增材制造（Additive Manufacturing, AM）技术有望彻底改变工业格局，但其面临的一个主要挑战是在制造过程中可能出现的缺陷，这些缺陷会损害组件的强度和可靠性。约翰·霍普金斯大学应用物理实验室（APL）的研究人员正在通过开发先进的传感器来解决这个问题，这些传感器能够在制造过程中实时检测缺陷。

由Vince Pagán和Morgan Trexler领导的APL团队在解决粉末床熔融（Powder Bed Fusion）过程中出现的缺陷方面取得了重大进展。粉末床熔融技术中一个常见的问题是匙孔缺陷的形成，即在凝固金属内残留的微小气泡，这会削弱金属的结构完整性。当激光过快地传递过多的能量时，就会出现这些缺陷，导致熔化的金属不稳定。

APL团队通过观察大自然中的现象，例如通过观察河流中的水下岩石识别表面破坏，开发了一种方法，通过监测制造过程中的热和光谱异常来检测潜在的缺陷。他们假设，当检测到这些异常时，通过短暂暂停激光，金属可以充分冷却以防止蒸气泡的形成。

小孔缺陷形成的模型视图，图片来自：约翰·霍普金斯大学

约翰·霍普金斯大学借助导弹防御系统中的技术，能够在纳秒内检测到增材制造中的缺陷。团队开发了一种能够在微秒内响应的定制传感器，这种传感器速度非常快，考虑到增材制造中材料的凝固速度比传统工艺快数千倍。传感器与Mark Foster及其团队合作开发，配备了多个波长的光电二极管，并具有增强的采样频率，可以高分辨率地捕捉熔池动态数据，这对于早期检测缺陷至关重要。

在实践中，传感器被集成到一个控制框架中，该框架直接与激光器通信。如果检测到过多的热量，传感器会指示激光器立即关闭。这种快速响应系统基于导弹防御系统的技术，可在百万分之十至二十秒内采取行动。系统响应数据输入的敏捷性是成功防止缺陷的关键。

APL团队成功证明了系统能够在不到一微秒的时间内做出响应，这比其所监控的物理过程要快得多。该功能使系统能够先发制人地解决潜在缺陷，确保最终产品的完整性。

展望未来，APL团队计划将人工智能纳入系统，以提高反馈循环的速度和准确性，从而有可能在制造过程中实现实时调整。这一发展不仅有望提高增材制造在生产无缺陷组件方面的可靠性，而且还为该技术在各个关键领域的更广泛采用奠定了基础。

增材制造（Additive Manufacturing, AM）技术有望彻底改变工业格局，但其面临的一个主要挑战是在制造过程中可能出现的缺陷，这些缺陷会损害组件的强度和可靠性。约翰·霍普金斯大学应用物理实验室（APL）的研究人员正在通过开发先进的传感器来解决这个问题，这些传感器能够在制造过程中实时检测缺陷。

由Vince Pagán和Morgan Trexler领导的APL团队在解决粉末床熔融（Powder Bed Fusion）过程中出现的缺陷方面取得了重大进展。粉末床熔融技术中一个常见的问题是匙孔缺陷的形成，即在凝固金属内残留的微小气泡，这会削弱金属的结构完整性。当激光过快地传递过多的能量时，就会出现这些缺陷，导致熔化的金属不稳定。

APL团队通过观察大自然中的现象，例如通过观察河流中的水下岩石识别表面破坏，开发了一种方法，通过监测制造过程中的热和光谱异常来检测潜在的缺陷。他们假设，当检测到这些异常时，通过短暂暂停激光，金属可以充分冷却以防止蒸气泡的形成。

小孔缺陷形成的模型视图，图片来自：约翰·霍普金斯大学

约翰·霍普金斯大学借助导弹防御系统中的技术，能够在纳秒内检测到增材制造中的缺陷。团队开发了一种能够在微秒内响应的定制传感器，这种传感器速度非常快，考虑到增材制造中材料的凝固速度比传统工艺快数千倍。传感器与Mark Foster及其团队合作开发，配备了多个波长的光电二极管，并具有增强的采样频率，可以高分辨率地捕捉熔池动态数据，这对于早期检测缺陷至关重要。

在实践中，传感器被集成到一个控制框架中，该框架直接与激光器通信。如果检测到过多的热量，传感器会指示激光器立即关闭。这种快速响应系统基于导弹防御系统的技术，可在百万分之十至二十秒内采取行动。系统响应数据输入的敏捷性是成功防止缺陷的关键。

APL团队成功证明了系统能够在不到一微秒的时间内做出响应，这比其所监控的物理过程要快得多。该功能使系统能够先发制人地解决潜在缺陷，确保最终产品的完整性。

展望未来，APL团队计划将人工智能纳入系统，以提高反馈循环的速度和准确性，从而有可能在制造过程中实现实时调整。这一发展不仅有望提高增材制造在生产无缺陷组件方面的可靠性，而且还为该技术在各个关键领域的更广泛采用奠定了基础。