工程学院副教授普拉哈拉达·饶（Prahalada Rao）领导的一项新研究或将重塑潜艇和飞机的建造方式。他最近在《材料与设计》杂志上发表了一项研究，展示了如何利用人工智能监控电弧增材制造（本质上是3D焊接），从而在零件制造过程中检测出缺陷，并实时纠正，确保打印完成后即可投入使用。

Rao表示，“我们一直依赖传统的机械加工，但即使生产一个零件也要花几个月的时间。增材制造使我们能够更快地制造这些零件，并减少浪费，这为我们的建筑建造开辟了新的思路。”

好的熔池与坏的熔池

国防和航空航天供应链此前依赖于小型机械加工厂。这些小型工厂拥有利用实心金属块加工、铸造或锻造潜艇和飞机关键部件的专业知识。

但他们的方法效率低下、浪费资源、资源密集，而且过度依赖日益萎缩的劳动力。缺陷往往直到零件生产完成后才被发现，浪费了数周的人工，并迫使制造商报废零件。

冷战结束后，许多这样的工厂倒闭了，相关技能也随之消亡。增材制造技术填补了这一空白，提供了一种更快速地生产复杂部件的方法，并大幅缩短了零件投入使用的时间。

并非所有增材制造的工作原理都相同。有些方法速度较慢，适合制造小型复杂部件，例如激光粉末床熔融技术。Rao目前正在研究速度更快的方法，例如线弧打印和激光线弧打印。

Rao表示，“电弧增材制造本质上就是3D焊接。如果说激光粉末床熔融增材制造每天能生产一品脱的材料，那么电弧增材制造每天就能生产出一桶大小的材料。一天就能沉积40或50公斤的材料。挑战在于确保大量金属在沉积过程中不留任何瑕疵。”

这就是人工智能发挥作用的地方。

Rao的团队并非在零件完成后才发现裂纹或孔隙，而是训练算法在金属成型过程中发现警告信号。通过研究热金属的“熔池”，并比较“好”和“坏”打印件的外观，人工智能学会了实时识别缺陷，并在缺陷扩散之前发出调整信号。

Rao表示，“当熔池看起来良好时，零件就能达到我们想要的效果。当熔池看起来糟糕时，我们就知道会发生什么。所以构建了一个机器学习算法，能够以大约90%的准确率预测何时会出现问题。”

工业4.0转型

拉奥是弗吉尼亚理工大学先进制造中心一个大型研究团队的成员。

作为Grado工业与系统工程系的一部分，Rao和他的团队在Kelly Hall实验室开展大部分工作，但他们也利用了弗吉尼亚理工大学的制造业教育实践中心学习工厂。

该工厂最近新增了一台小型激光粉末床熔合机和一台混合激光线材印刷机，Rao将此归功于部门主管Eileen Van Aken的远见卓识。