導讀：受美國空軍研究署資助，空軍研究實驗室和賓夕法尼亞州立大學的研究人員創建了一個神經網絡框架，可實時診斷3D打印錯誤。 3D打印可按需低成本制造電磁設備零件，但制造過程中的任何細微缺陷都可能導致大規模系統故障。研究人員訓練了打印缺陷與電磁性能指標相...
受美國空軍研究署資助，空軍研究實驗室和賓夕法尼亞州立大學的研究人員創建了一個神經網絡框架，可實時診斷3D打印錯誤。
3D打印可按需低成本制造電磁設備零件，但制造過程中的任何細微缺陷都可能導致大規模系統故障。研究人員訓練了打印缺陷與電磁性能指標相關性的神經網絡框架，采用機器學習技術實時診斷打印過程中的錯誤。首先，使用墨水直寫打印技術制備阿基米德螺線；然后，使用顯微鏡拍攝打印過程圖像，并采用降維的方法，通過壓縮圖像提取最大連續元素區域外部輪廓坐標，以生成數據集并訓練神經網絡；最后，使用機器學習方法實時監測打印過程圖像，預測電磁性能。研究結果表明：訓練后的卷積神經網絡確定了影響零件電磁性能的關鍵幾何特征，可對3D打印錯誤進行實時反潰
