CN110198828B - 用于三维打印的方法、系统和存储介质 - Google Patents
用于三维打印的方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110198828B CN110198828B CN201780083555.9A CN201780083555A CN110198828B CN 110198828 B CN110198828 B CN 110198828B CN 201780083555 A CN201780083555 A CN 201780083555A CN 110198828 B CN110198828 B CN 110198828B
- Authority
- CN
- China
- Prior art keywords
- layer
- printing
- attribute
- distribution
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010146 3D printing Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims description 47
- 238000003860 storage Methods 0.000 title claims description 23
- 238000009826 distribution Methods 0.000 claims abstract description 70
- 238000007639 printing Methods 0.000 claims abstract description 34
- 239000010410 layer Substances 0.000 claims description 251
- 239000000463 material Substances 0.000 claims description 58
- 238000004088 simulation Methods 0.000 claims description 15
- 239000002344 surface layer Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 239000003795 chemical substances by application Substances 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000000151 deposition Methods 0.000 description 8
- 239000003153 chemical reaction reagent Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000008021 deposition Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 239000006025 fining agent Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002923 metal particle Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000110 selective laser sintering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/20—Direct sintering or melting
- B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/37—Process control of powder bed aspects, e.g. density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
- B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
- B22F12/90—Means for process control, e.g. cameras or sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
- G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F2999/00—Aspects linked to processes or compositions used in powder metallurgy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Analytical Chemistry (AREA)
- Human Computer Interaction (AREA)
Abstract
在一些示例中,预测要作为三维(3D)打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布。基于所述给定层的所述属性的预测值分布来控制对象的3D打印。
Description
技术领域
本公开涉及三维打印。
背景技术
三维(3D)打印系统可以用于形成3D对象。3D打印工艺过程涉及基于3D对象的电子表示在计算机的控制下沉积连续的一种或多种构建材料的层。连续添加层直到形成整个3D对象。
发明内容
根据本公开的一些方面,涉及一种用于三维打印的方法,包括:通过包括处理器的系统来预测要作为三维3D打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布;以及通过所述系统基于所述给定层的所述属性的预测值分布来控制对象的所述3D打印。
根据本公开的一些方面,涉及一种存储计算机程序的机器可读存储介质,所述计算机程序包括在被执行时使系统进行以下操作的指令:预测要作为三维3D打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于点计数信息以及已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布;基于所述给定层的所述属性的预测值分布来更新模型;以及使用更新的模型来模拟通过打印系统进行的3D打印操作。
根据本公开的一些方面,涉及一种用于三维打印的系统,包括:处理器;以及存储有指令的非暂时性存储介质,所述指令可在所述处理器上执行以进行以下操作:使用多个不同模型基于先前打印的构建材料层的信息来预测给定构建材料层的属性的对应值分布,所述先前打印的构建材料层的每个对应层的信息包括由三维3D打印系统的至少一个传感器捕获的所述属性的值分布;基于由所述多个不同模型中的每个对应模型产生的所述给定构建材料层的所述属性的对应值分布,并且基于所述给定构建材料层的所述属性的测量值分布,计算所述对应模型的对应误差;基于计算的误差来选择所述多个不同模型中的所选模型;以及使用所述所选模型来控制通过所述3D打印系统进行的3D打印或者执行对通过所述3D打印系统进行的3D打印的模拟。
附图说明
关于以下附图描述了本公开的一些实施方式。
图1是根据一些示例的使用属性的预测值来控制三维(3D)的过程的流程图。
图2是根据替代示例的使用属性的预测值来模拟3D的过程的流程图。
图3是根据一些示例的用于模拟3D打印系统的布置的框图。
图4是根据一些示例的3D打印系统的框图。
图5是根据进一步示例的包括热相关引擎的布置的框图。
图6是根据附加示例的过程的流程图。
图7是根据一些示例的存储有机器可读指令的存储介质的框图。
