电气工程副教授Greg Huff(左)和2021年获得宾夕法尼亚州立大学博士学位的Deanna Sessions共同领导一个研究团队，创建了一种首个使用机器学习实时诊断3D打印错误的方法。照片是在疫情拍的。鸣谢:泰勒·亨德森/宾夕法尼亚州立大学的增材制造，或3D打印，可以按需以低成本为电磁设备制造定制零件。这些设备非常敏感，每个部件都需要精确制造。然而，直到最近，诊断印刷错误的唯一方法是制造、测量和测试设备，或者使用在线模拟，这两种方法都是计算昂贵且低效的。为了补救这一点，由宾夕法尼亚州立大学共同领导的一个研究小组创建了一种首个通过机器学习实时诊断打印错误的方法。研究人员将这一框架——发表在《增材制造》上——描述为实时纠正3D打印误差的关键第一步。根据研究人员的说法，这可以使敏感设备的打印在时间、成本和计算带宽方面更加有效。
“在任何部件的添加制造过程中，很多事情都可能出错，”宾夕法尼亚州立大学电气工程副教授格雷格·哈夫说。“在电磁学领域，尺寸是基于波长而不是常规的测量单位，任何微小的缺陷都可能导致大规模的系统故障或降级运行。如果3D打印一件家庭用品就像给大号调音——我可以进行大范围的调整——那么在电磁领域发挥作用的3D打印设备就像给小提琴调音:小调整真的很重要。”
在之前的一个项目中，研究人员在打印机头上安装了摄像头，每次打印时都会捕捉到一个图像。虽然这不是该项目的主要目的，但研究人员最终策划了一个数据集，他们可以结合算法对打印错误的类型进行分类。
“生成数据集并找出神经网络需要什么信息是这项研究的核心，”第一作者Deanna Sessions说，她于2021年获得宾夕法尼亚州立大学电气工程博士学位，现在为UES公司工作，是空军研究实验室的承包商。“我们利用这些信息——来自廉价的光学图像——来预测电磁性能，而不必在制造过程中进行模拟。如果我们有图像，我们可以说某个元素是否会成为问题。我们已经有了这些图像，我们说，‘让我们看看是否可以训练一个神经网络来(识别在性能上造成问题的错误)。’我们发现我们可以。"
当框架应用于打印时，它可以在打印时识别错误。既然可以实时识别错误对电磁性能的影响，那么在印刷过程中纠正错误的可能性就更接近成为现实。
“随着这个过程的完善，它可以开始创建那种反馈控制，说，‘小工具开始看起来像这样，所以我做了其他调整，让它工作’，所以我们可以继续使用它，”Huff说。
这篇论文的其他作者是:UES公司和空军研究实验室的文卡特什·米纳克西孙达拉姆；空军研究实验室的安德鲁·吉尔曼和菲利普·布斯科尔；NextFlex的亚历山大·库克；以及代顿大学研究所和空军研究实验室的Kazuko Fuchi。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
