高度不適合打印作業(yè)時(shí)層層之間結(jié)合力較弱造成的。因此，在文獻(xiàn)中液晶指出，解決分層的最好辦法是在打印第一層時(shí)即調(diào)整噴嘴的偏離程度在合適的范圍內(nèi)，此時(shí)將這一操作稱之為第一層校準(zhǔn)。受這第一層校準(zhǔn)主要基于操作人員人眼的經(jīng)驗(yàn)進(jìn)行校準(zhǔn)所啟發(fā)，研究人員發(fā)展了一個(gè)基于深度學(xué)習(xí)的辦法進(jìn)行模擬人工的校準(zhǔn)。這一校準(zhǔn)裝置通過USB連接的相機(jī)安裝在打印頭上（如圖6a所示）。該相機(jī)通過后面安裝的懸臂部件來加強(qiáng)支撐以減少在打印過程中的震動(dòng)。而且，相機(jī)的塑料外殼也取出以適應(yīng)狹小的空間和可以調(diào)整到適宜的角度。由于第一層的噴嘴偏離大約0.1-0.2mm，因此需要近乎平行的視場來觀察和監(jiān)控噴嘴與當(dāng)前打印層之間的距離。將偏離程度設(shè)成四個(gè)類別：高+（High+）、高（High）、好（Good）和低（Low）。由于噴嘴不能調(diào)整到低于打印的平面的程度，所以不需要在分類中考慮此種情況。相機(jī)所捕捉的圖像，如圖6b所示分別對應(yīng)以上四種情況?？梢钥吹皆凇案摺睍r(shí)噴嘴會(huì)導(dǎo)致結(jié)合力較差，而且，在“高+”時(shí)則會(huì)使分層現(xiàn)象更加嚴(yán)重。相反，在“低”時(shí)則會(huì)造成熔絲由于空間有限而受到擠壓，從而造成表面凹凸不平。

圖4 空客A320機(jī)艙鉸鏈支架的優(yōu)化實(shí)例

圖5 不同增材制造設(shè)備的成本比較

當(dāng)定義好以上四種情形后，采集以上各種情況下的數(shù)據(jù)。從而形成第一層用于校準(zhǔn)的G代碼，從而輸送到系統(tǒng)中來打印10層。每層為平行的，并且每個(gè)相隔5mm以上以保證每個(gè)均有適當(dāng)?shù)慕嵌葋聿杉哔|(zhì)量的照片。在圖像采集時(shí)，確保每一類別中至少有高中低三種等級的分類以確保實(shí)現(xiàn)全覆蓋。在采集所有照片后，進(jìn)行數(shù)據(jù)訓(xùn)練。數(shù)據(jù)訓(xùn)練采用Convolution neural network（CNN）模型來進(jìn)行訓(xùn)練，并且通過實(shí)際的實(shí)驗(yàn)來驗(yàn)證其有效性，并且在每一次驗(yàn)證后使得機(jī)器學(xué)習(xí)得到加強(qiáng)。

圖6 利用人工智能進(jìn)行分層檢測和預(yù)測的裝置、假設(shè)和實(shí)際應(yīng)用圖

而扭曲的監(jiān)控則是在打印基床上進(jìn)行應(yīng)變測試。如圖7a，b，c所示。

圖7通過應(yīng)變測試+CNN進(jìn)行扭曲的檢測和預(yù)測

經(jīng)過實(shí)際驗(yàn)證，該技術(shù)穩(wěn)定可靠，并有可能在不斷完善后再更多的打印領(lǐng)域中進(jìn)行驗(yàn)證、完善。

參考文獻(xiàn)：
1.https://doi.org/10.1016/j.jmsy.2019.08.005，Metal additive manufacturing in the commercial aviation industry: A review，Journal of Manufacturing Systems
Volume 53, October 2019, Pages 124-149
2.UM Dilberoglu, B Gharehpapagh, U Yaman, M Dolen
The Role of Additive Manufacturing in the Era of Industry 4.0
Procedia Manuf., 11 (2017), pp. 545-554