1. 簡介
體積積層製造（VAM）代表咗從傳統逐層技術嘅範式轉變，能夠快速、同步地三維製造完整物件。然而，快速原型製作流程仍然受制於打印後檢查同計量學。目前嘅方法，例如X射線CT或光學掃描，都係離線、耗時，並且無法整合到打印過程中。呢項工作通過為斷層掃描VAM引入一個完全同步嘅三維計量同打印系統，解決咗呢個關鍵缺口。
核心創新在於利用光敏樹脂喺其凝膠化階段光散射嘅急劇增加。呢個物理變化被用於對正在成形嘅打印件進行實時、無偽影嘅三維成像，實現幾何精度低於打印尺寸嘅1%。呢種整合為積層製造中嘅閉環控制鋪平咗道路。
2. 方法與技術細節
2.1. 斷層掃描體積積層製造原理
喺斷層掃描VAM中，一個三維數字模型通過斷層掃描重建原理（類似於反向CT掃描）被分解為一系列二維光圖案（投影）。呢啲圖案從多個角度投影穿過一個裝有光固化樹脂嘅旋轉小瓶。當累積光劑量超過凝膠化閾值時，樹脂會固化，一次性形成所需物件，消除咗層線同支撐結構嘅需要。
2.2. 用於原位計量學嘅光散射
原位計量學嘅關鍵在於樹脂光學特性嘅變化。液態樹脂基本上係透明嘅，但凝膠化後，由於形成具有折射率不均勻性嘅聚合物網絡，佢會變得高度散射。通過照射構建體積並使用相機從多個角度捕捉散射光，可以實時重建散射密度嘅三維圖——呢個圖直接對應於固化嘅幾何形狀。
2.3. 數學框架
從捕獲嘅二維投影 $P_\theta(\mathbf{x}, t)$ 重建三維散射密度 $\rho(\mathbf{r}, t)$ 遵循計算機斷層掃描嘅原理。對於給定嘅投影角度 $\theta$，關係由Radon變換建模：
$P_\theta(\mathbf{x}, t) = \mathcal{R}[\rho(\mathbf{r}, t)] = \int_{L(\mathbf{x}, \theta)} \rho(\mathbf{r}, t) \, ds$
其中 $L(\mathbf{x}, \theta)$ 係穿過構建體積、位於探測器位置 $\mathbf{x}$ 同角度 $\theta$ 嘅直線，而 $ds$ 係線元素。三維模型使用濾波反投影或迭代算法恢復：
$\hat{\rho}(\mathbf{r}, t) = \mathcal{B}\{ \mathcal{F}^{-1}[ |\omega| \cdot \mathcal{F}(P_\theta(\mathbf{x}, t)) ] \}$
其中 $\mathcal{F}$ 表示傅里葉變換，$\mathcal{B}$ 表示反投影算子。時間分量 $t$ 允許進行四維（三維+時間）監測。
3. 實驗結果與分析
3.1. 設置與校準
實驗設置將標準嘅斷層掃描VAM系統（投影儀、旋轉小瓶）同一個額外嘅成像系統整合埋一齊。一個漫射光源照射小瓶，一部或多部相機捕捉散射光。系統使用已知幾何形狀嘅模型進行校準，以建立散射強度同固化體積之間嘅關係。
3.2. 精度與性能指標
主要結果係展示咗原位測量幾何形狀相對於最終打印部件同原始CAD模型，具有低於1%嘅尺寸精度。對於基準打印件（例如複雜嘅晶格或機械部件），原位重建同離線微CT掃描之間嘅均方根誤差（RMSE）據報告低於物件特徵尺寸嘅1%（例如，喺一個5毫米部件上約有50微米誤差）。
關鍵性能指標
尺寸精度： < 物件尺寸嘅1%
測量延遲： 接近實時（與打印速度同步）
數據類型： 定量三維 + 時間（四維）體積數據
3.3. 缺陷檢測能力
系統成功識別咗打印過程中發生嘅缺陷。例如，喺重建嘅散射密度圖中可視化咗偏差，例如意外嘅空隙、由於光衰減導致嘅形狀扭曲，或者懸垂區域固化不完全。呢點通過故意引入錯誤（例如，劑量校準錯誤）並展示計量系統輸出，突顯咗與目標幾何形狀嘅差異來證明。
圖表描述： 三維重建圖像嘅時間序列會顯示物件嘅生長。一個比較圖表會繪製目標CAD模型嘅線輪廓，對比原位測量輪廓同離線CT掃描輪廓，顯示三者之間緊密對齊，而原位數據捕捉咗過程動態。
4. 分析框架與案例研究
原位過程-屬性關係框架： 呢項技術實現咗一個新嘅分析框架：直接將過程參數（每個角度嘅光劑量、旋轉速度）同實時幾何結果相關聯。一個實際案例研究涉及打印一個具有已知挑戰性特徵（例如精細針腳、薄壁）嘅部件。
- 輸入： 目標CAD模型同計劃嘅斷層掃描投影集。
- 過程監控： 原位系統重建實際散射體積 $V_{actual}(t)$。
- 比較： 喺軟件中，$V_{actual}(t)$ 持續同預期嘅「理想」散射體積 $V_{ideal}(t)$ 進行比較，後者源自已知嘅凝膠化閾值同施加嘅劑量。
- 偏差映射： 生成一個差異圖 $\Delta V(t) = V_{actual}(t) - V_{ideal}(t)$。正值表示過度固化/膨脹；負值表示固化不足/空隙。
- 根本原因分析： $\Delta V$ 中嘅空間模式可以追溯到特定嘅投影角度或劑量水平，從而識別缺陷嘅確切原因。呢點優於事後分析，因為事後分析無法將最終缺陷同過程中嘅特定時刻相關聯。
呢個框架將質量控制從被動嘅生產後檢查轉變為集成到製造循環中嘅主動診斷工具。
5. 核心見解與批判性分析
核心見解： Orth等人唔單止構建咗一個更好嘅計量工具；佢哋從根本上重新設計咗積層製造嘅反饋循環。通過利用光聚合過程本身固有嘅潛在信號（散射變化），佢哋實現咗真正嘅同步測量同製造。呢點將VAM從一個快速但盲目嘅過程變成一個透明嘅過程，解決咗快速原型製作中最明顯嘅弱點：打印同知道係咪成功之間嘅痛苦延遲。
