Kamery o dużej szybkości używane do monitorowania procesu drukowania 3D

Drukowanie 3D, szczególnie w przypadku fuzji laserowej w proszku lub L-PBF, wymaga dużej ilości monitorowania, aby uniknąć defektów i wad w końcowych częściach. W pracy zatytułowanej "Monitorowanie procesu modelowania przestrzenno-czasowego laserowej fuzji w proszku", student o nazwisku Animek Shaurya bada wykorzystanie kamer wideo o wysokiej prędkości do monitorowania in situ procesu druku 3D stopu niklu 625 w celu wykrycia meltpool , rozpryski i obszary topnienia w celu poprawy jakości wydruku.

"Ilości, które można zmierzyć za pomocą wykrywania na miejscu, mogą być określane jako sygnatury procesów i mogą reprezentować źródło informacji do wykrycia możliwe wady ", mówi Shaurya. "Obrazy wideo są przetwarzane w celu analizy czasowo-przestrzennej za pomocą analizy głównych składników i statystyk T2 w celu identyfikacji historii poziomów intensywności pikseli poprzez monitorowanie procesu. Wyniki te są skorelowane jako obszary nadmiernego topnienia i rozpryskiwania. Wyniki uzyskane w tych badaniach dostarczą informacji o parametrach procesu, które można wykorzystać do dalszej walidacji badań modelowania lub do celów przemysłowych. "

Innym celem badań jest zbadanie lokalizacji meltpool i rodzajów generowane podczas topienia, normalnego topienia i topienia. Istnieją dwa główne typy meltpool: Type One, w którym przetwarzany obszar meltpool nadal znajduje się w strefie wpływu ciepła w poprzednim skanowaniu kreskowania (lub przetwarzaniu ścieżek); i Type 2, w którym przetwarzany obszar meltpool nie jest już dotknięty przez ciepło z skanowania laserowego poprzedniego utworu lub kreskowania.

Do badania wykorzystano metalową spiekarkę do metalu EOS Direct do 3D drukuj kostki niklu. Eksperymenty zostały zaprojektowane w celu ustaleniazwiązek między parametrami procesu a jakością części. Szybka kamera została wykorzystana do przeprowadzenia monitorowania procesu in-situ w celu ilościowej analizy wielkości meltpool oraz zrozumienia i analizy zachowań rozpryskiwania.

Wykazano, że nad topieniem występuje częściej w przetwarzaniu śladów typu 1 niż w ścieżkach typu 2.

"Takie wysokie wartości występują zwykle, ponieważ piksel w tych obszarach charakteryzuje się profilem intensywności, który różni się zasadniczo od podstawowego wzoru opisującego strumień obrazów" - mówi Shaurya. "Znajomość przestrzennej lokalizacji tych skoków jest ważna z perspektywy in situ, ponieważ mogą one dostarczyć informacji o lokalnych anomaliach, które mogą prowadzić do defektów w produktach."

Rozpryskiwanie dzieje się bardziej na ścieżkach typu 1 niż w drugim rodzaju, dowody wideo zakończone

"Wyniki uzyskane z tego badania dowodzą, że metoda ta jest więcej niż odpowiednia w opracowywaniu samouczącego się systemu pomocy, który może pomóc w wykrywaniu odprysków jako produktu jest tworzony warstwa po warstwie "- podsumowuje Shaurya. "Również solidność metodyki PCA zastosowanej w tym badaniu można łatwo zweryfikować poprzez powiązanie jej z deskryptorem statystycznym o nazwie T2 Hotellinga, który daje mapowanie przestrzenne względem lokalizacji pikseli przy użyciu głównych komponentów, które najbardziej przyczyniają się do pliku wideo i ograniczają stratę również informacje. "