增材制造中用于人工智能反馈控制的系统、方法和介质技术方案

使用人工智能的增材制造系统可以从生成的打印层的地形图像中识别对象的打印层中的异常。增材制造系统还可以使用人工智能来确定所识别的异常与一个或更多个打印参数之间的相关性，并自适应地调整一个或更多个打印参数。增材制造系统还可以使用人工智能来优化一个或更多个打印参数，以实现所期望的机械、光学和/或电性能。学和/或电性能。学和/或电性能。

【技术实现步骤摘要】
增材制造中用于人工智能反馈控制的系统、方法和介质
[0001]本专利技术是申请日为2019年03月29日、申请号为201980032570.X、专利技术名称为“增材制造中用于人工智能反馈控制的系统、方法和介质”的分案申请，该母案申请要求2018年04月02日提交到美国专利局的申请号为NO.15/943,442的优先权。


[0002]本公开涉及用于在增材制造中提供人工智能反馈控制的机制。

技术介绍

[0003]增材制造系统(诸如3D打印机和单元打印机)被广泛用于沉积天然的、合成的或生物材料的多层，以通过挤压、烧结、光聚合、机械合成或电动流体动力的过程来制造对象。增材制造的过程通过层沉积过程制造对象，其中，增材制造打印机不断添加连续的层，直到打印对象完成。
[0004]通常，由增材制造打印机打印的对象是基于生产设计的。可以使用三维建模软件(例如CAD程序)为所需规格的对象创建生产设计。然后，切片程序可以将生产设计转换为数控代码(例如G代码)，然后切片程序将设计分为多个层，然后切片程序可以用来指示增材制造打印机打印生产设计的每个单独层的物理表示。增材制造的目标是打印与生产设计的规格密切相关的对象。
[0005]根据生产设计的尺寸和复杂度，无论如何完成一个打印对象可能要花费数小时到几天的时间。当前的增材制造系统在其可提供的反馈类型以及在对象的每一层被打印后可采取的纠正措施方面受到限制。通常，直到整个对象都已打印，才提供反馈。当在对象的打印过程中提供反馈时，通常是为了确定是停止打印对象还是继续打印对象。
[0006]在一些增材制造系统中，当光照射在对象上时，由打印对象产生的阴影提供反馈。该方法受到限制，因为阴影会遮挡打印对象的区域并阻止精确反馈。增材制造中的精确反馈对于维持质量和可复制的打印对象很有用。
[0007]因此，期望为对象的每个打印层提供人工智能反馈控制(AIFC)，以便可以在对象的打印过程中及时采取纠正措施。还期望提供AIFC以实现打印对象期望的机械、光学和/或电特性，以及实现与其生产设计非常相似的打印对象或改进生产设计。

