用于标识3D打印部件的支撑结构的视觉系统的制作方法

用于标识3d打印部件的支撑结构的视觉系统

背景技术：

1.本发明一般涉及部件的3d打印，以及更具体地，涉及标识3d打印部件的支撑结构。
2.3d打印技术已经允许创建各种各样的部件，这突破了传统制造的边界，并且使得能够制造与应用要求完美匹配的部件。然而，3d打印技术中的自主化水平仍然非常有限，因为许多预处理和后处理步骤必须手动完成。因此，定制零件大批量的生产可能需要很大的成本，这主要是由于刚性生产系统、工艺设计以及执行处理步骤所需的大量人工步骤所导致的。提升增材制造中的自主化和自主性水平的关键要素是增强3d打印部件的实际打印与执行部件进一步处理的制造单元之间的信息流。
3.3d打印技术(用于金属和塑料)允许以高灵活性制造多种部件。然而，这些技术仍然包括许多手动预处理和后处理步骤。当前工艺的三个最重要的缺点包括工艺的时间长、质量不一致与不可靠性以及生产部件的价格高。此外，为了获得全功能产品，不同材料与零件和3d打印部件的组合仍然需要许多设计任务和组织密集型任务，这些任务涉及大量的人工劳动。例如，在用于一个特定部件的3d打印过程中仍然难以使用不同的材料。此外，为了组装先前通过其他制造方法(例如电子、铸造或铣削)更有竞争力地生产出来的零件，仍然需要采取许多人工步骤。因此，通常将3d打印部件移动到另一条生产线或甚至移动到另一个位置，以实现将各种3d打印部件和机加工部件组装成最终产品。
4.还应当理解，部件的3d打印需要某种类型的支撑结构，用于在3d打印系统形成部件时将部件保持在适当位置。在通过3d打印系统形成部件之后，需要各种后处理步骤来制备部件。例如，在进一步处理和/或使用之前，部件必须与支撑结构分离。也可能需要检查。可以使用多种方法来对部件和支撑结构进行分离。例如，可以使用流体来溶解支撑结构从而与部件分离。或者，在支撑结构由不易溶解的材料制成的情况下，可物理切割支撑结构以将部件与支撑结构分离。在这种情况下，用机器(例如cnc、机器人等)自主移除用于3d打印部件的支撑结构通常依赖于确定切割工具将在何处切穿支撑结构或部件的预编程路径轨迹。然而，由于在部件和支撑结构的各种几何位置处不可预见地发生的物理变形(弯曲、提升、破裂等)，该方法可能导致在不期望的位置处形成切口以及在部件与部件之间形成不一致的切口。由于缺乏对支撑结构移除过程的质量检查，在自主移除支撑结构期间会出现额外的问题。由于这些问题的存在，目前3d打印部件的后处理是缓慢且昂贵的过程。因此，希望能够从部件到部件精确地且一致地对支撑结构进行移除。

技术实现要素：

5.本发明提供了一种用于后处理3d打印部件的系统和方法，该系统和方法可包括从3d打印部件中移除支撑结构。该系统和方法包括将组件的第一图像存储在存储器中，并且捕获对应于该部件的3d打印组件的第二图像。然后，基于第一图像和第二图像确定3d打印部件与支撑结构之间的切割路径。支撑结构和3d打印部件然后可以通过切穿切割路径而自主地相互分离。本发明还可包括下文的书面描述或者附图描述中的任何其他方面及其任意组合。
附图说明
6.通过结合附图阅读以下描述可以更全面地理解本发明，在附图中：
7.图1是3d打印系统的示意图；
8.图2是3d打印部件的一部分的特写立体视图；
9.图3是3d打印部件的另一部分的特写立体视图；
10.图4是对图2中3d打印部件的一部分的另一放大立体视图；
11.图5是具有识别标记的另一3d打印部件的示意图；
12.图6是支撑结构移除系统的一个实施例的流程图；
13.图7是支撑结构移除系统的另一实施例的流程图；
14.图8是后处理3d打印部件的自主方法的示意图，示出了信息输入和学习；
15.图9是用于自主后处理3d打印部件的单元装置的示意图；以及
16.图10是后处理3d打印部件的方法的流程图。
具体实施方式
17.3d打印技术存在的一个问题是：由于在打印过程中发生不希望有的事件，例如热应力、杂质和其它干扰，3d打印部件的构造很难精确地与在相应的cad图中提供的规格相匹配。因此，单独的cad绘图可能不足以产生用于从部件中移除支撑结构的机器切割路径。因此，本文所述的实施例可用于记录3d打印部件并产生用于对部件和支撑结构进行分离的切割路径的自主视觉系统。自主视觉系统也可使用机器学习或人工智能算法。
18.所描述的实施例，进一步包括用于3d打印部件自主标记和制造的信息标记解决方案。增材制造技术能够基于cad设计来生产差异很大的部件。此外，可以在同一基板上印刷几个不同设计的部件。因此，希望能够自主识别3d打印部件，以便使部件的后处理自主化。3d打印部件的后处理可能需要大量的部件相关信息，例如材料、cad模型、支撑结构设计和质量规格等。因此，期望在3d打印过程期间在3d打印部件、支撑结构或基板上并入标记，以便在标记内编码关于部件的信息以支持后处理活动。
