近日，美国能源部橡树岭国家实验室（ORNL）的研究人员开发出一种自动化控制器，能够在无需人工干预的情况下，检测并纠正大型塑料复合材料3D打印过程中的温度误差。这套系统将追踪喷嘴位置、打印速度和材料温度的传感器与安装在打印头周围的一圈低成本热像仪相结合，由计算机视觉算法解读实时热成像数据，当层温度偏离目标值时动态调整打印速度，确保在沉积下一层之前层间充分粘合。

在大幅面增材制造过程中，保持每层正确温度是一个持续的平衡问题：材料必须足够热才能与下层粘合，同时又要有足够的硬度以保持形状。传统上，工人必须持续监控这种平衡。项目首席研究员Kris Villez（与田纳西大学研究生Chris O'Brien合作）表示：「我们的控制器能够感知正在发生的事情并实时做出反应，这很新颖。它几乎像人类一样控制过程：通过观察和微调设置，直到达到期望的结果。」

在验证测试中，该系统打印了一个比卡车轮胎还大的六边形。测试开始时故意放慢速度，导致塑料到达时温度比最佳层粘合温度低约30%。控制器检测到差异并提高打印速度，实时将温度恢复至最佳范围。O'Brien指出，该系统能够检测到仅几度的温差——这很关键，因为微小的热变化常常导致零件失效。关键的是，该控制器无需针对每种新设计或新材料重新训练，因此广泛兼容不同的打印机、塑料和零件几何形状。团队还构建了一个基于机器学习的数字孪生，允许在实际打印前安全地试验新形状和新材料。

过程监测已成为增材制造领域最活跃的研发方向之一。由人工智能驱动的平台逐层解读热成像、光学及其他传感器数据，以实时识别异常，这类应用日益普遍，但几乎仅限于金属粉末床熔融工艺。Sigma Additive Solutions、Additive Assurance、Fraunhofer IAPT等企业的解决方案聚焦于L-PBF和SLM工艺，在这些工艺中，报废金属零件的成本足以支撑投入大量监测设施。ORNL的研究针对的是一个不同且尚未充分解决的挑战：大幅面聚合物复合材料挤出成型，其零件尺寸可达飞机部件、船模或建筑板材级别。在此尺度下，一次失败的打印将造成巨大的材料和能源损失。整个行业一直在朝这个方向发展——在RAPID + TCT 2025展会上，AM Explorer作为一款人工智能驱动工具亮相，用于监控实时3D打印数据以检测缺陷并触发纠正措施；丹麦技术大学的衍生公司Euler也筹集了200万欧元，用于扩展其人工智能故障检测软件。ORNL工作的独特之处在于其应用于大幅面塑料打印，这个领域的零件尺寸、材料变异性和热复杂性使得自主校正尤其困难，也尤其有价值。

该项目扩展了ORNL与普渡大学、缅因大学和田纳西大学诺克斯维尔分校长期合作的研究路线，此前的研究已证明，热成像结合统计建模能够可靠地检测低至15%的打印速度偏差。新系统在此基础上更进一步，不仅标记问题，还能实时修复。该研究获得了美国能源部先进材料与制造技术办公室的资助，并得到了ORNL研究员Katie Copenhaver和Alex Roschli的额外贡献。

自动化监控可以使操作员专注于微调速度、形状和零件强度的平衡——这可能会扩大大型3D打印在冷藏集装箱、船体模具和建筑结构墙体等产品中的应用。Villez说：「让这些机器更智能、更灵敏，存在巨大的机会空间。最终，我们希望它像烤面包一样：你设定烤箱温度，放入面团，然后定时器响了再回来看是否烤好。你不必在整个烘烤过程中监控温度。」