機(jī)器學(xué)習(xí)可以使用于多材料金屬打印的增材制造 (AM) 工藝更便宜、更快，并支持為能源、汽車和航空航天工業(yè)生產(chǎn)復(fù)雜、高性能、具有成本效益的零件。 根據(jù)3D科學(xué)谷的市場觀察，最新的案例是Exponential Technologies 與 Aerosint 一起為不銹鋼 316l 和 Inconel 625 組合通過人工智能平臺開發(fā)了多材料激光粉末床熔融 (LPBF) 參數(shù)集。

　　人工智能開發(fā)多材料3D打印參數(shù)? Aerosint

　　/ 加快參數(shù)開發(fā)與優(yōu)化

　　在打印測試中，xT SAAM 人工智能算法能夠?qū)⒊跏紖?shù)設(shè)置提高 2 倍，并且產(chǎn)生更密集的零部件和更高的3D打印速度。通過xT SAAM，項目團(tuán)隊無需懂得算法開發(fā)即可快速獲得適合的加工參數(shù)包。這表明 xT SAAM 機(jī)器學(xué)習(xí)可以顯著加快增材制造工藝參數(shù)優(yōu)化、節(jié)省材料、節(jié)約時間和金錢、加快上市時間并降低研發(fā)成本。

人工智能賦能3D打印

　　/ 多材料 LPBF

　　為了實現(xiàn)最高的靈活性和高性能零部件，多材料3D打印是必要的，這就是 Aerosint 開發(fā)能夠?qū)崿F(xiàn)多金屬 LPBF 3D 打印的選擇性粉末沉積 (SPD) 的原因。

　　Aerosint 選擇使用 xT 開發(fā)的 AI 人工智能平臺 xT SAAM 來開發(fā)不銹鋼 316l 和 Inconel 625 材料組合，因為傳統(tǒng)方法已被證明既昂貴又耗時。將這些材料組合在一個零件中將允許制造具有高復(fù)雜性和耐腐蝕性以及抗氧化的性能更好的零件。這些零部件將能夠在高機(jī)械負(fù)載和高溫的極端環(huán)境中表現(xiàn)良好，這將在能源、汽車和航空航天工業(yè)中發(fā)揮巨大作用。

　　根據(jù)3D科學(xué)谷,人工智能在每個特定領(lǐng)域發(fā)揮著越來越重要的作用，包括：缺陷檢測和糾正、在構(gòu)建過程中和構(gòu)建之后減少殘余應(yīng)力和故障、原位計量和設(shè)計精度、微結(jié)構(gòu)設(shè)計、合金設(shè)計和優(yōu)化。

　　l結(jié)合不銹鋼 316l 和 Inconel 625

　　該項目的目的是為不銹鋼 316l 和 Inconel 625 金屬的組合找到一個單一的工藝參數(shù)集，以最大限度地提高零件密度和構(gòu)建速度。

　　Aerosint 將 Aconity 3D打印機(jī)與其鋪粉系統(tǒng)結(jié)合使用，并通過xT SAAM 平臺開發(fā)參數(shù)設(shè)置。對于參數(shù)設(shè)置的開發(fā)，Aerosint 使用了 xT SAAM 的主動學(xué)習(xí)模塊和自動集成建模。結(jié)合這兩種方法，xT SAAM 可以大幅減少研發(fā)和工藝開發(fā)所需的實驗數(shù)量，并充分利用他們的數(shù)據(jù)。

　　主動學(xué)習(xí)方法基于遺傳算法，該算法根據(jù)現(xiàn)有數(shù)據(jù)和目標(biāo)建議新的參數(shù)設(shè)置。在這種方法中，xT SAAM專有的遺傳算法會提出隨著每個實驗周期而改進(jìn)的建議。自動集成建模方法基于為給定數(shù)據(jù)集找到機(jī)器學(xué)習(xí)模型的最佳組合，以最大限度地提高預(yù)測準(zhǔn)確性。

　　l解決方案

　　初始數(shù)據(jù)由 8 種不同的打印配方組成，實現(xiàn)了 99.7% 的相對密度和每秒2.88立方毫米的構(gòu)建速率。

　　使用可用數(shù)據(jù) xT SAAM 軟件為第二次迭代提供了 40 種不同的3D打印參數(shù)包，對現(xiàn)有參數(shù)進(jìn)行了微小的更改，并且采用了全新的組合。第二次迭代能夠?qū)⒉考拿芏忍岣叩?99.9% 以上，并將構(gòu)建速率大幅提高 36% 至每秒3.94 立方毫米。