19.如图1所示，该系统可以具有基座10，3d打印机14在该基座上形成3d打印部件12。3d打印部件形成在基部10上并且通过一个或多个支撑结构18附接到基部10，支撑结构18在相对侧附接到基部10和3d打印部件12。优选地，当3d打印机14形成3d打印部件12时，支撑结构18由3d打印机14形成。因此，例如，在3d打印部件12由金属通过3d金属打印机14形成的情况下，支撑结构18也是金属的。在任何情况下，优选地，3d打印部件12和支撑结构18由相同的材料形成并且具有相同的固化(例如塑料部件)。支撑结构20也可以被印刷用于支撑3d印刷部件12的内部结构。也就是说，3d打印部件12的孔或腔22可以具有在相对侧连接到不同部分的支撑结构20，用以在成型期间支撑孔或腔22。底部支撑结构18在图2中被更详细地示出，内部支撑结构20在图3中被更详细地示出。如图4所示，支撑结构可以由多个支撑构件22构成，这些支撑构件彼此间隔开并且相互平行。优选地，至少五个支撑构件20彼此等距间隔并且相互平行，或者甚至更优选地，至少十个支撑构件20彼此等距间隔并且相互平行。
20.还可以提供具有安装在机器人臂28上的相机26(例如3d相机、激光传感器和普通rgb相机)的视觉系统24以捕获3d打印部件12的图像。如果需要，还可以将视觉系统24安装在静止位置或另一可移动结构上的其它地方。在3d打印部件12已经由3d打印机14形成之
后，视觉系统24捕获3d打印部件12和支撑结构18、20的一个或多个图像。如下面进一步描述的，控制器30然后确定3d打印部件12与支撑结构18、20之间的切割路径56(图5)。还提供了具有切割头34和机械臂36的切割系统32，用于沿着切割路径56切穿3d打印部件12或支撑结构18、20，以将3d打印部件12与支撑结构18、20分离。切割系统32被认为是后处理系统32，并且应当理解其它后处理系统32例如检查系统32，也是可能的。优选地，3d打印部件12或支撑结构18、20的切割涉及在切割头34上使用旋转磨、激光或往复锯。应当理解，这里的方法和系统也可以与其他处理系统例如检查系统一起使用，其中该系统学习和跟踪多个3d打印部件12的质量。
21.在一个实施例中，切割路径56的确定可以通过两个步骤完成。在第一步骤中，系统可以利用来自cad模型的离线学习。在第二步骤中，系统可以利用来自质量评估的在线学习(“继续教育”)。应当理解，离线学习是指在实际使用3d打印部件12之前或之后发生的更新，而在线学习是指在实际使用3d打印部件12期间发生的更新或作为实际使用3d打印部件12的结果而发生的更新。
22.离线学习可以包括从cad模型(例如rgb或点云)生成合成图像，以便构建代表性数据集。应当理解，合成图像是由可由控制器30识别的数据定义的数字图像，并且可被修改以基于cad模型与3d打印部分12的捕获图像之间标识的差异或者两个或更多个的3d打印部分12之间标识的差异来更新合成图像。可能希望从不同的视角产生部件12和支撑结构18、20的多个图像。还希望从不同的视角产生具有部分去除的支撑结构18、20的部件12的图像。还可能期望产生偏离参考cad模型的部件12和/或支撑结构18、20的图像，例如部件12由于热应力的变形从支撑结构18、20中进行部分的分离，在部件12和支撑结构18、20上延伸出不期望的孔隙或可能与3d打印相关的其它缺陷。cad模型还可以用于生成在合成图像上可见的切割路径56，和/或可以生成区域以限定部件12和支撑结构18、20，其然后可以用于生成切割路径56。系统优选地使用机器学习或人工智能技术来训练，以从合成图像产生切割路径56。当系统在线用于将支撑结构18、20与多个3d打印部件12分离时，可以连续地(即基于每个3d打印部件12及其捕获的图像)或周期性地(即基于从多个3d打印部件12捕获的图像)更新合成模型。因此，当系统基于在线使用期间发生的学习更新合成图像时，由系统确定的切割路径56随时间调整。
