用于估算3D打印过程中形成的3D打印物体高度的方法和装置，及3D打印系统与流程

用于估算3d打印过程中形成的3d打印物体高度的方法和装置，及3d打印系统
技术领域
1.本发明涉及一种3d打印技术，更具体地，涉及一种用于估算在3d打印过程中形成的三维(3d)打印物体的高度的方法和装置，以及包括该装置的3d打印系统。


背景技术：

2.众所周知，3d打印是一种生产三维物体的制造技术。对于三维物体的3d打印，它的处理方式是根据三维模型的数据处理信息，逐层打印。3d打印技术的优点是便于实现复杂的形状、产品内部形成的形状等。由于这些优势，3d打印技术作为一种高附加值的技术受到了人们的关注，它可以方便地制造各种产品，如各种工业零件和医疗材料。
3.可以通过将3d产品的形状分为若干个具有均匀或可变厚度的2d横截面，并形成要逐一堆叠的2d横截面来执行3d打印过程。已知的3d打印方法有多种，诸如材料挤出法、材料喷射法、粘结剂喷射法、片材层压法、大桶光聚合法、粉末床熔合法、定向能量沉积(ded)法等。其中，ded法是一种将激光能量施加到金属粉末或金属丝材料上进行熔化和融合的方法，与其他方法相比，ded法可以使用便宜的商品材料，在现有的三维形状上形成叠片，并且与其他方法相比具有卓越的机械性能，因此被广泛使用。
4.在根据ded方法的3d打印中，当将从激光源辐射的激光束辐射到基板上时形成熔池，并且将金属粉末提供到熔池上以形成叠片。
5.3d打印物体，即，由3d打印过程打印的物体，可以包括新叠加在已经打印好作为基体材料的部分上的部分，诸如由3d打印激光熔化的金属粉末或金属丝。3d打印物体的高度可以通常通过用于3d打印的基体材料的量、通过3d打印机产生的激光强度、打印速度等来确定，但是高度可能根据温度和需要打印的部分的形状来改变。
6.保持打印层的恒定高度是决定打印层质量和性能的重要因素。然而，到目前为止，已经开发出了一种用于测量并保持3d打印机的喷嘴与3d打印物体之间的恒定距离的技术，但还没有开发出在3d打印过程中实时估算打印层高度的技术。


技术实现要素：

7.本发明的一些实施例是提供一种能够实时估算3d打印过程中形成的3d打印物体的高度的方法，以及用于该方法的装置。
8.本发明的一些实施例是提供一种包括该装置的3d打印系统。
9.在一个方面，本发明的一些实施例提供了一种估算3d打印过程中形成的3d打印物体的高度的方法。该方法包括提取3d打印过程中形成的3d打印物体的一个以上的温度相关数据；通过使用提取的温度相关数据建立用于估算3d打印物体的高度的人工神经网络模型；以及通过将新测量的热图像和一个以上的温度相关数据输入到人工神经网络模型中估算3d打印物体的高度。这里，一个以上的温度相关数据包括3d打印物体的表面温度相位和温度振幅变化。
10.在一个实施例中，提取3d打印物体的一个以上的温度相关数据的步骤可以包括：使用能够测量3d打印过程中形成的3d打印物体的温度的热像仪捕获3d打印物体的热图像；并且从热像仪拍摄的3d打印物体的热图像中提取3d打印物体的一个以上的温度相关数据。
11.在一个实施例中，建立人工神经网络模型可以包括通过在3d打印物体的各种高度处反复执行利用热像仪捕获3d打印物体的热图像并从3d打印物体的热图像中提取3d打印物体的一个以上的温度相关数据的步骤，以在3d打印物体的各种高度处，采集包括热图像以及一个以上的温度相关数据和3d打印物体的高度之间的相关性信息在内的大数据，以及通过机器学习所采集的大数据建立人工神经网络模型。
12.在一个实施例中，3d打印过程可以是使用定向能量沉积(ded)法的3d打印过程。
