CN113118444A - 能够控制印刷过程中形成的熔池大小的三维印刷系统和方法 - Google Patents

能够控制印刷过程中形成的熔池大小的三维印刷系统和方法 Download PDF

Info

Publication number
CN113118444A
CN113118444A CN202011608826.8A CN202011608826A CN113118444A CN 113118444 A CN113118444 A CN 113118444A CN 202011608826 A CN202011608826 A CN 202011608826A CN 113118444 A CN113118444 A CN 113118444A
Authority
CN
China
Prior art keywords
size
molten pool
pool
molten
melt pool
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.)
Pending
Application number
CN202011608826.8A
Other languages
English (en)
Inventor
孙勋
全益槿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of CN113118444A publication Critical patent/CN113118444A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • B22F10/25—Direct deposition of metal particles, e.g. direct metal deposition [DMD] or laser engineered net shaping [LENS]
    • 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
    • B22F10/36—Process control of energy beam parameters
    • 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
    • B22F10/36—Process control of energy beam parameters
    • B22F10/368—Temperature or temperature gradient, e.g. temperature of the melt pool
    • 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
    • B22F12/40—Radiation means
    • B22F12/41—Radiation means characterised by the type, e.g. laser or electron beam
    • 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
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/03—Observing, e.g. monitoring, the workpiece
    • B23K26/034—Observing the temperature of the workpiece
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
    • B23K26/064—Shaping the laser beam, e.g. by masks or multi-focusing by means of optical elements, e.g. lenses, mirrors or prisms
    • B23K26/0648—Shaping the laser beam, e.g. by masks or multi-focusing by means of optical elements, e.g. lenses, mirrors or prisms comprising lenses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
    • B23K26/06—Shaping the laser beam, e.g. by masks or multi-focusing
    • B23K26/067—Dividing the beam into multiple beams, e.g. multifocusing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/34—Laser welding for purposes other than joining
    • B23K26/342—Build-up welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00—Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70—Auxiliary operations or equipment
    • B23K26/702—Auxiliary equipment
    • B23K26/705—Beam measuring device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • 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
    • B33Y10/00—Processes of additive manufacturing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • B22F2203/00—Controlling
    • B22F2203/11—Controlling temperature, temperature profile
    • 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
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Optics & Photonics (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

本发明公开了一种实时控制3D印刷过程期间形成的熔池大小的方法及其系统。熔池的热图像由热成像相机拍摄。在热图像中指定超过基金属熔点的温度界面。通过使用温度界面估计熔池的长度、宽度和深度来获得熔池的大小。使用人工神经网络模型获得熔池的预测大小。熔池的实际测量大小由熔池的表面温度导出。计算熔池的预测大小和测量大小之间的误差以用于实时控制熔池的大小。