23.离线生成合成图像在许多情况下将可能提供可靠的结果，但是在一些3d打印部件12中可能面临具有意外变形的挑战。为此，从现有经验中学习的系统是优选的。在线学习可以开始于在新的3d打印部件12上使用离线生成的合成图像。然后可以存储在切割过程期间(在移除每个支撑结构18、20之后)获取的3d打印部件的实际捕获图像。然后可以将最近的图像与原始cad模型(即初始合成图像)进行比较，作为质量控制动作。如果检测到与参考cad模型的差异超过阈值，则可以更新合成图像以调整图像和正确的切割路径56。质量控制动作还可用于确认支撑结构18、20被完全且充分地移除，或用于分析在支撑结构18、20移除期间3d打印部件12上是否出现裂纹。系统的再训练和合成图像的更新可以连续地或周期性地进行。在足够的更新之后，可以预期该系统变得越来越可靠，并且最终可以仅基于来自3d打印部件12的视觉输入来使用该系统(即不参考cad模型)。
24.该系统从照相机传感器26获取输入并将捕获的图像存储在计算机存储器中。使用自主计算机视觉算法，可以执行3d打印部件12与支撑结构18、20之间的切割路径56的第一
确定。在第二步骤中，该算法可以将支撑结构18、20的不同区域分组在独立的区域中。例如可能希望将基部支撑结构18与内部支撑结构20分开地分组，因为不同支撑结构18、20的切割可能不同地影响3d打印部件12。因此，希望每个区域由紧密定位的支撑结构18、20组成，支撑结构18、20将受到该区域中的切割操作的影响。在每个区域中，算法检测与其他区域分离的支撑结构18、20与3d打印部件12之间的切割路径56。可选地，自主计算机视觉算法可以将每个区域中确定的切割路径56与原始cad模型进行比较。因此，当捕获3d打印部件12的图像时，可能期望捕获3d打印部件12的至少两个不同区域的3d打印部件12的至少两个不同图像，其中每个图像具有不同的区域。然后，可以基于两个不同的捕获图像来更新与3d打印部件12的两个不同区域相对应的合成图像中的两个不同区域。该系统还可以识别和量化所捕获的图像与cad模型之间或不同3d打印部件12的所捕获的图像之间的偏差(差异)。优选地，如图5所示，自主产生的切割路径56穿过支撑结构18、20定位，与3d打印部件12的连接点54稍微地间隔开，以提供与3d打印部件12的安全余量。最后，该组切割路径56被发送到切割系统34，用于支撑结构18、20与3d打印部件12的实际切割和分离。
25.该系统的一组步骤包括捕获cad模型和/或实际3d打印部件12的图像。支撑结构18、20与3d打印部件12之间的连接点54然后可以使用算法自主地确定。然后可以将计算出的连接点54与原始cad模型中的连接点进行比较。然后，可以识别和量化捕获图像中的偏差。穿过支撑结构18、20稍微远离连接点54以提供安全余量的切割路径56然后可以自主地产生以提供用于切割的实际路径56。然后，切割路径56可以与执行实际切割的切割系统32连通。还可期望视觉系统通过在支撑结构18、20附接到3d打印部件12的感兴趣区域内变焦(例如光学或数字变焦)来捕获区域中的附加图像。然后，这些图像可以用在学习算法中以改进和提高所产生的切割路径56的精度。
26.这里描述的系统和方法的示例性流程图在图6中示出。如图所示，最初从部件(38)的cad模型生成合成图像。还应当理解，可以替代地从实际的3d打印部件12捕获初始图像。然后将组件的初始图像存储在存储器(40)中。也可以将多个图像用于初始图像。机器学习或人工智能也可以与多个初始图像一起使用，以学习3d打印部件12与支撑结构18，20之间的连接点54的位置。在这种情况下，多个初始图像中的至少一些初始图像将包括3d打印部件12和附接到3d打印部件12上的支撑结构18、20。也可以从多个初始图像和学习形成合成图像。然后捕获实际3d打印部件12的图像，其中3d打印部件12对应于初始图像的部件(42)。优选地，捕获的图像是rgb图像、深度图像、点云或线扫描。如果需要，初始图像也可以是rgb图像、深度图像、点云或线扫描。还可以捕获不同的实际3d打印部件12的多个图像。机器学习或人工智能也可以与实际部件12的多个捕获图像一起使用，以学习3d打印部件12与支撑结构18、20之间的连接点54的位置。在这种情况下，多个捕捉到的图像中的每个图像将包括3d打印部件12和附接到3d打印部件12上的支撑结构18、20。也可以从多个捕获的图像和学习形成合成图像。基于3d打印部件12的初始图像(44)和所捕获的图像，然后在3d打印部件12与附接到3d打印部件12(46)的一个或多个支撑结构18、20之间确定一条或多条切割路径56。可以使用多个初始图像和多个捕获图像的数据库以及数据库的机器学习或人工智能来确定切割路径56。然后，可以基于合成图像与捕获图像(48)之间的差异来更新合成图像(初始图像)。然后，切割系统32可以使用所产生的切割路径56沿着切割路径56切穿3d打印部件12或支撑结构18、20，以将3d打印部件12与支撑结构18、20(50)分离。应当理解，所描述的系