图8是根据一些示例的系统的框图。
具体实施方式
在本公开中,除非上下文另外明确指示,否则使用术语“一(a)”、“一个(an)”或“所述(the)”旨在同样包括复数形式。同样地,当在本公开中使用时,术语“包括(includes)”、“包括有(including)”、“包含(comprises)”、“包含有(comprising)”、“具有(have)”或“有(having)”指定存在所述元件,但不排除存在或添加其他元件。
形成连续的构建材料(或多种构建材料)层以构建3D对象的三维(3D)打印工艺可以被称为增材制造工艺。在一些示例中,构建材料可以包括由细小粉末或微粒形式的颗粒构成的粉末状构建材料。粉末状构建材料可以包括金属颗粒、塑料颗粒、聚合物颗粒或其他材料的颗粒。
当沉积构建材料层时,可以将试剂递送到此构建材料层。所递送的试剂可以包括用于熔融此构建材料层的一部分的熔剂,其中,所熔融的部分对应于3D对象的一部分。试剂还可以是喷射细化剂(detailing agent),其限定要被熔融或被聚结(coalesced)的构建材料层的一部分的边界。还可以施加热量以固化每个连续的构建材料层。
在其他示例中,可以采用其他类型的3D打印工艺,包括使用激光来选择性地熔融构建材料层的选择性激光烧结3D打印工艺。而且,尽管参考了构建材料最初为粉末形式的示例,但在其他示例中,构建材料可以是不同的形式。
要作为3D打印工艺的一部分形成的构建材料层的温度分布可以取决于正在构建的3D对象的先前打印的层的温度。如果要打印的层的温度未被控制在指定的公差范围内,则可能影响3D对象的机械特性或其他特性。例如,如果正在形成的层的温度太高或太低,则可能导致3D对象的至少一部分的机械强度或操作特性不能满足目标规格。通常,打印具有一致的机械特性或其他特性的3D对象的能力取决于3D打印系统中在3D打印过程期间预测层间相互作用的能力。
根据本公开的一些实施方式,采用预测解决方案来预测要作为3D打印的一部分被打印的给定层的属性,其中,所述预测基于已作为所述3D打印的一部分被打印的一个先前层(或多个先前层)中的属性的值。在一些示例中,预测属性可以包括温度。在其他示例中,预测属性可以包括要打印的给定层的密度、厚度或某个其他属性。通常,根据本公开的一些实施方式,可以基于已经打印的先前层中的属性的值分布来预测尚未打印的给定层的属性的值分布。
给定层的属性的预测值分布可以用于控制通过3D打印系统进行的3D打印,或者用于更新用作模拟通过3D打印系统进行的3D打印的一部分的模型。
注意,尽管给出了参考用于预测构建材料层的一个属性的值,但是应注意,在进一步示例中,根据一些实施方式的解决方案可以预测构建材料层的多个属性的值。
图1是根据一些实施方式的控制3D打印的过程的流程图。图1的过程包括:(在102处)预测要作为3D打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布。如下文进一步解释的,所述预测基于一个模型(或可替代地,多个不同模型)的使用。
所述过程进一步包括:(在104处)基于属性的预测值分布来控制对3D对象的一部分的3D打印。以这种方式,通过使用根据一些实施方式的技术或机制,可以控制3D打印使得可以得到具有一致的机械特性或其他特性的3D对象。机械特性的示例可以包括3D对象的一部分的机械强度。3D对象的另一个特性可以包括功能特性,所述功能特性涉及要由3D对象的一部分执行的功能或操作。
作为示例,为了通过3D打印系统打印3D对象,目标规格可以指示,要在目标温度(或跨给定层的目标温度分布)下打印3D对象的给定层。可以执行在目标温度(分布)下打印给定层,以实现3D对象的一部分的目标机械特性或功能特性。然而,使用根据本公开的一些实施方式的预测解决方案,基于3D对象的先前打印的一层(或多层)的温度(或温度分布),可以确定(尚未打印的)给定层的预测温度(或温度分布)可能与目标温度(或温度分布)不同。基于预测温度与目标温度的偏差,3D打印系统可以修改3D打印系统的加热设备以产生目标水平的热量,使得当通过3D打印系统打印给定层时,将在目标温度下打印给定层。例如,如果预测温度大于目标温度(因为先前打印的层将对给定层贡献热量以导致给定层的温度升高),则(由于来自加热设备和来自先前打印的层的热量贡献)可以调整3D打印系统的加热设备以产生较少的热量,使得当打印给定层时,将在目标温度下进行打印。
另外或作为替代方案,可以在模拟3D打印系统的操作的背景下应用根据一些实施方式的预测解决方案。模拟器可以使用一个模型(或多个模型)来模拟3D打印系统的操作。
模型(其可以用于预测3D对象的层的属性的值)的示例可以包括回归模型,所述回归模型接收一个输入参数(或多个输入参数)并基于所述一个输入参数(或多个输入参数)产生一个输出参数(或多个输出参数)。例如,回归模型可以将先前层的属性(例如,温度、密度、厚度等)的值分布作为输入,并且产生要打印的当前层的属性的预测值分布。回归模型估计变量之间的一个或多个关系。回归模型可以包括线性回归模型或非线性回归模型。线性回归模型表示因变量(输出的变量)与自变量(输入的变量)之间的关系,其中,使用线性预测函数来表示一个或多因变量与一个或多个自变量之间的一个或多个关系。另一方面,非线性回归模型使用非线性预测函数来指定一个或多个因变量与一个或多个自变量之间的一个或多个关系。
可以通过将历史数据点(包括因变量的值和自变量的值)线性拟合到多维空间中的直线上来生成线性回归模型,其中,所述直线表示线性预测函数。可以通过将历史数据点非线性拟合到多维空间中的曲线上来生成非线性回归模型,其中,所述曲线表示非线性预测函数。
在其他示例中,可以使用其他类型的模型。
图2是根据一些实施方式的模拟过程的流程图。所述模拟过程包括:(在202处)预测要作为3D打印的一部分被打印的给定层的属性(例如,温度、密度、厚度等)的值分布,其中,所述预测基于点计数信息以及已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布。如在此所使用的,“点计数信息”是指,要在打印目标上的多个位置(即“多个点”)中的给定位置(通常称为“点”)处提供的3D打印剂(例如,熔剂、喷射细化剂、诸如墨料等打印流体,等等)的量。打印目标可以包括打印平台,在所述打印平台上要形成3D对象。打印目标还可以指,已经在打印平台上形成的3D对象的先前打印的层的子组件。
在预测属性的值时考虑点计数信息的示例中,用于执行预测的模型将以下内容视为自变量:(1)先前打印的层的属性,以及(2)点计数。基于先前打印的层的属性的值以及点计数的值,模型产生因变量作为输出,即要打印的给定层的属性的值。
点计数信息的考虑基于以下事实:改变在打印层时使用的特定试剂(或多种试剂)的量可能改变对层的属性(例如,温度或其他属性)的值的影响。
(在204处)模拟过程可以进一步更新模型,诸如用于预测给定层的属性的值分布的模型。模型的更新使用反馈技术,所述反馈技术基于给定层的属性的预测值分布(如在202处计算的)。关于反馈技术的细节在下文进一步讨论。
(在206处)模拟过程使用更新的模型来进一步模拟通过打印系统进行的3D打印操作。模拟可以基于使用以下各项来执行:(1)表示3D打印系统的各个操作参数的系统模型,以及(2)将一个输入属性(或多个输入属性)与一个输出属性(或多个输出属性)相关联的更新的模型。
图3是根据一些示例的用于执行对通过3D打印系统进行的3D打印的模拟的示例布置(arrangement)的框图。图3的布置包括接收打印系统模型304和层属性预测模型306作为输入的模拟器引擎302。模拟器引擎302可以实施为硬件处理电路,诸如以下各项中的任何一项或一些组合:微处理器、多核微处理器的内核、微控制器、可编程集成电路器件、可编程门阵列等。在进一步示例中,模拟器引擎302可以包括硬件处理电路与可在硬件处理电路上执行的机器可读指令的组合。
