de.wedoany.com-Bericht: Das Oak Ridge National Laboratory (ORNL) hat ein neuartiges Steuerungssystem für die Fertigung entwickelt, das während des großformatigen 3D-Drucks in Echtzeit Fehler erkennen und korrigieren kann, um die Zuverlässigkeit der additiven Fertigung zu verbessern.
Das System hilft Herstellern, große Verbundbauteile zu produzieren, indem es Defekte, Materialverschwendung und Produktionskosten während des additiven Fertigungsprozesses reduziert. Bei der großformatigen additiven Fertigung werden erhitzte Kunststoffe schichtweise durch Roboterdüsen abgeschieden, um Strukturen wie Gebäudewände, Fahrzeugkomponenten oder Flugzeugteile herzustellen. Der Prozess erfordert eine strenge Kontrolle von Variablen wie Temperatur, Düsengeschwindigkeit und Abkühlrate, um sicherzustellen, dass die Schichten ausreichend verschmelzen, ohne sich zu verformen.
Das ORNL-System kombiniert herkömmliche Sensoren mit kostengünstigen Wärmebildkameras, die um die Druckdüse herum angebracht sind. Computer Vision – eine Künstliche Intelligenz zur Bildinterpretation – ermöglicht es dem System, Echtzeit-Temperaturdaten zu analysieren und Temperaturabweichungen während des Materialauftrags zu erkennen. Wenn Unstimmigkeiten festgestellt werden, passt die Steuerung automatisch die Druckgeschwindigkeit an, um sicherzustellen, dass jede Schicht vor dem Auftragen der nächsten auf die richtige Temperatur abkühlt. Der leitende Forscher Kris Villez erklärte, die Innovation der Steuerung liege in ihrer Fähigkeit, die Situation in Echtzeit zu erfassen und darauf zu reagieren, fast wie ein Mensch, der den Prozess steuert: beobachten und die Einstellungen feinjustieren, bis das gewünschte Ergebnis erreicht ist.
Chris O'Brien, ein Doktorand der University of Tennessee, Knoxville, der mit ORNL-Forschern zusammenarbeitet, wies darauf hin, dass das System in der Lage sei, Temperaturunterschiede von nur wenigen Grad zu erkennen und zu korrigieren, was entscheidend sei, da kleine Abweichungen zum Versagen des Bauteils führen könnten. In Tests fertigten die Forscher ein sechseckiges Bauteil, das größer als ein LKW-Reifen war. Als die anfänglichen Druckbedingungen dazu führten, dass das Material vor dem Auftragen der nächsten Schicht auf etwa 30 % unter das Ziel abkühlte, passte das System automatisch die Druckgeschwindigkeit an, um die richtigen Temperaturbedingungen wiederherzustellen, und demonstrierte damit seine Echtzeit-Korrekturfähigkeit.
ORNL-Forscher gaben an, dass die Steuerung im Gegensatz zu einigen Überwachungsmethoden nicht für jedes neue Design neu trainiert werden müsse, was den Rechenaufwand reduzieren und die Flexibilität zwischen verschiedenen Druckern, Materialien und Bauteilgeometrien erhöhen könnte. Villez erklärte, das System sei darauf ausgelegt, mit jedem großformatigen Verbunddrucker, jeder Art von Kunststoff und jeder Form kompatibel zu sein.
Diese Forschung baut auf früheren Arbeiten des ORNL in Zusammenarbeit mit der Purdue University und der University of Maine auf, die die Kombination von Wärmebildtechnik mit statistischer Modellierung zur Defekterkennung in der großformatigen additiven Fertigung untersuchten. Villez sagte, der nächste Schritt sei die Erhöhung des Automatisierungsgrads in der Fertigungsumgebung, um diese Maschinen intelligenter und reaktionsfähiger zu machen. An dem Projekt waren auch die ORNL-Forscher Katie Copenhaver und Alex Roschli beteiligt, und es wurde vom U.S. Department of Energy Office of Science und dessen Advanced Materials and Manufacturing Technologies Office unterstützt. UT-Battelle verwaltet das ORNL für das Office of Science des Energieministeriums.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
