機器學習新框架 提升金屬3D列印精準度與效率

多倫多大學工程學院的研究團隊，在Yu Zou教授的帶領下，正利用機器學習技術來改善增材製造（俗稱3D列印）的品質。他們在《增材製造》期刊上發表了一篇新論文，介紹了名為「精準逆向製程最佳化框架」（AIDED）的新系統。這個框架能夠最佳化雷射3D列印，提升成品的精準度與穩定性，目標是為航太、汽車、核能及醫療等產業生產更高品質的金屬零件。

研究團隊的主要成員之一、博士候選人Xiao Shang指出：「目前，定向能量沉積（一種主要的金屬3D列印技術）的廣泛應用，受限於透過試錯法尋找最佳製程引數的高成本。我們的框架能根據產業需求，快速識別各種應用的最佳製程引數。」

金屬增材製造使用高功率雷射選擇性地熔合細微金屬粉末，從精確的3D數位模型逐層建構零件。與傳統的切割、鑄造或機械加工方法不同，金屬增材製造能直接創造出複雜且高度客製化的元件，同時將材料浪費降至最低。

Zou教授提到：「3D金屬列印的一大挑戰是製造過程的速度與精準度。列印條件的變化可能導致最終產品品質不一致，難以滿足產業對可靠性和安全性的標準。另一個主要挑戰是為不同材料和零件確定最佳列印設定。每種材料，無論是用於航太和醫療的鈦合金，還是用於核反應爐的不鏽鋼，都有其獨特性質，需要特定的雷射功率、掃描速度和溫度條件。在龐大的製程引數範圍內找到這些引數的正確組合，是一項複雜且耗時的任務。」

這些挑戰促使Zou教授及其團隊開發出AIDED框架。該框架採用閉環系統，其中遺傳演演算法（一種模仿自然選擇以尋找最佳解決方案的方法）首先建議製程引數組合，然後由機器學習模型評估列印品質。遺傳演演算法檢查這些預測結果是否最佳，並重複此過程，直到找到最佳引數。

Shang表示：「我們已證明，我們的框架能夠在短短一小時內從可自訂的目標中識別最佳製程引數，並準確預測幾何形狀。此外，它還具有多功能性，可應用於各種材料。」

為了開發這個框架，研究人員進行了大量實驗以收集龐大的資料集。這項耗時但至關重要的挑戰確保了資料集涵蓋廣泛的製程引數。

展望未來，Zou教授表示，團隊正在努力開發一種增強型自主增材製造系統，該系統將以最少的人為幹預運作，類似於自動駕駛汽車的運作方式。他進一步解釋：「透過將尖端增材製造方法與人工智慧結合，我們希望創造出一種新型閉環控制的自動駕駛雷射系統。這個系統將能夠即時感測潛在缺陷，在問題發生前進行預測，並自動調整製程引數以確保高品質生產。它將具備足夠的靈活性，適用於不同材料和零件幾何形狀，成為製造業的遊戲規則改變者。」

與此同時，研究人員希望AIDED能夠改變使用金屬3D列印的產業的製程最佳化方式。Shang指出：「航太、生物醫學、汽車、核能等產業將歡迎這種低成本且精準的解決方案，以促進他們從傳統製造向3D列印的轉型。」Zou教授補充道：「到2030年，增材製造預計將重塑多個高精度產業的製造方式。能夠適應性地修正缺陷並最佳化引數，將加速其應用普及。」