根据一些示例,模拟器引擎302使用打印系统模型304和层属性预测模型306来执行模拟。打印系统模型304表示3D打印系统的各种部件,包括打印控制器以及3D打印系统的各种处理模块。打印系统模型304包括表示打印控制器的子模型307、以及表示各种处理模块的子模型308。
打印控制器控制打印过程并向处理模块分配特定任务,所述任务包括3D打印的各个级(stage)。例如,3D打印的级可以包括用于将构建材料层沉积到打印目标上的构建材料沉积级310。这些级还可以包括用于执行对构建材料层的预热的加热级312。另外,这些级可以包括用于分配诸如熔剂、喷射细化剂等特定试剂的试剂分配级314。还可以存在3D打印系统的其他级。
打印系统模型304对打印控制器(由子模型307表示)与处理模块(由子模型308表示)之间的交互进行建模。打印控制器将命令316发送到处理模块,并且处理模块可以将信号318返回到打印控制器。例如,信号318可以指示何时沉积构建材料层、或指示对构建材料层的预热何时达到目标温度、或指示何时完成试剂的分配,作为几个示例。
在一些示例中,打印控制器的子模型307包括表示打印控制器307的操作的有限状态机320。有限状态机320可以表示打印控制器307的各种操作状态,这些操作状态可以取决于打印系统的哪些级是激活的或完成的、以及哪些级是留待激活的。例如,为了执行对构建材料层的熔融,有限状态机320可以发出命令以使打印头(其用于分配熔剂)从空闲状态激活到激活状态并使打印头移动到一个目标位置(或多个目标位置)。在一个或多个目标位置处,有限状态机320可以发出命令以激活打印头将熔剂分配到构建材料层上。在已经分配了熔剂之后,打印头可以向有限状态机320返回信号以指示完成,此时,有限状态机320可以发出命令以使打印头去激活到空闲状态。
在其他示例中,可以由打印控制器控制其他控制过程。
层属性预测模型306可以指上文进一步讨论的模型,所讨论的模型涉及基于一个输入属性(或多个输入属性)来预测要打印的给定层的属性的值,所述输入属性包括先前打印的层的属性的值、点计数信息等。
通过使用打印系统模型304和层属性预测模型306,模拟器引擎302可以执行对3D打印系统的操作的模拟。模拟器引擎产生输出322,所述输出可以包括可以在图形用户界面中显示以供用户观看的信息。例如,输出322可以指示在3D打印期间使用的3D打印系统的各种操作参数、以及已经在模拟中形成的构建材料层的特性。
图4是根据一些示例的示例3D打印系统400的框图,该3D打印系统包括承载打印头404的托架402。“托架”可以指用于承载部件的结构,所述部件包括打印头404,以及诸如用于产生热量的加热器414、用于感测对应参数的传感器415等其他部件。在其他示例中,打印头204、加热器214和传感器216可以安装在单独的托架上。在进一步示例中,传感器216可以是打印头204的一部分。
加热器414可以用于预热构建材料层,并且传感器415可以用于感测参数,诸如跨构建材料层的温度分布。在进一步示例中,3D打印系统400可以包括多个打印头、和/或多个加热器、和/或多个传感器。
打印系统400还包括打印平台406。托架402和打印平台406可(沿水平轴以及竖直轴)相对于彼此移动。在一些示例中,打印平台406是固定的,而托架402可以沿轴408移动。在其他示例中,托架402可以是固定的,而打印平台406相对于打印头402沿轴408移动。在进一步示例中,托架402和打印平台406都可以沿轴408移动。进一步注意,托架402和打印平台404可以相对于彼此沿多个不同的轴移动,包括垂直于轴408的另一个水平轴,并且可以在竖直轴409中移动,即,使打印平台206和托架202可以移动得更靠近在一起或分开更远的轴。托架402和打印平台406的相对运动可以由一个马达(或多个马达)(未示出)驱动。
托架402和打印平台406的相对运动可以使打印头404置于不同的位置。可以激活打印头404以向打印平台406的上表面上的目标412递送试剂。在3D打印系统中,目标412可以包括构建材料层,可以由打印头404将试剂(墨料、熔剂、喷射细化剂等)递送到所述构建材料层上。
打印系统400进一步包括用于将构建材料层沉积到打印平台406上的构建材料沉积设备410。在一些示例中,构建材料层可以以粉末形式沉积,并且粉末状构建材料可以经受进一步处理(使用墨料、熔剂、喷射细化剂等)以形成具有给定形状、大小和颜色的3D对象部分。
打印系统400还包括控制器416,所述控制器可以用于控制通过打印系统400进行的3D打印。控制器416可以包括硬件处理电路、或者硬件处理电路与可在硬件处理电路上执行的机器可读指令的组合。
在一些示例中,控制器416可以通过向各个级发送命令417来控制构建材料沉积设备410、托架402、打印头404、加热器414、以及3D打印系统400的其他级的操作。控制器416对3D打印系统的操作的控制可以基于关于要形成的3D对象的输入信息418。例如,可以使用计算机辅助设计(CAD)应用程序来生成关于要形成的3D对象的输入信息418。
控制器416还可以接收层属性预测模型420作为输入,所述层属性预测模型可以用于基于一个或多个输入参数来预测要打印的层的属性的值分布,如上文进一步讨论的。通过使用层的属性的预测值分布,控制器416可以修改用于控制3D打印系统400的各个级的参数,这些级包括构建材料沉积设备410、加热器414、打印头404等。
更一般地,根据一些示例,控制器416可以实施图1的过程作为控制3D打印系统400中的3D打印的一部分。
图5是包括热相关引擎502的示例布置的框图,所述热相关引擎接收各种输入并产生构建材料层N的预测热图像503,其中,层N是要在3D打印工艺中打印的当前层。预测热图像503是指示跨层N的温度值的表示。例如,预测热图像503可以包括跨层N的不同位置处的温度的数据值,可以包括跨层N的不同位置处的温度值的图形表示(例如,使用不同的颜色指示不同的温度值),或者可以包括层N的温度值的任何其他类型的表示。尽管在一些示例中参考了“热图像”,但应注意,在其他示例中,可以使用其他类型属性的其他表示。
热相关引擎502可以实施为硬件处理电路、或者实施为硬件处理电路与可在硬件处理电路上执行的机器可读指令的组合。在一些示例中,热相关引擎502可以是图3的模拟引擎302的一部分,或者是图4的控制器416的一部分。
热相关引擎502的输入可以包括以下内容:
·层属性预测模型504(例如,图3的层属性预测模型306或图4的层属性预测模型420)。
·关于层N的信息506,其包含要打印的层N的各种信息。例如,信息506可以包括层N的点计数信息。作为进一步示例,信息506还可以包括其他信息,包括层N的厚度、层N的密度等。
·已经打印的一个先前层或多个先前层的信息508,所述多个先前层包括层N-1(紧接在层N下方的层)、层N-2等。信息508可以包括点计数信息以及关于一个先前层或多个先前层的其他信息。
·用于表示一个或多个先前层的一个或多个温度分布的一个先前层的热图像510或多个先前层的热图像。例如,每个先前层的热图像510可以由图4所示的3D打印系统400的一个传感器415(或多个传感器)获取。一个或多个传感器415可以用于感测打印层的温度分布,并将所感测的温度分布传输到控制器416以存储在存储介质中。
基于输入(504、506、508、510),热相关引擎502能够产生层N的预测热图像,所述预测热图像包括层N的温度值分布。
图5中还示出了反馈路径,其中,反馈路径包括更新引擎512,所述更新引擎能够使用层N的预测热图像503来更新层属性预测模型504。更新引擎512可以实施为硬件处理电路、或者实施为硬件处理电路与可在硬件处理电路上执行的机器可读指令的组合。
