维度网讯，橡树岭国家实验室（Oak Ridge National Laboratory，ORNL）开发了一种面向制造的新型控制系统，能够在大型3D打印过程中实时检测并修正误差，以提升增材制造的可靠性。

该系统通过减少增材制造过程中的缺陷、材料浪费和生产成本，帮助制造商生产大型复合材料部件。大面积增材制造通过机器人喷嘴逐层沉积加热塑料，用于制造建筑墙体、车辆部件或飞机零件等结构。该过程需要严格控制温度、喷嘴速度和冷却速率等变量，以确保各层充分融合而不变形。

ORNL系统将传统传感器与安装在打印喷嘴周围的低成本热成像相机相结合。计算机视觉——一种用于图像解释的人工智能——使系统能够分析实时热数据，在材料沉积时检测温度偏差。当识别到不一致时，控制器会自动调整打印速度，以确保每一层在施加下一层前冷却到正确温度。项目首席研究员Kris Villez表示，该控制器的创新之处在于能够感知实时情况并做出反应，几乎像人一样控制过程：观察并微调设置，直到达到期望结果。

与ORNL研究人员合作的田纳西大学诺克斯维尔分校（University of Tennessee, Knoxville）研究生Chris O'Brien指出，该系统能够检测并修正仅几度的温差，这一点至关重要，因为微小变化可能导致部件失效。在测试中，研究人员制作了一个比卡车轮胎还大的六边形部件。当初始打印条件导致材料在添加后续层之前冷却到比目标低约30%时，系统自动调整打印速度以恢复适当温度条件，展示了实时修正能力。

ORNL研究人员表示，与某些监测方法不同，该控制器无需针对每个新设计重新训练，这可能减少计算需求，并提高在不同打印机、材料和部件几何形状之间的灵活性。Villez表示，该系统旨在与任何大面积复合材料打印机、任何类型的塑料以及任何形状兼容。

这项研究基于ORNL此前与普渡大学（Purdue University）和缅因大学（University of Maine）合作的工作，这些工作探索了将热成像与统计建模结合用于大规模增材制造中的缺陷检测。Villez表示，下一步是提高制造环境的自动化程度，让这些机器更智能、更灵敏。该项目还涉及ORNL研究人员Katie Copenhaver和Alex Roschli，并得到了美国能源部科学办公室（U.S. Department of Energy Office of Science）及其先进材料与制造技术办公室（Advanced Materials and Manufacturing Technologies Office）的支持。UT-Battelle为能源部科学办公室管理ORNL。

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