统和方法可以以非临时计算机可读介质的形式在控制器30中实现，该非临时计算机可读介质包括控制3d打印机14、视觉系统24和/或切割系统32自主地执行所描述的方法的程序代码。
27.如图5所示，还可以使用一个或多个标记52a-c来确定3d打印部件12与附接到3d打印部件12的支撑结构18、20之间的切割路径56。如图所示，标记52a可以嵌入3d打印部件12中，其对关于部件12、基板10、支撑结构18、20和/或所需的后处理步骤和工具的信息进行编码。编码这种信息的标记52b也可以嵌入在一个或多个支撑结构18、20中。具有这种信息的标记52c也可以嵌入基板10中。优选地，在标记52a、52b嵌入在3d打印部件12和/或支撑结构18、20中的情况下，优选地，在3d打印部件12和支撑结构18、20由3d打印机14打印时，标记52a、52b由3d打印机14打印在3d打印部件12和/或支撑结构18、20上。尽管底板10上的标记52c可以与3d打印分开地嵌入或放置在底板10上，但标记52c也可以在打印时由3d打印机143d打印在底板10上，或者底板10和标记52c可以在打印时由3d打印机14一起3d打印。标记52a-c也可以用激光雕刻。标记52a-c可以使灵活、可靠和独立的装置能够自主识别3d打印部件12以充分地制定后处理活动的全部级联，从而带来对定制的3d打印部件12有成本竞争力的生产。
28.通过在3d打印部件12、支撑结构18、20或3d打印部件12的基板10上嵌入标记52a-c，可以使与3d打印部件12相关的信息、所需的后处理步骤和部件12一起变得可用。因此，用于后处理的机器和设备可以从标记52a-c读取关于要处理的实际部件12的可靠信息，以实现自主的后处理活动。另外，对给定部件12进行后处理所需的必须设备、工具和机器可能是部件相关的。因此，可以使用用于3d打印部件12的标记52a-c来包含实现单元自主所需的所有信息。
29.为了完成一个或多个后处理步骤，诸如粉末去除、支撑结构18、20的去除、质量检查或用于应力释放的热处理等，可能需要有关3d打印部件12的大范围的相关信息，诸如材料、机械和电特性、质量规格、支撑结构18、20和cad设计。使用标记52a-c来对与每个3d打印部件12相关的信息进行编码，可以使得信息能够从实际的3d打印部件12流动到执行后处理操作的其他机器。
30.可以由标记52a-c提供的信息的类型包括(但不限于)：印刷在基板10上的部件12的数量和位置；3d打印部件12的规格，例如材料、机械和电气特性以及质量限制；用于切割穿过支撑结构18、20所需的切割工具及其参数化(例如切割速度等)；支撑结构18、20的尺寸和位置；对后处理步骤的限制，例如3d打印部件12的机械限制；关于如何移除从3d打印和支撑结构18、20留下的粉末的信息；炉子使用的热处理参数信息；以及关于如何将3d打印部件12组装成最终产品的信息(例如组装步骤)。在支撑结构18、20上提供标记52b以移除支撑结构18、20的情况下，可能需要在单独的支撑结构18、20上提供单独的标记52b，以提供支撑结构18、20的独立位置信息，以在移除多个支撑结构18、20时提高准确度。
31.标记52a-c可以由视觉系统24感测，并且控制器30可以基于感测到的标记52a-c确定切割路径56的位置。然后，切割系统32可以沿着切割路径56切穿3d打印部件12或支撑结构18、20，以将3d打印部件12与支撑结构18、20分离。标记52a-c还可以对与特定3d打印部件12、支撑结构18，20和后处理步骤相关联的信息进行编码。在3d打印过程中，优选地使用用于打印3d打印部件12和支撑结构18、20的同一打印机14创建标记52a-c。标记52a-c可以包
括各种特征。例如，标记52a-c可以印刷在3d印刷部件12上、支撑结构18、20上或在包含多个且可选择地不同的3d印刷部件12的基板10上。标记52a-c可以以机器可读格式(例如二维码、条形码、刻痕、一连串刻痕、雕刻或浮雕)编码信息。标记52a-c可以编码关于其他标记52a-c或3d打印部件12的信息，例如到其他标记52a-c的相对距离、到3d打印部件12的相对距离、到支撑结构18、20的相对距离、到3d打印部件12与支撑结构18、20之间的连接点54的相对距离、到3d打印部件12与支撑结构18、20之间的切割路径56的相对距离，或者可以包括3d打印部件12与支撑结构18、20之间的连接头类型，以便支持零件的后处理。关于支撑结构18、20与3d打印部件12之间的连接点54的尺寸的信息也可用于计算切割所需的力。标记52a-c可用于指示支撑结构18、20上的关键点。