当更新引擎512稍后接收到(例如,当实际已经打印了层N时由图4的一个或多个传感器415测量的)层N的实际热图像514时,更新引擎512可以将层N的实际热图像514与层N的预测热图像503进行比较,并且可以相应地调整层属性预测模型504。通常,可以修改层属性预测模型504以减小(或最小化)层N的实际热图像514与层N的预测热图像503之间的差。
在一些示例中,层属性预测模型504可以实施为包括各种节点的神经网络。神经网络的节点可以与权重相关联。基于所接收的输入(例如,先前打印层的属性的值分布、点计数信息等),神经网络可以根据与神经网络的节点相关联的权重产生输出(例如,要打印的层的属性的值分布)。
层N的温度根据下面的层的加权热贡献来计算。假设层的总数是P,则给定层N的位置(x,y)处的点温度θ(N,x,y)被计算为:
在上述等式中,A和B表示最后一个像素在x和y方向上的索引,并且Wkxyθxyk表示所使用的对应权重(例如,神经网络的节点的权重)。在进一步示例中,时间衰减函数也可以整合到上文的公式中。
当接收到新数据时,可以随时间学习与神经网络的节点相关联的权重,所述新数据在一些实施方式中包括层的属性的预测值分布。David E.Rumelhart等人在1986年10月的“Learning Representations by Back-Propagating Errors[通过反向传播错误的学习表示]”中描述了神经网络的学习示例。在其他示例中,可以采用学习神经网络的其他技术。
在进一步示例中,可以使用其他类型的模型来代替将层属性预测模型504实施为神经网络。
图6是根据一些实施方式的模型选择和更新过程的流程图。图6的过程(在602处)接收层N的实际热图像,所述实际热图像是例如由图4的一个或多个传感器415获得的热图像。层N指的是当前层。
层N的实际热图像存储到各个层,诸如层1至层N-1(在层N之前打印的层)的热图像的储存库604中。另一个储存库606存储层的其他信息,诸如每层的墨滴(drop)计数信息。
根据本公开的一些实施方式,可以考虑多个不同模型608-1、608-2、……、608-K(其中,K≥2),其中,不同模型可以使用对应的不同层模型。图6的过程旨在确定不同模型608-1、608-2、……、608-K中的哪一个表现最佳,使得可以选择表现最佳的模型用于控制如上所讨论的3D打印或模拟。当对3D对象的多个层迭代地执行图6的过程时,所述过程还更新模型608-1、608-2、……、608-K。
层模型提供到目前为止已经打印的3D对象的层的模型。层模型将构建材料划分为三个部分:(1)表面层(其为最顶层),(2)m个内部层(m≥1),所述内部层是表面层下方紧邻(just below)的m个层;以及(3)剩余的N-(m+1)个底层。这些部分的层被布置成构建材料堆叠,其中一个层形成在另一个层之上。打印系统的动作直接影响表面层。例如,加热动作(例如,由图4的加热器414产生的热量)直接加热表面层。可替代地,试剂分配动作将试剂直接分配到表面层上。这m个内部层位于紧靠(right)表面层的下方,例如,这m个内部层可以通过热传递影响表面层。可以选择更多的内部层以获得更好的准确性,然而,可以选择更少的内部层以获得更快的计算。一个或多个底层是这m个内部层中最低的内部层下方的一个或多个层。
不同模型608-1至608-K中的每个模型使用对应的不同层模型,这些层模型可以表示为<a,b,c>。通常,在元组<a,b,c>中,a被赋予表示表面层的数量(其中,a=1表示仅有一个表面层)的值,b被赋予表示内部层的数量的值,并且c被赋予表示底层的数量的值。
在其他示例中,层模型可以用具有不同数量条目的元组来表示,诸如<a,b,c,d>。例如,编码<1,2,2,N-5>表示一个表面层、两批(batch)内部层(每批内部层包括两个层)、以及N-5个底层,其中,N表示层的总数。
在其他示例中,层模型还可以表示关于每个层执行的轮次(pass)。可以通过3D打印系统对每层执行多轮次,其中,一轮次可以指涉及沉积构建材料、预热构建材料以及将试剂分配到构建材料上的一轮次。
在一些示例中,模型608-1可以使用由<1,2,N-3>表示的层模型,其指示存在一个表面层、两个内部层和N-3个底层。模型608-2可以使用由<1,2,N-3>表示的层模型,并且模型608-K可以使用由<1,k,N-(k+1)>表示的层模型,其指示一个表面层、k个内部层和N–(k+1)个底层。
当预测层N(最顶层)的属性的值时,可以假设仅内部层(而不是底层)对层N中的属性有贡献。因此,在不同模型608-1和608-K中使用不同的层模型导致在预测层N的属性的值时考虑不同数量的内部层。考虑更多内部层可以导致提高的准确性,但可能以增加计算时间为代价。
(分别在610-1、610-2、……、610-K处)使用不同模型608-1至608-K来预测相应的预测热图像(温度值分布)。换句话说,预测610-1使用模型608-1来预测层N的热图像,预测610-2使用模型601-2来预测层N的热图像,以此类推。每个回归模型608-1至608-K接收先前层的热图像(来自储存库604)和其他信息(来自储存库606)作为输入。注意,预测计算610-1至610-K可以由多个相应的处理器或计算机并行执行。可替代地,可以按顺序执行预测计算610-1至610-K。
图6的过程(在612处)计算层N的每个预测热图像(分别在610-1、610-2或610-K处计算)与所接收的层N的实际热图像(在502处接收)之间的误差。在一些示例中,所计算的误差可以是层N的不同位置处的温度值的误差的平方和,诸如根据下式:
其中,M表示热图像的位置数(例如,像素数或点数),表示位置l处的实际温度值,并且表示位置l处的预测温度值。在层N的第一预测温度值分布(使用模型608-1计算)与层N的实际温度值分布之间计算第一误差,在层N的第二预测温度值分布(使用模型608-2计算)与层N的实际温度值分布之间计算第二误差,并且在层N的第K预测温度值分布(使用模型608-K计算)与层N的实际温度值分布之间计算第K误差。对不同模型608-1至608-K的误差进行比较以确定模型608-1至608-K中的哪一个模型是最佳的(即,具有最小误差)。
基于每个模型的所计算误差,诸如通过调整以上讨论的神经网络的权重(在614处)来对模型进行调整。
过程接下来(在616处)确定当前处理的层N是否是最后一层。如果否,则过程返回到任务602以处理下一层N。当考虑一个新层时,该新层成为表面层,并且先前的表面层与内部层合并,但先前的内部层之一被逐出并合并到底层中。
如果已经处理了最后一层,则过程(在618处)输出从模型608-1至608-K中选择的具有最小误差的模型。所述输出可以标识所选模型,其可以包括所选模型的权重和所选模型所使用的层模型。
图7是存储有机器可读指令的非暂时性机器可读存储介质700的框图,所述机器可读指令在执行时使系统执行所陈述的任务。机器可读指令包括:用于预测要作为3D打印的一部分被打印的给定层的属性的值分布的属性值预测指令702,其中,所述预测基于点计数信息以及已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布。
机器可读指令进一步包括:用于基于给定层的属性的预测值分布来更新模型的模型更新指令704。机器可读指令进一步包括:用于使用更新的模型来模拟打印系统的3D打印操作的模拟指令706。
图8是包括一个处理器802(或多个处理器802)的示例系统800的框图。处理器可以包括微处理器、多核微处理器的内核、微控制器、可编程集成电路、可编程门阵列、或另一硬件处理电路。
系统800进一步包括存储有机器可读指令的非暂时性存储介质804,所述机器可读指令可在处理器上执行以执行所陈述的任务。在处理器上执行指令可以指在一个处理器上或在多个处理器上执行指令。
