[发明专利]从连续色调图进行的热行为预测

说明书

本文中描述了热行为预测方法的示例。在热行为预测方法的一些示例中，使用至少一个神经网络来计算对应于三维（3D）模型的层的预测热图。基于对应于3D模型的连续色调图来计算预测热图。

背景技术

在三维（3D）打印中，可以使用增材打印工艺从数字模型产生3D实体零件。可以在快速原型制作（prototyping）、模具生成、模具母模生成和短期制造中使用3D打印。一些3D打印技术被认为是增材工艺，因为它们涉及构建材料的连续层的施加。这与传统的加工工艺不同，传统的加工工艺通常去除材料以产生最终零件。在一些3D打印技术中，构建材料可以被固化或融合（fuse）。

附图说明

图1是可以在热行为预测方法的示例中使用的三维（3D）打印系统的示例的简化等距视图；

图2是图示可以被实现以计算预测的热图的功能的示例的框图；

图3是可以在用于热行为预测的方法的示例中使用的装置的示例的框图；

图4是图示热行为预测方法的示例的流程图；

图5是图示神经网络架构的示例的图；

图6是图示计算预测热图的示例的图；以及

图7图示了连续色调融合图（contone fusing map）、连续色调细化图（contonedetailing map）、热图像和预测热图的示例。

具体实施方式

三维（3D）打印是可以被用于制造3D对象的增材制造工艺。3D打印的一些示例可以以像素级别选择性地沉积试剂（例如，液滴），以使得能够实现对体素级别能量沉积的控制。例如，热能可以被投射到构建区域中的材料上方，在该构建区域中，取决于其中沉积试剂的体素，在材料中可能发生相变（phase change）和固化。

以打印工艺分辨率（例如，在空间上逐体素和/或在时间上逐层）预测暂时性热行为可以被用于改善离线打印调谐和/或在线打印控制。然而，由于缺乏材料如何行为方面的定量知识，导出用于预测暂时性热行为的定量模型是困难的。体素级别热物理性质（physics）中的因素的一些示例可以包括热通量（例如，来自相邻体素的层内热通量（各向异性传导率）、来自体素下面的层的热通量、来自体素之上的层的热通量等）、融合能量、非鉴别通量（non-discriminative flux）（对流、辐射）、非鉴别源、熔体焓（melt enthalpy）、传导、吸收和/或蒸发等。测量体素级别热扩散率（其可能是各向异性且相依赖的）和由于气流（其可能由移动零件驱动）引起的对流热损失可能是困难的。例如，热扩散率可能取决于相，诸如材料是以松散的粉末形式、在熔池中还是其间的其他相。在热物理性质预测的上下文中，术语“体素”可以指代“热体素”。热体素的大小可以被定义为在热学上有意义的最小值（例如，大于42微米或每英寸600点（dpi））。

本公开描述了用于预测热行为的定量模型的示例。在一些示例中，一个或多个神经网络可以被用于计算预测的热行为（例如，一个或多个热图）。例如，（一个或多个）神经网络可以利用一个或多个连续色调图（例如，体素级别机器指令）和/或构建区域的一个或多个热图像来预测热图。在一些示例中，可以使用热图来执行离线打印调谐和/或在线打印机控制。尽管塑料（plastics）可以被用作说明本文中所描述的方式中的一些的方式，但是本文中所描述的热行为（例如，热图）预测可以被应用于融合技术的其他变化，其中通过能量调节剂实现体素级别热控制。