在增材制造中通过机器学习支持的高分辨率光纤传感器进行地表下热量测量
Rongxuan Wang1, Ruixuan Wang2, Chaoran Dou3
1Department of Industrial and Systems Engineering, Auburn University, Auburn, AL, USA.
Nature communications
|August 31, 2024
概括
一个由机器学习增强的新型光纤传感器,精确地测量金属增材制造中的地下表面温度. 这一突破提高了空间分辨率,用于在打印过程中研究复杂的热力学.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 光学传感传感器是什么?
背景情况:
- 在增材制造的零件中微观结构的演变决定了机械性能.
- 层级印刷涉及复杂的热循环 (重新化,重新加热) 影响微观结构.
- 目前的分析依赖于耗时的数值模型,因为有限的地下温度测量.
研究的目的:
- 为增材制造开发一种有效的地下温度测量技术.
- 为了克服传统光纤传感器的空间分辨率限制.
- 为了能够详细研究金属3D打印过程中的热现象.
主要方法:
- 实施一种机器学习辅助的方法来调节状纤维布拉格格 (CFBG) 传感器信号.
- 开发一种强大的传感器嵌入技术,用于激光增材制造.
- 使用CFBG传感器进行高分辨率的热分布映射.
主要成果:
- 实现了空间分辨率从毫米到28.8微米的显著改善.
- 成功证明了传感器能够测量尖的热梯度和快速冷却速度的能力.
- 开发了一种嵌入脆弱传感器的方法,使其损坏最小,并确保密切接触.
结论:
- 机器学习辅助的CFBG传感器为增材制造中的实时地下温度监测提供了一个强大的工具.
- 这种技术克服了以前在空间分辨率和传感器脆弱性方面的局限性.
- 开发的传感器系统具有很大的潜力,可以促进对金属增材制造物理学的基本理解.