标记52a-c可以指示需要进行质量检查的几何点以及如何进行这种检查。标记52a-c可以对标记52a-c到一个或多个连接点54或到一条或多条切割路径56的相对位置进行编码。经编码的位置信息或其它组件12信息可明确地编码在标记52a-c中，使得可直接读取所述信息而无需参考另一数据源。可替代地，标记52a-c可以编码指向关于3d打印部件12的信息的指针，诸如连接点54或切割路径56的相对位置。例如，标记52a-c可以编码允许访问存储在数据库(例如网站、web服务和云)中的所需信息的唯一标识符或url。数据库还可以包括其他后处理信息，例如去粉、组装和抛光等。标记52a-c(尤其是3d打印部件12上的标记52a)也可以对3d打印部件12的身份(例如，通用零件号或特定序列号)进行编码。标记52a-c还可以对用于3d打印部件12的寿命终止处理的信息(例如拆卸、回收或所有权指令)进行编码。
32.在标记52a被放置在3d打印部件12自身上的情况下，优选地，3d打印部件12的功能不受标记52a的影响。在这种情况下，编码在标记52a中的信息不仅可以在制造和组装时使用，而且可以在产品寿命结束时拆卸和回收期间使用。这可用于提高再循环效率。例如如果组件12或组装产品具有存储在其上的关于如何最佳地拆卸、重新使用和/或回收组件的直接信息，则回收设施可以以更有效的方式进行回收。如果需要，当标记52a-c上存储的信息应当保密时，也可以加密该信息。
33.图7中示出了本文所述的系统和方法的示例性流程图。如图所示，3d打印机14可用于同时3d打印部件12、支撑结构18、20和一个或多个标记52a-c(58)。标记52a-c然后可以由视觉系统24或其他感测系统(60)进行感测。基于由标记52a-c中获得的信息，然后在3d打印部件12与附接到3d打印部件12(62)的一个或多个支撑结构18、20之间确定一条或多条切割路径56。然后，切割系统32可以使用所产生的切割路径56沿着切割路径56切穿3d打印部件12或支撑结构18、20，以将3d打印部件12从支撑结构18、20(64)中进行分离。应当理解，所描述的系统和方法可以以非临时计算机可读介质的形式在控制器30中实现，该非临时计算机可读介质包括控制3d打印机14、视觉系统24和/或切割系统32自主地执行所描述的方法的程序代码。
34.提供用于将数字设计实现为功能产品的自主制造生产单元装置也是有用的。自主制造单元装置可以包括两个元件：一方面，一组物理设备和装备，例如但不限于3d打印机、激光器、打印机、机器人系统、视觉和传感器系统、存储系统、质量检查、传送带、夹具、铣削或cnc机器。这些装置的主要目的包括执行所需的一组操作，例如印刷、抛光、材料去除、检查或组装，从而将原材料和原件物理地转变成功能产品；另一方面，一组智能控制系统基于产品的现有知识(例如部件的cad、组装计划等)和/或来自物理系统的输入数据来确定和学
习处理步骤。控制系统将可用数据转换为有用信息，以便基于诸如成本、生产时间或步骤数的用户定义的性能指标来执行最佳地创建功能产品的一组任务。
35.制造生产单元装置也将是有利的，其自主地设计生产过程并协调、执行、控制、监视和改进处理步骤以获得全功能产品。这样的技术将使得能够以大体积和短交付周期灵活、可靠和有成本竞争力地生产定制化部件。在此描述了一种生产单元装置，该生产单元装置自主地设计、实现、控制、监测并且改进这些处理步骤以获得一种全功能的部件、部分、零件或设备，这些部件、部分、零件或设备需要被制造并且具有特定的特征(例如材料、机械和电气特性、功能特性、质量规格和附接的部件或表面光洁度)。一方面，制造单元装置包括硬件，例如(但不限于)生产、组装和加工机器和设备，以及机器人系统、运输系统、存储系统和质量控制系统。另一方面，制造单元装置中的设备和机器需要以自主的方式协作和一起工作，以实现客户定义的目标，诸如最小生产时间或最小生产成本。系统的可用信息可以包括部件、部分、零件或设备及其需求(cad模型、组装计划等)的先验知识，来自制造单元装置中的物理系统的输入数据，以及由单元装置生成的过程数据。决策任务包括(但不限于)：生产工艺设计，即获得产品所需的工艺步骤；将生产步骤分配给不同硬件；生产顺序；每个硬件内的生产活动；生产活动的协调控制；监测处理步骤；生产步骤的学习策略；以及学习最大化例如最终质量的最佳工艺参数。
