对象制造可视化制造技术

本文中描述了通过电子设备进行对象制造可视化的方法的示例。在一些示例中，使用机器学习模型来确定增材制造的预测的热图像。在一些示例中，获得捕获的热图像。在一些示例中，呈现预测的热图像与捕获的热图像的图形叠加。现预测的热图像与捕获的热图像的图形叠加。现预测的热图像与捕获的热图像的图形叠加。

【技术实现步骤摘要】
【国外来华专利技术】对象制造可视化

技术介绍

[0001]可以使用增材制造从数字模型产生三维（3D）实体部件。增材制造可以在快速原型设计、模具生成、模具母版生成和短期制造中使用。增材制造涉及连续构建材料层的应用。这与经常去除材料以创建最终部件的传统机械加工过程不同。在一些增材制造技术中，可以固化或熔合构建材料。
附图说明
[0002]图1是可以在对象制造可视化的示例中使用的三维（3D）打印设备的示例的简化等距视图；图2是可以在对象制造可视化中使用的装置的示例的框图；图3是图示视口集的示例的图；图4是图示用于对象制造可视化的方法的示例的流程图；图5是图示用于增材制造对象的图形叠加的示例的图；以及图6是图示神经网络架构的示例的图。
具体实施方式
[0003]增材制造可以用于制造3D对象。三维（3D）打印是增材制造的示例。3D打印的一些示例可以在像素级选择性地沉积试剂（例如，液滴），以实现对体素级能量沉积的控制。例如，可以将热能投射到构建区域中的材料上，其中取决于沉积试剂处的体素，材料中可能发生相变和凝固。
[0004]用于评估增材制造性能的一些方法可能是有限的。例如，对于用户而言，增材制造性能评估的一些方法可能是不可访问或不直观的。例如，3D打印机的最终用户可能不能够解释性能数据以获得对增材制造缺陷或错误的位置、原因和/或严重性的准确理解。附加地或替代地，最终用户可能不能够访问示出3D打印对象（例如，部件）是否遭受制造缺陷或者哪些3D打印对象（例如，部件）遭受制造缺陷的直观数据。
[0005]本文中所描述的技术中的一些可以提供直观地指示增材制造性能的对象制造可视化（或本文中的“可视化”）。例如，本文中所描述的技术中的一些可以指示增材制造缺陷的位置和/或严重性。可视化是包括视觉数据的（一个或多个）图像。对象制造可视化是预期制造、正在制造或已经制造的对象的可视化。
[0006]对象制造可视化的一些示例包括图形叠加。图形叠加是在对象图像上方或其上图示的图形指示符。对象制造可视化的一些示例包括视口集。视口是描绘对象的视图或表达的图像、窗口或图形用户接口。视口集可以布置在一起，以允许对象的不同视图或表达之间的比较。
[0007]一些可视化可以包括或基于（一个或多个）图像。可以在可视化中利用的图像的示例包括连续色调图（contone map）和热图像（例如，预测的热图像和/或捕获的热图像）。连续色调图是指示用于打印物质（例如，熔合剂、细化剂或结合剂）的（一个或多个）位置（例
如，区域）的数据集。热图像是指示区域中的温度（或热能）的数据集。
[0008]在一些示例中，对象制造可视化包括获得（例如，感测和/或捕获）（一个或多个）热图像和/或计算（例如，预测）（一个或多个）热图像。在一些示例中，机器学习模型（例如，（一个或多个）神经网络）可以用于计算预测的热图像。预测的热图像是使用机器学习模型计算的热图像。例如，（一个或多个）神经网络可以利用（一个或多个）连续色调图（例如，规定构建区域中（一个或多个）试剂的放置、数量和/或定时的体素级机器指令）和/或（一个或多个）热图像来计算预测的热图像。捕获的热图像是用传感器感测或捕获的热图像。
[0009]应当注意，虽然塑料可以用作图示本文中所描述的方法中的一些的方式，但是本文中所描述的技术可以应用于一些增材制造的示例。一些增材制造技术可能是基于粉末并由粉末熔合驱动的。一些增材制造技术可以包括金属打印，诸如金属喷射熔合。在金属打印的一些示例中，可以利用结合剂。本文中所描述的方法的一些示例可以应用于基于粉末床熔合的增材制造，诸如选择性激光熔化（SLM）、选择性激光烧结（SLS）、多喷射熔合（MJF）等。本文中所描述的方法的一些示例可以应用于其中由液滴携带的试剂用于体素级热调制的增材制造。应当注意，在一些示例中可以利用或可以不利用试剂。
