阅读说明：本技术 提供用于增材制造的数据集的方法及对应的质量控制方法 (Method of providing a data set for additive manufacturing and corresponding quality control method ) 是由 P·阿弗多维克 J·福南德 A·格莱琴 于 2018-04-12 设计创作，主要内容包括：提出了一种提供用于增材制造的数据集(DS、DT)的方法,该方法包括在待制造构件(10)的至少一层(L<Sub>N</Sub>)的增材构造期间,收集(S1)用于数据集的第一类型数据(I1),借助于第一类型数据来评估(S2)层的结构质量,修改(S3)第一类型数据(I1),其中从第一类型数据(I1)中删除数据中的表示层(L<Sub>N</Sub>)的结构质量不足的部分数据,以及将第二类型数据(I2)叠加(S4)至第一类型数据(I1),其中第二类型数据(I2)适用于支持对所制造构件(10)的结构质量地验证。此外,还提出了一种对应的质量控制方法。(it is proposed a method of providing a data set (DS, DT) for additive manufacturing, the method comprising at least one layer (L) of a component (10) to be manufactured N ) During the additive building, collecting (S1) first type data (I1) for the data set, evaluating (S2) the structural quality of the layer by means of the first type data, modifying (S3) the first type data (I1), whereinRemoving a presentation layer (L) in data from a first type of data (I1) N ) And superimposing (S4) the second type of data (I2) onto the first type of data (I1), wherein the second type of data (I2) is adapted to support a structural quality verification of the manufactured component (10). In addition, a corresponding quality control method is also provided.)

提供用于增材制造的数据集的方法及对应的质量控制方法

技术领域

本发明涉及一种提供用于构件的增材制造的数据集的方法以及对应的质量控制方法。此外，还描述了一种对应的计算机程序、AM方法和被对应地制造的构件。

优选地，该构件表示应用于涡轮机的构件，例如，燃气轮机的流路硬件中的构件。因此，该构件优选由超合金或镍基合金制成，尤其是由沉淀硬化合金、固溶硬化合金或时效硬化合金制成。

在制造的上下文中，术语“增材”应当尤其表示逐层、生成性的和/或自下而上的制造过程。如本文所述的增材制造还可以涉及快速原型制造。

背景技术

增材制造技术(AM)例如包括粉末床法，粉末床法诸如是选择性激光熔化(SLM)、或选择性激光烧结(SLS)或电子束熔化(EBM)。这些方法是相对公知的方法，用于例如从粉末材料制作、原型制造或制造部件或构件。用于这种方法的传统装置或设备通常包括制造平台或构造平台，构件在该平台上被逐层构造，在一层基材被馈送后，该基材继而可以例如通过激光束的能量被熔化并随后固化。层厚度通过刮刀确定，例如，刮刀在粉末床上方自动移动并去除多余材料。典型层厚度总计为20μm或40μm。在制造期间，上述激光束在表面上方扫描并在选定区域上熔化粉末，选定区域可以由CAD文件根据待制造的构件的几何形状预先确定。

例如，EP2601006B1中描述了一种选择性激光熔化方法。

EP2666612A1描述了一种通过生成制造方法制造的三维部件的成像方法。该方法包括以下步骤：在制造期间经由检测单元获取部件的至少两层图像，检测单元被配置为空间分辨地获取表征为输入到部件中的能量的测量值。该方法还包括在处理单元中通过所获取的层图像生成部件的3D图像，以及最后利用显示单元对3D部件成像。

本文中所使用的术语“层”尤其表示待制造构件的物理层或切片，以及例如CAD或图像文件中的虚拟层或描述虚拟层的数据。

AM领域中的一个特别问题在于过程的再现性和对所制造的材料/构件的结构属性的可预测性和验证。

目前，例如物理实体的任意种类的过程参数与待制造结构或其模型之间的真正复相关或多复相关根本无法容易地可视化。推断例如3D打印或AM处理失败的原因取决于AM技术人员的经验或以手动方式进行的极其耗时的数字数据比较(如果存在大量传感器数据的话)。

