【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及增材制造工艺，尤其是3d打印和3d打印机。
技术介绍
1、在3d打印中，某些工艺(例如，sla或dlp)创建部件，其中光敏树脂逐层固化。在这些工艺的常见变型中，曝光是从下方通过透明的底部进入料桶中来进行的。
2、在3d打印(这里：dlp工艺)中，通过空间选择性紫外线照射使光敏树脂逐层硬化。生坯(＝直接在打印后的部件)中聚合物材料(＝光敏树脂)的局部交联度由剂量分布(＝作为部件中的位置的函数的紫外光吸收量)决定。
3、剂量分布可能受到部件几何结构的层分解的选择、曝光掩模内的亮度分布、和每个待打印层的曝光时间等等因素的影响。
4、生坯中聚合物材料的局部交联度决定了3d打印的精度和所打印的部件的机械性能这两者。影响部件的精度的因素包括穿透性曝光(z渗透)和由于聚合收缩引起的翘曲(也在打印后的曝光后期间)。可能会受到生坯中局部交联度的影响的所打印的部件的机械性能例如为屈曲强度、断裂伸长率、硬度等等。通过改变曝光策略优化剂量分布或实现精度和机械特性方面的最低要求典型地通过其中监测各个参数变化的影响的打印作业/测试来进行。虽然剂量分布本身通常不是打印作业的可观察对象，但是可以观察现有剂量分布的后果。
5、借助模拟，可以很容易地根据打印作业的给定曝光数据(＝截面视图、构建平台的进料、功率密度和曝光时间，即3d打印机处理的基本工艺数据)来计算部件中的剂量分布。另一方面，在另一个方向上的计算，即如何通过选择曝光数据来实现期望剂量分布，则要复杂得多。
技术实现
1、目前，专利技术人没有发现任何现有技术可以有效地将期望剂量分布映射到曝光数据的特定选择。对于此类问题(在一个方向上计算简单，在另一个方向上计算复杂)，借助神经网络进行优化是适合的，因为“在容易的方向上”的计算/模拟能够容易地生成用于神经网络的训练数据，这能够解决“在困难的方向上”的问题。
2、本专利技术的一个目的在于提供一种使用神经网络通过优化曝光数据来计算曝光策略以实现期望剂量分布的方法。
3、本专利技术的另一目的在于提供一种根据计算出的曝光数据来打印部件的3d打印系统。
4、这些目的通过根据权利要求1所述的方法和根据权利要求10所述的3d打印系统来实现。从属权利要求的主题涉及进一步的开发以及优选的实施例。
5、根据本专利技术的方法用于借助3d打印机来打印部件。该方法包括以下步骤：借助cad/cam软件将期望剂量分布输入到神经网络中，所述期望剂量分布用作为待打印的部件内的位置的函数的紫外光吸收量表示；借助神经网络计算包括曝光数据的曝光策略，该曝光数据最佳地映射用于部件的指定的期望剂量分布；利用计算出的曝光数据打印部件。
6、根据本专利技术的3d打印系统包括3d打印机。3d打印机包括：料桶，其具有至少部分地透明的底部，用于接纳用于生产固体部件的液态光敏树脂；构建平台，用于从料桶逐层地拉出部件；投影仪，用于使用曝光数据将层几何结构投影到所述透明的底部上；输送装置，用于至少使构建平台在料桶中向下和向上移动；以及控制设备，用于控制投影仪和输送装置。
7、3d打印系统具有神经网络。可替代地，3d打印机具有用于接收由神经网络计算出的曝光数据的通信接口。控制设备致使根据计算出的曝光数据打印部件。
8、本专利技术的有利效果在于，能够由根据本专利技术的方法至少部分地替代或支持通过打印作业/测试确定曝光数据的传统做法。这使得可以能够加速曝光数据的确定或计算，并且能够找出更好的曝光策略。利用改进的曝光策略，能够在打印速度、精度和机械性能方面实现更好的打印结果。
9、神经网络优选地接收期望剂量分布作为输入，该期望剂量分布是基于先前的打印测试/作业经验通过工艺开发来确定的。
10、如果另外将待打印的部件的数字模型输入到神经网络，则神经网络优选地计算待打印的部件的层分解。除了三角剖分之外，还可以使用数字模型的其他已知表征，例如，体积模型。
11、优选地可以使用源自模拟/计算的训练数据来训练神经网络，在所述模拟/计算中，针对打印作业的给定曝光数据(例如截面图像、构建平台的进料、功率密度和曝光时间，即3d打印机处理的基本工艺数据)计算部件中的剂量分布。