技术实现思路

[0008]根据一些实施例，提供了在增材制造中用于人工智能反馈控制的系统、方法和介质。更特别地，在一些实施例中，提供了增材制造系统，该系统包括：被配置为以逐层方式打印对象的打印头；用于向对象的打印层的表面提供照明的照明源；被配置为捕获所述打印层的图像的图像传感器；以及至少一个硬件处理器，该至少一个硬件处理器被配置为：接收捕获的图像；生成打印层的三维地形图像；使用第一人工智能算法从生成的地形图像中识别打印层中的异常；使用第二人工智能算法确定所识别的异常与一个或更多个打印参数之间的相关性；以及为一个或更多个打印参数分配值。
[0009]在一些实施例中，提供了用于增材制造的方法，该方法包括：接收由图像传感器产生的捕获图像，该图像传感器被配置为捕获以逐层方式打印的对象的打印层的图像；使用硬件处理器生成打印层的三维地形图像；使用第一人工智能算法从所生成的地形图像中识别打印层中的异常；使用第二人工智能算法确定所识别的异常与一个或更多个打印参数之间的相关性；以及为一个或更多个打印参数分配值。
[0010]在一些实施例中，提供了包括计算机可执行指令的非暂时性计算机可读介质，该计算机可执行指令在由处理器执行时使处理器执行用于增材制造的方法，该方法包括：接收由图像传感器产生的捕获图像，所述图像传感器被配置为捕获以逐层方式打印的对象的打印层的图像；生成所述打印层的三维地形图像；使用第一人工智能算法从所生成的地形图像中识别打印层中的异常；使用第二人工智能算法确定所识别的异常与一个或更多个打印参数之间的相关性；以及为一个或更多个打印参数分配值。
附图说明
[0011]图1是根据一些实施例的增材制造系统的示例。
[0012]图2是根据一些实施例的可以与增材制造打印机一起使用的照相机和光源的示例。
[0013]图3是根据一些实施例的操作员将打印参数输入到数控代码生成器中的界面的示例。
[0014]图4是根据一些实施例的打印层的图像的示例，其示出了可以捕获的沉积细丝中的意外间隙。
[0015]图5A、图5B和图5C是根据一些实施例的各种打印层的图像的示例，其示出了可以捕获的打印层中的意外线状伪影和其他破坏。
[0016]图6是根据一些实施例的增材制造打印操作(高水平)的示例。
[0017]图7A是根据一些实施例的可能包括在数控代码中的打印层的一组设定点的仿真的示例。
[0018]图7B是根据一些实施例的所穿过的打印路径可能样子的仿真示例。
[0019]图8是根据一些实施例的用于基于不同的填充密度和填充图案来学习异常图案和异常率以及该异常图案和异常率如何影响打印对象的机械性能的训练过程的示例。
具体实施方式
[0020]根据公开主题的一些实施例，提供了用于增材制造人工智能反馈控制(AIFC)的机制(机制可以包括系统、方法、设备、装置等)。AIFC可用于例如，优化增材制造系统的打印参数，以实现与生产设计相比所期望的机械、光学和/或电学特性和/或打印对象所期望的精度。AIFC还可以用于识别打印层中的异常并在打印过程中采取纠正措施。
[0021]如本文所公开的，在一些实施例中，人工智能可用于从本文所述的增材制造中学习并改进本文所述的增材制造，并用于输出反馈、信息、数据和/或指令(“AIFC”)。人工智能算法可以单独地或组合地包括以下中的一项或更多项：机器学习、隐马尔可夫模型(hidden Markov models)；递归神经网络(recurrent neural networks)；卷积神经网络；贝叶斯符号方法；通用对抗网络；支持向量机；和/或任何其他适当的人工智能算法。尽管AIFC基于AI
算法，但AIFC也可以使用在增材制造过程中收集的数据，该数据并非基于人工智能算法。
[0022]图1示出了根据所公开的主题的一些实施例的可以实现AIFC的示例性增材制造系统100。在高水平上，根据一些实施例，增材制造系统100的基本部件包括数控代码生成器110、增材制造打印机115、图像生成器170和图像分析器180。增材制造打印机115可以包括图像传感器120、光源130、打印头140、细丝供应系统145、构建板150和控制模块160。用于增材制造系统100的部件的功能可以组合为单个部件，也可以跨多个部件散布。在一些实施例中，部件(例如，数控代码生成器110、图像生成器170和/或图像分析器180)的一些功能可以由增材制造打印机115远程执行。