13.在一个实施例中，3d打印物体的基体材料可以是金属材料。
14.在其他方面。本发明的一些实施例提供3d打印过程中用于估算形成的3d打印物体的高度的装置。该装置包括热像仪以及计算单元。热像仪被配置为测量3d打印过程中形成的3d打印物体的温度。计算单元被配置为从热像仪测量的3d打印物体单元的温度来估算3d打印物体的高度。计算单元包括以下作用：提取3d打印过程中形成的3d打印物体的一个以上的温度相关数据。建立人工神经网络模型，用于通过利用提取的温度相关数据估算3d打印物体的高度；以及通过将新测量的热图像和一个以上的温度相关数据值输入人工神经网络模型，估算3d打印物体的高度。一个以上的温度相关数据包括3d打印物体的表面温度相位和温度振幅变化。
15.在一个实施例中，提取3d打印物体的一个以上的温度相关数据的作用可以包括利用能够测量3d打印过程中形成的3d打印物体的温度的热像仪，捕获3d打印物体的热图像的作用；以及从热像仪拍摄的3d打印物体的热图像中提取3d打印物体的一个以上的温度相关数据的作用。
16.在一个实施例中，建立人工神经网络模型的作用包含：通过在3d打印物体的各种高度处反复执行利用热像仪捕获3d打印物体的热图像并从3d打印物体的热图像中提取3d打印物体的一个以上的温度相关数据的任务，在3d打印物体的各种高度处采集包括热图像以及一个以上的温度相关数据和3d打印物体的高度之间的相关性信息在内的大数据，以及通过机器学习所采集的大数据建立人工神经网络模型的作用。
17.在另一个方面，本发明的一些实施例提供了一种用于3d打印过程的系统，该系统包括激光源、基体材料供应源、热像仪和计算单元。激光源被配置为通过辐射激光束以熔化提供给3d打印物体的基体材料，在3d打印物体上形成熔池。基体材料供应源被配置为向3d打印物体供应基体材料。热像仪被配置为通过对3d打印过程中形成的3d打印物体进行成像来测量3d打印物体的温度。计算单元被配置为根据热像仪测量的3d打印物体单元的温度来估算3d打印物体的高度。计算单元包括以下作用：提取3d打印过程中形成的3d打印物体的一个以上的温度相关数据；建立人工神经网络模型，用于利用提取的温度相关数据估算3d打印物体的高度；并且通过将新测量的热图像和一个以上的温度相关数据值输入人工神经网络模型，估算3d打印物体的高度。一个以上的温度相关数据包括3d打印物体的表面温度相和温度振幅变化。
18.在一个实施例中，热像仪可以设置成使热像仪的至少一部分光路与从激光源辐射的激光束同轴，该激光束熔化提供给3d打印物体的基体材料。
19.在一个实施例中，3d打印系统还可以包括设置在从激光源辐射的光束路径上的分束器；以及设置在分束器和热像仪之间以改变光路的光路转换器，其中热像仪与激光源同轴设置。
20.在一个实施例中，分束器可以设置在激光源和聚焦透镜之间，从激光源发射的激光束通过分束器。
21.在一个实施例中，计算单元可以被配置为在3d打印过程中实时估算3d打印物体的高度。
22.在一个实施例中，3d打印系统还可以包括显示单元，其被配置为显示由计算单元估算的3d打印物体的高度。
23.根据本发明的实施例，可以使用热像仪测量3d打印过程中形成的3d打印物体的热图像，并可利用此实时估算3d打印物体的高度。
24.根据本发明的实施例，可以利用大数据构建人工神经网络模型，该模型可以通过采集3d打印过程中形成的3d打印物体的热图像和一个以上的温度相关数据与3d打印物体的高度之间的相关性来获得。并且可以利用人工神经网络模型实时估算3d打印物体的高度。
25.根据本发明的实施例，在3d打印过程中，可以实时估算3d打印物体的高度，从而实时检测3d打印质量。
