美国能源部（DOE）橡树岭国家实验室（ORNL）的研究人员开发出一款新型工具，能够在3D打印大型塑料复合材料零件时，实时发现并纠正潜在错误。借助这一自动化系统，美国制造企业有望以更少的缺陷生产大型定制零件，从而减少材料浪费、降低生产成本，并增强包括3D打印在内的增材制造领域的国内竞争力。

大型3D打印通常通过机器人喷嘴挤出加热的塑料复合材料，一层层堆叠形成零件，例如建筑领域的墙体结构，或交通运输领域的飞机机翼、汽车保险杠等。打印过程中，层与层之间需要在足够高的温度下实现良好粘合，同时又要保持形状稳定，这涉及多种工艺参数的平衡与持续监控，是一项复杂的制造过程。

ORNL团队研发了一种自动监督控制器，用于替代人工对过程的持续盯守，让操作人员可以将精力投入到更复杂的任务上。该控制系统集成了多种传感器，用于跟踪机器人喷嘴的位置、打印速度以及挤出塑料的温度。研究人员还在喷嘴周围布置了多台低成本热成像摄像头，用来监测已沉积塑料在冷却过程中的温度变化。

计算机视觉赋能大型3D打印的实时控制

这套控制器依托计算机视觉技术——一种让机器能够理解和分析图像的人工智能方法——在实时热成像画面中识别热材料的位置和温度分布。如果控制器检测到温度偏离目标范围，就会自动调整3D打印速度，使每一层在下一层沉积前冷却到预设温度。通过这种方式，可以保证层间形状和粘结质量，降低打印失败率并减少材料浪费。

项目首席研究员Kris Villez表示：“我们的控制器能够感知正在发生的情况并实时做出反应，这正是创新之处。”他与田纳西大学研究生Chris O'Brien合作完成了这项研究。“它几乎像人一样控制过程：通过观察并不断微调设置，直到达到预期效果。”

为验证系统性能，团队首先对控制器进行校准，并调整安装在机器人喷嘴上的六个热成像摄像头，使其紧密排布。整个装置看起来像一根缠绕着彩色电线的金属管柱，悬挂在一台箱车大小的3D打印机内部。研究人员计划观察降低打印速度对层间温度的影响。随着每一层塑料被沉积，打印床会略微下降，为新一层材料留出空间。

在测试中，机器打印了一个尺寸大于卡车轮胎的六边形结构，以展示控制器在全尺寸零件上的表现。打印初始阶段故意采用较低速度，以增加控制难度。结果显示，当下一层开始打印时，材料温度比目标值低了约30%。控制器检测到这一偏差后，自动提高打印速度，使层间温度回到最佳范围，从而维持良好的融合效果，展示了系统的实时纠错能力。

O'Brien指出，这一工具能够识别并修正仅相差几摄氏度的温度偏差，而这类微小变化往往是导致零件损伤的常见原因。

与部分需要针对每个新零件设计重新训练的监控系统不同，ORNL的控制器无需为不同设计单独训练模型，从而节省时间和计算资源，并提升系统的通用性。Villez表示，该工具被设计为可适配任何大面积复合材料打印机、任何类型的塑料材料以及任意几何形状。

该模型利用机器学习构建了一个与实际打印过程相对应的虚拟复制体，即“数字孪生”。借助这一数字孪生，研究人员可以在不影响真实生产的前提下，对新形状和新材料进行试验和优化，降低风险。

ORNL推进3D打印实时错误校正研究的新阶段

ORNL在提升增材制造的精度、经济性和可扩展性方面处于国际前沿。本项目延续并拓展了ORNL与普渡大学、缅因大学此前的合作成果。早期研究表明，将热成像与统计模型结合，可以显著提升大型3D打印过程中的故障检测能力。近期，田纳西大学诺克斯维尔分校与ORNL的研究人员进一步证明，该方法能够可靠识别打印速度与设定值仅相差15%的情况。

此前的工作主要实现了故障识别的自动化，而这一次的新系统则更进一步，将“发现问题”扩展为“实时纠正问题”。

Villez表示：“让这些机器变得更智能、更灵敏，还有很大的发展空间。我们的最终目标是让它像烤面包一样简单：设定好烤箱温度，把面团放进去，等时间到了再回来查看是否烤好，而不需要在烘烤过程中一直盯着温度变化。”

通过自动化控制，技术工人不再需要持续监控打印过程，可以将更多精力用于优化打印速度、零件形状和结构强度之间的平衡。这种角色转变和关注点的拓展，有望推动大型3D打印在冷藏集装箱、船体模具、建筑墙体等应用场景中的更广泛落地。

参与该项目的其他研究人员还包括ORNL的Katie Copenhaver和Alex Roschli。