基于机器学习的连续纤维增强复合材料3D打印在线监测与闭环控制

摘要整理

确保三维（3D）打印连续纤维增强复合材料的力学性能一致性是增材制造领域的重大挑战。当前依赖人工监测的方式使工艺易受环保境变化和突发因素影响，导致缺陷和产品质量不稳定，尤其在无人长期运行或极端环境打印中问题突出。本研究开发了一套3D打印过程监测与闭环反馈控制策略。通过实时采集打印图像数据，利用训练完善的神经网络模型进行分析，建立了基于实时控制模块的流量闭环反馈控制系统。该神经网络模型采用图像处理与人工智能技术，对流量值的识别精度达94.70%。实验结果表明，打印复合材料的表面性能和力学性能均显著改善，拉伸强度和弹性模量分别提高3～6倍，充分验证了该策略的有效性。本研究为连续纤维增强复合材料3D打印提供了通用的过程监测与反馈控制方法，为无人或极端空间环境下的远程在线监测与闭环调控提供了潜在解决方案。

相关论文