措施的相关领域是使用分层照片或其它单传感器数据的所谓的“光学层析成像”。

在分层增材制造(LAM)期间，例如选择性激光熔化(SLM)，复杂的物理过程会影响3D打印或制造的成果。目前，在大多数情况下并不清楚随时间和几何形状的何种物理影响决定过程的质量。这些影响的示例可以是SLM-机器特性、粉末床上方的气流模式、粉末质量、粉末床的温度、暴露于束辐射时的实际层厚度、激光或束质量、来自粉末床表面的辐射等等。

发明内容

本发明解决了如何使随时间的多复相关视觉化的挑战，并且更重要地，本发明直接将相应信息记录或提供到被打印部件的3D表达中。

上述目的通过独立权利要求的技术方案实现/解决。优选实施例是从属权利要求的技术方案。

本发明的一个方面涉及一种提供用于增材制造的数据集的方法，包括以下步骤：

-在待制造的构件的至少一层的增材构造期间，收集用于数据集的第一类型数据，

-通过第一类型数据评估和/或修改层的结构质量，

-修改第一类型数据，其中从第一类型数据中删除数据中的表示层的结构质量不足的部分数据。

层的上述结构质量不足可能与层中的粉末或颗粒特性有关，例如根据部件的预定几何形状，结构质量不足是在不打算进行固化的粉末层区域中。附加地或替代地，可以处理已经暴露于能量束的粉末床区域的不良结构质量(例如固化和/或过程失败)。

该方法还包括将例如被获取或被预定义的第二类型数据叠加至第一类型数据，其中第二类型数据适用于支持对所制造构件的结构质量的验证。

术语“适用”在给定上下文中尤其表示对给定类型数据(第二类型)的观察和/或变化引起所制造部件中的结构改变。

还应当理解的是，第一类型数据(例如光学图像信息)当然也适用于支持或允许结构质量的验证。

所提出构思的一个优点在于，为了深入的过程理解、在线过程监控、自主实时过程控制和/或机器学习的目的，使多复传感器数据和复合传感器数据可以作为三维覆盖图以图形形式而被访问。通过本发明，可以促进特定增材制造过程的原位以及非原位监控。光学层析成像为用户提供了对3D构造过程或过程历史的良好认识或深刻了解。通过深入的过程理解，该过程理解能够对所制造部件的结构属性、机械属性和/或热机械属性进行可再现且可靠预测，可以在过程之后省去昂贵的非破坏性测试方法，例如超声波或X射线测试。例如，通过空间或分层分辨光学显微镜形成潜在缺陷的图形表达仅是进入正确方向的一个良好步骤，但停留在“仅”表明存在缺陷或瑕疵的事实。即使其它参数(例如进入粉末床的能量束或热引入的参数)以分层的方式与该光学或图像数据相关联，仍然无法达到本发明所预期的深入的过程理解。

因为本发明更有助于解释为什么缺陷或过程失败已经发生，本发明得以进一步发展。与现有技术的成像方法相比，所提出的构思通过提供数据集来实现，从而提供由AM制造的单个构件的(几乎)真实数字复制品。

此外，当本发明被完全实现时，将提供增强的AM制造过程(实际上是在线的制造过程，即，当该过程被执行(实时控制)时的制造过程)，并且最终将在相似过程偏差发生之前避免相似过程偏差的发生。

所给出的手段解决了当今制造技术的关键需求，即，更好的AM过程再现性和结构理解。由于数字化的重要性日益增加和/或工业4.0或物联网的影响日益增加，增材制造过程如今正经受巨大的、甚至颠覆性的改变。

当涉及几何复杂构件和/或结构(例如包括复杂(合金)成分)的增材制造时，对更好的过程理解的需求变得更加明显。由超合金制成的涡轮的热应力部件，例如，需要提供优异的机械强度、抗热蠕变变形性、良好的表面稳定性和抗腐蚀性或抗氧化性。因此，超合金构件的开发严重依赖于物理革新、化学革新以及特别是过程革新。