附图说明
26.从以下结合附图采取的详细描述中，将更清楚地理解示例性的、非限制性的实施例。
27.图1为根据本发明实施例的3d打印系统的框图。
28.图2为根据本发明的实施例，通过3d打印系统估算3d打印物体高度的方法的流程图。
29.图3是根据本发明的实施例，通过3d打印系统辐射激光束形成3d打印物体的示意图。
30.图4a示出了在3d打印系统中的时间t通过位置a的激光束，图4b示出了在时间t+δt通过位置b的激光束。
31.图5a是根据3d打印物体的高度的温度相位图，图5b是根据3d打印物体的高度的温度振幅图。
32.图6是利用机器学习分析热图像和一个以上的温度相关数据与3d打印物体的高度之间的相关性的示意图。
33.图7a示出了3d打印结构的3d打印物体，图7b是示出图7a所示的3d打印结构的3d打印物体的视图，根据其高度以不同的颜色区分。
具体实施方式
34.以下，将参照附图详细描述本发明的实施例。本发明可以以各种不同的形式实施，并且不限于本文所述的实施例。在附图中，为了清楚地描述本发明，省略了与描述无关的部分，并且在整个说明书中为相同或相似的元素分配了相同的参考数字。
35.根据本发明的实施例的3d打印系统是一种能够利用激光熔化基体材料形成三维物体的系统，还能够在3d打印过程中实时估算3d打印物体的高度。根据本发明的实施例的3d打印系统可以是一种ded型的3d打印系统，能够通过激光熔化金属粉末或金属丝来形成3d物体。
36.图1示出了根据本发明实施例的3d打印系统的构造。
37.参考图1，在示例性实施例中，3d打印系统1可以包括用于3d打印的激光源20、基体材料供应源30、聚焦透镜40、喷嘴50以及热像仪70、计算单元80和显示单元90。
38.在示例性实施例中，激光源20可以辐射激光束22到3d打印物体4。从激光源20辐射的激光束22通过透镜40并入射到3d打印物体4上。从激光源20辐射的激光束22可以通过用于供应基体材料的喷嘴50，同时激光束22到达熔池2。
39.在一个示例性实施例中，从基体材料供应源30供应的基体材料可以通过单独的供应管32以例如金属粉末或金属丝的形式被供给到喷嘴50。为了将基体材料供给到3d打印物体4，基体材料在喷嘴50中的运动路径可以形成为与激光束22通过的路径平行或斜向。供应到3d打印物体4的基体材料可以被激光源20熔化，以在3d打印物体4中形成熔池2。
40.3d打印物体4可以通过将多个层叠加形成为三维物体。在图1中，示出了3d打印物体4的示例性状态，该3d打印物体4由例如第一层6和第二层7以及第三层8形成，熔池2形成在第三层8上。
41.在根据本发明的实施例的3d打印系统1中，激光源20、基体材料供应源30和供应管32、聚焦透镜40和喷嘴50可以构成一般的ded型3d打印机10。根据本发明的示例性实施例，可应用于3d打印系统1的3d打印机10不限于ded型3d打印机。如果任何3d打印机能够以金属为基体材料形成熔池2，其可以应用于3d打印系统1。
42.在3d打印系统1中，热像仪70可以被提供以提取关于3d打印物体4的一个以上的温度相关数据，以便估算3d打印物体4的高度。通过热像仪70测量的的因子可以是3d打印物体4的温度分布，例如，熔池2及其周围环境的表面温度。
43.为了用热像仪提取关于3d打印物体4的一个以上的温度相关的数据，可以在激光源20和聚焦透镜40之间安装分束器60。
44.分束器60可以设置在从激光源20辐射的激光束22到熔池2的路径上，并改变从熔池2反射的光的路径。由分束器60改变的光可以通过光路转换器62，并由热像仪70拍摄。转换光路的光路转换器62可以是例如反射镜。因此，热像仪70可以测量熔池2的表面温度。
