使用热成像确保增材制造中的一致性的系统和方法

摘要

在本申请中阐述的实施例涉及系统和方法，通过该系统和方法可以可靠地评估由增材制造生产的零件与具有符合期望规格的质量的已知主模型的符合度。这些系统和方法涉及记录每个零件的制造过程的热历史。然后将记录的热历史与主模型的先前记录的热历史进行比较。热历史中的显著偏差表明制造构造中的不规则性，然后可以鉴于这些不规则性来评估零件质量。

说明书

相关申请的交叉引用

本申请要求2015年6月12日提交的美国临时专利申请No.62/174,840的权益，其全部内容通过引用合并于此。

技术领域

本申请涉及维护由增材制造生产的零件的一致性。更具体地，本申请涉及通过使用时间同步图像(例如热图像)评估零件质量来确保零件的一致性的系统和方法。

背景技术

随着增材制造领域的技术进步，增材质造已经成为大批量生产定制零件的可行方法。因此，增材制造的零件合格性是一个重要的问题。在许多情况下，目前的增材制造技术不能提供可靠和有效的方式来确保生产的零件没有结构缺陷。当前用于确保零件质量的一种技术是在零件制造完成后对其进行检查，例如使用视觉检查、计算机断层扫描或破坏性测试。然而，这种检查技术耗时且昂贵。在一些情况下，也可以对零件进行压力测试，以确定零件是否符合质量保证标准。压力测试也是劳动密集型的，并且甚至给制造过程增添了更多低效。另外，压力测试可能是破坏性的，或者对制造的产品的可靠性产生未知影响。这些后果最好被避免，因为它们是昂贵的，并且不保证制造的产品的完整性，甚至可能损害制造的产品的完整性。因此，在增材制造环境中需要评估零件质量的改进技术。

发明内容

在一个实施例中，提供了一种质量控制系统，用于在增材制造装置中评估制造零件的质量。该质量控制系统可以包括激光扫描系统、热成像设备和控制计算机。所述控制计算机可以被配置为：发起对增材制造装置中的构建区域的激光扫描以制造零件；以及使热成像设备在对构建区域的激光扫描期间捕捉构建区域的至少一部分的图像。捕捉到的图像可以作为热数据存储在存储器中，并且构建过程数据也可以存储在存储器中。控制计算机还可以被配置为：根据存储的捕捉到的图像和构建过程数据导出零件的热历史。将导出的热历史和与主模型相关联的存储的热历史进行比较。

在另一实施例中，提供了一种用于评估在增材制造装置中制造的零件的质量的方法。该方法可以包括：发起对所述增材制造装置中的构建区域的激光扫描以制造零件；以及使热成像设备在对构建区域的激光扫描期间捕捉构建区域的至少一部分的图像。该方法还可以包括：将捕捉到的图像作为热数据存储在存储器中；以及将构建过程数据存储在存储器中。可以根据存储的捕捉到的图像和构建过程数据导出零件的热历史。随后可以将导出的热历史和与主模型相关联的存储的热历史进行比较。

附图说明

图1是用于设计和制造3D对象的系统的示例。

图2示出了图1所示的计算机的一个示例的功能框图。

图3示出了使用激光扫描系统制造3D对象的高级过程。

图4A是适合于实现本文公开的各种实施例的激光扫描系统的示例。

图4B提供如何将热感相机添加到图4A的激光扫描系统以便实践本文公开的各种实施例的示例。

图5是示出用于确定制造零件是否符合主模型的质量的高级过程的流程图。

图6A和图6B是示出可以如何确定制造零件的热历史的更详细视图的流程图。

图7A和图7B是示出利用构建过程数据和热成像来创建制造零件的热历史的更详细过程的流程图。

图8A是制造零件的热历史曲线的示例。

图8B描绘了根据图8A的热历史曲线，其中基于绝对时间测量重叠了来自主模型的热历史。

具体实施方式

在本申请中提出的实施例涉及系统和方法，通过所述系统和方法，可以可靠地评估由增材制造生产的零件与已知“主”零件(在此也被称为“主模型”)的符合度，“主零件”具有符合期望规格的质量。增材制造超越传统零件生产方法的一个优点是可以在实际构建过程中检查未来零件。特别地，当正在构建零件时，在物理上可以看到零件内部。以这种方式收集的制造数据可能包括有关所得零件质量的信息。发明人已经认识到，在许多增材制造技术中，生产对象的质量在很大程度上依赖影响对象的每个零件的热效应。因此，发明人设想出使用对象的每个点的热历史来评估对象的制造质量的系统和方法。