36.自主制造生产单元装置依赖于如上所述的生产硬件(即后处理工具)，例如3d打印机、激光器、机器人系统、cnc机器、存储架和传送带。自主系统在一组智能学习控制系统中考虑各种可用的生产信息，包括产品的先验知识(例如部件的cad、组装计划和材料属性)和由制造单元布置生成的数据，以最佳地实现由客户定义的目标。这提供了由智能控制系统产生的制造自主性，以设计和协调制造单元活动并通过学习改进生产过程。这些控制系统的结果是产生全功能产品的一组处理步骤和处理参数。在控制系统中编码的学习算法与方法集，负责以下活动：实现不同机器和设备之间的协调和通信、设计和实现过程步骤和用于每个处理步骤的最合适的过程参数的学习、协调来自机器和设备的数据、将可用信息集成到一组处理步骤中以及生产过程的自主执行。在此描述的3d打印部件的自主后处理还可以扩展到其他制造操作，例如3d打印部件的自主组装和许多其他操作。
37.嵌入在自主制造单元装置中的智能控制系统属于两个主要软件块中的一个软件块：(i)过程设计和优化块，或(ii)过程执行和控制。前一块(i)分析制造单元组件，执行计算并改进步骤和参数，以基于所选择的性能指标(kpi)使用学习策略来最优地生产期望的产品(该学习策略依赖于制造单元描述)，包括可用的机器和设备及其规范、产品信息(诸如最终产品的cad设计)以及由流程执行所产生的过程测量。第二块(ii)控制制造步骤的执行，并从传感器和设备捕获数据，以创建与工艺设计和优化块共享的新信息。为了创建可行的处理策略并学习最佳策略，可以使用以下步骤。可以读取制造单元装置中的可用机器和设备的列表。还可以选择性能指标。还可以读取产品信息(cad文件、零件、材料、属性和质量要求等)。可以获得基于可用信息的初始处理策略，其满足小区边界和机器/设备能力，包括所需的处理步骤、排序和机器/设备参数。可以调用学习算法来设置要改进的组件并创建要在制造单元布置中运行的一组代表性生产序列(训练集)。基于由学习算法提供的训练集，可以多次执行处理步骤，以从制造单元装置收集工艺测量。还可以包括来自在构建过程期间监视质量的连续质量控制系统的反馈。在通过控制系统的过程执行期间还可以包括自校
正动作以避免事故。考虑到制造单元的生产边界、cad的约束、产品规格和所选择的性能指标(成本、能量、老化和重量等)，学习算法可以被求解以从关于最佳处理顺序和处理参数的观察到的测量结果中获得泛化。可以通过使用在对学习算法的相应调用期间获得的学习参数重复上述步骤来细化结果。在处理策略的后续运行中，学习算法可以采用不同的处理工具以便更好地满足所设置的性能指标。还可以调用学习算法以通过(a)使用从对执行的最后调用获得的解信息，以及(b)对使用分类和回归技术的一般化策略进行多次调用来理解由变化的输入参数引起的可变性。图8示出了使用反馈的输入信息、学习、执行和适配步骤。
38.所述布置中的3d打印机的任务是生产用于最终产品的大部分(例如90％)单个部件。一旦部件被3d打印，该信息就被发送到生产模块，该生产模块对该信息进行处理并向机器人系统发送关于如何移除其上具有3d打印部件的基板的指令，然后在该部件上自主地执行后处理任务，例如移除支撑结构、加工表面边缘、抛光、热处理和质量检查。
39.后处理过程可以从相机在基板上记录3d打印部件开始。这些图像可以通过将支撑结构与主要3d打印部件区分开的生产块算法来处理。基于该信息，可以产生支撑件与3d打印部件之间的连接点，并且可以表示机器人在移除支撑结构时稍后将遵循的轨迹。为了实现这一点，生产块算法计划去除，并向机器人系统发送关于选择什么工具(例如取决于要去除的材料的激光切割和/或铣削工具)以及稍后用于精细表面抛光的刷子的类型的指令。在开始时，生产模块可以具有不同选项的预设，然后随时间它可以根据支撑结构去除经验自学选择什么工具。在该过程期间，机器人系统可以使用其视觉和激光扫描仪能力来记录3d打印部件，并且将真实3d打印部件的尺寸与cad图进行比较以验证打印部件的质量。
40.在后处理之后，同一或另一机器人系统或两者的组合可将部件接替并开始将不同部件(例如由不同材料制成)组装成最终产品。这里，组装块算法可用于控制和计划组装过程。第一输入可以取自部件和产品的cad设计。然后组装块算法可以计算步骤并识别组装的每个步骤所需的工具。机器人可以接收该信息并开始执行。此外，机器人系统可以使用其视觉能力来实时接收关于产品及其工作环境的信息，并将这种信息发送到组装块以更新组装计划。输入可以由照相机和其它传感器提供，例如声学测量、激光测量、x射线等。组装块优选地自主地决定处理各个部件以获得最终产品的顺序。
41.因此，整个生产线可以包括组织成单元结构的机器。单元本身配备有一组工具(机器人、打印机或炉与加工工具，如激光器、研磨机等，或组装工具，如夹具和扳手)和传感器。这种组织提供了更高的灵活性、基于优先级的生产和可扩展性，并且针对单个单元的计划外停机时间是具有鲁棒性的。