Description

能够控制印刷过程中形成的熔池大小的三维印刷系统和方法
技术领域
本公开涉及三维(3D)印刷，更具体地，涉及能够控制3D印刷过程中形成的熔池大小的3D印刷系统和方法。
背景技术
3D印刷被称为用于产生3D物体的制造技术。对于3D物体的3D印刷，其以根据3D模型数据处理信息逐层堆叠的方式进行处理。3D印刷技术的优点在于易于实现复杂的形状、在产品内部形成形状等。由于这些优点，3D印刷技术作为一种高附加值的技术而备受关注，其使得制造诸如各种工业零件和医疗材料的各种产品变得容易。
3D印刷过程可通过将3D产品的形状划分为多个具有均匀或可变厚度的2D截面，并形成2D截面以逐一堆叠来执行。有几种已知的3D印刷方法，例如材料挤出法、材料喷射法、粘合剂喷射法、薄片层压法、还原(vat)光聚合法、粉末床熔融法、定向能量沉积(DED)法等。其中，DED法是将激光能量施加到待熔化和熔融的金属粉末或丝材料上的方法，并由于其与其他方法相比可使用廉价的商业材料、在已有的3D形状上进行层压、且与其他方法相比具有卓越的机械性能的优点，因此被广泛使用。
在根据DED法的3D印刷中，当激光源照射的激光束照射到基板时，形成熔池，并且将金属粉末供应到熔池上以形成叠层。在3D处理中，在基材中产生的熔池的大小，例如熔池的长度、宽度和深度，是确定3D印刷层压质量的重要因素。控制熔池的大小是提高层压质量的必要技术。然而，还没有开发出用于实时控制熔池大小的技术。
发明内容
在认识到传统技术的上述问题的情况下做出本公开。本公开的一些实施例提供了能够在3D印刷过程中实时控制在基材上产生的熔池大小的3D印刷系统和方法。
在一个方面，本公开的一些实施例提供了一种实时控制在3D印刷过程中形成的熔池大小的方法。该方法包括：使用热成像相机拍摄在3D印刷过程中形成的熔池的热图像；在代表熔池表面温度的热图像中指定超过基金属熔点的温度界面；通过使用温度界面估计熔池的长度、宽度和深度来获得熔池的大小；构建人工神经网络模型，该模型配置为通过机器学习的用于3D印刷的工艺参数(包括激光束强度、处理速度、激光束大小，以及基材的喷射量)和熔池大小(包括熔池的长度、宽度和深度)之间的相关性、根据工艺变量的输入值来预测熔池的大小；使用人工神经网络模型得出熔池对应于当前测量的热图像中当前应用的工艺变量的预测大小值；根据使用热成像相机当前测量的熔池的表面温度得出实际熔池的测量大小值；计算熔池使用人工神经网络模型的预测大小值与实际熔池的测量大小值之间的误差；以及通过调整工艺变量的值来实时控制熔池的大小，使得计算出的误差不超过公差阈值。
在一个实施例中，基于通过机器学习获得的工艺变量与熔池大小之间的相关性自动选择工艺变量，该工艺变量的值可在“控制熔池大小”中调整。
在一个实施例中，可重复执行通过调整工艺变量的值来控制熔池的大小，直到误差不超过公差阈值为止。
在一个实施例中，可基于熔池的长度和宽度来估计熔池的深度。
在一个实施例中，可通过熔池温度关系Φ＝T(x,y＝0,z)-Tm在长度方向上导数为0的点(Xmax，0，Zmax)的z轴坐标值(Zmax)确定熔池估计的最大深度(d)，其中T(x，y＝0，z)是假定熔池的最大深度(d)点位于熔池的宽度方向(y轴方向)的中心(y＝0)时熔池的温度。
在一个实施例中，“控制熔池大小”可包括基于计算的误差是否超过公差阈值来检测异常质量；当检测到异常质量时实时反馈计算出的误差；以及通过实时反馈来调整3D印刷的工艺变量。
在一个实施例中，3D印刷过程可以是基于定向能量沉积(DED)法的3D印刷过程。
在一个实施例中，熔池的基材可以是金属材料。
在另一方面，本公开的一些实施例提供一种3D印刷系统，包括激光源，基材供应源、热成像相机和控制单元。激光源配置为通过照射激光束以熔化供应到层压3D物体的基材而在层压3D物体中形成熔池。基材供应源配置为向层压3D物体供应基材。热成像相机配置为拍摄熔池的热图像以测量熔池的表面温度。控制单元配置为实时控制在3D印刷过程中形成的熔池的大小。控制单元包括以下功能：利用热成像相机拍摄在3D印刷过程中形成的熔池的热图像；在表示熔池表面温度的热图像中指定超过基金属熔点的温度界面；通过使用温度界面估计熔池的长度、宽度和深度来获得熔池的大小；构建人工神经网络模型，该模型配置为通过机器学习用于3D印刷的工艺变量(包括激光束强度、处理速度、激光束大小；基材的喷射量)与熔池大小(包括熔池的长度，宽度和深度)之间的相关性、根据工艺参数的输入值来预测熔池的大小；使用人工神经网络模型得出熔池对应于当前测量的热图像中当前应用的工艺变量值的预测大小值；根据使用热成像相机当前测量的熔池的表面温度得出实际熔池的测量大小值；计算熔池使用人工神经网络模型的预测大小值与实际熔池的测量大小值之间的误差；以及通过调整工艺变量值实时控制熔池大小，使得计算出的误差不超过公差阈值。