邏輯流程： 邏輯優雅且以物理為先。問題：積層製造需要原位幾何測量。限制：你唔可以將掃描器放入樹脂槽內。佢哋嘅解決方案：唔好添加掃描器；令打印過程本身成為掃描器。凝膠化誘導嘅散射唔係一個缺陷；佢係一個功能。呢點反映咗其他領域嘅哲學，例如使用神經網絡嘅訓練動態進行內省，而唔係添加單獨嘅診斷模塊。從物理觀察（散射增加）到數學模型（散射密度嘅斷層掃描重建）再到系統集成嘅技術流程係無懈可擊嘅。
優點與缺點： 其優點在於無縫集成同高精度。佢需要最少嘅額外硬件，利用現有嘅光路。對於一種原位方法，低於1%嘅精度係非常出色嘅。然而，缺點係顯著且係開創性工作嘅典型特徵。首先，佢與特定嘅材料現象緊密相連。佢適用於所有光敏樹脂嗎？高填充、不透明或預散射嘅樹脂可能無法顯示足夠嘅對比度變化。其次，佢通過散射密度測量「固化體積」，而非表面拓撲。細微嘅表面光潔度問題或聚合物同液態樹脂之間嘅折射率匹配可能無法被檢測到。佢係一個體積檢查工具，而非表面檢查工具。第三，正如作者所暗示，實時數據目前僅用於觀察，尚未用於閉環控制。從喺時間 *t* 檢測到缺陷，到喺打印喺 *t+Δt* 完成之前計算並應用修正劑量，呢一步係一個巨大嘅控制理論同硬件挑戰。
可行見解： 對於研究人員，直接嘅路徑係材料通用化：量化不同樹脂化學成分嘅散射對比度。對於業界，優先事項唔係等待閉環控制。真正嘅近期價值在於過程開發同資格認證。呢個系統可以通過為每個測試打印提供即時嘅體積反饋，將優化新樹脂或新幾何形狀打印參數嘅時間從幾週縮短到幾日。製造商應該將呢個視為最終質量控制站，而係打印過程嘅終極「數字孿生」——一個用於完善配方嘅工具，確保生產運行時一次就成功。參考耗時嘅微CT掃描過程[15]係對傳統計量學嘅直接挑戰；呢項技術旨在令呢個瓶頸喺開發週期中變得過時。
6. 未來應用與方向
- 閉環自適應打印： 最終目標係實時修正。如果喺打印中途檢測到偏差，系統可以調整後續嘅光圖案以進行補償——例如，為固化不足嘅區域增加劑量，或減少劑量以防止過度固化。
- 多材料與功能打印監控： 將原理擴展到監控打印過程中不同材料（例如，通過波長依賴性散射）或功能性填料（例如，碳納米管）嘅分佈。
- 與機器學習集成： 生成嘅四維（三維+時間）數據集非常適合訓練機器學習模型，以預測打印失敗、優化VAM嘅無支撐設計，或自動分類缺陷類型。
- 標準化與認證： 在受監管嘅行業（航空航天、醫療）中，呢項技術可以為每個單一部件提供一個無法偽造嘅、關於實際內部幾何形狀嘅數字記錄，對於認證至關重要。
- 超越VAM： 核心思想——使用固有過程信號進行計量——可能啟發其他積層製造模式中嘅類似方法，例如監控粉末床熔融中嘅熱輻射或材料擠出中嘅聲學特徵。
7. 參考文獻
- Kelly, B. E., et al. "Volumetric additive manufacturing via tomographic reconstruction." Science 363.6431 (2019): 1075-1079.
- Loterie, D., et al. "High-resolution tomographic volumetric additive manufacturing." Nature Communications 11.1 (2020): 852.
- Shusteff, M., et al. "One-step volumetric additive manufacturing of complex polymer structures." Science Advances 3.12 (2017): eaao5496.
- Webber, D., & Paquet, C. "Advances in Volumetric 3D Printing." National Research Council Canada Technical Reports (2022).
- Gibson, I., et al. Additive Manufacturing Technologies: 3D Printing, Rapid Prototyping, and Direct Digital Manufacturing. 3rd ed., Springer, 2021. （關於傳統積層製造計量學挑戰嘅背景）。
- ISO/ASTM 52902:2023. "Additive manufacturing — Test artifacts — Geometric capability assessment of additive manufacturing systems." （用於精度評估嘅相關標準）。
- Zhu, J., et al. "Real-time monitoring and control in additive manufacturing: a review." Journal of Manufacturing Systems 68 (2023): 276-301. （關於原位監控嘅更廣泛背景）。
- Wang, C., et al. "Deep learning for real-time 3D reconstruction in additive manufacturing: A review." Virtual and Physical Prototyping 18.1 (2023): e2167456. （與機器學習相關嘅未來方向）。