[发明专利]用于增材制造机器的重涂器自动化监控系统和方法

说明书

监控增材制造(AM)机器重涂操作的系统，包括自动缺陷识别子系统，自动缺陷识别子系统具有预测模型目录，每个预测模型能够应用于产品和一个重涂误差指示，重涂误差指示具有领域相关特征；预测模型表示以在重涂操作期间捕获的图像的像素级出现的重涂误差指示。系统包括在线监控子系统，具有图像分类器单元，其基于选择的预测模型以像素级对重涂误差指示进行分类，基于预测模型的元数据来选择预测模型；虚拟描绘单元，其从连续捕获的图像创建正在进行的AM构建的虚拟描绘；和处理器单元，其针对重涂误差指示监控构建，对检测到的指示进行分类，并向正在进行的构建提供与检测到的指示的严重性有关的确定。还公开了一种方法和非暂时性计算机可读介质。

技术领域

本公开涉及用于增材制造机器的重涂器自动化监控系统和方法。

背景技术

使用激光能量来熔融粉末床材料的增材制造过程通过连续层叠熔化的粉末来构建零件。激光熔融遵循代表零件本身的CAD文件。对于将要构建的每一层，将要熔融的新材料层重涂在先前的层上。在层叠完成后，可以从周围积聚的粉末移除零件。在这些重涂步骤中，可能会发生许多误差。在层叠过程中可能发生的重涂问题可能包括进料不足，粉末块，刀片线，掉落和轻弹。

表I是重涂器误差指示类型和可能原因的代表列表。

表I

传统的方法提供了在层叠过程中量化重涂器误差的严重性以及误差对构建的累积影响的有限能力。同样，本领域在评估重涂器误差影响和累积影响以确定该误差对进行中的构建是良性，可忍受还是致命的能力方面也受到限制。

发明内容

体现的系统和方法提供了用于监控增材制造机器以自动识别重涂器误差的重涂器自动化监控系统。在一些实施方式中，如果重涂器误差的量级显著影响构建的质量，则可以警告用户。

体现的系统和方法提供对重涂器误差指示的准确识别和分类。实施例可以使用这些指示来确定正在进行的构建是否失败(例如，建造了超出公差或质量较低的零件)。终止失败的构建可减少材料损失，节省成本和时间，并提高增材制造机器的产量和生产率。

附图说明

图1示意性地描绘了根据实施例的重涂器自动化监控系统；

图2描绘了根据实施例的开发重涂器误差指示模型的过程；

图3描绘了根据实施例的自动化重涂器监控的过程；和

图4描绘了根据实施例的用于实施重涂器自动化监控系统的系统。

具体实施方式

图1是根据实施例的重涂器自动化监控系统100的示意图。体现的重涂器监控系统和方法包括并行运行的两个相互依赖的子系统——自动缺陷识别系统110和在线监控系统130。

自动缺陷识别子系统(ADR)110可以包括离线学习单元112。模型目录114包括代表不同类型的重涂器误差出现的重涂器误差指示模型。表I并非详尽的重涂器误差和指示的列表。应当容易理解，体现的系统和方法不仅限于表I中的指示。

可以针对增材机器的不同领域(即，机器模型)以及同一领域内的不同机器单元，对模型目录114中的不同重涂器误差指示模型进行优化。同样，可以针对增材机器生产的不同产品类型来优化不同的重涂器误差指示模型。每个模型的开发都是在第一自学阶段完成的。在模型开发之后，可以在第二阶段中增强模型。

首先，执行全自动化的自学习阶段以构建一组初始重涂器误差指示模型。第一阶段可以在离线学习单元112中作为全自动化的自学习过程执行，该过程访问训练范例116中的合成图像118。可以从没有指示或具有有限数量的指示的现有良好的构建生成合成图像。