Multi-Physics Coupled Modeling and Predictive Control of the DLP Photocuring Printing Process
本研究提出了一种集成框架，该框架结合了非线性多物理场模型、通过紫外热分析（UV-DSC）进行的参数识别，以及基于多层感知机（MLP）辅助的非线性模型预测控制策略，旨在显著提高基于DLP的池化光聚合增材制造中的固化均匀性、预测精度以及翘曲控制能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下这样一个工厂车间：液态塑料并非通过模具，而是通过一束光线，被转化为坚固且复杂的物体。这就是数字光处理（DLP）的世界，一种高精度的3D打印技术，被广泛用于制造从医疗植入物到航空航天组件的一切物品。在这个过程中，投影仪将紫外光投射到光敏树脂池中，使液体逐层硬化。虽然最终成品看起来浑然一体，但从液态到固态的过程却是一场混乱的内部博弈。随着光线渗透进树脂，它会触发化学反应，释放热量并导致材料收缩。这些物理力量——光、化学、热量和机械应力——并非独立作用；它们锁定在一种紧密的、非线性的舞蹈之中，其中一个变量的变化会瞬间波及其他变量。如果这种内部的拉锯战没有得到完美管理，打印出的物体可能会发生翘曲、开裂或产生薄弱点，从而破坏这项技术赖以生存的精密性。几十年来，工程师们一直致力于控制这种复杂性，但往往只能依赖于试错法或无法适应树脂池内不断变化条件的固定设置。
西安电子科技大学的一个研究小组通过建立一种全新的观察和引导打印过程的方法，解决了这一挑战。他们不再去猜测树脂的行为，而是为整个系统创建了一个详细的“数字孪生”体。这个模型就像是树脂微观世界里的一份精密气象预报，追踪着光线随深度增加而衰减的过程、化学键形成的速率、热量的积聚情况，以及材料因收缩而产生的收缩力。为了确保他们的数字地图与现实相符，科学家们首先进行了一系列物理实验。他们将树脂暴露在不同的光强下，并精确测量了光线的穿透深度以及反应过程中产生的热量。他们甚至使用了一种专门的仪器来测量固化树脂的热流，利用这些信号不断微调其方程，直到计算机模型能够以近乎完美的精度预测物理行为，其预测结果与实际测量值的误差仅为1%左右。
有了这个可靠的模型，研究人员开发出了一种智能控制系统，旨在实时管理打印过程。传统的打印机通常使用恒定不变的光束，这对于简单形状效果良好，但当树脂过热或底层固化速度慢于顶层时就会失效。然而，新系统就像一位指挥管弦乐队的指挥家，随着打印过程的推进，不断调整光束的强度。它采用了一种数学策略，能够预测未来几秒钟内会发生的情况，并在问题出现之前就调整光照，而不是在问题发生后才去补救。由于这些计算非常复杂且必须瞬时完成，团队还训练了一个计算机神经网络来学习控制模式，使系统能够在不被繁重计算拖累的情况下做出毫秒级的决策。
研究结果令人瞩目。当研究人员将这种可变光强策略与使用恒定光束的传统方法进行对比测试时，差异显而易见。在标准方法中，由于光线在穿过树脂时逐渐减弱，打印层的底部往往处于固化不足的状态，导致顶层和底层表面之间存在显著的质量差距。通过动态调整光强，新系统能为每一层提供恰到好处的能量，无论其深度如何。这使固化的均匀度提高了近22%，确保了整个物体硬化得非常均匀。此外，该系统成功预测并防止了通常困扰此类打印件的翘曲问题，使最终形状始终符合设计要求。
这项工作代表了将3D打印从依靠固定设置的“手艺”向实现自适应控制的“科学”迈出的重要一步。通过证明模型可以准确预测热量、光照与化学反应之间混乱的相互作用，并展示智能控制器如何利用该模型来提升最终产品质量，研究人员为更高质量的制造提供了一份蓝图。虽然目前的实验侧重于单层和特定材料，但他们建立的框架为打印更大、更复杂的结构提供了实现同等精度水平的路径。研究结果表明，增材制造的未来不仅在于更亮的光或更快的打印机，更在于理解并引导那些在材料诞生过程中塑造其形态的无形力量。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。