本发明的另一方面涉及一种利用如上所述的数据集的或包括如上所述的数据集的质量控制方法。

在一个实施例中，第一类型数据包括层的或用于层的光学或图像数据或信息、显微数据、CAD数据(例如几何信息)、CAM数据和数控数据。

在一个实施例中，第二类型数据和/或另一类型数据(例如第三类型数据)包括从该层的或用于该层的制造设备或另一传感器设备收集或读出的例如温度、压力、气流、束属性信息或关于熔池或粉末床的信息。

在一个实施例中，第二类型数据以及其它类型数据(第三类型数据)被收集并与第一类型数据叠加。该实施例进一步致力于解决本发明的问题。

在一个实施例中，第二类型数据和/或第三类型数据可以在数据处理设备中被切换为开和关，以便验证构件的或者用于构件的所制造的层的结构质量。

在一个实施例中，算法获取在用于构件的每个层中的粉末床中的粉末未被固化或被错误固化的区域。通过该实施例，可以进而方便地对如上所述的第一类型数据进行修改。

在一个实施例中，数据集是所制造构件的可视化3D数据集和/或层析成像3D数据集。

在一个实施例中，生成数据集的彩色、纹理或以其它方式图形增强的3D表达。这允许例如制造设备的操作者方便地管理或研究数据集，从而管理或研究构件的数字复制件或制造过程。

在一个实施例中，例如借助于数学方法，对不同的和/或叠加的多个类型数据实施相关算法，并且其中这些相关信息转而被输入到机器学习算法中。

本发明的另一方面涉及一种包括如上所述的数据集的质量控制方法和/或该数据集的提供方法。

本发明的另一方面涉及一种计算机程序，当该计算机程序被执行时，该计算机程序适用于指示数据处理设备执行方法步骤中的至少一些方法步骤。

本发明的另一方面涉及一种构件的增材制造方法，其中应用了上述质量控制方法和/或提供方法。

本发明的另一方面涉及一种通过如上所述的增材制造方法增材制造或可增材制造的构件。

与所描述的提供方法、计算机程序和/或所描述的质量控制方法相关的优点也可以与增材制造方法和/或构件相关，反之亦然。

附图说明

通过以下结合附图对示例性实施例的描述，其它特征、便利性和有利改进将变得显而易见。

图1示出说明本方法的方法步骤的简化流程图。

图2示出本发明方法的构思的示意性象形图。

图3示意性地示出增材制造设备。

相似元件、同类元件和相同作用的元件在附图中可以用相同的附图标记表示。

具体实施方式

图1特别示出提供数据集(参见下面的DS)的以下步骤的流程图：

步骤1(S1)：借助于摄影(第一类型数据，参见下面的I1)记录分层增材制造过程(LAM)的每一层，摄影最可能是通过位于腔室顶部(即，例如如图3所示的构造空间BS的上部)的相机，该相机具有或高或低尺寸的分辨率。如果z方向上的间距与发送至3D打印机或AM制造设备的CAM文件的层厚度相同，则这提供了创建三维(数据)模型的可能性。如上文所述，步骤S1可以涉及收集第一类型数据的步骤。

步骤2(S2)是可选的(参见虚线轮廓)：例如算法识别或评估每个图片中每个图片的哪些部分在粉末床中不受影响(未被固化)(或在作为AM过程的立体光刻的情况下是流体)。这样，对于技术人员来说可能已知的算法还评估相应层的结构质量。对未被固化的粉末床段的这种识别优选直接在拍摄各个单独图片后进行(在线监控)。如果省略步骤S2，则分析的焦点不仅针对待打印的部件，还可以用于将粉末床相关现象包含在分析工作中。