在一个实施例中，热成像相机可布置成使得热成像相机的光路的至少一部分与激光源照射的激光束同轴，该激光束将供应至层压印刷物体的基材熔化。
在一个实施例中，该系统可进一步包括：布置在激光源照射的光束路径上的分束器，以及设置在分束器和热成像相机之间以改变光路的光路转换器，其中热成像相机与激光源同轴设置。
在一个实施例中，分束器可设置在激光源和聚焦透镜之间，激光源照射的激光束穿过该聚焦透镜。
在一个实施例中，可根据获得的熔池的长度和宽度来估计熔池的深度。
在一个实施例中，可通过熔池温度关系Φ＝T(x,y＝0,z)-Tm在长度方向上导数为0的点(Xmax，0，Zmax)的z轴坐标值(Zmax)来确定熔池估计的最大深度(d)，其中T(x，y＝0，z)是假定熔池的最大深度(d)点位于熔池的宽度方向(y轴方向)的中心(y＝0)时熔池的温度。
在一个实施例中，控制单元可基于通过机器学习获得的工艺变量与熔池大小之间的相关性自动选择待调节的工艺变量，使得计算出的误差不超过公差阈值。
在一个实施例中，控制单元可通过调整工艺变量值来重复执行控制熔池大小，直到计算出的误差不超过公差阈值为止。
根据本公开的实施例，通过使用热成像相机估计3D印刷过程中形成的熔池的大小并通过分析用于3D印刷的工艺变量和熔池大小之间的相关性来估计熔池的大小。可实时控制大小。
另外，根据本公开的实施例，在分析用于3D印刷的工艺变量与3D印刷过程中熔池大小之间的相关性之后，构建了人工神经网络。可使用人工神经网络模型预测熔池的大小。通过将预测大小与实际熔池的测量大小进行比较，可容易地确定熔池的质量异常。
另外，根据本公开的实施例，当在3D印刷过程中检测到质量错误时，可通过调整3D印刷工艺变量来实时控制熔池的大小。
根据本公开的实施例，由于在调节3D印刷工艺变量的同时实时地执行工艺控制，所以可提高零件的质量和工艺效率。
附图说明
结合附图考虑以下的详细描述将更清楚地理解说明性的非限制性示例实施例。
图1是根据本公开示例实施例的3D印刷系统的配置图。
图2是示出根据本公开实施例、控制3D印刷系统中熔池大小的方法的流程图。
图3是示出根据本公开实施例、在3D印刷系统中控制熔池大小的方法中提取熔池大小的详细步骤的流程图。
图4是示出根据本公开实施例、计算使用人工神经网络模型预测的熔池大小与3D印刷系统中实际测量的熔池大小之间的误差的详细步骤的流程图。
图5是示出根据本公开实施例、基于3D印刷系统中熔池的预测大小和测量大小之间的误差来控制熔池大小的详细步骤的流程图。
图6A是预测熔池温度分布的模型，其是在基材上形成的熔池长度、宽度和深度的示意图，图6B和6C是熔池的截面图和平面图。
图7A是用于获得形成于基材上的熔池的边界面的坐标系的图，图7B是对应于熔池截面图中熔池深度的坐标的图。
图8是通过测量熔池提取熔池特征的示意图。
图9是使用机器学习来分析工艺变量与熔池大小之间的相关性的示意图。
图10是通过预测大小值和测量大小值之间的误差分析的实时监视处理图。
图11是当检测到质量异常时通过反馈控制来控制工艺变量的过程的图。
具体实施方式
在下文中，将参考附图详细描述本公开的实施例。本公开可以各种不同形式实现，并不限于在此描述的实施例。在附图中，为了清楚地描述本公开，省略了与描述无关的部分，并且在整个说明书中，相同的附图标记指定相同或相似的元件。
根据本公开实施例的3D印刷系统是一种能够使用激光熔化基材以形成三维物体，并且还实时估计3D印刷过程中熔化的熔池的温度的系统。在这种情况下，根据本公开实施例的3D印刷系统可以是能够通过用激光熔化金属粉末或金属线来形成3D物体的DED型3D印刷系统。
图1示出根据本公开实施例的3D印刷系统的配置。
参照图1，在示例实施例中，3D印刷系统1可包括用于3D印刷的激光源20、基材供应源30、聚焦透镜40、喷嘴50以及热成像相机70和控制单元80。
在示例实施例中，激光源20可照射激光束22到层压印刷物体4上。激光源20照射的激光束22穿过聚焦透镜40并入射到层压印刷物体4上。激光源20照射的激光束22可穿过用于供应基材的喷嘴50，同时激光束22到达熔池2。
