用于粘结剂喷射增材制造工艺-结构-性能评估的分层原位条纹投影轮廓测量技术

《Journal of Manufacturing Processes》：Layer-resolved in-situ fringe projection profilometry for process–structure–property evaluation in binder jet additive manufacturing

　　

摘要

粘结剂喷射3D打印（BJP）能够以较低成本制造各种材料的复杂几何形状。然而，生坯质量和最终性能对逐层粉末铺展和粘结剂沉积的变化非常敏感，而这些变化难以在制造过程中原位量化，也很少被直接测量。本研究提出了一种基于条纹投影轮廓测量（FPP）的BJP原位监测框架，能够通过表面形貌进行逐层分辨的实际层厚、粉末堆积密度和粘结剂饱和度的估计，同时检测粉末铺展缺陷。FPP系统采用针对316L不锈钢打印过程中动态表面和反射率进行优化的相机-投影仪配置，并纳入特定于材料的投影强度策略以减轻传感器饱和问题。原位FPP测量与离位轮廓测量进行了验证，显示误差低于5%。从专门设计的单层实验中获取的FPP数据建立的相关模型能够实现实时逐层分辨的堆积密度估计，其中原位表面粗糙度增强使堆积密度预测精度提高了43%。结合FPP推导的实际层厚，这些测量值随后用于估计逐层粘结剂饱和度。将该框架应用于多层构建揭示了与名义设置存在显著偏差，实际层厚超出目标值10–124%，粘结剂饱和度降低28–60%，而堆积密度在36%到41%之间波动。除了过程监测外，FPP推导的表面粗糙度还作为优化干燥时间的关键指标，以最小化尺寸偏差并最大化生坯密度。此外，将聚合的逐层FPP特征（表面粗糙度、实际层厚和堆积密度）纳入有监督集成机器学习模型，与仅使用名义工艺参数的模型相比，生坯密度和零件厚度的预测精度分别提高了80%和73%。总体而言，所提出的基于原位FPP的监测框架提供了定量的实时过程洞察，并为BJP中的闭环控制和加速认证奠定了基础。

引言

粘结剂喷射3D打印（BJP）是一种非熔融、两步法的增材制造（AM）工艺，能够以高产出率和材料灵活性制造金属、陶瓷和砂型零件。在BJP中，铺粉器在构建平台上铺展一层薄粉末，随后喷头根据CAD定义的零件几何形状选择性地沉积液态粘结剂，局部将相邻颗粒粘结成生坯网络。干燥灯在平台降低并重复循环之前部分固化每一层，最终得到生坯，该生坯经过固化、烧结或渗透处理以实现全密度[1], [2], [3], [4]。原位监测在AM工艺认证中发挥着日益重要的作用，通过实时跟踪构建演化过程来支持闭环控制系统的开发。虽然激光粉末床熔融（LPBF）和定向能量沉积（DED）等熔融基工艺已从广泛的原位监测研究中获益，但BJP中的等效研究仍相对稀疏。AM中的原位监测方法大致分为表面基（如光学或热成像）和体积基（如声发射和X射线计算机断层扫描）[5], [6], [7], [8], [9], [10]。表面技术主要在层形成过程中检测几何不规则和表面缺陷，而体积方法则提供关于内部缺陷和零件内部完整性的子表面信息。BJP中现有的原位方法主要依赖于高速光学成像来研究粘结剂液滴动力学和粉末床行为[11], [12], [13]。然而，大多数报道的光学成像方法主要提供定性的表面信息，缺乏捕捉子表面粉末床动力学的能力。高速X射线成像可以捕捉子表面粉末-粘结剂相互作用，但成本高昂且操作复杂，这目前限制了其在制造环境中的广泛实施[10]。基于接触式图像传感器的线扫描[14]也被探索用于粉末床检查，该方法提供了高面内分辨率以检测铺展异常，但作为一种基于强度、与铺粉器集成的方法，它会中断正常的构建序列，并产生没有高度信息的二维强度数据，限制了其用于逐层分辨的过程状态监测。近期的工作探索了红外热成像用于BJP中的原位堆积密度估计[15]，然而，该技术需要延长的层间等待时间，并且由于对流干扰的敏感性而表现出有限的可靠性。

条纹投影轮廓测量（FPP）是一种非接触式、全场三维表面测量技术，对于原位AM监测具有巨大潜力。与常规光学方法相比，FPP额外提供了逐层分辨的表面形貌和高度数据，能够实时检测铺展异常和几何偏差。在LPBF中，FPP已被有效应用于重建熔融前后的逐层形貌，从而能够识别诸如窄槽、凸起边缘和喷出材料等缺陷特征[16], [17], [18]。后续研究[19]进一步优化了条纹投影参数和照明条件以增强缺陷可检测性。此外，Remani等人[16]通过使用定制的形貌指标统计控制图，展示了逐层分辨FPP形貌与零件构建密度之间的直接相关性。Zhang等人[20]也展示了FPP推导的表面特征与LPBF中量化的飞溅喷射行为之间存在明确的相关性。这些研究表明，逐层分辨的高度数据可以作为构建质量的早期指标。