存储在存储介质804中的机器可读指令包括属性值预测指令806,所述指令用于使用多个不同模型基于先前打印的构建材料层的信息来预测对应的给定构建材料层的属性的值分布,其中,所述先前打印的构建材料层的每个对应层的信息包括如由3D打印系统的至少一个传感器捕获的所述属性的值分布。存储在存储介质804中的机器可读指令进一步包括误差计算指令808,所述误差计算指令用于:基于由所述多个不同模型中的每个对应的模型产生的给定构建材料层的属性的对应值分布,并且基于给定构建材料层的属性的测量值分布,计算所述每个对应模型的对应误差。存储在存储介质804中的机器可读指令进一步包括模型选择指令810,所述模型选择指令用于:基于所计算的误差来选择所述多个不同模型中的所选模型。存储在存储介质804中的机器可读指令进一步包括模型使用指令812,所述模型使用指令用于:使用所选模型来控制通过3D打印系统进行的3D打印或者执行对通过3D打印系统进行的3D打印的模拟。
存储介质700或804可以包括以下各项中的任何一项或某种组合:半导体存储器设备,诸如动态随机存取存储器或静态随机存取存储器(DRAM或SRAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和闪速存储器;磁盘,诸如固定盘、软盘和可移动盘;另一种磁性介质,包括磁带;光学介质,诸如光盘(CD)或数字视频盘(DVD);或另一类型的存储设备。注意,上文讨论的指令可以在一个计算机可读或机器可读存储介质上提供,或者可替代地,可以在分布在可能具有多个节点的大型系统中的多个计算机可读存储介质或机器可读存储介质上提供。这种一个或多个计算机可读存储介质或机器可读存储介质被认为是物品(或制品)的一部分。物品或制品可以指任何制造的单个部件或多个部件。一个或多个存储介质可以位于运行机器可读指令的机器中或者位于远程站点处,可以通过网络从所述远程站点下载机器可读指令以供执行。
在前述描述中,阐述了许多细节以提供对本文所公开的主题的理解。然而,可以在没有这些细节中的一些细节的情况下实践实施方式。其他实施方式可以包括来自上文所讨论的细节的修改和变化。所附权利要求旨在覆盖这些修改和变化。
Claims (13)
1.一种用于三维打印的方法,包括:
通过包括处理器的系统来预测要作为三维3D打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布;以及
通过所述系统基于所述给定层的所述属性的预测值分布来控制对象的所述3D打印,
其中,所述预测使用多个不同模型,所述多个不同模型中的每个对应模型接收所述先前层中的所述属性的值分布作为输入,并且输出所述给定层的所述属性的对应预测值分布,所述方法进一步包括:
确定所述多个不同模型中的哪个模型产生最小误差。
2.如权利要求1所述的方法,其中,所述预测进一步基于所述先前层的点计数信息,所述点计数信息指示置于打印目标上的多个位置中的每个位置处的流体量。
3.如权利要求2所述的方法,其中,所述预测使用模型,所述模型接收所述点计数信息以及所述先前层中的所述属性的值分布作为输入,并且输出所述给定层的所述属性的预测值分布。
4.如权利要求1所述的方法,其中,所述多个不同模型使用对应的不同层模型,所述不同层模型中的每个对应层模型包括具有第一数量的表面层、具有第二数量的内部层和具有第三数量的底层,其中,所述第一数量、所述第二数量和所述第三数量中的每一个等于一或大于一,并且所述不同层模型中的第一层模型与所述不同层模型中的第二层模型的不同之处在于所述第二数量或所述第三数量中的至少一者。
5.如权利要求1所述的方法,进一步包括:
响应于所述确定来调整在所述多个不同模型中的每个模型中使用的权重。
6.如权利要求5所述的方法,其中,所述调整基于减小所述给定层中的所述属性的预测值分布与所述给定层中的所述属性的实际值分布之间的误差。
7.如权利要求1所述的方法,其中,所述属性包括温度。
8.如权利要求1所述的方法,其中,所述属性选自密度和厚度。
9.如权利要求1所述的方法,其中,所述先前层中的所述属性的值分布由3D打印系统的至少一个传感器捕获。
10.一种存储计算机程序的机器可读存储介质,所述计算机程序包括在被执行时使系统进行以下操作的指令:
预测要作为三维3D打印的一部分被打印的给定层的属性的值分布,其中,所述预测基于点计数信息以及已经作为所述3D打印的一部分被打印的先前层中的所述属性的值分布;
更新多个不同模型,所述多个不同模型中的每个对应模型接收所述点计数信息和所述先前层中的所述属性的值分布作为输入,并且输出所述给定层的所述属性的对应预测值分布;
从更新的多个不同模型中选择产生最小误差的更新的模型;以及
使用所述更新的模型来模拟通过打印系统进行的3D打印的操作。
11.如权利要求10所述的机器可读存储介质,其中,所述更新的多个不同模型使用表示要由所述打印系统打印的构建材料堆叠的不同层模型,所述不同层模型中的每个对应层模型包括具有第一数量的表面层、具有第二数量的内部层和具有第三数量的底层,其中,所述第一数量、所述第二数量和所述第三数量中的每一个等于一或大于一,并且所述不同层模型中的第一层模型与所述不同层模型中的第二层模型的不同之处在于所述第二数量或所述第三数量中的至少一者。
12.一种用于三维打印的系统,包括:
处理器;以及
存储有指令的非暂时性存储介质,所述指令能够在所述处理器上执行以进行以下操作:
使用多个不同模型基于先前打印的构建材料层的信息来预测给定构建材料层的属性的对应值分布,所述先前打印的构建材料层的每个对应层的信息包括由三维3D打印系统的至少一个传感器捕获的所述属性的值分布;
基于由所述多个不同模型中的每个对应模型产生的所述给定构建材料层的所述属性的对应值分布,并且基于所述给定构建材料层的所述属性的测量值分布,计算所述对应模型的对应误差;
基于计算的误差来选择所述多个不同模型中的所选模型;以及
使用所述所选模型来控制通过所述3D打印系统进行的3D打印或者执行对通过所述3D打印系统进行的3D打印的模拟。
13.如权利要求12所述的系统,其中,针对先前打印的构建材料层的每个对应层捕获的所述属性的值分布包括热图像,所述热图像包括所述对应层中的多个位置处的温度值分布。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2017/015339 WO2018140034A1 (en) | 2017-01-27 | 2017-01-27 | Predicting distributions of values of layers for three-dimensional printing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110198828A CN110198828A (zh) | 2019-09-03 |
CN110198828B true CN110198828B (zh) | 2021-08-03 |
Family
ID=62979570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780083555.9A Active CN110198828B (zh) | 2017-01-27 | 2017-01-27 | 用于三维打印的方法、系统和存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11409261B2 (zh) |
EP (1) | EP3538352A4 (zh) |
CN (1) | CN110198828B (zh) |
WO (1) | WO2018140034A1 (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017200527A1 (en) * | 2016-05-16 | 2017-11-23 | Hewlett-Packard Development Company, L.P. | Generating a shape profile for a 3d object |