在示例实施例中，基材供应源30供应的基材可通过单独的供应管32以例如金属粉末或金属丝的形式供应到喷嘴50。为了供应基材至层压印刷物体4，喷嘴50中基材的移动路径可形成为与激光束22通过的路径平行或倾斜的。供给至层压印刷物体4的基材可由激光源20熔化，以在层压印刷物体4中形成熔池2。
层压印刷物体4可通过层压多个层来形成为三维物体。在图1中，示出了示例性状态，其中层压印刷物体4由例如第一层6和第二层8形成，熔池2形成于第二层8上。
在根据本公开实施例的3D印刷系统1中，激光源20、基材供应源30和供应管32、聚焦透镜40和喷嘴50可形成一般的DED型3D印刷机10。可应用于根据本公开示例实施例的3D印刷系统1的3D印刷机10不限于DED型3D印刷机。如果任何3D印刷机可使用金属作为基材来形成熔池2，可将其应用于3D印刷系统1。
在3D印刷系统1中，可提供热成像相机70以测量形成于层压印刷物体4中的熔池2的表面温度。
为了用热成像相机70测量熔池2的表面温度，可在激光源20和聚焦透镜40之间安装分束器60。
分束器60可设置在激光源20照射的激光束22行进至熔池2的路径上，并改变从熔池2反射的光的路径。由分束器60改变的光可穿过光路转换器62并由热成像相机70进行拍摄。转换光路的光路转换器62可以是例如反射镜。因此，热成像相机70可测量熔池2的表面温度。
在示例实施例中，热成像相机70可与照射激光的喷嘴50同轴布置。由于热成像相机70与3D印刷机的喷嘴50同轴安装，因此可以对层压印刷物体4进行连续拍摄，而无需控制热成像相机70的位置。
在示例实施例中，热成像相机70可与光路转换器62和分束器60一起安装在3D印刷机中，以测量3D印刷机的熔池2的表面温度。
在根据示例实施例的3D印刷系统1中，可设置控制单元80以通过使用热成像相机70测量的熔池2的表面温度来估计熔池2的深度。
在下文中，将参照不同附图描述使用3D印刷系统1的控制单元80控制熔池2的大小的方法。
图2是根据示例实施例、在3D印刷系统中控制熔池大小的方法的流程图。图3是根据示例实施例、提取熔池大小的详细过程的流程图。图4是根据示例实施例、计算基于人工神经网络模型预测的熔池大小与实际测量的熔池大小之间的误差的详细工艺的流程图。图5是根据示例性实施例、基于熔池预测大小与测量大小之间的误差来控制熔池大小的详细过程的流程图。
参照图2，控制3D印刷过程中形成的熔池2的大小的方法可包括以下步骤：提取熔池2的大小(S10)；建立用于预测熔池2的大小的人工神经网络模型(S20)；计算使用人工神经网络模型预测的熔池2的大小与实际测量的熔池2的大小之间的误差(S30)；以及基于熔池的预测大小和熔池2的实际测量大小之间的误差来控制熔池2的大小。
参照图3，提取熔池2的大小的步骤(S10)可包括测量熔池2的温度(S11)，并设置温度边界面，即熔池2的温度界面(S12)。
在示例实施例中，测量熔池2的温度的步骤(S11)可包括使用3D印刷系统1的热成像相机70测量熔池2的表面温度。
在实施例中，控制单元80可从测量的温度图像中设置超过基材熔点的温度界面3(S12)，并提取熔池2的长度和宽度(S13)。
图6A是用于预测熔池温度分布的模型，是形成于基材上的熔池的长度、宽度和深度的示意图，图6B和6C是熔池的截面图和平面图。
如图6A至6C所示，从熔池2的表面看，在熔池2中超过熔点的温度界面3的区域中，沿x轴方向和y轴方向的最大长度可定义为熔池2的长度a和熔池2的宽度b。另外，尽管不是通过表面温度来测量的，熔池2沿z轴方向的深度，其可由控制单元80基于熔池2的长度a和宽度b来估计，可定义为d。
这里，可基于超过基材熔点的温度界面3来获得熔池2的长度a和宽度b。这样确定的熔池2的长度a和宽度b可输入到熔池2的预设温度分布预测模型中，以导出熔池2的温度分布方程式1。
Figure BDA0002874151240000061
这里，K是基材的热导率，I0是强度比例因子。
Figure BDA0002874151240000062
V是热成像相机70对基材表面拍摄热图像时热成像相机70的扫描速度，Tm是基金属的熔点。
通过如此导出的熔池2的温度分布方程，熔池2熔点的边界面3可设置为T(x，y，z)＝Tm，如图7A所示。
那么，可将其表示为以下等式。
Φ＝T(x，y，z)-Tm……(2)
假设熔池2的最大深度位于层压印刷物体4的熔池2宽度方向的中心处，则对应于熔池2最大深度的y轴坐标值可设置为0。
当y＝0时，等式(2)可写成如下形式。
Φ＝T(x，y＝0，z)-Tm……(3)