这些系统和方法涉及记录每个零件的制造过程的热历史。然后将记录的热历史与主模型的先前记录的热历史进行比较。热历史中的显著偏差表明制造构造中的不规则性，然后可以鉴于这些不规则性来评估零件质量。通过比较零件与主模型的热历史，可以检测到不确认的零件，而不需要详细和耗时的视觉检查。取决于具体实施方式，主模型的热历史可以是在打印单个零件期间记录的数据。替代地，其可能是与在制造具有符合特定期望规格的质量的若干零件期间捕捉的数据有关的值(例如，平均值或中值)。

可以在用于设计和制造3D对象的系统内实践本发明的实施例。转到图1，示出了适合于实现3D对象设计和制造的计算机环境的示例。该环境包括系统100。系统100包括一个或多个计算机102a-102d，其可以是例如能够处理信息的任何工作站、服务器或其他计算设备。在一些方面，计算机102a-102d中的每一个可以通过任何合适的通信技术(例如，互联网协议)连接到网络105(例如，互联网)。因此，计算机102a-102d可以经由网络105在彼此之间发送和接收信息(例如，软件、3D对象的数字表示、用于操作增材制造设备的命令或指令等)。

系统100还包括一个或多个增材制造设备(例如3D打印机)106a-106b。如图所示，增材制造设备106a直接连接到计算机102d(并且通过计算机102d经由网络105连接到计算机102a-102c)，并且增材制造设备106b经由网络105连接到计算机102a-102d。因此，本领域技术人员将理解，增材制造设备106可以直接连接到计算机102，经由网络105连接到计算机102，和/或经由另一计算机102和网络105连接到计算机102。应该注意的是，虽然系统100是针对网络和一个或多个计算机进行描述的，但是本文中所描述的技术还适用于单个计算机102，其可以直接连接到增材制造设备106。

图2示出了图1的计算机的一个示例的功能框图。计算机102a包括处理器210，其与存储器220、输入设备230和输出设备240进行数据通信。在一些实施例中，处理器还与可选的网络接口卡260进行数据通信。尽管单独进行了描述，但应该理解，关于计算机102a描述的功能框不必是单独的结构元件。例如，处理器210和存储器220可以被实施在单个芯片中。

处理器210可以是被设计为执行本文所述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑设备、分立门或晶体管逻辑、分立硬件部件或它们的任何适当组合。处理器还可以被实现为计算设备的组合，例如DSP和微处理器的组合，多个微处理器，一个或多个微处理器与DSP核心的结合，或者任何其他这样的配置。

处理器210可以经由一个或多个总线耦合以从存储器220读取信息或向存储器220写入信息。处理器可以额外地或替代地包含存储器，例如处理器寄存器。存储器220可以包括处理器高速缓存，该高速缓存包括多级分层高速缓存，其中不同级别具有不同的容量和访问速度。存储器220还可以包括随机存取存储器(RAM)、其他易失性存储设备或非易失性存储设备。存储设备可以包括硬盘驱动器、诸如光盘(CD)或数字视频盘(DVD)之类的光盘、闪存、软盘、磁带和Zip驱动器。

处理器210还可以耦合到输入设备230和输出设备240，用于分别从计算机102a的用户接收输入并向计算机102a的用户提供输出。合适的输入设备包括但不限于：键盘，按钮，按键，开关，定点设备，鼠标，操纵杆，遥控器，红外检测器，条形码阅读器，扫描仪，摄像机(可能与视频处理软件耦合以例如检测手势或面部姿势)，运动检测器，或麦克风(可能耦合到音频处理软件以例如检测语音命令)。合适的输出设备包括但不限于：可视输出设备，包括显示器和打印机；音频输出设备，包括扬声器，头戴式耳机，耳机和警报器；增材制造设备以及触觉输出设备。

