北佛罗里达大学获NSF资助研发逐层实时监控系统，金属3D打印缺陷有望彻底消除

2026年5月底，美国北佛罗里达大学（University of North Florida）宣布获得美国国家科学基金会（NSF）的专项研究资助，用于开发一种针对金属3D打印的逐层实时质量监控系统。该系统的核心目标是能够在金属零件逐层构建的过程中，实时识别并自动修正材料缺陷，从根本上解决当前金属增材制造面临的可靠性和一致性问题。金属3D打印件内部的气孔、裂纹和未熔合缺陷一直是制约其大规模工业应用的主要瓶颈。北佛罗里达大学的研究团队将基于多模态传感和机器学习技术，构建可以穿透每一层粉末床的「智能检测眼睛」。

逐层监控的核心技术路线

研究团队采用的方案结合了多种传感技术。首先，通过高速红外热成像相机实时记录熔池的温度分布和冷却速率——熔池的热行为直接反映了打印参数的稳定性，任何偏离正常范围的温度波动都可能预示着缺陷的产生。其次，团队引入了光学相干断层扫描（OCT）技术，获取每一层粉末熔融后的三维形貌数据，可以精确检测到表面的微观凹凸、裂缝以及层间结合情况。第三，系统搭载了高灵敏度声学传感器，采集打印过程中的特征声波信号用于辅助判断。所有传感数据被实时输入一个基于深度学习的异常检测模型，该模型经过数千组标注数据的训练，能在数毫秒内判断当前层是否存在缺陷并给出修正指令。

闭环反馈：从缺陷检测到智能纠正

仅能检测缺陷而不具备修正能力，对于生产现场的实用价值有限。北佛罗里达大学的系统最具突破性的地方在于其闭环反馈机制。一旦检测到异常，控制系统可以立即对下一层的打印参数进行微调——例如调整激光功率、扫描速度或铺粉厚度——以补偿已经产生的缺陷或防止缺陷进一步扩大。对于某些可修复的表面缺陷，系统甚至能够引导激光器在已完成的层面上进行局部重熔处理。这种「检测-决策-执行」的闭环能力意味着金属3D打印的工艺窗口将显著拓宽。以往为了保证打印质量，工程师往往选择保守的工艺参数（例如较低的扫描速度），牺牲了生产效率。有了实时监控和智能纠错系统，打印设备可以在更激进的参数区间内运行，同时保证最终零件的质量一致性。

解密金属3D打印批量制造的良品率难题

金属增材制造向批量化生产迈进的过程中，良品率是一道绕不开的门槛。以航空航天领域为例，一个结构复杂的钛合金支架经过数十小时的打印后，如果最终CT检测发现内部气孔率超标，则整个零件直接报废，损失的材料成本和时间成本十分高昂。逐层实时监控系统的意义正在于将质量检测从「终端」前移到「过程」中，实现零部件的在线质量放行。NSF此次资助北佛罗里达大学的研究项目，也从侧面印证了美国对提升金属增材制造可靠性的战略重视。项目的阶段性成果将通过公开发表论文和开源数据集的方式与业界共享，推动整个行业的质量监控水平共同提升。

总结：北佛罗里达大学获NSF资助开发金属3D打印逐层实时监控与智能纠错系统，有望从根本上解决金属增材制造的缺陷问题，推动其进入批量化可靠制造新阶段。

文章来源：综合University of North Florida官方新闻、NSF公告