基于多源异构传感的增材制造过程监测与质量控制研究

Additive manufacturing (AM) offers significant advantages over conventional manufacturing techniques, including reduced material waste, reduced time-to-market, and fabrication of complex structures even not possible with traditional manufacturing processes. However, due to the process complexity and lack of effective online process monitoring methods, there still exist various quality issues, e.g., porosity, surface finish, dimensional accuracy, etc., which pose significant impedance for widespread adoption of AM processes. The goal of the proposed research is to develop an effective online process monitoring and quality control system based on multiple heterogeneous sensors for AM processes. Three fundamental research tasks are planned: (1) develop a fused deposition modeling (FDM) and selective laser melting (SLM) based test bed for data collection and methodology validation; (2) dynamic modeling of signal features and data fusion for defect estimation and prediction; and (3) quality-process and quality-mitigation strategy modeling for process and feedback control optimization. The success of the project will significantly advance real-time process monitoring and defect mitigation technologies for AM processes, leading to improved quality, productivity and eventually wide adoption of AM processes.

增材制造具有制造周期短、材料利用率高以及易于生产出传统工艺难以甚至无法加工的复杂结构等巨大优势，已经对航空航天、国防等领域产生了巨大影响。然而，由于过程工艺复杂以及缺乏有效的在线过程监控方法，目前增材制造仍然存在诸多质量问题，严重制约其大规模工业化生产与应用。本项目以沉积熔融和选择性激光熔融成型为研究对象，针对成型过程多物理现象以及当前在线监控基于单一功能传感的局限性，提出基于多源异构传感的在线过程监测与质量控制；研究在线监测信号特征与常见过程故障与质量缺陷之间的关联、在线信号动态演化建模与预测、以及数据融合技术实现成型过程在线监测与故障诊断；通过新型统计模型建立质量与工艺参数，以及校正措施与质量改进的关系，实现生产工艺参数以及反馈控制措施的优化。本项目将建立一套有效的基于多源异构传感的智能在线监测系统，为增材制造智能在线监测与质量控制提供理论依据与关键技术，具有重要的理论价值和实践意义。

增材制造具有制造周期短、材料利用率高以及易于生产出传统工艺难以甚至无法加工的复杂结构等巨大优势，已对航空航天、国防等领域产生了巨大影响。然而，由于过程工艺复杂以及缺乏有效的在线过程监控与质量控制方法，目前增材制造仍然存在诸多质量问题，严重制约其大规模工业化生产与应用。本项目以沉积熔融和选择性激光熔融成型为研究对象，针对成型过程多物理现象以及当前在线监控基于单一功能传感的局限性，提出基于多源异构传感的在线过程监测与质量控制。..重要成果包括：.（1）在SLM以及FDM 3D打印机上设计与搭建了包含红外热像仪、高速摄像机、温度、振动等众多传感器在内的多源异构传感监测平台；.（2）建立了一套基于微观组织显微图像的质量智能检测算法，实现质量的快速精准检测；.（3）研发了一系列包括贝叶斯层次模型、多输出高斯过程迁移学习、正交试验等方法在内的质量-工艺参数关联模型，实现在低成本下对工艺参数的优化设计；.（4）针对高维、多源异构传感数据，构建了一套基于深度学习与统计学习的数据融合、状态评估、在线监测与异常检测算法，实现3D打印过程在线状态监测与质量控制。..本项目在质量控制、人工智能、以及自动化领域发表包含IEEE T-PAMI, Technometrics, IISE Transactions, JQT, IEEE TNNLS等顶刊在内的论文17篇，申请和授权国家发明专利7项，软著1项，成果获得2020和2022年美国运筹与管理科学年会（INFORMS）最佳论文入围奖、2022年INFORMS最佳论文奖、2022年清华质量与可靠性研究员年会暨ICRMS国际会议最佳应用论文入围奖与最佳理论论文奖、2021年INFORMS QSR数据挑战赛冠军、2021年中国产学研合作促进会产学研合作创新成果二等奖等奖项。