45.在示例性实施例中，热像仪70可以与辐射激光的喷嘴50同轴设置。由于热像仪70与3d打印机的喷嘴50同轴安装，因此可以在不控制热像仪70的位置的情况下，对3d打印物体4进行连续拍摄。
46.在示例性实施例中，热像仪70可以与光路转换器62和分束器60一起安装在3d打印机中，以测量3d打印机的熔池2的表面温度。
47.在根据示例性实施例的3d打印系统1中，可以设置计算单元80，以利用通过热像仪70测量的3d打印物体4上的熔池2的表面温度以及熔池2的外围区域的表面温度来估算3d打印物体4的高度。
48.以下，将参照不同的附图来描述利用3d打印系统1的计算单元80来估算3d打印物体4的高度的方法。
49.图2示出了根据本发明的实施例的由3d打印系统估算3d打印物体的高度的方法的过程。图3示出了由3d打印系统辐射的激光束形成3d打印物体。
50.参考图2和图3，根据示例性实施例，估算在3d打印过程中形成的3d打印物体4的高度的方法可以包括提取在3d打印过程中形成的3d打印物体4的一个以上的温度相关数据的步骤(s10)，通过利用提取的温度相关数据建立人工神经网络模型，用于估算3d打印物体4的高度的步骤(s20)，以及通过将新测量的热图像和一个以上的温度相关数据输入人工神经网络模型估算3d打印物体4的高度的步骤(s30)。
51.在提取一个以上的温度相关数据的步骤s10中，热像仪70可以被提供以测量在3d打印过程中形成的分层部分的温度。在示例性实施例中，热像仪70可以与3d打印机系统1一体提供，以如上所述与喷嘴50同轴设置。在另一个示例中，可以提供单独的热像仪以与现有的3d打印机结合。
52.在示例性实施例中，提供如上所述的热像仪70后，可以用热像仪70拍摄3d打印物体4的温度分布图像。在这种情况下，3d打印物体4的温度分布图像可以包括3d打印物体4的熔池2和熔池2的周围区域。
53.之后，可以从3d打印物体4的温度分布图像中提取一个以上的温度相关数据。在实施例中，温度相关数据可以包括表面温度相位数据和温度振幅变化数据。
54.图4a示出了激光束在时间t通过3d打印系统中的位置a，图4b为示出激光束在时间t+δt通过b点的图。
55.参考图4a和4b，根据本发明的实施例，在3d打印过程中，需要测量3d打印物体4高度的位置为位置a。激光束可以在时间t通过位置a，并且在位置a处可以形成熔池，因为被熔化到一定的温度t1。此时，位置a处的温度可由热像仪70测量。
56.此后，当时间δt过去时，激光束可移动以通过位置b。在此过程中，在位置a处形成的熔池可随着温度的降低而硬化成具有预定高度的3d打印物体。
57.此时，时间δt后，可由热像仪70连续测量位置a处的温度。如图5a和5b所示，位置a处的温度随时间的变化可由3d打印物体的温度相位图和温度振幅变化图表示。
58.在实施例中，温度相位图和温度振幅变化图可用于估算待测的3d打印物体4的高度。可用于估算3d打印物体4的高度的温度相关图形可以包括温度相位图或温度振幅变化图中的至少一个。在估算3d打印物体4的高度时，同时使用温度相位图和温度振幅变化图比使用其中任何一种图形都能更准确地估算高度。
59.图5a示出了根据3d打印物体的高度的温度相位图，图5b示出了根据3d打印物体的高度的温度振幅图。
60.如图5a和图5b所示，根据3d打印物体4的高度，3d打印物体4的温度相位图和温度振幅变化图可能具有不同的特征。在实施例中，为了获得根据上述3d打印物体4的高度变化的3d打印物体4的温度相位图和温度振幅图，需要使用热像仪70反复拍摄多个不同高度的3d打印物体的热图像。通过此获得的3d打印物体的热图像、温度相位数据和温度振幅变化数据可以作为与3d打印物体的高度具有相关性的大数据进行存储。