步骤3(S3)：从每个图片的像素表达中扣除或删除每个图片的粉末床段。直接在拍摄各个单独图片后从每个图片中删除未被固化的粉末床段。步骤S3可以是实时计算，并且进一步涉及如上所述的修改第一类型数据的步骤。

步骤4(S4)：在从步骤1到步骤3所准备的图片中的每个图片上，以图形形式收集和/或叠加一个或多个附加传感器数据类型(第二数据类型和/或第三类型数据，参见下面的I2、I3)。作为一个示例，可以设想来自附加红外相机的温度读数。通过这样做，附加传感器数据不仅可以以正确的时间相关性(“在打印进程的多少秒处”)可视化，而且可以直接以正确的空间顺序可视化：例如，在构件的构造物的层2333中，传感器数据X1(见下文)发生了改变，这示出了X1的批准公差带(＝“良好处理”)被放弃-这就是构造物在层2334崩塌的原因。

步骤5(S5)是可选的：将一个或几个或除一个以外的所有附加传感器数据集切换为开和关给出了AM技术人员或操作者更深入理解的前提。

步骤6(S6)是可选的：构造物的分层影像证据组合的彩色、纹理或以其它形式图形增强的3D表达、以及加上在右层图片上的图形形式的一个或几个附加传感器数据集，继而可以被用于数据集的虚拟“漫游(fly-throughs)”、研究或评估。这种产生可用复相关的方式已经显示出对于深刻的材料或结构见解是有效的。

步骤7(S7)是可选的：从步骤5和步骤6标识的相关性继而可以在数学模型和算法中被描述。

步骤8(S8)是可选的：如上所述的算法和数学模型继而可以被用于机器学习练习。

当前数据集可以是“.jz”格式，并提供与可再现且全面地描述AM制造过程相关的所有信息。数据集也可以是CAM数据或包括CAM数据。

所描述的方法步骤也可以被应用于所提出的质量控制方法和/或增材制造构件的方法(在附图中未明确指出)。

图2的象形图优选地示出标识AM打印过程的特性的表达或数据集，即，描述由打印过程呈现的子系统的传递函数的动态参数。

F₀(t)(见下文)可以表示以下参数或包括以下参数：作为时间函数的粉末属性、惰性气体流、激光属性等。

另一方面，Δd(t)可以描述构件的偏差，偏差涉及制造中所包含的缺陷，因而这涉及几何完整性查核检验。

本文所提供的数据集或对应的工具、或处理设备，还可以使操作者能够在没有特定物理或化学知识的情况下使用该工具或设备(参见图3中的数字100)。

操作者还应能够在线影响制造过程(自适应过程)，例如根据复杂性来加快和降低构造速度，并且从几何形状、尺寸、表面完整性方面分析构件或其特定层，以及报告数据或发现特定兴趣。

图2的象形图中所示的参数可以表征如下：

X(t)：激光器与CAD模型之间的相对位移。

F(t)：瞬时值，以及F₀(t)-标称值。

Δd(t)：相对位移X(t)的总偏差。

P(t)和Pd(t)是热膨胀、参数建立速度的改变、厚度改变等所带来的扰动。

参数ΔF可以表示相关性因子，如图2所示，相关性因子诸如是构造速度、氩气或惰性气体馈送/速度、关于CAD模型的信息、关于熔池或其动力学的信息、关于粉末床的信息、关于所制造的层的光学和/或显微图片或图像的信息、层厚度、再涂覆器馈送/速度和/或例如关于制造执行系统(MES)的任何信息。

上述相关性因子还可以表示或描述关于制造后(结构和/或化学)分析的信息，例如计算机层析成像、电子显微镜或其它手段。

参数Δd(t)可以表示所制造构件或其结构相比于对应的CAD模型的差异。

所提出的提供数据集的方法可以是可视化、控制或监控AM制造构件的属性的方法。所提出的过程可以是自适应过程和/或交互式过程，借助于该过程可以监督和/或在线控制构件的制造构造。例如，当超过缺陷的特定阈值或公差时，更特别地，当构件结构中出现破裂时，过程参数可以在构件的构造期间被在线调节。