在y＝0的情况下，当方程式(3)在x轴方向进行微分时，在熔池2最大深度点处Φ的微分值将为0，可写成如下。
Figure BDA0002874151240000071
如图7B所示，x轴方向上梯度为0的点可定义为x轴方向上的点(Xmax，Zmax)。在此，Zmax的值估计为熔池2的深度(S14)。
可确认熔池2的估计深度是否与熔池2的实际深度相同。为此，可切割实际的层压印刷物体4，并可测量截面长度以了解熔池2的实际深度。可通过比较熔池2测得的实际深度与熔池2的估计深度来验证熔池2的估计深度值的有效性。
基于热成像相机70测量的熔池2的长度和宽度以及熔池2的估计深度，可提取熔池2诸如熔池2的大小的特征，如图7A、7B和8所示(S15)。
控制单元80可如上所述反复进行提取熔池2的特征(例如熔池2的大小)的过程，并分析用于3D印刷的3D印刷工艺变量与熔池2的特征之间的相关性。基于如上所述获得的相关性数据，控制单元80可建立用于预测熔池大小的人工神经网络模型(S20)。
图9示出使用机器学习来分析工艺变量与熔池大小之间的相关性。
参照图9，在本公开的实施例中，机器学习可用于分析3D印刷工艺变量和熔池之间的相关性。在3D印刷系统1中，控制单元80可将用于3D印刷的工艺变量数据用作机器学习算法的输入数据，并利用该输入数据执行机器学习。通过机器学习，控制单元80可构建特定的人工神经网络模型，通过该模型，可在工艺变量数据作为输入数据时预测熔池2的长度(a)、宽度(b)和深度(d)。
具体地，控制单元80在上述工艺参数的基础上，基于熔池2测得的温度来反复学习熔池2的大小数据。并且，基于通过迭代学习累积的数据，控制单元80可通过分析工艺变量与熔池2大小之间的相关性来导出人工神经网络模型。用于执行这种机器学习的机器学习算法可以是针对本公开的已知算法或专用算法。
在本公开的实施例中，应用于机器学习、用于3D印刷的工艺变量可包括激光束的强度、处理速度、激光束的大小以及基粉末的喷射量。应用于机器学习的工艺变量不限于此。
图10示出通过预测大小值与测量大小值之间的误差分析的实时监视工艺。
参照图10，在通过这种反复学习、在控制单元80中建立了人工神经网络模型之后，执行计算使用人工神经网络模型预测的熔池2大小与实际测量的熔池2大小之间的误差的步骤(S30)。详细地，在计算误差的步骤S30中，可通过将当前的工艺变量输入到人工神经网络模型中从最新测量的热图像中得出熔池2的预测大小(S31)。可基于使用热成像相机70测量的熔池表面温度来获得熔池2的实际测量大小(S32)。可通过比较熔池2的预测大小和实际测量大小来计算误差(S33)。
在示例实施例中，熔池2的预测大小和实际测量大小之间的误差可用作确定熔池2质量异常的标准。即，可在控制单元80中设置熔池2预测大小与熔池2测量大小之间的误差标准，例如，公差阈值(容许的误差阈值)。当误差在公差阈值内时，确定满足了用于3D印刷工艺的预定质量标准，因此可继续3D印刷工艺。
如果误差超过公差阈值，则可确定3D印刷质量异常(S41)。如果确定发生质量异常，则可如图11所示执行用于3D印刷工艺的实时反馈控制(S42)。通过反馈控制，可实时调整工艺变量，使误差落在公差阈值之内(S43)。
在示例实施例中，考虑到基于人工神经网络模型学习的工艺变量和熔池2大小数据之间的相关性，可由控制单元80自动选择待控制的工艺变量。并且，可重复执行工艺变量的控制，直到误差不超过公差阈值为止。
在上述示例实施例中，举例说明将误差超过公差阈值的情况确定为质量异常并通过反馈控制来调整工艺变量。然而，当误差不超过公差阈值而是达到接近公差阈值的风险水平时，可预先控制工艺变量以不超过公差阈值。
如上所述，在根据本公开实施例的方法中，熔池2的实际大小可在3D印刷过程中使用热成像相机70实时测量。熔池2的大小可通过分析工艺变量与熔池2大小之间的相关性的机器学习人工神经网络模型来预测。然后，通过利用熔池2实际测量大小和熔池2预测大小之间的误差确定熔池2的大小是否异常。基于判断结果，对熔池2的大小进行反馈控制。在实时控制3D印刷工艺变量的同时，控制熔池2大小的方法可实时执行工艺控制，从而提高了3D印刷物体的质量和处理效率。
前述内容是示例实施例的说明，不应解释为是对其的限制。尽管已经描述了一些示例实施例，但本领域技术人员应容易地认识到，在实质上不脱离本公开的新颖教导和优点的情况下，可对示例实施例进行许多修改。因此，所有这样的修改旨在包括在本发明如权利要求限定的范围内。