[0010]如本文中所使用的，术语“体素”及其变体可以指“热体素”。在一些示例中，热体素的大小可以定义为有热意义的最小值（例如，大于42微米或每英寸600点（dpi））。对于每英寸150点（dpi），体素大小的示例是25.4毫米（mm）/ 150≈170微米。最大体素大小可以近似为490微米或50dpi。术语“体素级”及其变体可以指对应于体素大小的分辨率、比例或密度。如本文中所使用的，“像素”是图像（例如，2D图像）的元素。像素可以表示对应于位置的值（例如，光、颜色、温度等）。
[0011]贯穿附图，相同的参考标记可以指定类似但不一定相同的元件。各图不一定按比例绘制，并且可以放大一些部件的大小以更清楚地图示所示出的示例。此外，附图提供了与描述一致的示例和/或实施方式；然而，描述不限于附图中提供的示例和/或实施方式。
[0012]图1是可以在对象制造可视化示例中使用的3D打印设备100的示例的简化等距视图。3D打印设备100可以包括控制器116、数据储存器114、构建区域102、打印头108、熔合剂容器110、细化剂容器118、辊130、材料容器122、热投射器104和/或热传感器106。图1中的3D打印设备100的示例可以包括未示出的附加组件，并且在不脱离本公开中3D打印设备100的范围的情况下，可以去除和/或修改所描述的组件中的一些。3D打印设备100的组件可能未按比例绘制，并且因此，可能具有与所示出的组件不同的大小和/或配置。
[0013]在图1的示例中，3D打印设备100包括熔合剂容器110、熔合剂112、细化剂容器118、细化剂120、材料容器122和材料124。在其它示例中，3D打印设备100可以包括或多或少的容器、试剂、料斗和/或材料。材料容器122是存储材料124的容器，所述材料124可以由辊130施加（例如，散布）到构建区域102上以进行3D打印。熔合剂容器110是存储熔合剂112的容器。熔合剂112是控制进口热强度的物质（例如，液体、粉末等）。例如，可以选择性地施加熔合剂112以使所施加的材料124在从热投射器104施加热量的情况下相变和/或与另一个材料层124熔合。例如，已经施加熔合剂112的材料124的区域可以最终凝固成正在被打印的对象。细化剂120是控制出口热强度的物质（例如，液体、粉末等）。例如，可以将细化剂120选择性地施加到正在被打印的对象的细节边缘。
[0014]构建区域102是可以在其上施行增材制造的区域（例如，表面）。在一些配置中，构
建区域102可以是“构建体积”的基底，所述“构建体积”可以包括基底上面的体积。如本文中所使用的，术语“构建区域”可以指构建体积的基底和/或构建体积的另一个部分（例如，基底上面的另一个平面）。
[0015]辊130是用于将材料124施加到构建区域102的设备。为了打印3D对象，辊130可以连续地施加（例如，散布）材料124（例如，粉末），并且打印头108可以连续地施加和/或输送熔合剂112和/或细化剂120。热投射器104是将能量（例如，热能、热量等）输送到构建区域102中的材料124、熔合剂112和/或细化剂120的设备。例如，可以将熔本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种通过电子设备进行对象制造可视化的方法，包括：使用机器学习模型来确定增材制造的预测的热图像；获得捕获的热图像；以及呈现预测的热图像与捕获的热图像的图形叠加。2.根据权利要求1所述的方法，进一步包括堆叠多个预测的热图像，其中所述图形叠加被呈现有多个预测的热图像。3.根据权利要求1所述的方法，进一步包括使用连续色调图来掩蔽预测的热图像和捕获的热图像，以产生部件图。4.根据权利要求1所述的方法，进一步包括：计算预测的热图像与捕获的热图像之间的差异；计算差异的平均值；以及基于平均值以及基于机器学习模型的统计值来计算异常得分。5.根据权利要求1所述的方法，进一步包括：计算预测的热图像与捕获的热图像之间的差异值集；以及基于差异值集以及基于机器学习模型的统计值来计算异常得分集。6.根据权利要求5所述的方法，进一步包括将异常得分集与阈值集进行比较，以在捕获的热图像上方产生等级集。7.根据权利要求6所述的方法，进一步包括基于等级集对图形叠加进行颜色编码。8.根据权利要求6所述的方法，其中所述阈值集包括多个机器学习模型的标准偏差。9.根据权利要求8所述的方法，其中比机器学习模型的均值低多于两个标准偏差的异常得分指示对象的熔化不足的部分。1...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：大西洋研究所，
类型：发明
国别省市：