DE102017130282A1 (de) * | 2017-12-18 | 2019-06-19 | MTU Aero Engines AG | Verfahren und Vorrichtung zum additiven Herstellen eines Bauteil sowie Bauteil |
CN111356575A (zh) * | 2018-01-29 | 2020-06-30 | 惠普发展公司,有限责任合伙企业 | 处理对象表示 |
US11597156B2 (en) * | 2018-10-29 | 2023-03-07 | Hewlett-Packard Development Company, L.P. | Monitoring additive manufacturing |
US11354466B1 (en) | 2018-11-02 | 2022-06-07 | Inkbit, LLC | Machine learning for additive manufacturing |
EP3856494A1 (en) | 2018-11-02 | 2021-08-04 | Inkbit, LLC | Intelligent additive manufacturing |
US20220088879A1 (en) * | 2019-01-23 | 2022-03-24 | Hewlett-Packard Development Company, L.P. | Temperature prediction in three-dimensional (3d) parts |
US20210379830A1 (en) * | 2019-02-26 | 2021-12-09 | Hewlett-Packard Development Company, L.P. | Determining fusing energy profiles in 3d printing |
CN113661047A (zh) | 2019-04-10 | 2021-11-16 | 惠普发展公司,有限责任合伙企业 | 材料相检测 |
EP3867041B1 (en) * | 2019-04-30 | 2024-02-28 | Hewlett-Packard Development Company, L.P. | Additive manufacturing systems |
US20220161498A1 (en) * | 2019-04-30 | 2022-05-26 | Hewlett-Packard Development Company, L.P. | Dimensional compensations for additive manufacturing |
WO2020222788A1 (en) * | 2019-04-30 | 2020-11-05 | Hewlett-Packard Development Company, L.P. | Dimensions in additive manufacturing |
WO2020222813A1 (en) * | 2019-04-30 | 2020-11-05 | Hewlett-Packard Development Company, L.P. | Printer and method for adapting printing fluid strategy |
WO2020226610A1 (en) * | 2019-05-03 | 2020-11-12 | Hewlett-Packard Development Company, L.P. | Simulated thermal value modifications for 3d model sections |
US20220088878A1 (en) * | 2019-06-11 | 2022-03-24 | Hewlett-Packard Development Company, L.P. | Adapting manufacturing simulation |
US11182520B2 (en) * | 2019-06-28 | 2021-11-23 | General Electric Company | Multiphysics automated support generation for additively manufactured components |
WO2021080561A1 (en) * | 2019-10-21 | 2021-04-29 | Hewlett-Packard Development Company, L.P. | Surface offsets |
CN114025945A (zh) * | 2019-07-19 | 2022-02-08 | 惠普发展公司,有限责任合伙企业 | 调整模拟 |
US11712837B2 (en) | 2019-11-01 | 2023-08-01 | Inkbit, LLC | Optical scanning for industrial metrology |
EP3822725A1 (en) * | 2019-11-15 | 2021-05-19 | General Electric Company | Systems, and methods for diagnosing an additive manufacturing device |
KR102194695B1 (ko) * | 2019-12-31 | 2020-12-24 | 한국과학기술원 | 3d 프린팅 공정 중 형성되는 적층부의 높이를 추정하는 방법 및 장치, 이를 구비한 3d 프린팅 시스템 |
JP2023531738A (ja) * | 2020-06-25 | 2023-07-25 | ビ-エイイ- システムズ パブリック リミテッド カンパニ- | 付加製造されるコンポーネントの構造シミュレーション |
US20230234295A1 (en) * | 2020-07-01 | 2023-07-27 | Hewlett-Packard Development Company, L.P. | Determining that printing a 3d object from a selected build material is expected to result in a defect |
US10994490B1 (en) | 2020-07-31 | 2021-05-04 | Inkbit, LLC | Calibration for additive manufacturing by compensating for geometric misalignments and distortions between components of a 3D printer |
US20220410487A1 (en) * | 2021-06-28 | 2022-12-29 | International Business Machines Corporation | 3d printing with virtual reality integration |