[0023]注意，增材制造系统100可以包括未示出的其他适当的部件。附加地或替代地，包括在增材制造系统100中的一些部件可以被省略。
[0024]尽管以下描述涉及将AIFC与熔融沉积建模增材制造打印机一起使用，但是在一些实施例中，本文所述的AIFC可以与任何适当的3D打印技术一起使用，该3D打印技术包括立体光固化技术(st本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制造系统，包括：图像传感器，所述图像传感器被配置为捕获样本的第一图像；以及至少一个硬件处理器，所述至少一个硬件处理器被配置为：从所述图像传感器接收第一图像；获取所述样本的一种或更多种期望的性能；基于所述第一图像来生成所述样本的第二图像；使用被配置为检测所述样本上的异常的第一人工智能算法从所述第二图像识别所述样本上的异常；使用第二人工智能算法确定所识别的异常与用于处理所述样本的多个处理参数中的一个之间的相关性，所述第二人工智能算法被配置为确定所识别的异常与所述多个处理参数中的一个之间的相关性；调整将由所述制造系统使用的所述多个处理参数中的一个的值，以处理所述样本；以及使用所述多个处理参数中的一个的值，使所述制造系统继续处理所述样本，以基本实现所述一种或更多种期望的性能。2.根据权利要求1所述的制造系统，其中，基于所述第一图像来生成所述样本的第二图像，包括：将聚焦形状算法、阴影聚焦形状算法、光度立体算法和傅里叶叠层调制算法中的一种应用到所述第一图像。3.根据权利要求1所述的制造系统，使用所述第一人工智能算法从所述第二图像识别所述样本上的异常，包括：将所述第二图像与所述样本的生产设计进行比较。4.根据权利要求1所述的制造系统，其中，所述至少一个硬件处理器还被配置为：识别影响所述样本的机械性能、光学性能和电性能中的至少一项的处理参数；在所述样本经过第一处理步骤后，测量所述机械性能、所述光学性能和所述电性能中的至少一项；确定所述样本的异常率；以及确定所述异常率和所述处理参数对所述样本的机械性能、光学性能和电性能中的至少一项的影响。5.根据权利要求1所述的制造系统，其中，所述至少一个硬件处理器还被配置为：识别影响所述样本的机械性能、光学性能和电性能中的至少一项的处理参数；在所述样本经过第一处理步骤后，测量所述机械性能、所述光学性能和所述电性能中的至少一项；确定所述样本的异常图案；以及确定所述异常图案和所述处理参数对所述样本的机械性能、光学性能和电性能中的至少一项的影响。6.根据权利要求1所述的制造系统，其中，所述至少一个硬件处理器还被配置为：训练所述第一人工智能算法来识别训练样本的训练图像上的异常。7.根据权利要求1所述的制造系统，其中，所述至少一个硬件处理器还被配置为：
训练所述第二人工智能算法来识别训练异常和训练处理参数之间的相关性。8.一种计算机实施方法，包括：通过计算系统，从制造系统的图像传感器接收样本的第一图像；通过所述计算系统，获取所述样本的一种或更多种期望的性能；通过所述计算系统，基于所述第一图像来生成所述样本的第二图像；通过所述计算系统，使用被配置为检测所述样本上的异常的第一人工智能算法从所述第二图像识别所述样本上的异常；通过所述计算系统，使用第二人工智能算法确定所识别的异常与用于处理所述样本的多个处理参数中的一个之间的相关性，所述第二人工智能算法被配置为确定所识别的异常与所述多个处理参数中的一个之间的相关性；通过所述计算系统，调整将由所述制造系统使用的所述多个处理参数中的一个的值，以处理所述样本；以及通过所述计算系统，使用所述多个处理参数中的一个的值，使所述制造系统继续处理所述样本，以基本实现所述一种或更多种期望的性能。9.根据权利要求8所述的计算机实施方法，其中，通过所述计算系统，基于所述第一图像来生成所述样本的第二图像，包括：将聚焦形状算法、阴影聚焦形状算法、光度立体算法和傅里叶叠层调制算法中的一种应用到所述第一图像。10.根据权利要求8所述的计算机实施方法，通过所述计算系统，使用所述第一人工智能算法从所述第二图像识别所述样本上的异常，包括：将所述第二图像与所述样本的生产设计进行比较。11.根据权利要求8所述的计算机实施方法，还包括：通过所述计算系统，识别影响所述样本的机械性能、光学性能和电性能中的至少一项的处...

【专利技术属性】
技术研发人员：马修，
申请(专利权)人：纳米电子成像有限公司，
类型：发明
国别省市：