Claims (16)

1.一种用于实时控制3D印刷过程中形成的熔池的大小的方法，包括：
使用热成像相机拍摄在所述3D印刷过程中形成的所述熔池的热图像；
在代表所述熔池的表面温度的所述热图像中指定超过基金属的熔点的温度界面；
通过使用所述温度界面估计所述熔池的长度、宽度和深度来获得所述熔池的大小；
构建人工神经网络模型，所述模型配置为通过机器学习用于3D印刷的工艺参数和所述熔池的大小之间的相关性、根据工艺变量的输入值来预测所述熔池的大小，其中用于3D印刷的工艺参数包括激光束的强度、处理速度、激光束的大小以及基材的喷射量，所述熔池的大小包括所述熔池的长度、宽度和深度；
使用所述人工神经网络模型得出所述熔池对应于当前测量的所述热图像中当前应用的工艺变量值的预测大小值；
根据使用所述热成像相机当前测量的所述熔池的表面温度得出实际熔池的测量大小值；
计算所述熔池使用所述人工神经网络模型的所述预测大小值与实际熔池的所述测量大小值之间的误差；以及
通过调整所述工艺变量的值来实时控制所述熔池的大小，使得计算出的所述误差不超过公差阈值。
2.如权利要求1所述的方法，其中基于通过机器学习获得的所述工艺变量与所述熔池的大小之间的相关性自动选择所述工艺变量，所述工艺变量的值在“控制所述熔池的大小”中调整。
3.如权利要求1所述的方法，其中重复执行通过调整所述工艺变量的值来控制所述熔池的大小，直到所述误差不超过所述公差阈值为止。
4.如权利要求1所述的方法，其中基于所述熔池的长度和宽度来估计所述熔池的深度。
5.如权利要求4所述的方法，其中所述熔池估计的最大深度(d)通过所述熔池的温度关系Φ＝T(x,y＝0,z)-Tm在长度方向上导数为0的点(Xmax，0，Zmax)的z轴坐标值(Zmax)确定，其中T(x，y＝0，z)是假定所述熔池的所述最大深度(d)点位于所述熔池的宽度方向(y轴方向)的中心(y＝0)处时所述熔池的温度。
6.如权利要求1所示的方法，其中“控制所述熔池的大小”包括：基于计算的所述误差是否超过所述公差阈值来检测异常质量；当检测到异常质量时实时反馈计算出的所述误差；以及通过所述实时反馈来调整用于3D印刷的所述工艺变量。
7.如权利要求1所述的方法，其中所述3D印刷过程是基于定向能量沉积(DED)方法的3D印刷过程。
8.如权利要求1所述的方法，其中所述熔池的基材是金属材料。
9.一种3D印刷系统，包括：
激光源，其配置为通过照射激光束以熔化供应到层压3D物体的基材而在所述层压3D物体中形成熔池；
基材供应源，其配置为向所述层压3D物体供应基材；
热成像相机，其配置为拍摄所述熔池的热图像以测量所述熔池的表面温度；和
控制单元，其配置为实时控制在3D印刷过程中形成的所述熔池的大小，所述控制单元包括以下功能：利用热成像相机拍摄在所述3D印刷过程中形成的所述熔池的热图像；在表示所述熔池的表面温度的所述热图像中指定超过基金属的熔点的温度界面；通过使用所述温度界面估计所述熔池的长度、宽度和深度来获得所述熔池的大小；构建人工神经网络模型，所述模型配置为通过机器学习用于3D印刷的工艺参数和所述熔池的大小之间的相关性、根据工艺变量的输入值来预测所述熔池的大小，其中用于3D印刷的所述工艺参数包括激光束的强度、处理速度、激光束的大小以及基材的喷射量，所述熔池的大小包括所述熔池的长度、宽度和深度；使用所述人工神经网络模型得出所述熔池对应于当前测量的所述热图像中当前应用的所述工艺变量的值的预测大小值；根据使用所述热成像相机当前测量的所述熔池的表面温度得出实际熔池的测量大小值；计算所述熔池使用所述人工神经网络模型的所述预测大小值与实际熔池的所述测量大小值之间的误差；以及通过调整所述工艺变量的值来实时控制所述熔池的大小，使得计算出的所述误差不超过公差阈值。
10.如权利要求9所述的3D印刷系统，其中所述热成像相机布置成使得所述热成像相机的光路的至少一部分与所述激光源照射的激光束同轴，所述激光束将供应至所述层压印刷物体的基材熔化。
11.如权利要求10所述的3D印刷系统，还包括：布置在所述激光源照射的光束路径上的分束器，以及设置在所述分束器和所述热成像相机之间以改变光路的光路转换器，其中所述热成像相机与所述激光源同轴设置。
12.如权利要求11所述的3D印刷系统，其中所述分束器设置在所述激光源和聚焦透镜之间，所述激光源发出的激光束穿过所述聚焦透镜。
13.如权利要求9所述的3D印刷系统，其中根据获得的所述熔池的长度和宽度来估计所述熔池的深度。
14.如权利要求13所述的3D印刷系统，其中所述熔池估计的最大深度(d)通过所述熔池的温度关系Φ＝T(x,y＝0,z)-Tm在长度方向上导数为0的点(Xmax，0，Zmax)的z轴坐标值(Zmax)确定，其中T(x，y＝0，z)是假定所述熔池的所述最大深度(d)点位于所述熔池的宽度方向(y轴方向)的中心(y＝0)处时所述熔池的温度。
15.如权利要求9所述的3D印刷系统，其中所述控制单元基于通过机器学习获得的所述工艺变量与所述熔池的大小之间的相关性自动选择待调整的所述工艺变量，使得计算出的所述误差不超过所述公差阈值。
16.如权利要求9所述的3D印刷系统，其中所述控制单元通过调整所述工艺变量的值来重复执行控制所述熔池的大小，直到计算出的所述误差不超过所述公差阈值为止。
CN202011608826.8A 2019-12-31 2020-12-30 能够控制印刷过程中形成的熔池大小的三维印刷系统和方法 Pending CN113118444A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190179191A KR102236148B1 (ko) 2019-12-31 2019-12-31 3d 프린팅 공정 중 형성되는 용융풀 크기를 제어할 수 있는 3d 프린팅 시스템 및 방법
KR10-2019-0179191 2019-12-31