WO2023140859A1 (en) * | 2022-01-21 | 2023-07-27 | Hewlett-Packard Development Company, L.P. | Reference values of parameters for stages of 3d printing |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106061713A (zh) * | 2014-01-16 | 2016-10-26 | 惠普发展公司,有限责任合伙企业 | 生成三维物体 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020020945A1 (en) | 2000-08-18 | 2002-02-21 | Uichung Cho | Forming three dimensional objects through bulk heating of layers with differential material properties |
US6780368B2 (en) | 2001-04-10 | 2004-08-24 | Nanotek Instruments, Inc. | Layer manufacturing of a multi-material or multi-color 3-D object using electrostatic imaging and lamination |
US6815636B2 (en) | 2003-04-09 | 2004-11-09 | 3D Systems, Inc. | Sintering using thermal image feedback |
DE102007056984A1 (de) | 2007-11-27 | 2009-05-28 | Eos Gmbh Electro Optical Systems | Verfahren zum Herstellen eines dreidimensionalen Objekts mittels Lasersintern |
JP5555769B2 (ja) | 2009-07-15 | 2014-07-23 | アーカム・アーベー | 三次元物体を製作するための方法および装置 |
US20110222081A1 (en) * | 2010-03-15 | 2011-09-15 | Chen Yi | Printing Three-Dimensional Objects Using Hybrid Format Data |
US8793106B2 (en) * | 2011-09-23 | 2014-07-29 | International Business Machines Corporation | Continuous prediction of expected chip performance throughout the production lifecycle |
US9177873B2 (en) * | 2013-07-29 | 2015-11-03 | GlobalFoundries, Inc. | Systems and methods for fabricating semiconductor device structures |
GB201313841D0 (en) * | 2013-08-02 | 2013-09-18 | Rolls Royce Plc | Method of Manufacturing a Component |
US9396443B2 (en) * | 2013-12-05 | 2016-07-19 | Tokyo Electron Limited | System and method for learning and/or optimizing manufacturing processes |
US10137644B2 (en) | 2014-01-16 | 2018-11-27 | Hewlett-Packard Development Company, L.P. | Processing object data |
US10538074B2 (en) * | 2014-01-16 | 2020-01-21 | Hewlett-Packard Development Company, L.P. | Processing slice data |
CN105934332B (zh) * | 2014-01-16 | 2018-06-26 | 惠普发展公司,有限责任合伙企业 | 生成三维物体 |
US10061870B2 (en) * | 2014-03-18 | 2018-08-28 | Palo Alto Research Center Incorporated | Automated metrology and model correction for three dimensional (3D) printability |
JP6273042B2 (ja) * | 2014-04-30 | 2018-01-31 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー.Hewlett‐Packard Development Company, L.P. | 計算モデル及び3次元(3d)印刷法 |
US10336007B2 (en) * | 2014-05-09 | 2019-07-02 | United Technologies Corporation | Sensor fusion for powder bed manufacturing process control |
CN104085107B (zh) * | 2014-06-26 | 2016-09-28 | 珠海天威飞马打印耗材有限公司 | 三维打印机、三维打印机的打印方法及其打印装置 |
US9999924B2 (en) * | 2014-08-22 | 2018-06-19 | Sigma Labs, Inc. | Method and system for monitoring additive manufacturing processes |
US20160096318A1 (en) * | 2014-10-03 | 2016-04-07 | Disney Enterprises, Inc. | Three dimensional (3d) printer system and method for printing 3d objects with user-defined material parameters |
US11007791B2 (en) * | 2014-11-19 | 2021-05-18 | Electronics For Imaging, Ing. | Multi-layered textured printing |
US10449692B2 (en) | 2014-12-08 | 2019-10-22 | Tethon Corporation | Three-dimensional (3D) printing |
US10421267B2 (en) * | 2015-02-12 | 2019-09-24 | Arevo, Inc. | Method to monitor additive manufacturing process for detection and in-situ correction of defects |
US10474134B2 (en) * | 2015-04-29 | 2019-11-12 | University Of Southern California | Systems and methods for compensating for 3D shape deviations in additive manufacturing |
CN104802412B (zh) * | 2015-05-15 | 2017-03-29 | 英华达(上海)科技有限公司 | 立体列印机的列印方法及装置 |
