受美国空军研究署资助，空军研究实验室和宾夕法尼亚州立大学的研究人员创建了一个神经网络框架，可实时诊断3D打印错误。

3D打印可按需低成本制造电磁设备零件，但制造过程中的任何细微缺陷都可能导致大规模系统故障。研究人员训练了打印缺陷与电磁性能指标相关性的神经网络框架，采用机器学习技术实时诊断打印过程中的错误。首先，使用墨水直写打印技术制备阿基米德螺线；然后，使用显微镜拍摄打印过程图像，并采用降维的方法，通过压缩图像提取最大连续元素区域外部轮廓坐标，以生成数据集并训练神经网络；最后，使用机器学习方法实时监测打印过程图像，预测电磁性能。研究结果表明：训练后的卷积神经网络确定了影响零件电磁性能的关键几何特征，可对3D打印错误进行实时反馈。

这项研究可应用于3D打印电磁设备元件过程中的错误诊断及分类，促进3D打印在制造关键军用零部件中的应用。

关键词： 王敏｜诊断3D打印错误的神经网络框架 空军研究实验室