处理器210还可以耦合到网络接口卡260。网络接口卡260根据一个或多个数据传输协议准备由处理器210生成的数据，以经由网络进行传输。网络接口卡260还根据一个或多个数据传输协议对经由网络接收到的数据进行解码。网络接口卡260可以包括发送器、接收器或两者。在其他实施例中，发送器和接收器可以是两个分离的部件。网络接口卡260可以被实现为被设计为执行在此描述的功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程的逻辑设备、分立门或者晶体管逻辑、分立硬件部件、或者它们的任何适当的组合。

图3示出了用于制造3D对象或设备的过程300。如图所示，在框305处，使用诸如计算机102a的计算机来设计对象的数字表示。例如，可以将2-D或3-D数据输入到计算机102a，以帮助设计3-D对象的数字表示。在框310处继续，将信息从计算机102a发送到增材制造设备，例如增材制造设备106，并且设备106根据接收到的信息开始制造过程。在框315处，增材制造设备106使用合适的材料(例如，粉末或液体树脂)继续制造3D对象。此外，在框320处，生成3D对象。

现在转到图4A，提供了增材制造装置的示例。在该示例中，增材制造装置是激光烧结设备410。然而，本领域技术人员将容易理解，本文所述的方法还可以在立体光刻、激光熔融(金属)或甚至电子束熔化(EBM)的上下文中被实施。激光烧结设备410允许逐层构建3D对象。这些层由粉末形成，例如图4B中所示的粉末表面414。使用例如调平鼓422将连续的粉末层散布在彼此的上面。在沉积之后，计算机控制的激光束(可以是CO2激光束)可以扫描表面，并选择性地将产品的对应横截面的粉末颗粒绑定到一起。在这个例子中，激光源412是X-Y可移动红外激光源。

这样，激光源可以沿着X轴和沿着Y轴移动，以便将其光束引导到最上层粉末的特定位置。在一些实施例中，激光烧结设备还可以包括激光扫描仪(图4A中未示出)，该激光扫描仪接收来自固定激光源412的激光束，并将激光光束偏转到可移动的镜子上以将光束引导到设备的工作区域中的指定位置。在激光曝光期间，粉末温度升高到玻璃转化点之上，之后相邻的颗粒一起流动以产生3D对象。设备410还可以包括辐射加热器和气氛控制设备416。辐射加热器可以用于在扫描新粉末层时预热新粉末层和后续粉末层之间的粉末。可以在整个过程中使用气氛控制设备以避免不希望的情况，例如粉末氧化。

在一些实施例中，可以使用一个或多个可移动活塞418(a)和418(b)来分配粉末，所述活塞将粉末从粉末容器428(a)和428(b)推入到保持形成对象424的储存器426中。储存器的深度又由可移动的活塞420控制，该活塞420随着额外的粉末从粉末容器428(a)和428(b)移动到储存器426中而经由向下运动来增加储存器426的深度。

图4B是示出根据本发明的各种实施例被修改成包括热成像设备的增材制造装置410的示例的框图。热成像设备可以被配置为在近红外(NIR)和/或红外(IR)范围内捕捉来自粉末床表面的辐射。如图所示，增材制造装置410(在图4A中更详细地示出)适于与控制计算机434通信。控制计算机434可以是例如以上结合图1和图2描述的计算机之一的计算机。控制计算机434可以配置有硬件和/或软件以控制增材制造装置410内的增材制造过程。在一些实施例中，控制计算机可以包括增材制造控制处理器。软件可以是由例如Leuven，Belgium的Materialise NV提供的软件。

增材制造装置410适合于包括激光扫描系统444和热成像设备436两者。在特定替代实施例中，成像设备也可以是更一般的成像设备，其在构建过程期间捕捉构建区域的像素化图像。如将在下面详细讨论的，热成像设备436可以被配置为在整个构建过程中捕捉构建区域450的图像。正如那些熟悉热感相机的人所已知的，由相机捕捉的图像可以包括直接或间接指示构建区域中的表面的温度的数据，或者可以被校准以直接测量表面的温度。在一些实施例中，热成像设备436可以是热感相机，例如由FLIR制造的机器视觉相机。机器视觉相机可以被配置为与并入到控制计算机434中的机器视觉系统一起工作。在一些实施例中，热成像设备436可以被配置为以0.5Hz和50Hz之间的速率捕捉图像。而且，当激光扫描系统444扫描构建区域450中的沉积粉末层时，热成像设备436可以捕捉图像。

