UCF研究人员开发基于人工智能的模型，旨在减少破坏性的增材制造测试。

中佛罗里达大学（UCF）的一名研究人员获得了美国国防高级研究计划局（DARPA）颁发的青年教职奖，以开发一个能够预测3D打印零件性能和缺陷的机器学习模型。

该方法的目的是减少测试所需成本和时间负担，这些负担一直以来减缓了增材制造技术在各主要行业的普及。

UCF机械与航空航天工程系副教授吴大忠已获得近50万美元的资金，用于资助这项为期两年的项目，项目名为“人工智能赋能的、可负担且可扩展的增材制造零件认证”。

DARPA可能在研究的第三年追加50万美元，该笔资助取决于研究进展。

目前，金属增材制造工艺依赖于包括钛合金在内的昂贵材料，依据数字模型逐层构建复杂的高性能零件。

随后漫长且反复的测试周期通常会导致零件部分被破坏，成本高昂。

因此，吴教授的项目旨在通过开发一个模型来减少对此类破坏性测试的依赖，以解决这一问题。

“利用人工智能，我们可以通过少量的破坏性和非破坏性测试数据，预测3D打印零件的机械性能，”吴教授表示。

“通过这种方法，我们可以确保每个零件都保持一致、可靠，并且成本更低。”

“我希望这个由人工智能赋能的增材制造认证框架能够在航空航天等众多行业中得到应用。

降低成本对增材制造行业至关重要。

为此，我们需要确保每个零件都能始终如一地满足性能要求。”