所提出的方法允许在没有关于所制造构件本身的结构或材料的特定知识的情况下使用该方法或工具(当在数据处理设备中实现时)。

此外，所有必要信息都可以被显示在诸如触摸屏的屏幕上。

也可以转动和触摸模型中的构件。

此外，可以在待制造结构的内部以及外部读取或编辑过程参数。

图3示意性示出了增材制造设备100。该设备包括或提供三维构造空间BS(参见在左侧具有平移维度x、y和z的坐标系)。在构造空间BS内，构件10优选以其实际通过增材过程(例如粉末床PB外的选择性激光熔化)被制造的状态被布置。由此，构件10通过所示的多个层L_N制造。层的数目可以容易地达到一千层甚至一万层或更多。

在设备100的右上角示出显示器20，该显示器20尤其包括触摸屏TS，显示器20示出了构件10的数字(图像)数据。

所呈现的数据集的信息或数据可以(例如在其值和朝向方面)通过触摸屏TS进行编辑、修改、滚动浏览、变更或改变，以获得关于构件10的所建造结构的知识。构件10的图像可以是数据集DS或数据结构的一部分。用于构件10或构件10的数字复制件DT可以与数据集DS同义地引用。换句话说，上述数据集DS优选是构件10的可视化、图形和/或层析成像3D数据集。

如构造空间BS中物理构件10的左边所示，图3的右侧的构件(或其数字模型)被细分为多个层L_N。

根据本发明，每层包括一组子数据或信息I1、I2、I3直到IN。这些数据或信息可以涉及光学或图像数据、显微数据、诸如几何信息的CAD数据、CAM数据和/或数控数据和/或温度信息、压力信息、气流信息或关于层的或用于层的熔池或粉末床的信息。I1、I2、I3直到IN也可以涉及本文结合图2描述的任意信息。

例如，I1可以表示所制造层的光学图像数据。替代地，显微照片或其它显微图像信息也可以被包括在I1中。优选地，在构件10的增材构造期间，每层L_N记录一个图像，从而对于整个构件，(例如在数据处理设备中)N个图像被收集并且存储来仅用于子数据I1。附图标记I2例如可以表示温度数据或压力数据或如上所述的任意其它数据。

根据本发明，如图形显示器20中的气泡所示，至少数据I1和I2继而被优选地叠加，从而可以利用本发明的优点。

所提到的子数据I1、I2、IN可以进一步借助于数学方法来实施相关算法。由此，相关信息或进一步收集的数据可以依次被机器学习算法处理，从而允许借助于本发明提供的数据集DS的“数字复制件”来最方便且真实地调查过程和材料属性。

因此，描述或(综合地)表征结构复杂构件10的层的参数的数目可以容易地超过100。仅为了给出所提及的值I1、I2到IN的其它示例，上述信息或信息的片段可以涉及：层厚度、熔池几何形状、单位体积或面积的热冲击、激光波长、阴影线距离(即，相邻扫描线的间距)、束速度、束点的几何形状、束角、吹扫气体的类型、吹扫气体的流速、可能的排出气体的流速、气体阀的状态、构造工作之前或构造工作期间的设定环境压力、基材的状态(即，质量)等等。

借助于可以被分配给上述每一层的参数、值或信息，显而易见的是，构件10的全面质量控制手段也可以由数据集提供，借助于该数据集，当在构件10制造完成之后扫描或滚动浏览数据集DS的不同层L_N时，还可以追溯地控制“质量”，例如机械结构和化学成分。在数据集DS中，由于单条信息(例如，参见I3、IN)可以被去激活或切换为开和关，所提出的方法或数据集还允许用于改进分析过程。

本发明的保护范围不限于上文给出的示例。本发明体现在每个新颖特征和特征的每个组合中，尤其包括权利要求中陈述的任意特征的每种组合，即使该特征或特征组合未在权利要求或实施例中明确说明。