例如，在一些实施例中，典型层可能花费大约20秒来扫描和重新涂覆。在此期间，被配置为以10Hz的速率捕捉图像的热成像设备436针对每个层将捕捉约200个图像，如下所述，所述图像可用于评估零件质量。这些图像可以存储在控制计算机434上的存储器中，或者存储在网络可访问位置中的某个其他存储器中，或者甚至存储在与增材制造装置410包括在一起的专用存储器中。捕捉到的图像可以用于确定制造零件的热历史。该热历史可以与已经被制造、测试和批准的已知主模型的热历史进行比较。通常，在扫描和重新涂覆过程期间，热历史可以被表示为每层的温度波动。

转向图5，示出了用于评估增材制造中的零件质量的高级过程的流程图。该过程在框502处开始。这里，使用由例如热成像设备436捕捉到的热成像数据来确定制造零件的热历史。一旦已经获得了制造零件的热历史，之后就将其与主模型的热历史进行比较，如框504所示的。接下来，该过程转到决策框506。在那里，可以确定制造零件的热历史是否在指定的公差内。例如，如果制造零件中特定位置的热历史明显偏离主模型的热历史，则表明零件质量可能不理想。

如果在决策框506处热历史不在指定的公差内，则该过程移动到框510，其中制造零件被确定为不合格。然而，如果发现制造零件的热历史在指定的公差内，则过程转到框508，其中制造零件被确定为合格的。在一些实施例中，作为更广泛的质量保证过程的一部分，可以拒绝和丢弃不合格零件。在第一实例中，利用图5所示的过程，可以评估零件质量，而不需要耗时的手动劳动密集型过程。在一些实施例中，热历史或更一般的历史数据也可以用于关于质量的产品装仓。相对主产品以更高符合度构建的产品可以以比其稍不符合的产品售价更高。

图6A是提供可以如何在上述图5的框502中确定制造零件的热历史的更详细示例的流程图。该过程从框601处开始，其中零件的构建过程开始。然后该过程同时移动到两个框603和605。在框603处，热成像设备436在整个构建过程中捕捉粉末床的图像。如以上所讨论的，在一些实施例中，热成像设备436可以被配置为以0.5和50Hz之间的任何速率捕捉图像。在一些实施例中，取决于所使用的特定热成像设备，图像捕捉速率可以高达3000Hz，或甚至低至0.5Hz。此外，随着热成像技术的改进，甚至更高的图像捕捉速率也是可能的。

在热成像设备436捕捉工作区域中的粉末床的顶层的图像时，可以结合增材制造装置和在控制计算机434上执行的控制软件来配置控制计算机434，以执行涉及构建过程的各个方面的数据的记录。这些参数可以包括诸如加热器温度、激光功率、扫描速度、由激光器访问的粉末床上的位置以及各种类型的定时数据之类的参数。定时数据可以包括指示在构建中每个新层开始沉积到工作区域中的精确时间的数据。定时数据还可以包括在该过程中完成每层粉末的沉积的精确时间。定时数据还可以包括开始扫描层的精确时间，以及完成层的扫描的时间。当然，这些仅仅是示例性参数，并且也可以捕捉与制造零件的构建过程相关联的其他类型的类似数据，以用于确定对象的热历史。

该过程在框607处继续，其中制造零件的构建过程完成。该过程接下来移到框609，其中在整个构建过程中在框603处捕捉到的热图像可以存储在存储器中。如上所述，存储器可以是增材制造装置410、控制计算机434内的存储器，诸如网络存储设备的某种其他计算机存储区域，或者甚至是在热成像设备436自身内的存储器。接下来，过程转到框611。这里，基于获取到的图像和记录的构建数据来计算制造零件的热历史。在一些实施例中，可以与构建同时地计算热历史，并且可以将热历史与主模型的热历史进行比较。结果，当在主模型的热历史与对象的热历史之间存在显著偏差时，建造可以停止。