61.图6示出了利用机器学习分析热图像和一个以上的温度相关数据与3d打印物体的高度之间的相关性的示意图。
62.参考图6，计算单元80可以分析3d打印物体的高度和3d打印物体的热像仪、温度相
位数据和温度振幅变化数据之间的相关性，这些数据可以通过大量3d打印过程采集。基于该分析，可以在计算单元80中建立人工神经网络模型(s20)，该人工神经网络模型能够从新捕获的3d打印物体4的热图像估算3d打印物体4的高度。
63.在一个实施例中，可以利用机器学习来分析3d打印物体的高度与3d打印物体的热图像、温度相位数据和温度振幅变化数据之间的相关性。机器学习是通过经验数据提高自动处理性能的计算机算法的研究。机器学习算法基于样本数据(被称为训练数据)建立模型，通过训练它们来进行预测或决策，而不需要明确的编程。根据示例性实施例，在3d打印系统1中，计算单元80可以被配置为使用机器学习算法，将3d打印过程中的热图像和温度分布数据作为输入数据输入，并利用3d打印物体象的高度与3d打印物体的热图像、温度相位数据和温度振幅变化数据之间的相关性，构建能够估算与输入数据对应的3d打印物体4的高度的人工神经网络模型。
64.在上述实施例中，说明了利用温度相位数据和温度振幅变化数据来构建人工神经网络模型，用于从热图像估算3d打印物体4的高度。但是，可以作为人工神经网络模型的输入变量的温度相关数据不限于此。3d打印系统的工艺条件、激光束的强度、工艺速度、激光束的大小、基体材料粉末的喷射量等也可以作为人工神经网络模型的构建以及3d打印物体4的高度估算的输入变量。
65.任何已知的机器学习算法或程序都可用于执行机器学习以建立人工神经网络模型。
66.一旦通过机器学习在计算单元80中构建了人工神经网络模型，就可以通过将新测得的热图像和一个以上的与新3d打印物体4的温度相关数据输入到人工神经网络模型中，实时估算新3d打印物体4的高度。
67.图7a示出了3d打印结构的3d打印物体，图7b示出了图7a所示的3d打印结构的3d打印物体的视图，根据其高度以不同的颜色区分。
68.如图7a和图7b所示，通过计算单元80实时估算的3d打印物体4的高度可以显示在单独的显示单元90上。也就是说，可以根据高度的数值，将3d打印物体分别显示为具有不同颜色的3d或2d型3d打印物体。因此，用户可以实时准确地知道当前执行的3d打印过程所形成的3d打印物体的高度。
69.这样，根据本实施例，可以实时了解3d打印物体4的高度。因此，如果3d打印物体4的高度出现异常，可以快速检测到，并采取相应的后续措施。如果发现3d打印物体4的高度异常，可以通过调整相关的工艺条件，诸如激光束的强度、工艺速度、激光束的大小、基底粉末的出料量等，控制打印过程，使3d打印物体4的高度属于正常范围内，或者可以停止打印过程，以提前防止产生缺陷产品。
70.根据本发明的实施例的方法，可以在3d打印过程中利用热像仪实时估算3d打印物体的高度。利用该方法，能够实时检查3d打印过程中3d打印物体的高度。因此，能够在早期检测到3d打印物体的高度发生异常的有缺陷的打印产品，从而提高产品的质量，提高工艺效率。
71.上述内容是示例性实施例，而不能解释为限制性的。虽然已经描述了几个示例性实施例，但本领域技术人员将很容易理解，在示例性实施例中可以进行许多修改，而不实质性地偏离本发明的新的教导和优点。因此，所有这样的修改都旨在包含在权利要求书所限
定的本发明的范围内。