Publications (1)

Publication Number Publication Date
CN113118444A true CN113118444A (zh) 2021-07-16

Family

ID=75473267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011608826.8A Pending CN113118444A (zh) 2019-12-31 2020-12-30 能够控制印刷过程中形成的熔池大小的三维印刷系统和方法

Country Status (3)

Country Link
US (1) US20210197275A1 (zh)
KR (1) KR102236148B1 (zh)
CN (1) CN113118444A (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11537111B2 (en) * 2020-04-01 2022-12-27 General Electric Company Methods and apparatus for 2-D and 3-D scanning path visualization
KR102435489B1 (ko) * 2021-05-13 2022-08-25 한국생산기술연구원 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법
KR102500965B1 (ko) * 2021-09-23 2023-02-17 모니텍주식회사 3d 프린팅 장치 및 3d 프린팅 장치의 제어 방법
US11868098B2 (en) * 2021-11-12 2024-01-09 Phaidra, Inc. Chiller and pump control using customizable artificial intelligence system
CN114769862A (zh) * 2022-03-28 2022-07-22 广州德擎光学科技有限公司 一种激光加工控制方法、装置和系统
CN116021043B (zh) * 2022-12-30 2024-02-20 广东省科学院智能制造研究所 一种激光增材制造过程的自适应调节系统和方法
CN116118197B (zh) * 2023-04-19 2023-07-04 深圳市智能派科技有限公司 基于温度和图像双模层级响应的4d打印控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180029126A1 (en) * 2016-07-28 2018-02-01 Hou T. NG Controlling an intensity profile of an energy beam with a deformable mirror in additive manufacturing
US20180133840A1 (en) * 2016-03-25 2018-05-17 Technology Research Association For Future Additive Manufacturing Three-dimensional laminating and shaping apparatus, control method of three-dimensional laminating and shaping apparatus, and control program of three-dimensional laminating and shaping apparatus
US20190047226A1 (en) * 2017-08-11 2019-02-14 David Masayuki ISHIKAWA Temperature control for additive manufacturing
US20190337232A1 (en) * 2018-05-02 2019-11-07 Carnegie Mellon University Non-dimensionalization of variables to enhance machine learning in additive manufacturing processes
WO2019217438A1 (en) * 2018-05-07 2019-11-14 Applied Materials, Inc. Temperature control for additive manufacturing