在框611中描述了构建制造零件的热历史的过程，其可以以各种方式执行。典型地，热历史是从存储于热成像设备436中的数据提取出的。在一个实施例中，热历史基于数学函数，该函数根据对象中特定点或区域的时间为每个时刻反映温度行为。

在另一实施例中，热历史可以是来自上述数学函数的用户定义的点或用户定义的间隔，其反映在某个时刻或某个时间间隔内对象的特定区域的温度或温度变化。在又一实施例中，热历史可以包括从数学函数中提取的常数，其反映对象中特定区域的温度和一个或多个热时间常数。在其他实施例中，热历史可以反映预定时间间隔内的温度下降，或者替代地反映达到一定量的温度下降所需的时间间隔。在其他实施例中，热历史可以是根据时间从热成像设备436提取出的原始温度数据。从热成像设备提取出的数据可以包括温度、灰度值，并且本领域技术人员将会理解，可以使用其他参数，例如灰度值或来自另一监视相机的输入。

图7A是可以用于计算制造零件的热历史的子过程的一个示例。由于制造零件的热历史可以用作与主模型的热历史进行比较的基础，所以希望用于比较制造零件和主模型的数据应该反映构建过程中在每个构建的最接近的可能时间处的条件。然而，由于自适应控制系统、激光的速度、零件的相对扫描次序、由于粉末中的湿度导致的层预加热时间的变化，由热成像设备436捕捉到的图像可能不是在多个构建过程上的确切相对时间处被捕捉的。如上所述，热成像设备436可以被配置成仅以10Hz和50Hz之间的速率捕捉图像。然而，激光扫描仪的工作速度比这更快，并且可以在图像捕捉之间访问对象层上的许多点。结果，仅仅比较来自热成像设备436所拍摄的图像的数据将不能确保从制造对象和主对象获得的数据将给出有意义的结果。相反，为了确保“对等”的比较，热成像设备436捕捉到的图像可以被同步，从而可以有效地进行比较。

因此，在一些实施例中，由热成像设备436捕捉到的异步图像不直接与在主模型的构建过程期间捕捉到的图像进行比较。相反，可以基于记录的构建数据、定时数据和/或获取的图像来生成热历史曲线。在一些特定实施例中，可以基于获取的图像和参考时间生成热历史曲线。使用参考时间允许将上述数学模型拟合或应用于热数据，并与拟合所得的常数一起工作。可以用数学模型或热模型来拟合热数据。在一个实施例中，可以使用的模型由T(t)＝A*exp(-lambda*t)+B来描述，其中A表示该点达到的最大温度，lambda是指数衰减因子，表示在激光移开后温度降低得多快，B是常数。常数B可以表示随时间达到的环境/平衡温度。在适当的情况下也可以使用额外的指数因素或其他因素。

在一些实施例中，数学模型还可以是通用模型，包括已被证明在过去得到良好构建的参数。通过与来自数学等式的常数一起工作，可以构造与时间戳解耦的新类型图像。这样做可以消除时间参数，并可以进行“对等”的比较。这些常数可以与来自主模型中的常数进行比较。可以通过利用来自热图像的温度、对应的时间戳(关于参考)和热行为模型(即，1个指数或更多)来使用该方法。总之，使用增材制造装置410的自适应控制系统，可以测量若干不同的数据参数，并且这些数据参数可以用于对构建过程的所有零件的温度值进行内插和/或模拟。

如上所述，在一个实施例中，热历史可被描述或表达为数学函数，其根据对象中特定区域的时间，反映每个时刻的温度行为。在另一实施例中，热历史可以是来自上述数学函数的用户定义点或用户定义间隔，其反映在某个时刻或某个时间间隔对象中特定区域的温度或温度变化。在又一实施例中，热历史包括从数学函数中提取出的常数，其反映对象中特定区域的温度和一个或多个热时间常数。在又一实施例中，热历史反映了预定时间间隔中的温度下降，或者替代地反映达到一定温度下降所需的时间间隔。替代地，和与自成像设备436的热数据一起工作相比，与热历史一起工作工作允许强烈的数据减少。