AU2016295394B2 (en) * | 2015-07-18 | 2021-08-05 | Vulcanforms Inc. | Additive manufacturing by spatially controlled material fusion |
CN108472720A (zh) * | 2015-08-24 | 2018-08-31 | 德仕托金属有限公司 | 金属对象的三维电流体动力学打印 |
US20170239891A1 (en) * | 2016-02-18 | 2017-08-24 | Velo3D, Inc. | Accurate three-dimensional printing |
US20180009128A1 (en) * | 2016-07-08 | 2018-01-11 | Renaissance Services, Inc. | Generation of casting molds by additive manufacturing |
-
2017
- 2017-01-27 WO PCT/US2017/015339 patent/WO2018140034A1/en unknown
- 2017-01-27 CN CN201780083555.9A patent/CN110198828B/zh active Active
- 2017-01-27 US US16/077,669 patent/US11409261B2/en active Active
- 2017-01-27 EP EP17893936.9A patent/EP3538352A4/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106061713A (zh) * | 2014-01-16 | 2016-10-26 | 惠普发展公司,有限责任合伙企业 | 生成三维物体 |
Also Published As
Publication number | Publication date |
---|---|
EP3538352A1 (en) | 2019-09-18 |
US20190056717A1 (en) | 2019-02-21 |
CN110198828A (zh) | 2019-09-03 |
EP3538352A4 (en) | 2020-06-17 |
US11409261B2 (en) | 2022-08-09 |
WO2018140034A1 (en) | 2018-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110198828B (zh) | 用于三维打印的方法、系统和存储介质 | |
Jin et al. | Autonomous in-situ correction of fused deposition modeling printers using computer vision and deep learning | |
CN111448050B (zh) | 从连续色调图进行的热行为预测 | |
JP6730440B2 (ja) | 3d距離フィールドを用いる3d印刷のためのgpu材料指定 | |
US11597156B2 (en) | Monitoring additive manufacturing | |
EP3774299B1 (en) | Generating adapted control instructions for a 3d printing process | |
JP2022506523A (ja) | インテリジェント付加製造方法 | |
CN113728285B (zh) | 用于增材制造中人工智能过程控制的系统、方法以及介质 | |
EP3558643B1 (en) | A method of operating a powder-based additive manufacturing system based on thermal image data of fused build material of a print region and a powder-based additive manufacturing system | |
US11059229B2 (en) | Rules for printing three-dimensional parts | |
KR101982831B1 (ko) | 인쇄 온도의 제어 방법 및 제어 장치 | |
TWI804746B (zh) | 用於三維(3d)製造之方法、3d列印裝置及相關非暫時性有形電腦可讀媒體 | |
US20210291261A1 (en) | Fabricated shape estimation for additive manufacturing processes | |
WO2021257093A1 (en) | Heat-aware toolpath reordering for 3d printing of physical parts | |
CN113950403B (zh) | 用于三维制造的方法、三维打印设备以及计算机可读介质 | |
WO2021154244A1 (en) | Generation of an object model for three dimensional printers | |
US20220388070A1 (en) | Porosity prediction | |
Frank et al. | An investigation of cause-and-effect relationships within a 3D-Printing system and the applicability of optimum printing parameters from experimental models to different printing jobs | |
CN114986833A (zh) | 一种动态调控的注塑方法、系统、装置及介质 | |
Yang | Model-based predictive analytics for additive and smart manufacturing | |
EP3885848A1 (en) | Controller with neural network and improved stability | |
CN113661047A (zh) | 材料相检测 | |
US20230191474A1 (en) | Core quality estimation system, core quality estimation method, non-transitory storage medium | |
EP3774297A1 (en) | Object orientation and/or position for additive manufacturing | |
US20240017325A1 (en) | Surrogate modeling of molten droplet coalescence in additive manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: American Texas Applicant after: HEWLETT-PACKARD DEVELOPMENT COMPANY, L.P. Address before: American Texas Applicant before: HEWLETT-PACKARD DEVELOPMENT COMPANY, L.P. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |