CN112689546B - 用于生成设备特定的机器学习模型的方法和系统 - Google Patents

Abstract

一种在增材制造机器的不同域之间转移操作参数集的方法，包括：创建第一增材制造机器域的参数集，访问第二增材制造机器域的模型，创建用于操作第二增材制造机器的操作设置的第二参数集，在第二增材制造机器的操作期间获得第二传感器数据套件，将第二传感器数据套件与一个或多个预定性能阈值进行比较以确定产品样品是否在质量保证指标内，如果产品样本不在质量保证指标范围内，则调节第二参数集。还公开了用于实现该方法的系统和非瞬时性计算机可读介质。

Description

用于生成设备特定的机器学习模型的方法和系统

优先权信息

本申请要求于2018年9月5日提交的第16/122184号美国专利申请的优先权。

背景技术

术语“增材制造”是指用于合成三维物体的过程，其中在计算机控制下由增材制造机器形成连续的材料层，以创建物体。

使用包含要制造的物体的3D计算机辅助设计(CAD)模型的文件来控制增材金属制造机。增材制造的一个实例是直接金属激光烧结(DMLS)，其使用被烧成粉末状金属床的激光，其中激光自动瞄准由3D模型限定的空间中的点，由此将材料熔化在一起以创建固体结构。在应用任何必要的热处理之后，熔化材料的快速局部加热和冷却的性质能够实现近锻造材料性能。以这种方式，部件被一层一层地增材堆积。可以直接从三维CAD文件数据创建复杂的几何图形。

图1示意性地示出了常规激光增材制造系统100(例如，直接金属激光熔化(DMLM)、直接金属激光烧结(DMLS)、选择性激光熔化(SLM)等)的截面图。设备100通过使用由诸如激光器120的源产生的能量束136烧结或熔化粉末材料(未示出)，以逐层的方式构建物体，例如部件122。由能量束熔化的粉末由储存器126供应，并利用重涂器臂116(沿方向134行进)均匀地分布在构建板114上，以将粉末保持在沉积体积112内的水平面118。通过重涂器臂116将延伸到粉末水平面118上方的过量的粉末材料移除到废物容器128。能量束136在检流计扫描器132的控制下烧结或熔化正在构建的物体的横截面层。降低构建板114并且将另一层粉末涂布在构建板和正在构建的物体上，接着由激光器120对粉末进行连续的熔化/烧结。重复该过程直到部件122完全由熔化/烧结的粉末材料形成。激光器120可以由包括处理器和存储器的计算机系统控制。计算机系统可以确定每一层的扫描图案或“标记”，并控制激光器120根据扫描图案照射粉末材料。在完成部件122的制造之后，可以对部件122应用各种后处理过程。后处理过程包括通过例如吹送或抽真空除去进入粉末。其他后处理过程包括应力消除过程。此外，可以使用热、机械和化学后处理程序来完成部件122。

增材机器的一个问题是，在一台机器上开发的扫描参数集不能完全转移到另一台机器上，无论它是相同的机器模型还是不同的机器模型。传统上，需要对产品的扫描参数集进行重做和/或再开发以获得扫描参数集，从而将产品生产从一个机器生产线移动到不同的机器。即使对于同一机器生产线的不同实例，也需要重做扫描参数集。扫描参数集的重做/再开发可以是时间和劳动密集型。此外，扫描参数集的证明通常需要多次构建和重复才能获得可接受的扫描参数集。这些多次构建减少了机器生产时间，并消耗了原材料供应。

机器需要保持严格的校准，或者需要调整、调节和/或操作扫描参数集，以使材料属性在产品的公差限制和质量目标内。目前任何一种选择的方法都是耗时、劳动密集和浪费机器生产力。本领域需要的是在移动项目的生产时，在机器之间传递参数集的方法。

附图说明

图1示意性地示出了传统的激光增材制造设备；

图2示出了根据实施例的将增材机器参数集从第一域转移到第二域的过程的流程图；和

图3示出根据实施例的用于将增材机器参数集从第一域转移到第二域的系统。

具体实施方式

实施系统和方法结合系统识别和转移学习来表征第一增材制造机器(在本文中：“增材制造机器”或“增材机器”)。第一增材制造机器中的传感器套件监测条件/参数被用于将材料的第一参数集转移到第二参数集，第二参数集可操作以在另一增材制造机器(无论是同一机器生产线还是另一机器生产线)上设置相同材料的条件。该参数集在第一和第二增材制造机器之间的转移可基于所监测到的传感器数据自动完成。增材制造机器之间的自动参数集转移减少了实验设计(DOE)和/或传统方法所需的劳动密集型机器重新校准的成本(金钱、劳动力和时间)，以将生产从一个增材机器切换到另一个增材机器。

根据实施例，系统识别包括创建增材机器的模型(例如，“数字孪生”)，该模型随后可用于预测机器的操作行为。预测的准确性可取决于传感器套件(例如，所监测的参数、条件)、所选模型的适当性、训练数据的质量以及其他因素。此外，转移学习工作使数字孪生的开发更容易。如果已经开发了一类相似系统的数字孪生，那么转移学习能够基于现有数字孪生之间的相似性和差异来为相似系统开发数字孪生。

转移学习问题的解决方案可描述如下。给定以下内容：源域(DS)、对应的源任务(TS)、目标域(DT)和目标任务(TT)，转移学习的目标能够利用从DS和TS获得的信息在DT中的目标条件概率分布P(YT|XT)中进行学习；其中DS≠DT或TS≠TT。通常在转移学习中，标记的目标示例的数量有限，通常指数地小于标记的源示例的数量。

实施例的系统和方法将转移学习算法技术应用于增材制造机器参数集，使得该参数集可跨增材机器域模型(即，相同模型的不同单元，和/或不同模型)转移。可以通过统计学习当前参数集的域和新参数集的域之间的功能差异来调节参数集。这些功能差异的知识可用于将数据从原始域(创建参数集的域)转换为新域的模型。这种方法允许在创建第二参数集时直接应用第一参数集，就好像所有数据都来自新的增材制造机器的域中一样。

给定有数据{X，P(X)}的源增材制造机器Ms来求解源任务Ts信息(例如，工艺参数、统计工艺控制(SPC)等)；给定目标机器Mt，可以具有有限的数据[{x，P(x)}其中x<<X]，为了解决目标任务Tt，可以通过应用转移学习算法来解决以下转移学习场景：

(1)域适应或迁移学习：[X≠x]，其中，输入不同，但源任务和目标任务相同。在这种情况下，例如，燃料喷嘴构建参数和传感器数据将从第一机器生产线转移到构建相同产品的参数集，但是具有第二机器生产线(第一和第二机器生产线可以来自相同或不同的增材机器制造商)。在这个场景的一些实施方式中，来自第二机器生产线的一些传感器数据可以是可用的。

(2)跨语言适应：[P(X)≠P(x)]，其中输入的范围和/或分布不同，但源任务和目标任务相同。在该情形中，例如，熔池SPC模型参数将被跨过和/或在不同的几何形状或情形内转移，以将工艺参数从第一材料的属性转移到第二(不同)材料的属性。

(3)归纳转移学习：[Ts≠Tt]，其中源域和目标域的输入相同，但任务不同。在这种情况下，例如，有助于检测缺乏融合(LoF)缺陷的特征可以被转移到检测其他类型的缺陷。

作为示例，可以在以下场景中使用实施系统和方法。如果对于第一组model_1机器存在第一数字孪生，其中第一数字孪生已经使用具有高精度的系统识别技术进行了演示。类似地，如果存在用于一组model_2机器的第二数字孪生，其中第二数字孪生也已经使用具有高精度的系统识别技术进行了演示。如果有更多的model_2机器投入使用，则不需要经过广泛的系统标识来为每个增材model_2机器开发单独的数字孪生。相反，根据实施例，机器模型之间和/或机器模型之中的相似性(和潜在差异)的知识可以利用转移学习来为每个增材model_2机器开发数字孪生，而不需要经历个体系统识别的大量、耗时、生产减少过程。

根据实施例，类似的概念可用于开发不同代的model_2机器；或从model_2机器到其他不同的机器模型(即，生产线–来自相同或不同的制造商)。一旦所有机器的数字孪生可用，在一台机器上开发的扫描参数集已经经过彻底验证，可以在给定的精度范围内自动转移到具有可用数字孪生的所有机器。

图2描绘了根据实施例的用于将增材机器参数集从第一域转移到第二域的过程200。如上所述，第一域和第二域可以表示不同的机器单元(来自相同的机器生产线)、不同的机器生产线和/或不同的沉积材料中的任一个。过程200开始于获得第一域机器的第一组传感器套件数据(步骤205)。传感器套件数据可以在整个增材机器中监测各种部件的性能、状况和/或状态。这些部件可以包括例如激光器120、能量束136、粉末储存器126、重涂器臂116、检流计扫描器132和构建板114。监测的参数可以包括例如激光脉冲特性、储存器温度、臂和扫描器移动和位置、构建板移动和平移、沉积舱口图案、沉积材料特性和性质等。传感器套件数据可以从存储在数据存储器320中的传感器套件数据记录328获得。在一些实施方式中，传感器套件数据可以通过电子通信网络从位于第一域机器中的传感器套件352进行通信。

访问第一域机器的数字孪生模型(步骤210)。这种数字孪生模型可以代表真实的物理增材机器的参数和尺寸。根据实施例，稳健模型可以考虑机器的多个部件，每个部件具有其自身的微特性。在一些实施方式中，如果需要，可以通过历史维护记录和/或来自嵌入在系统本身中的传感器的数据来更新模型。

创建第域机器的参数集(步骤215)。通过将传感器套件数据(步骤205)合并到数字孪生第一域模型中来创建第一域参数集。访问第二机器域的数字孪生(步骤220)。如果尚未创建，则可以在过程200中的该点创建第二机器数字孪生。

创建第二机器域的参数集(步骤225)。转移学习技术可应用于该第二参数集的创建。例如，可以通过对第一域机器和第二机器域之间的功能差异的统计学习来调节第一参数集。这种方法允许在创建第二参数集时直接应用第一参数集，如同所有数据源于第二域增材机器的域一样。

获得第二域机器的一组传感器套件数据(步骤230)。传感器套件数据可以在整个第二域增材制造机器中监测各种组件的性能、条件和/或状态，同时在由第二参数集设置的条件下操作。将第二域传感器套件数据与预定性能阈值进行比较(步骤235)。这些性能阈值是第二域机器的预期操作性能指标。阈值可以表示产品的质量保证指标、吞吐量时间和其他制造注意事项。

确定比较结果是否在可接受容差内(步骤240)。如果是，则过程200继续到步骤244，可以开始使用增材机器制造(步骤244)。如果比较(步骤235)指示容差不在限制内，则调节第二机器域的参数集(步骤248)。然后过程200返回到步骤230，获得传感器套件数据。该传感器套件数据是当第二域机器在经调节的参数集下操作时从第二域机器获得的更新的集合(步骤248)。

图3示出根据实施例的用于将增材机器参数集从第一域转移到第二域的系统300。数据存储器320可以包括第一域机器模型324、第二域机器模型326、传感器套件数据记录328和参数集记录330。

系统300可以包括与数据存储器320通信的控制处理器310。控制处理器可以与数据存储器直接通信，或者通过电子通信网络340进行间接通信。处理器单元312可以执行可执行指令322，这使得处理器执行转移学习算法332。存储器单元314可以向控制处理器提供本地高速缓存存储器。

系统300可以包括一个或多个增材机器350、355。增材机器350可以是第一域，并且增材机器355可以是第二域(即，相同机器设计的不同单元；不同的机器设计；和/或不同的沉积材料)。每个增材机器可以包括为其各自的增材机器提供传感器数据的传感器套件352。增材机器可以通过电子通信网络340与数据存储器通信。

实施系统和方法提供了在增材机器域之间自动转移材料参数集，同时消除了昂贵的实验设计以验证在第二域机器上转移的参数集。此外，根据实施例，可以减少机器校准/重新校准努力。实施系统和方法导致降低成本，与用于在机器域之间切换的传统方法相比，生产率(吞吐量)相应地增加。

根据一些实施例，存储在非易失性存储器或计算机可读介质(例如，寄存器存储器、处理器高速缓存、RAM、ROM、硬盘驱动器、闪存、CD ROM、磁介质等)中的计算机程序应用可包括代码或可执行指令，当执行所述代码或可执行指令时，所述代码或可执行指令可指示和/或促使控制器或处理器执行本文中公开的方法，诸如将增材机器参数集从第一域转移到第二域的方法，如上所述。

计算机可读介质可以是包括所有形式和类型的存储器的非瞬态计算机可读介质以及除了瞬态传播信号之外的所有计算机可读介质。在一个实现中，非易失性存储器或计算机可读介质可以是外部存储器。