图7A是提供用于定义制造零件的热历史然后利用该定义的热历史将零件质量与主模型的零件质量进行比较的过程的一个示例的流程图。在高级别处，对于零件中的每个点，该过程涉及创建热历史曲线，其示出了整个构建过程中每个时刻的温度。该过程从框702开始，其中零件中的点被选择用于分析。可以通过从零件的电子模型中选择特定位置来确定该点。接下来，该过程移动到框704，其中来自构建过程的特定层被选择用于分析。因此，在框702和704处，选择制造零件中的特定位置和特定层用于分析。接下来，使用在构建过程中捕捉到的数据，从存储器中取回所述数据。例如，在框706处，从存储器中取回与所考虑的点和层相关联的热数据。在框708处，还从存储器中取回在制造零件时记录的且与所考虑的层关联的构建数据。

如上所述，热成像设备436通常不能以确保为激光扫描仪所访问的每个点拍摄图像的速率捕捉图像。结果，热成像设备436拍摄的图像在每个构建中不是以完全相同的相对时刻拍摄的。例如，在生产主模型的构建过程中，可能在该过程中在一个相对时间点捕捉图像，而在稍后生产零件时，可能在不同的相对时间捕捉图像。因为这些不同的相对时间，在主模型和随后生产的零件之间的图像比较将不会导致对零件质量的可靠评估。为了确保图像数据和构建过程数据可以在不同零件之间进行有意义的比较，可以生成热历史，其调节捕捉到的数据，从而可以被用于“对等”的比较。

为了实现这种比较，过程随后转到框710，其中基于取回的数据来确定热历史曲线。在一些实施例中，热历史曲线可以由诸如图8A中所示的图800之类的图表示。如图所示，热历史曲线在x y图上表示，其中x轴代表时间(以秒为单位)，而y轴代表温度(以摄氏度为单位)。虽然在该示例中使用了温度和时间，但是本领域技术人员将理解，可以使用其他参数，例如灰度值或来自另一监视相机的输入。在该示例中，图中所示的时间反映了增材制造装置410用于扫描所考虑的层所用的总时间。温度值反映了所考虑的点的温度。因此，x y图800上的绘制的线提供了根据时间而变化的、所考虑的点的局部温度。该绘制的线通常代表所考虑的层的扫描周期期间的不同状态。

在图中标记为801的第一状态反映了重新涂覆层但是扫描仪尚未到达该点的时间。结果，温度相对较低，并且通常处于或接近粉末床中沉积的粉末的温度。随着激光扫描仪朝向所考虑的点移动，由于光束越来越接近该点，所以温度可能会略微增加(如图所示)。当所考虑的点被激光扫描时，绘制的线的温度迅速升高(如部分803所示)。温度升高超过粉末的熔点(虚线805)，并在位置807达到峰值。一旦扫描仪移动到对象的另一点，温度开始下降(由于其热扩散性质)，如线的部分809所示。这条线可以被认为是所考虑的点的热历史。如上所述，在特定发明实施例中，所考虑的点的热历史还可以包括数学函数，其根据对象中特定区域的时间针对每个时刻反映温度行为。在另一实施例中，热历史可以是来自上述数学函数的用户定义点或用户定义间隔，其在某个时刻或某个时间间隔反映对象中特定区域的温度或温度变化。在又一实施例中，热历史包括从数学函数中提取出的常数，其反映对象中特定区域的温度和一个或多个热时间常数。在另一实施例中，热历史反映了在预定时间间隔中的温度下降，或者替代地反映了达到一定温度下降所需的时间间隔。在又一实施例中，通过切割图8A中的图上的陡峭边缘升高边缘来提升异步性。

来自图8A的热历史最初可以使用在构建过程中进行的实际热测量来创建。然而，在构建过程期间记录的存储数据也提供了额外的信息，特别在其与事件的定时相关时。例如，由系统记录的构建过程信息可以包括与所考虑的层和点有关的各种事件的精确定时。该信息可以包括重新涂覆器沉积该层粉末的精确时间。图8A以虚线817示出了这个时间。该信息还可以包括在该层上开始激光扫描的时刻。图8A将此时间表示为虚线819。该信息还可以包括激光扫描所考虑的点的精确时间。该具体时间在图8A中被示为虚线815。其他事件的定时也可以被记录并被用来确定适当的同步热历史。

利用这个和其它记录的信息以及发生热扩散性的物理学，即使在过程中没有针对每个时刻都获取实际的热测量，也可以外推和模拟来自图8A的热历史曲线。为了说明，在一些情况下，热成像设备434可能不会在激光扫描所考虑的点的精确时间捕捉图像。通常在该点，该点的温度将是最高的。在图8A所示的示例中，热成像设备没有在激光扫描所考虑的点的精确时刻(由虚线815所示)捕捉图像。

而是，热成像设备恰好在扫描仪碰到所考虑的点之前和之后捕捉热图像。因此，扫描仪碰到所考虑的点的精确时间是已知的，并且可以使用假设的热模型来拟合该点处的材料的热行为，可以基于该信息对激光扫描所考虑的点的精确时间处的温度进行估计和/或外推，然后作为XY值添加以在曲线上绘制。可以使用捕捉到的和记录的数据来类似地估计和/或外推热历史曲线上的其他值。

现在返回到图7A中所示的流程图，一旦已经为所考虑的点/层计算出热历史，则该过程移动到决策框712。在那里确定是否存在针对所考虑的点待分析的额外层。如果是，则该过程返回到框704，并选择下一层用于分析。如果在决策框712处，不存在针对所考虑的点待分析的额外层，则该过程前进到决策框714。在决策框714中，确定对象中是否存在可以为其生成热历史曲线的额外点。如果是，则该过程返回到框702，其中选择对象中的新点用于分析。然而，如果在决策框714处在对象中不存在要考虑的额外点，则该过程前进到框716。

在框716处，可以将针对制造零件生成的热历史与主模型的热历史进行比较。图8B示出了来自图8A的热历史以及没有任何同步叠加的主模型的绝对热历史。主模型的热历史以虚线811示出，该虚线811与结合图8A生产的、零件的热历史在时间上偏移。然而，通过拟合数学模型和提取拟合常数，可以使这两个热历史同步。那些拟合常数是独立于时间的。这样，对于每个点，可以比较拟合常数。拟合常数例如但不限于最大温度或指数衰减时间。因此，这些调整可以通过利用在构建过程中捕捉和记录的信息来完成，以对准热历史，从而它们反映了等效的时刻。最后，过程移到框718，其中基于零件和主模型之间的热历史的相似性，确定零件是否符合主模型。

在一些实施例中，可以在构建过程中几乎实时地检查构建的符合度。在这些实施例中，随着图像被捕捉并且构建过程数据被存储，可以实时生成热历史并将其与主模型进行比较。如果存在显著的偏差，则可以停止构建，而不会在该特定项目上浪费更多的时间和精力。在一些实施例中，可以调整构建以补救检测到的缺陷。

图6B和图7B提供了热历史的实时处理的例子。转到图6B，实时处理在框621处开始，其中层被沉积在构建区域中并由增材制造装置410扫描。接下来，该过程同时移动到两个框623和625。在框623处，在扫描层时获取热图像。同时，如框625所示，还记录构建过程数据。接下来，过程转到框627，其中将热图像存储在存储器中。该过程然后转到框629，其中基于存储的图像和构建数据实时地计算层的热历史，然后将计算出的热历史与主零件的热历史进行比较。该过程接下来转到决策框631，其中基于在框629中发生的比较的结果，确定是否需要对构建过程进行修改。如果不需要修改，例如新零件的热历史符合主零件的热历史，那么过程返回到框621，其中下一层被沉积和扫描。然而，如果需要修改，则过程随后转到框633，其中基于与主零件的偏差的类型来调整构建过程。这些调整可以包括对扫描仪速度、扫描仪功率、层厚度或能够由增材制造装置410调整的某种其他增材制造参数的调整。