42.单元可以以下面的方式执行构建产品所需的任务。可以使用增材制造单元来处理可以在产品中的任何地方使用的不同材料。可以使用传统生产设备，使得能够使用根据需要使用工具打印机创建的生产工具。可以使用商品部件(例如螺钉等)的库存，这些商品部件不是产品特定的并且用于任何部件或组件中。存储系统可以用于所生产的中间部件。系统可用于部件(例如移动机器人、悬臂机器人和无人驾驶机等)的运输。机器人单元可用于将所有部件组装在一起成为成品。可以使用质量检查单元，其可以对单个部件或组装的产品进行各种检查(例如表面检查、断层摄影和功能测试)。图9中示出了电池布置的示例。如一个单元装置70所示，执行3d打印，加工或组装的生产单元78可具有散布在其间的机器人单元72。机器人单元72可以执行多个3d打印部件的组装、加工、检查或者在不同的生产单元
78之间移动部件。在另一个单元装置74中，如果需要，也可以使用机器人输送机76在生产单元7之间移动部件。
43.图10中示出了本文所述的系统和方法的示例性流程图。在前两个步骤中，从一个或多个计算机存储器中读取用户定义的性能指标(80)和可用后处理工具(82)的列表。用户定义的性能指标可以是将多个3d打印部件12后处理成成品或部分成品部件的性能，并且可以包括成本、生产时间或步骤数。可用的后处理工具可以具有不同的处理能力，并且可以包括消减制造方法，例如激光或研磨机、扳手，或上述描述的任何工具、机器等。可用的后处理工具列表还可以包括来自不同生产单元78的后处理工具。例如，单元装置可以具有由机器人单元72散布的生产单元78。机器人单元72可以执行后处理步骤，例如将多个3d打印部件12组装在一起，或者可以在不同的生产单元78之间移动3d打印部件。传送器76还可以在生产单元78之间移动3d打印部件12。生产单元78可以包括用于打印3d打印部件12的一个或多个3d打印机14，并且还可以包括如上所述的cnc机器或其它生产设备。在读取用户定义的性能指标和可用后处理工具列表之后，可以使用用户定义的性能指标和可用后处理工具列表在一个或多个计算机处理器中生成第一后处理策略(84)。第一后处理策略可以包括用于操作后处理工具的第一子集的计算机指令。然后可以用一个或多个3d打印机14(86)打印第一3d打印部件12。应当理解，如果需要，后处理策略可以在打印3d打印部件12之后产生。然后使用第一后处理策略和后处理工具(88)的第一子集对第一3d打印部件12进行后处理。后处理可包括移除用3d打印部件12打印的支撑结构18、20或上述任何其它后处理工艺。例如，移除支撑结构18、20可以包括铣削，激光切割或锯穿3d打印部件12或支撑结构18、20。支撑结构18可以附接到基部10，3d打印部件12在基部10上形成。然后，响应于第一3d打印部件12(90)的后处理，利用对应于用户定义的性能指标的一个或多个传感器来确定第一性能指标。系统然后可以从用户定义的性能指标与第一性能度量之间的差异中学习以改进将来的后处理策略(92)。例如，然后可以使用用户定义的性能指标，第一性能度量和可用的后处理工具(92，84)列表在一个或多个计算机处理器中生成第二后处理策略。第二后处理策略可以包括用于操作后处理工具的第一或第二子集的计算机指令，并且第二后处理策略可以不同于第一后处理策略。第二后处理策略可以包括用于操作后处理工具的第二子集的计算机指令，其中后处理工具的第一和第二子集包括不同的后处理工具。第一和第二后处理策略还可以包括第一和第二3d打印部件12的质量检查。例如，质量检查可以将3d打印部件12与cad图进行比较。然后可以用一个或多个3d打印机14(86)打印第二3d打印部件12，并且可以使用第二后处理策略和后处理工具(88)的第一或第二子集进行后处理。然后，响应于第二3d打印部件12(90)的后处理，可以利用与用户定义的性能指标相对应的一个或多个传感器来确定第二性能度量。然后，在一个或多个计算机处理器中比较第一性能度量和第二性能度量，以确定第一性能度量与第二性能度量之间的改善水平，如果需要的话(92)，这种学习和改善随着每次迭代而发生。优选地，整个方法自主运行。
44.虽然已经描述了本发明的优选实施例，但是应当理解，本发明不限于此，并且在不脱离本发明的情况下可以进行修改。虽然在此描述的每个实施例可以仅涉及某些特征并且可以不具体地涉及相对于其他实施例描述的每个特征，但是应当认识到，除非另外描述，即使在没有提及具体特征的情况下，在此描述的特征是可互换的。还应当理解，上述优点不一定是本发明的唯一优点，并且不一定预期本发明的每个实施例将实现所有所述优点。本发