尽管这里已经描述了特定的硬件和方法，但是注意根据本发明的实施例可以提供任何数量的其他配置。因此，虽然已经示出、描述并指出了本发明的基本新颖特征，但是应当理解，在不脱离本发明的精神和范围的情况下，本领域技术人员可以在所示实施例的形式和细节以及在其操作中进行各种省略、替换和改变。从一个实施例到另一个实施例的元件的替换也是完全意图和预期的。本发明仅关于本发明所附权利要求和其中的引述的等同物限定。

Claims (6)

1.一种在增材制造机器的不同域之间转移操作参数集的方法，其特征在于，所述方法包括：

获得第一传感器数据套件，所述第一传感器数据套件包括在第一增材制造机器的操作期间监测的值；

访问配置在第一机器域中的所述第一增材制造机器的模型；

将所述第一传感器数据套件并入所述第一增材制造机器的模型，以创建第一机器域参数集，所述第一机器域参数集表示所述第一增材制造机器的操作设置；

访问配置在第二机器域中的第二增材制造机器的模型；

通过应用转移学习技术将所述第一机器域参数集并入所述第二增材制造机器的模型，从而获得第二参数集，所述转移学习技术包括：

学习所述第一机器域和所述第二机器域之间的一个或多个功能差异，

使用所述一个或多个功能差异调节所述第一机器域参数集以获得调节后的第一机器域参数集，

将所述调节后的第一机器域参数集并入所述第二增材制造机器的模型以创建所述第二参数集，所述第二参数集表示所述第二增材制造机器的操作设置；

使用所述第二参数集的所述操作设置来操作所述第二增材制造机器，所述第二增材制造机器产生产品样本；

在所述第二增材制造机器的操作期间获得第二传感器数据套件，所述第二传感器数据套件表示所述第二增材制造机器的一个或多个部件的被监测的性能状况；

将所述第二传感器数据套件与一个或多个预定性能阈值进行比较，以确定所述产品样本是否在质量保证指标内；和

如果所述产品样本不在所述质量保证指标内，则调节所述第二参数集。

2.根据权利要求1所述的方法，其特征在于，监测第一增材制造机器的一个或多个部件的性能状况以获得所述第一传感器数据套件。

3.根据前述权利要求中任一项所述的方法，其特征在于，所述一个或多个预定性能阈值表示用于所述第二机器域的预期操作性能指标。

4.一种非瞬态计算机可读介质，其特征在于，所述非瞬态计算机可读介质包括存储在其上的指令，当处理器执行所述指令时，所述指令使得所述处理器在增材制造机器的不同域之间执行转移操作参数集的方法，所述方法包括：

获得第一传感器数据套件，所述第一传感器数据套件包括在第一增材制造机器的操作期间监测的值；

访问配置在第一机器域中的所述第一增材制造机器的模型；

将所述第一传感器数据套件并入所述第一增材制造机器的模型，以创建第一机器域参数集，所述第一机器域参数集表示所述第一增材制造机器的操作设置；

访问配置在第二机器域中的第二增材制造机器的模型；

通过应用转移学习技术将所述第一机器域参数集并入所述第二增材制造机器的模型，从而获得第二参数集，所述转移学习技术包括：

学习所述第一机器域和所述第二机器域之间的一个或多个功能差异，

使用所述一个或多个功能差异调节所述第一机器域参数集以获得调节后的第一机器域参数集，

将所述调节后的第一机器域参数集并入所述第二增材制造机器的模型以创建所述第二参数集，所述第二参数集表示所述第二增材制造机器的操作设置；

使用所述第二参数集的所述操作设置来操作所述第二增材制造机器，所述第二增材制造机器产生产品样本；

在所述第二增材制造机器的操作期间获得第二传感器数据套件，所述第二传感器数据套件表示所述第二增材制造机器的一个或多个部件的被监测的性能状况；

将所述第二传感器数据套件与一个或多个预定性能阈值进行比较，以确定所述产品样本是否在质量保证指标内；和

如果所述产品样本不在所述质量保证指标内，则调节所述第二参数集。

5.根据权利要求4所述的介质，其特征在于，可执行指令使得所述处理器通过以下步骤来执行所述方法：监测第一增材制造机器的一个或多个部件的性能状况，以获得所述第一传感器数据套件。

6.根据权利要求4所述的介质，其特征在于，可执行指令使得所述处理器执行所述方法，其中所述一个或多个预定性能阈值表示用于所述第二机器域的预期操作性能指标。

Images