新技能使3D打印零件无损检测速度进步6倍成果更精确_优游ub8_ub8登录

新技能使3D打印零件无损检测速度进步6倍成果更精确

来源:优游ub8     发布日期:2022-11-18 11:14:51

优游ub8

  近来,3D打印技能参阅注意到,美国能源部橡树岭国家试验室(Oak Ridge National Laboratory)的研讨人员开宣布一个深度学习结构,可明显进步3D打印部件的CT扫描速度和扫描成果精确性,估计将加速3D打印的更广泛运用。

  ORNL首席研讨员阿米尔·齐亚巴里表明,“扫描速度的加速大大降低了本钱,并且质量更高,后处理剖析变得愈加简略。”

  该算法已被归入商业合作伙伴蔡司在ORNL能源部制作演示工厂的机器软件中,经过运用不断练习算法。

  ORNL研讨人员曾经现已开宣布能够在打印零件时剖析零件质量的技能。在打印后添加高水平的成像精度,为增材制作供给了额定的信赖度,一起或许添加运用规划。

  CT扫描关于在不损坏3D打印部件的情况下验证其完好性非常重要,但其并未在增材制作中大规划运用,首要是因为当时的扫描和剖析办法耗时长且成果不精确。

  金属能够彻底吸收X射线束中的低能量X射线,形成发生的图画不精确,假如物体具有杂乱的形状,则会形成图画不精确度进一步添加。图画中的缺点或许会掩盖扫描所要显现的裂缝或孔隙。练习有素的技能人员能够在剖析进程中纠正这些问题,但这一进程需求花费很多时刻。

  研讨团队开发的深度学习结构,能够快速供给更明晰、更精确的重建和主动剖析。为CT练习有监督的深度学习网络一般需求许多贵重的丈量。关于金属零件会带来更多的应战,因而取得恰当的练习数据或许很困难。ORNL的办法是经过生成实在的练习数据而不需求很多的试验来搜集数据,然后加速了练习进程。

  体系展现了一个X射线源管、一个探测器和一个在CT扫描之前安装在旋转台上的样品(来历:尼康计量)

  因为这种X射线CT结构需求以较少视点的扫描才干到达精确度,它将成像时刻从大约一小时缩短到10分钟或更短,功率进步了六倍,使得样品剖析能够在一天内完结。在如此少的视角下快速作业一般会给3D图画添加明显的“噪点”。但在练习数据上教授的ORNL算法纠正了这一点,乃至将小缺点检测速度进步了四倍或更多。

  新开发的深度学习结构将答应制作商快速微调部件结构,研讨人员表明,该技能能够运用于国防、轿车制作、航空航天、电子印刷,以及电动轿车电池的无损评价等多个范畴。

上一篇:很多职业“大咖”集合射阳 为无损检测技能立异出谋划策

下一篇:家具环保监测新规范 无损检测估计年内施行