增材工艺产生的极高热梯度和冷却速率会导致部件收缩不均匀，从而在部件内产生残余应力。这些残余应力使部件偏离其预期的几何形状，并且可能大到足以使零部件无法使用。或者，这些应力会导致3D打印的零部件断裂，或者在连续层之间断裂，如分层，或者在多层之间断裂，如开裂。
ML机器学习方法可以提高增材制造质量的一致性，ML适应各种数据类型，从可见图像到声学信号和提取的特征向量。因此，“增材制造的原位监控”的多种原位监控方法适用于不同的 ML机器学习方法。例如，视觉和热成像产生空间分辨图像，这些图像可直接用于卷积神经网络 (CNN) 或处理以提取其他算法使用的指标。
本期，通过节选近期国内科研机构算法与AI在增材制造方面的实践与研究的多个闪光点， 与谷友一起来领略的这一领域的研究近况。
© 白皮书
一种基于机器学习的零刚度隔振超材料设计及性能验证
赵哲1杨来侠1吴玲玲2田小永2代鑫2
西安科技大学机械工程学院2. 西安交通大学机械制造系统工程国家重点实验室
摘要：
准零刚度隔振器作为国内外主流的非线性隔振器，凭借其高静态刚度和低动态刚度力学特性，在机械工程领域应用较多，但近零刚度范围窄、后期组装繁琐等问题限制了其隔振的应用范围，通过结构设计使近零刚度范围增大，且能通过一体化成型技术快速制备方面的研究仍较稀缺。
本研究基于能量屏蔽理论设计了一种新型零刚度单元结构，通过将外界输入能量循环于超材料内部，从而屏蔽外界对隔振对象的能量输入，达到隔振效果。该研究首先设计出具有优化潜力的初始结构，然后使用机器学习与有限元分析结合的方法对初始结构进行优化，自动搜索出最优的超材料结构参数，且最优结构满足零刚度性能设计要求，之后使用3D打印对最优结构单元及2×2阵列结构进行一体化制造。并对样件进行静态实验验证，实验结果表明：在静态压缩过程中，该结构的等效刚度在大范围内近似于0。又对阵列结构进行动态振动实验，结果得出，阵列结构在23 mm振幅下0.1～100 Hz范围内，9.2 kg载荷隔振性能最优，最小传递率可达-61 dB，载荷越接近9.2 kg隔振性能越好。该结构具有结构简单、一体化成型等优势，可应用于列车座椅、康复医疗设备、精密仪器保护及微重力环境等领域下的隔振。
变形可控内凹蜂窝结构抗冲击性能研究
毛光辉1王成1王万里1徐文龙2
北京理工大学爆炸科学与安全防护全国重点实验室2. 山东大学高等技术研究院
摘要：
内凹蜂窝结构因其独特的变形模式、出色的抗冲击和能量吸收特性以及轻质特点，在汽车工业、航空航天、生物医疗等领域具有广阔的应用前景。基于传统内凹六边形蜂窝结构，引入圆角设计并通过改变圆角的排布方式，提出一种基于圆角增强的变形可控内凹蜂窝结构，采用金属3D打印技术制备变形模式为Z型和Y型的变形可控蜂窝结构。为探究其抗冲击性能，开展准静态压缩和落锤冲击实验以及有限元数值模拟，分析结构的变形模式和吸能特性。
研究结果表明：新提出的新型蜂窝结构实现了变形模式的可控，通过定制的Z型和Y型变形模式，显著提高了结构的吸能性能，具有良好的压溃稳定性；在同种结构下，吸能性能随着圆角半径的增大逐渐提高；随着速度的增加，结构变形模式逐渐向I型压溃演变，结构的平台力大致呈现出递增的趋势，吸能效率逐渐降低；Z型结构因其圆角的非对称排布，在多数情况下其抗冲击性能优于Y型结构。研究结果可为动态冲击作用下，新型结构的耐撞性设计提供参考。
基于深度学习的牙模3D打印缺陷检测方法研究
马莹1,2宋江1李建兴1,2刘振宇1叶国棋1张仲鑫1
福建工程学院电子电气与物理学院2. 福建省增材制造创新中心装备智能化研究应用中心
摘要：
牙模3D打印过程中出现的质量缺陷影响着牙模的外观和使用性能，严重时导致废品率高，造成时间、材料的浪费。
为了减少牙模3D打印的废品率，提出了一种基于YOLOv5的牙模3D打印实时缺陷检测方案：首先获取多维度牙模缺陷图片，采用切图分割与数据增强处理等方式制作数据集，然后通过构建YOLOv5深度学习网络模型对牙模3D打印图像进行迭代训练，最后通过YOLOv5程序调用摄像头并使用训练后最佳权重值进行实时在线缺陷检测。通过实验对比，YOLOv5深度学习网络模型的检测准确率要高于Faster R-CNN、YOLOv3、SSD这3种模型，其检测平均准确度高达94.78%,平均检测时间为21 ms。结果表明该方法能够检测牙模3D打印过程中的质量缺陷问题。
316L不锈钢焦耳热3D打印过程变形量数值分析
刘伟1岳祚林2,3徐超2,4李素丽2
陕西国防工业职业技术学院智能制造学院2. 西安科技大学机械工程学院3. 陕煤集团神木柠条塔矿业有限公司4. 西安泰辉机械科技有限公司
