您好,欢迎来到环球自动化网!

新型计算方式预测3D打印部件的缺陷

【环球自动化网】

加利福尼亚州劳伦斯利弗莫尔国家实验室(LLNL)的工程师和科学家开发了卷积神经网络(CNN),这是一种主要用于处理图像和视频的流行算法,用于预测3D打印部件的缺陷,并在几毫秒内检测是否有构建了令人满意的质量。

LLNL使用机器学习来实时防止金属3D打印部件的缺陷

“这是一种革命性的方式通过视频标记数据,甚至可以是逐帧标记。”LLNL首席研究员Brian Giera说,“这种优势在于,您可以在打印某些内容时收集视频,并在打印时最终得出结论。很多人都可以收集这些数据,但他们不知道如何处理它。“通常,Giera解释说,在构建后再进行分析的传感器是非常昂贵的,并且部件质量只能在很久之后才能确定。对于需要数天到数周打印的部件,CNN可以证明有助于理解打印过程,更快地了解部件的质量,并在必要时实时校正或调整构建。

LLNL的研究人员使用大约2,000个熔融激光轨道视频片段在不同的条件下(例如速度或功率)开发了神经网络。他们使用生成3D高度图的工具扫描零件表面,使用该信息训练算法以分析视频帧的各个部分(每个区域称为卷积)。 Giera解释说,这个过程对于人类来说是非常困难和耗时的。

加州大学伯克利分校的学生和LLNL研究员Bodi Yuan开发了可以自动标记每个构建的高度图的算法,并使用相同的模型来预测构建轨道的宽度,轨道是否被破坏以及宽度的标准是否有偏差。使用这些算法,研究人员能够拍摄正在进行的构建的视频,并确定该部件是否表现出可接受的质量。结果,神经网络能够以93%的准确度检测零件是否连续。

“我们成功的关键在于CNN可以在培训过程中学习很多有用的视频功能,我们只需要提供大量数据来培训它,并确保它学得很好。”LLNL研究人员花了数年时间收集激光粉末床融合金属3D打印过程的各种形式的实时数据,包括视频,光学层析成像和声学传感器。Giera说。 “就像人类大脑使用视觉和其他感官来导航世界一样,机器学习算法可以使用所有传感器数据来导航3D打印过程。”

Giera说,神经网络理论上可以用于其他3D打印系统。其他研究人员应该能够遵循相同的公式,在不同的条件下创建部件,收集视频并使用高度图扫描它们以生成可以与标准机器学习技术一起使用的标记视频集。现在,仍然需要做一些工作来检测零件内的空隙,这些空隙无法通过高度图扫描进行预测,但可以使用非原位X射线照相进行测量。

研究人员还将寻求创建算法,以结合除图像和视频之外的多种感知模式。“现在,任何类型的探测都被认为是一个巨大的胜利。如果我们能够即时修复它,那就是更大的目标,“Giera说。 “鉴于我们正在收集机器学习算法旨在处理的大量数据,机器学习将在第一次正确创建零件时发挥核心作用。”

分享到:
相关推荐
现阶段日本机器人产业的发展现状  2018-10-15 16:48:04
机​器人三大定律有哪些?我们一起来看看  2018-10-15 16:42:27
第一台工业机器人的发展史  2018-10-15 16:40:16
一起来了解全自动物流分拣系统的优势  2018-10-15 16:33:52
机器将在何时替代大多数在亚马逊仓储中心上班的员工?  2018-10-15 15:56:43
相关问答
请问一下谁知道进口工业机器人全程报关需要的手续及费用情况...  2018-09-18
谁知道工业机器人每个关节的伺服电机是不是都是一样的?  2018-09-18
工业机器人工具坐标系和工件坐标系之间的联系?  2018-09-18
熔化极气体保护焊的焊接电源按外特性类型可分为哪些种类?   2018-09-18
详细介绍下远程机器人到网络机器人情况?   2018-09-13
热门资讯
1

环球自动化网--华中数控标杆企业...

2

武汉市委常委、副市长李有祥莅临...

3

人工智能与物联网的变革

4

人才紧缺 人工智能专业引发新...

5

“工业机器人控制器产品性能...

6

"中国制造2025"将全面提升中...

推荐文章

第一个广告
右栏第二个广告