建设性人工智能:由 AI 驱动的过程控制与 3D 机器视觉赋能的自主机器人 3D 打印

《AUTOMATION IN CONSTRUCTION》:Constructive AI: autonomous robotic 3D printing enabled by AI-driven process control and 3D machine vision

【字体: 大 中 小 】 时间:2026年09月20日 来源:AUTOMATION IN CONSTRUCTION 12.6

编辑推荐:

   •混合反馈-预测学习捕获了非线性3D打印动力学。•流量、电机功率和材料温度揭示了打印质量的关键驱动因素。•机器学习模型可实时估算最优挤出速率和层间延迟。•XGBoost和随机森林取得了最高的预测性能。•AI驱动的混合控制使自主建筑3D打印成为可能。引言建筑3D打印(C3DP)

  
  • •
    混合反馈-预测学习捕获了非线性3D打印动力学。
  • •
    流量、电机功率和材料温度揭示了打印质量的关键驱动因素。
  • •
    机器学习模型可实时估算最优挤出速率和层间延迟。
  • •
    XGBoost和随机森林取得了最高的预测性能。
  • •
    AI驱动的混合控制使自主建筑3D打印成为可能。

引言

建筑3D打印(C3DP)是一项新兴技术,旨在通过整合机器人技术、先进材料和数字控制来自动化传统混凝土建造[1,2]。该技术可用于建造各种结构,包括住宅房屋、避难所、桥梁、基础设施和外太空栖息地[3,4]。C3DP利用逐层机器人沉积工艺,通过精确定位打印材料来提高建造效率并最大限度地减少材料浪费[5]。此外,取消模板并结合使用机器人进行材料沉积,可以实现更大的设计灵活性并减少施工现场的劳动力需求[6,7]。这也有助于现场安全,并可以减少建造时间和总体成本。尽管具有这些优势以及近年来取得的显著进展,但由于材料特性、环境条件和工艺参数之间复杂的相互作用,实现高质量打印仍然是一个关键挑战[8]。
配合物性质的不可避免变化、配料不一致性以及水泥基材料随时间变化的流变特性可能导致材料挤出和几何偏差[9]。由于水泥水化、触变性和水分损失,水泥基材料的特性随时间不断变化。这些时间变化会显著影响挤出流动和挤出层的几何形状、层间结合以及尺寸精度。此外,外部和工艺相关因素,如环境温度和湿度的波动、泵送条件的变化以及材料输送的不一致,会加剧工艺不稳定性[10]。此外,在打印过程中,新沉积的层会受到复杂的机械相互作用,导致打印结构的变形,包括喷嘴挤出压力和层的重量。随着附加层的沉积,下层承受渐进加载,可能导致累积变形或局部不稳定。喷嘴与上一层之间的间距进一步影响了各层的总变形[11,12]。这些不一致性和潜在变形可能会对3D打印构件的结构性能产生不利影响,凸显了C3DP需要智能监控和自动控制框架[13]。
可以实施先进的传感系统,在打印过程中提供反馈,实现实时质量监控和层沉积过程的自动控制。与通常在具有完善的传感和反馈控制机制的受控环境中进行的传统制造工艺不同,C3DP在高度动态的条件下运行,其中环境因素(如温度和湿度)和材料变异性会持续影响打印过程[14]。同时,打印材料流变特性随时间的变化会影响其流动性、挤出性和可建造性。挤出性是指材料能够持续通过喷嘴沉积并形成预期截面几何形状的能力[14],而可建造性是指沉积层能够保持其几何形状并支撑后续层而不过度变形的能力[15]。这些持续变化给打印过程带来了显著的 uncertainty;因此,关键打印工艺参数——挤出速率、打印速度和层间延迟——必须动态调整以维持高质量打印并最小化层变形。然而,现有的控制方法通常依赖于通过初始校准为每种打印材料建立的预设值。这些设置在打印过程中需要根据沉积后的观察和缺陷频繁地进行手动调整,使这些系统在很大程度上依赖人工干预,限制了它们防止缺陷的能力[10,13]。在此背景下,将传感系统与机器学习(ML)模型结合提出了实现实时自适应过程控制的可行方案。一个精心设计的传感系统可以提供来自系统的高分辨率实时数据,而ML模型可以从捕获的数据中学习复杂的关系来预测最优打印工艺参数[16]。这种持续的数据收集可以为过程动力学提供关键见解,实现ML模型的数据驱动预测和打印过程的实时自适应控制。
为解决这些缺陷,本研究的主要目标是开发一个人工智能(AI)驱动的自适应和自主C3DP过程控制与优化框架。为实现这一目标,将一个基于结构化激光光(SLL)的专用3D机器视觉模块与额外的嵌入式传感器集成,以在机器人制造期间实时采集几何、材料和工艺数据。通过特征工程,派生出流量、电机功率和材料温度等关键参数,并将其用作ML模型的输入以估算最优打印参数,包括挤出速率和层间延迟。为验证所提出的方法,在自主墙板打印过程中部署了AI赋能的混合反馈-预测闭环控制框架,以持续估算和调整打印参数。

章节摘要

背景

自动化检测和闭环反馈控制是实现自主C3DP的关键因素。已有几项研究专注于实施先进技术,如立体视觉[17]、2D和3D激光扫描仪[18,19]、LiDAR[20]和飞行时间(ToF)传感器[12,21],以提供在线或打印后的检测,提供3D打印挤出物的详细几何信息。LiDAR和ToF系统通常对环境条件敏感,包括灰尘、照明条件,

方法论

本节描述了开发和研究用于预测打印工艺参数的自动化质量控制和数据驱动框架的方法论。所提出的系统由一个配备嵌入式传感器的机器人平台组成,用于采集关于挤出和打印材料的实时数据,并配备一个工程化的AI模型,基于这些测量值动态估算最优打印工艺参数。

结果与讨论

本节呈现并讨论了所开发的ML模型在预测挤出速率和层间延迟方面的性能,随后在所提出的自主过程控制框架中部署和实验评估了表现最佳的模型。

结论

本文通过证明实时几何、热和工艺相关的传感信息可以转化为自适应过程控制的有意义状态描述符,推进了对自主C3DP的科学理解。研究结果表明,自主层沉积不仅是一个硬件集成或自动化参数调整的问题,还需要理解材料流量、时间依赖的流变演化之间的耦合关系,

CRediT作者贡献声明

Kasra Banijamali:方法论、调查、形式化分析。Ali Kazemian:监督、方法论、资金获取、概念化。

利益冲突声明

作者声明他们不存在已知的竞争经济利益或个人关系可能影响本文所报告的工作。
Kasra Banijamali|Ali Kazemian
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号