摘要：
针对316L不锈钢焦耳热3D打印成形中的变形问题，采用控制变量的方法，根据不同速度、不同压力和不同电流的变化，总结出不同参数的改变对316L不锈钢焦耳热3D打印过程变形量的影响规律。改变参数后分别截取每一组参数中每一层的第一步和最后一步变形量作为参考数据。
结果表明：当电流增大时，变形量也增大；当速度减小时，变形量也随之减小；当压力增大时，变形量也增大。通过对316L不锈钢焦耳热3D打印过程变形量分析，可以准确、有效地总结出材料在各种情况下的变形分布情况，为其在实际生产中的应用提供依据。
神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化
© 白皮书
苏安祥1贺安琪2马高兴1赵立艳2杨文建1胡秋辉1
南京财经大学食品科学与工程学院/江苏省现代粮食流通与安全协同创新中心/江苏省食用菌保鲜与深加工工程研究中心2. 南京农业大学食品科学技术学院
摘要：
【目的】食品3D打印技术是食品领域具有发展前景的新技术，但是打印过程影响因素多，存在打印参数确定困难、打印精度预测能力差等问题。寻找有效建模方法，对杏鲍菇粉3D打印参数进行寻优，以确定最佳3D打印条件。
【方法】本研究采用杏鲍菇粉和刺槐豆胶为3D打印原料，以单因素试验为基础，通过中心组合试验设计，研究喷嘴直径、打印高度、喷嘴移动速度和填充率4个关键的工艺参数对杏鲍菇粉3D打印精度的影响，并在此基础上采用响应面法和神经网络-遗传算法分别建模分析，确定3D打印的工艺参数。
【结果】单因素试验及中心组合试验结果表明，影响3D打印精度的主要因素从大到小顺序为填充率、喷嘴直径、喷嘴移动速度、打印高度。响应面法和神经网络-遗传算法均可用于杏鲍菇粉3D打印参数优化，但是优化效果不同。响应面法的决定系数R 2值、均方根误差、相对误差、预测最优值分别为0.8817、0.2314、72.73%、0.148；神经网络-遗传算法的决定系数R 2值、均方根误差、相对误差、预测最优值分别为0.9389、0.2269、33.85%、0.215。比较模型参数可得，神经网络-遗传算法的决定系数R 2值较高，均方根误差、相对误差较低，比响应面法拟合能力更好，同时其预测最优值较高，具有更好的预测能力。神经网络-遗传算法比响应面法更适合于杏鲍菇粉3D打印参数工艺的优化。采用神经网络-遗传算法获得以杏鲍菇为原料的3D打印最佳工艺参数条件为：喷嘴直径1.2 mm、打印高度1.1 mm、喷嘴移动速度24 mm·s-1、填充率84%。经过试验验证，神经网络-遗传算法确定的最优参数打印样品偏差为0.325，优于响应面的实际打印偏差0.550。
【结论】本研究结果表明神经网络-遗传算法可以有效确定3D打印过程最优工艺参数，准确预测食品3D打印产品的精度，可作为农产品及食品个性化3D打印工艺参数优化的一种有效便捷方法。
融合自注意力与残差神经网络的3D打印激光在机测量误差修正方法
刘清涛1王子俊1张玉隆1张义超1赵斌1尹恩怀2吕景祥1
长安大学道路施工技术与装备教育部重点实验室2. 西安瑞特三维科技有限公司
摘要：
激光测量能够实现高效地非接触实时测量，被广泛应用于3D打印领域，但激光测量容易受测量条件、外部环境等多种因素的干扰，这些因素错综复杂，难以量化分析。为此，结合直射式激光三角测量原理，在分析测量精度影响因素的基础上，提出了一种基于融合自注意力和残差神经网络的3D打印在机测量误差修正方法。
首先，将影响测量精度的因素作为输入变量，采集激光测量值，得到样本数据集；然后利用残差网络提取出样本数据的深层次特征，并引入自注意力机制建立影响因素之间的联系，得到带权重的提取特征；再通过全连接网络对带权重特征进行学习，得到测量误差的预测值，基于该预测值完成对测量误差的修正。自主搭建了一套激光在机测量系统，采用红、绿、紫3种同材质彩色卡纸进行实验验证。
结果表明，本文所提的方法与卷积神经网络和自注意力神经网络相比，均方误差、均方根误差和平均绝对误差均最小，稳定性最好，修正结果最接近真实值；对激光测量结果进行校正后，使其误差由原来的 ±28 μm减小到 ±9 μm以下，显著提高了3D打印激光在机测量的精度和稳定性。
l 谷专栏 l
欢迎高校及科研机构、企业科学家加入谷专栏，与业界分享对推动增材制造发展起关键作用的共性基础科研与应用成果，欢迎扫描下方图片二维码提交您的信息。
白皮书下载 l 加入 QQ群：106477771
网站投稿 l 发送至2509957133@qq.com
欢迎转载 l 转载请注明来源
