维度网讯，美国橡树岭国家实验室（Oak Ridge National Laboratory, ORNL）近期公开了一项可在大型塑料件3D打印过程中实时识别与修复缺陷的技术方案。这套系统通过持续监测工艺状态并自动调节参数，旨在降低废品率、压缩制造成本，从而提升增材制造在工业场景下的经济可行性。

打印喷嘴周边布设了传感器与热成像摄像头，用于不间断地采集沉积材料的温度数据。控制器利用计算机视觉——人工智能中使机器理解图像的子领域——比对实测值与理想生产条件之间的偏差。一旦识别出某层温度偏离适宜区间，系统便会自动修正打印速度，以保证层间充分熔合并维持零件外形。据开发团队介绍，这一机制可有效减少成形缺陷与材料浪费。

验证工作在一台大型工业打印机上展开，打印对象为一件六边形零件，尺寸超过卡车轮胎。实验过程中，研究人员有意将打印速度调低，使材料实测温度低于设定值约30%。控制器随即检测到异常，自行调整工艺参数，使制造条件回归正常范围。

项目负责人Kris Villez指出，该技术的核心创新在于系统能在运行中观察过程并即刻做出反应，其逻辑接近人类操作员的现场处置方式。另一个突出特点是灵活性：该控制器无需针对不同机型、塑料牌号或零件形状进行专项训练，即可适配多种大型打印机与材料组合。团队还借助机器学习构建了制造过程的数字孪生，可在实际投产前对新材料和新几何形状展开虚拟试制。

研究团队认为，将监控环节自动化后，专业技术人员可将精力转向设计优化与工艺改进等更高附加值工作。这项技术有望推动3D打印在冷藏集装箱、船舶模具及建筑构件等工业领域的规模化应用。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com