　　現(xiàn)在，基于可用的 48 個參數(shù)包（8 個來自初始數(shù)據(jù)，40 個來自通過人工智能平臺提供的第二次迭代），在新的迭代中，結(jié)果令人難以置信，將構(gòu)建速度提高了 54%，達(dá)到每秒6.08立方毫米，同時保持密度高于 99.9%。

　　l機(jī)器學(xué)習(xí)

　　xT SAAM 人工智能軟件是一個強(qiáng)大的工具，不僅可以實現(xiàn)多材料增材制造，顯著縮短開發(fā)周期，還可以實現(xiàn)高密度零件的高生產(chǎn)率。

　　最重要的是，xT SAAM 所有開發(fā)的參數(shù)包集合彼此之間都大不相同。這種參數(shù)集的多樣性允許基于優(yōu)先級或更高的生產(chǎn)穩(wěn)定性在參數(shù)集之間切換。該項目表明，與目前使用的實驗設(shè)計 (DoE) 等方法相比，xT SAAM 平臺有助于減少研發(fā)工作并提高零件質(zhì)量和生產(chǎn)速度。

　　在機(jī)器學(xué)習(xí)的輔助下識別兩種不同材料的加工窗口是一項了不起的成就。這允許使用跨材料界面的連續(xù)掃描而不是順序掃描。換句話說，即使每層有兩種不同的粉末，也可以像對單一材料的常規(guī)操作一樣進(jìn)行。這顯著減少了構(gòu)建作業(yè)準(zhǔn)備工作，并提高了工藝穩(wěn)健性和零件質(zhì)量。

　　/ 爆發(fā)性增長的潛力

　　在《增材制造設(shè)計（DfAM)指南》這本書中，援引了AM零件質(zhì)量影響因素的石川圖，在石川圖中詳細(xì)的舉出了影響加工質(zhì)量的160多種因素，僅僅是激光掃描過程，就包括了掃描線長度，掃描線種類，外輪廓，內(nèi)輪廓，掃描方式，掃描速度，光束矯正，收縮補(bǔ)償，掃描線順序，填充間距，填充方向，激光功率，（離）聚焦，表面填充參數(shù)，偏移等等。可見要通過人的經(jīng)驗來駕馭和平衡160多種影響加工質(zhì)量的變量是非常難的。

　　根據(jù)中國工程院院刊Engineering上的《基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法在3D打印中的應(yīng)用》，使用神經(jīng)網(wǎng)絡(luò)建立工藝-結(jié)構(gòu)-性能-使役性能（PSPP）方面會出現(xiàn)爆發(fā)性的增長，因為與其他方法和模型相比，神經(jīng)網(wǎng)絡(luò)在復(fù)雜模型識別中具有內(nèi)在優(yōu)勢。

人工智能賦能3D打印

　　目前人工智能用于3D打印過程控制主要是聚焦于控制孔隙（密度）、局部缺陷、過程中產(chǎn)生的內(nèi)應(yīng)力、設(shè)計和尺寸精度、微觀結(jié)構(gòu)變化等。

　　根據(jù)3D科學(xué)谷，在不久的未來，下一步的人工智能將跨越單臺3D打印設(shè)備，實現(xiàn)設(shè)備與設(shè)備之間的協(xié)調(diào)與工藝優(yōu)化。在軟件的作用下，年輕的3D打印產(chǎn)業(yè)正期待著一個完全自動化的工廠，進(jìn)行生產(chǎn)的不只是一個產(chǎn)品，而是幾百個，甚至上千個的數(shù)字串行制造模式。

　　根據(jù)3D科學(xué)谷《人工智能減少缺陷-3D打印過程控制 l 人工智能賦能3D打印》一文，人工智能賦能的快速生產(chǎn)的未來主義圖景會從根本上改變整個行業(yè)，根據(jù)3D科學(xué)谷的市場判斷，曾經(jīng)耗時數(shù)月的復(fù)雜零件的制造過程，質(zhì)量保證和后處理方法可以縮短為幾天。

　　知之既深，行之則遠(yuǎn)。基于全球范圍內(nèi)精湛的制造業(yè)專家智囊網(wǎng)絡(luò)，3D科學(xué)谷為業(yè)界提供全球視角的增材與智能制造深度觀察。有關(guān)增材制造領(lǐng)域的更多分析，請關(guān)注3D科學(xué)谷發(fā)布的白皮書系列。