明的范围由所附权利要求限定，以及属于权利要求含义范围内的所有装置和方法，无论是字面上还是等同地，都将落入本发明的保护范围。

技术特征：

1.一种对3d打印部件(12)进行后处理的方法，包括：将部件的第一图像存储在存储器中(40)；捕获所述3d打印部件(12)的第二图像，所述3d打印部件(12)对应于所述部件(42)；基于所述第一图像(44)和所述第二图像(46)，确定所述3d打印部件(12)与附接到所述3d打印部件(12)的支撑结构(18，20)之间的切割路径；以及将所述切割路径输出到后处理系统(32)用于所述3d打印部件(12)的进一步处理(50)。2.根据前述权利要求中任一项所述的方法，其中所述后处理系统(32)是切割系统(32)，并且进一步包括沿着所述切割路径切穿所述3d打印部件(12)或所述支撑结构(18，20)，以将所述3d打印部件(12)与所述支撑结构(18，20)分离(50)。3.根据前述权利要求中任一项所述的方法，其中多个第一图像被存储在所述存储器中，所述多个第一图像中的至少一些第一图像包括所述3d打印部件(12)以及附接到所述3d打印部件(12)的所述支撑结构(18，20)，并且进一步包括利用机器学习或人工智能从所述多个第一图像中学习所述3d打印部件(12)与所述支撑结构(18，20)之间的连接(54)的位置。4.根据前述权利要求中任一项所述的方法，其中多个第二图像从不同的3d打印部件(12)被捕获，所述多个第二图像中的每个第二图像包括所述3d打印部件(12)以及附接到所述3d打印部件(12)的所述支撑结构(18，20)，并且进一步包括利用机器学习或人工智能从所述多个第二图像中学习所述3d打印部件(12)与所述支撑结构(18，20)之间的连接(54)的位置。5.根据前述权利要求任一项所述的方法，其中所述第一图像是合成图像(38)和/或其中所述第二图像是rgb图像、深度图像、点云或线扫描。6.根据前述权利要求中任一项所述的方法，进一步包括多个第一图像和多个第二图像的数据库，其中所述切割路径使用所述数据库基于机器学习或人工智能而被确定。7.根据前述权利要求中任一项所述的方法，其中所述第一图像从所述部件(38)的cad模型被生成；和/或其中所述第一图像从另一3d打印部件(12)被捕获；和/或其中所述第一图像基于所述第一图像与所述第二图像之间的差异而被更新(48)。8.根据权利要求7所述的方法，其中所述3d打印部件(12)的两个不同的第二图像从所述3d打印部件(12)的两个不同区域被捕获，每个第二图像具有不同的区域，并且与所述3d打印部件(12)的所述两个不同区域相对应的所述第一图像中的两个不同区域基于所述两个不同的第二图像而被更新。9.根据前述权利要求中任一项所述的方法，其中所述切割路径穿过所述支撑结构(18，20)并且与所述3d打印部件(12)间隔开。10.根据前述权利要求中任一项所述的方法，其中所述支撑结构(18)被附接到基部(10)，所述3d打印部件(12)在所述基部(10)上形成；或者其中所述支撑结构(20)在相对侧被附接到所述3d打印部件(12)的不同部分。11.一种从根据前述权利要求中任一项所述的3d打印部件(12)中移除支撑结构(18，20)的方法，其中在所述多个3d打印部件(12)中的每个3d打印部件(12)之后，所述第一图像基于所述第一图像与所述第二图像之间的差异而被更新。12.一种从根据权利要求1至10所述的多个3d打印部件(12)中移除支撑结构(18，20)的
方法，其中所述第一图像基于所述多个3d打印部件(12)的所述第一图像与所述第二图像之间的差异而被周期性地更新。13.根据权利要求2至12所述的方法，其中所述切割包括铣削、激光切割或者锯穿所述3d打印部件(12)或所述支撑结构(18，20)。14.根据前述权利要求中任一项所述的方法，其中所述3d打印部件(12)和所述支撑结构(18，20)都是金属的；和/或其中，所述3d打印部件(12)和所述支撑结构(18，20)都是具有相同固化的相同材料。15.根据前述权利要求中任一项所述的方法，其中所述支撑结构(18，20)包括彼此间隔开并且彼此平行的多个支撑构件(22)。

技术总结

本公开描述了一种用于对3D打印部件进行后处理的系统和方法。例如，在后处理期间用于3D打印部件的支撑结构可以被移除。在该系统和方法中，部件的第一图像被存储在存储器中。与该部件对应的3D打印部件的第二图像也被捕获。然后，基于第一图像和第二图像确定3D打印部件与支撑结构之间的一条或多条切割路径。然后，3D打印部件可以通过切穿切割路径而与支撑结构自主分离。构自主分离。构自主分离。