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6995334B1 (en) * 2003-08-25 2006-02-07 Southern Methodist University System and method for controlling the size of the molten pool in laser-based additive manufacturing
EP2917797B1 (en) * 2012-11-08 2021-06-30 DDM Systems, Inc. Systems and methods for additive manufacturing and repair of metal components
FR2998818B1 (fr) * 2012-11-30 2020-01-31 Association Pour La Recherche Et Le Developpement De Methodes Et Processus Industriels "Armines" Procede de fabrication d'une piece par fusion de poudre les particules de poudre arrivant froides dans le bain
GB201316815D0 (en) * 2013-09-23 2013-11-06 Renishaw Plc Additive manufacturing apparatus and method
JP5905060B1 (ja) * 2014-09-16 2016-04-20 株式会社東芝 積層造形装置および積層造形方法
EP3500958A1 (en) * 2016-09-19 2019-06-26 Siemens Product Lifecycle Management Software Inc. System and method for modeling characteristics of a melt pool that forms during an additive manufacturing process
US20180104742A1 (en) * 2016-10-18 2018-04-19 General Electric Company Method and system for thermographic inspection of additive manufactured parts
US10471695B2 (en) * 2016-10-26 2019-11-12 General Electric Company Methods and thermal structures for additive manufacturing
US20180185959A1 (en) * 2017-01-03 2018-07-05 General Electric Company System and methods for fabricating a component based on local thermal conductivity of a build material
JP6856845B2 (ja) * 2018-01-15 2021-04-14 株式会社タマリ工業 レーザ溶接装置及びレーザ溶接品質判定装置
KR102051265B1 (ko) * 2019-10-16 2020-01-08 주식회사 엘지화학 3차원 금속 프린터를 이용한 비정질 금속 제조 장치 및 이에 제조되는 비정질 금속

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180133840A1 (en) * 2016-03-25 2018-05-17 Technology Research Association For Future Additive Manufacturing Three-dimensional laminating and shaping apparatus, control method of three-dimensional laminating and shaping apparatus, and control program of three-dimensional laminating and shaping apparatus
US20180029126A1 (en) * 2016-07-28 2018-02-01 Hou T. NG Controlling an intensity profile of an energy beam with a deformable mirror in additive manufacturing
US20190047226A1 (en) * 2017-08-11 2019-02-14 David Masayuki ISHIKAWA Temperature control for additive manufacturing
US20190337232A1 (en) * 2018-05-02 2019-11-07 Carnegie Mellon University Non-dimensionalization of variables to enhance machine learning in additive manufacturing processes
WO2019217438A1 (en) * 2018-05-07 2019-11-14 Applied Materials, Inc. Temperature control for additive manufacturing

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
雷凯云等: "基于神经网络的宽带激光熔覆熔池特征参数预测", 《电子激光》 *

Also Published As

Publication number Publication date
KR102236148B1 (ko) 2021-04-06
US20210197275A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
CN113118444A (zh) 能够控制印刷过程中形成的熔池大小的三维印刷系统和方法
US10112262B2 (en) System and methods for real-time enhancement of build parameters of a component
CN110678281B (zh) 三维层叠造形装置、三维层叠造形方法及三维层叠造形物
CN110394981B (zh) 用于生成地制造三维结构件的设备
EP3243583B1 (en) Apparatus and method for associating a position in a construction data set with a position in a building section of the apparatus
CN113119470B (zh) 实时反馈控制3d打印过程的方法以及用于其的3d打印系统
CN111168062B (zh) 用于检测增材制造处理中的错误的熔池监测系统和方法
CN113118465B (zh) 用于估计3d印刷过程期间熔池深度的方法和设备，以及3d印刷系统
CN111168997B (zh) 增材制造处理中检测错误并补偿热耗散的方法
US20220143704A1 (en) Monitoring system and method of identification of anomalies in a 3d printing process
EP2032345B1 (en) Procedure and apparatus for in-situ monitoring and feedback control of selective laser powder processing
CN110352104B (zh) 用于基于构建材料的局部热导率来制造部件的系统及方法
EP3246116B1 (en) Three-dimensional laminate moulding device, control method for three-dimensional laminate moulding device, and control program for three-dimensional laminate moulding device
KR20190026966A (ko) 적층 제조에서의 z-높이 측정 및 조정을 위한 시스템 및 방법
CN111168998B (zh) 用于检测多激光增材制造处理中的错误的熔池监测系统和方法
EP3756859A1 (en) System for manufacturing additive manufactured object and method for manufacturing additive manufactured object
EP3659727A1 (en) Method for automatic identification of material deposition deficiencies during an additive manufacturing process and manufacturing device
Vandone et al. Vision-based melt pool monitoring system setup for additive manufacturing
CN108608119B (zh) 一种激光增材制造在线监测方法
US20210197282A1 (en) Method and apparatus for estimating height of 3d printing object formed during 3d printing process, and 3d printing system having the same
WO2021054127A1 (ja) 積層造形システム
EP3564034A1 (en) Apparatus for additively manufacturing three-dimensional objects
Yang et al. Analyzing Remelting Conditions based on In-Situ Melt Pool Data Fusion for Overhang Building in Powder Bed Fusion Process
Herberger et al. Coaxial color channel focus evaluation to estimate standoff height in directed energy deposition additive manufacturing
Ma Vision-sensing and bead width control of the first layer of multi-layered part in GTAW based 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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210716

WD01 Invention patent application deemed withdrawn after publication