12、优选地可以通过量度(例如，评分)来优化神经网络，该量度表征期望剂量分布与由神经网络建议的曝光数据产生的剂量分布之间的偏差。作为量度的标准也可以优选地包括由曝光数据产生的打印时间或速度、机械特性、和/或尺寸精度。可以在打印测试/作业中验证结果。也就是说，通过用神经网络优化而确定的曝光策略可以直接在打印测试/作业中应用和评估。评估标准则可以是可观察对象，例如打印速度、尺寸精度和/或机械特性。
13、本专利技术的有利效果在于，能够通过被训练成确定曝光数据的神经网络来有效地计算优化的曝光策略。因此，3d打印机的操作和特定的3d打印作业这两者都能够在打印速度、精度和机械性能方面得到最佳执行。
14、神经网络可以由硬件或软件来实施。神经网络可以作为硬件或软件成为3d打印系统的组成部分。可替代地，神经网络可以与3d打印系统分开设置，例如作为cad/cam软件的一个部件，并且经由通信接口将计算出的曝光数据提供给3d打印机。例如，神经网络可以在云端运行。
本文档来自技高网...【技术保护点】
1.一种借助3D打印机(1)打印部件的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，借助源自模拟的训练数据训练所述神经网络，其中，在每次模拟中，针对打印作业的预定曝光数据计算所述部件中的剂量分布，所述预定曝光数据包含由所述3D打印机处理的工艺数据。
3.根据权利要求1和/或2所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括所述期望剂量分布与由所述神经网络建议的所述曝光数据产生的剂量分布之间的偏差。
4.根据前述权利要求中至少一项所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括由所述神经网络建议的所述曝光数据产生的打印时间或打印速度。
5.根据前述权利要求中至少一项所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括由所述神经网络建议的所述曝光数据产生的机械特性值。
6.根据前述权利要求中至少一项所述的方法，其特征在于，在训练所述神经网络时，作为优化的量度的标准还包括由所述神经网络建议的所述曝光数据产生的尺
7.根据前述权利要求中至少一项所述的方法，其特征在于，另外还将待打印的所述部件的三角剖分输入到所述神经网络中，并且所述神经网络计算待打印的所述部件的层分解。
8.根据前述权利要求中至少一项所述的方法，其特征在于，所述神经网络由硬件或软件实现，所述软件包括计算机可读代码，所述计算机可读代码当在连接至或能够连接至3D打印机(1)的计算单元上执行时使所述3D打印机(1)根据计算出的所述曝光数据打印所述部件。
9.一种计算机可读的设备或存储介质，其特征在于，所述设备或存储介质分别包括根据权利要求8所述的硬件或软件。
10.一种3D打印系统，包括3D打印机(1)，其中，所述3D打印机(1)包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种借助3d打印机(1)打印部件的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，借助源自模拟的训练数据训练所述神经网络，其中，在每次模拟中，针对打印作业的预定曝光数据计算所述部件中的剂量分布，所述预定曝光数据包含由所述3d打印机处理的工艺数据。
3.根据权利要求1和/或2所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括所述期望剂量分布与由所述神经网络建议的所述曝光数据产生的剂量分布之间的偏差。
4.根据前述权利要求中至少一项所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括由所述神经网络建议的所述曝光数据产生的打印时间或打印速度。
5.根据前述权利要求中至少一项所述的方法，其特征在于，在所述神经网络的训练期间，作为优化的量度的标准还包括由所述神经网络建议的所述曝光数据产...
【专利技术属性】
技术研发人员：C·斯塔尔，
申请(专利权)人：登士柏希罗纳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。