尽管具有上述展示的能力，FPP在BJP中仍未得到充分利用。虽然条纹投影轮廓测量已成功应用于LPBF中的粉末床几何测量和缺陷检查[16], [18], [20]，但这些方法直接转移到BJP并非轻而易举，因为BJP涉及顺序的粉末铺展和液态粘结剂沉积，导致表面反射率和散射随层变化。这些特征需要针对工艺特定的光学配置、校准程序和图像采集参数进行优化。BJP中现有的FPP应用主要集中于定性的相位图分析或粉末铺展均匀性，而未提取完全校准的层高度信息[21], [22]。准确的定量测量需要针对粉末粘结剂系统的光学和材料特征进行严格的面内和面外校准，据我们所知，这一要求在之前的BJP工作中受到的关注有限。通过适当的系统特定校准，粉末床形貌的原位FPP测量可以作为跟踪制造过程中关键粉末级和零件级特性的有力工具。所测量的表面形貌编码了关于粉末-粘结剂相互作用的关键信息，这些信息可以系统地加以利用以估计关键工艺参数，特别是实际层厚、堆积密度和粘结剂饱和度，从而建立实时过程监测的工艺-结构-性能关系。定量的原位高度测量将解锁访问那些在BJP制造过程中通常不可获得的几个工艺关键参数。粉末床的表面粗糙度已被证明与堆积密度强相关[23]，而且较光滑的生坯表面与较高的相对密度（约55%）相关，而较粗糙的表面（约48%）则不然[13]，表明过程中的表面不规则性与最终零件完整性降低相关。尽管具有这种潜力，据我们所知，在BJP文献中尚未建立系统框架来提取、量化和实时利用这一关键信息。

在此，我们提出了一种经过校准的BJP原位FPP框架，能够从表面形貌测量中实时进行逐层分辨的实际层厚、粉末床堆积密度和粘结剂饱和度的估计，同时检测粉末铺展缺陷。开发了一种特定于材料的强度校准策略，以应对粉末的反射率和投影仪、相机传感器的非线性。从专门设计的单层实验中推导出的相关模型能够实时推断堆积密度和实际层厚，并据此计算逐层粘结剂饱和度。我们寻求建立一个逐层材料特定表面粗糙度阈值，该阈值定义了跨多种工艺条件的稳定操作窗口，以实现可靠的零件质量。此外，逐层分辨的FPP特征还作为输入特征，用于训练有监督集成机器学习模型以理解BJP中的工艺-结构-性能关系。总体而言，该框架提供了关于粉末-粘结剂相互作用的机理洞察，量化了与名义参数的偏差，并为BJP中自适应、数据驱动的控制奠定了基础。这种能力解决了粘结剂喷射制造中可扩展性和认证的关键障碍，特别是对于高性能金属和陶瓷系统。

本文其余部分，第2节描述了原位监测的实验设置、校准和工作流程。第3节介绍了方法、实验设计和相应结果。第4节总结了主要发现并对未来工作提出了建议。

分节摘要

粘结剂喷射打印和原位FPP监测系统

实验在ExOne Innovent粘结剂喷射打印机上进行。Innovent采用对旋辊铺粉系统，其中粉末从振动料斗中分散出来，并通过遍历粉末床的对旋辊铺展到构建平台上，该辊同时压实已沉积的层。液态粘结剂根据CAD几何形状由压电按需喷射喷头选择性地喷射到每一层上，顶部干燥灯部分固化

用于评估BJP工艺和零件性能的FPP数据分析

进行了一系列单层和多层BJP实验，以开发、验证和应用基于FPP的原位监测框架。初始单层试验通过与基恩士光学轮廓仪的对比验证了实验室自有的FPP系统，并通过表面粗糙度测量量化了准确性和精度。定制的实验方案进一步实现了从FPP数据中原位估计实际层厚和粉末床堆积密度，从而允许间接

结论

本工作首次证明了条纹投影轮廓测量（FPP）可以作为粘结剂喷射打印（BJP）的原位计量平台，能够在打印过程中实时、逐层分辨地定量表征粉末床缺陷、实际层厚、堆积密度、粘结剂饱和度和几何演化。

本研究的主要科学贡献是：首先，为BJP开发了一种材料感知的FPP配置，其中通过限制

CRediT作者贡献声明

Md Jahangir Alam：写作 – 审阅与编辑，写作 – 初稿，可视化，验证，软件，方法论，调查研究，形式分析，数据整理，概念构思。Haolin Zhang：写作 – 审阅与编辑，可视化，软件，方法论，调查研究。Xiayun Zhao：写作 – 审阅与编辑，写作 – 初稿，监督，资源，项目管理，方法论，资助获取，概念构思。

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系，这些可能对本论文中报告的工作产生影响。

致谢

我们感谢宾夕法尼亚制造创新计划（资金来源：卡内gi梅隆大学（主要：宾夕法尼亚州），分包编号：1060181- 484004）的资助。本项目中的工作在匹兹堡大学纳米制造和表征核心设施（RRID：SCR_05124）完成，所使用的服务和仪器在部分上由匹兹堡大学慷慨支持。我们也不忘感谢Pitt ANSYS Additive

Md Jahangir Alam|Haolin Zhang|Xiayun Zhao