图7B是来自图6B的框629的子过程，并且示出了更详细地描述可以在实时环境中计算热历史的过程的流程图。该过程在框722处开始。在那里，选择当前打印的层进行分析。接下来，该过程移动到框724，其中识别该层内的特定点以供分析。该过程然后移动到框726，其中从存储器中取回识别出的点/层的存储的热数据，并且在框728处还取回记录的构建数据。接下来，过程转到框730，其中基于取回的数据计算热历史曲线。一旦已经计算出热历史曲线，就在框732处将热历史曲线与主零件中的相当热历史进行比较。在框734处，基于在框732中进行的比较来确定与主零件的符合度。在这个实时上下文中，因为指向每个层被扫描，所以可以生成这些点的热历史并相对主零件评估这些热历史。当识别出偏离规范时，可以呈现调整制造过程的机会，以避免在将成为缺陷零件的零件上浪费打印机资源。另外，如果与规范偏离得足够显著，则打印过程可以被终止，这也节省了资源和时间。

在其他实施例中，可以使用数学压缩函数来压缩热图像数据，以将热图像数据减少为每层一个或两个图像。

虽然上述实施例涉及选择性激光烧结(SLS)，但是本领域技术人员将容易理解，本文公开的系统和方法可以用于其他类型的增材制造，包括SLA、EBM、金属烧结等等。

在一些实施例中，本文描述的系统和方法可以用于基于制造零件中的每个点保持在熔化温度以上多长时间，来检查零件质量。如果与零件中的点有关的热历史显示其处于高于熔点的时间量不足，则可能显示该零件可能具有太大的孔隙度。类似地，如果温度高于熔点太长时间，则可以提供由于过度熔化而导致零件可能变形的指示。

在一些实施例中，本文描述的系统和方法可以用于基于“拟合因子”来检查零件质量，该拟合因子反映了假定的热模型可以在该点的测量的实验数据内拟合得多好。例如，如果拟合因子较高，则假定的热模型很好地描述了所测量的热行为，但是如果拟合因子较低，则虽然参数已经被拟合，但它不能准确地描述实际情况。统计学中的“拟合因子”的例子是R平方值，其接近于零时具有较差的拟合，接近1时具有较好的拟合。

利用本文所公开的系统和方法，即使当构建过程未以在主构建期间完成的相同方式被采样时，制造零件也可以可靠地与主模型进行比较。应用本文公开的技术，可以为每个制造零件创建热历史，其基于与为主模型定义的热历史的等同参数。此外，虽然本文描述的系统和方法通常涉及热成像设备的使用，但是本领域技术人员将会理解，也可以使用更一般的成像设备。在这些实现方式中，不是使用热读数来确定零件质量，而是可以在主模型和制造零件之间比较原始图像中的像素值，以确定符合度。

本文公开的各种实施例提供了计算机控制系统的使用。本领域技术人员将容易理解，可以使用多种不同类型的计算设备来实现这些实施例，包括通用和/或专用计算系统环境或配置。可以适用于与上述实施例结合使用的公知计算系统、环境和/或配置的示例可以包括但不限于：个人计算机，服务器计算机，手持式或膝上型设备，多处理器系统，基于微处理器的系统，可编程消费者电子件，网络PC，小型计算机，大型计算机，包括任何上述系统或设备的分布式计算环境，等等。这些设备可以包括存储的指令，该指令在由计算设备中的微处理器执行时，使计算机设备执行指定的动作，来执行指令。如本文所使用的，指令是指用于处理系统中的信息的计算机实现的步骤。指令可以用软件、固件或硬件来实现，并且包括由系统部件进行的任何类型的编程步骤。

微处理器可以是任何常规的通用单芯片或多芯片微处理器，例如处理器，Pro处理器，8051处理器，处理器，Power处理器或处理器。另外，微处理器可以是任何常规的专用微处理器，例如数字信号处理器或图形处理器。微处理器通常具有常规地址线、常规数据线和一个或多个常规控制线。

本文公开的发明的各方面和实施例可以实现为使用标准编程或工程技术来产生软件、固件、硬件或其任何组合的方法、装置或制品。这里使用的术语“制品”是指在硬件或非瞬态计算机可读介质(例如光存储设备)以及易失性或非易失性存储设备或瞬态计算机可读介质(例如，信号、载波等)中实现的代码或逻辑。这样的硬件可以包括但不限于现场可编程门阵列(FPGA)，专用集成电路(ASIC)，复杂可编程逻辑设备(CPLD)，可编程逻辑阵列(PLA)，微处理器或其他类似的处理设备。