图:Greg Huff，电子工程副教授(左)和Deanna Sessions，她于2021年在宾夕法尼亚州立大学获得了博士学位，共同领导了一个研究团队，创造了一种第一个用机器学习实时诊断3D打印错误的方法。大流行前的照片。
资料来源:泰勒·亨德森/宾夕法尼亚州立大学
增材制造或3D打印可以按需为电磁设备创建定制部件，而且成本很低。这些器件高度敏感，每个组件都需要精密加工。然而，直到最近，诊断打印错误的唯一方法是制作、测量和测试设备，或者使用在线模拟，这两种方法在计算上都是昂贵和低效的。
为了解决这一问题，宾夕法尼亚州立大学(penn State)的一个研究团队联合创建了一种史无前例的方法，可以用机器学习实时诊断打印错误。研究人员将这个框架描述为实时纠正3d打印错误的关键第一步。根据研究人员的说法，这可以使敏感设备的打印在时间、成本和计算带宽方面更加有效。
“在任何部件的增材制造过程中，很多东西都可能出错，”宾夕法尼亚州立大学电气工程副教授格雷格·赫夫(Greg Huff)说。“在电磁学的世界里，尺寸是基于波长而不是常规的测量单位，任何微小的缺陷都可能导致大规模的系统故障或降级操作。如果3D打印家居用品就像给大号调弦一样，可以进行广泛的调整，那么3D打印设备在电磁领域的工作就像给小提琴调弦:小的调整真的很重要。”
在之前的一个项目中，研究人员将摄像机连接到打印机头上，每次打印东西时就捕捉到图像。虽然这不是该项目的主要目的，但研究人员最终策划了一个数据集，他们可以结合一种算法来分类打印错误的类型。
“生成数据集和神经网络需要找出信息是本研究的核心,”第一作者迪安娜说会话,她收到2021年从宾夕法尼亚州立大学电气工程博士学位,现在工作问题公司作为承包商空军研究实验室。“我们正在利用这些信息——从廉价的光学图像——来预测电磁性能，而无需在制造过程中进行模拟。如果我们有图像，我们可以判断某个元素是否会成为问题。我们已经有了这些图像，我们说，‘让我们看看是否可以训练一个神经网络(识别产生性能问题的错误)。’我们发现我们可以做到。”
当框架应用于打印时，它可以在打印时识别错误。现在，误差对电磁性能的影响可以实时识别，在印刷过程中纠正误差的可能性越来越接近现实。
“随着这个过程的完善，它可以开始创建反馈控制，‘小部件开始像这样，所以我做了其他调整，让它工作，’这样我们就可以继续使用它，”Huff说。