據稱，當前的熱成像和機器學習算法等傳統監測方法存在很大局限性，經常忽視或誤解缺陷。據說這使得增材製造用於精密製造變得難以捉摸，並可能限制其在航空和汽車製造等重要行業的使用。

根據瑞士洛桑聯邦理工學院 (EPFL) 工程學院機械冶金實驗室 (LMTM) 負責人Roland Logé教授，關於雷射增材製造聲學監測的可行性和有效性，一直存在爭論。洛桑聯邦理工學院的研究不僅證實了聲學監測的相關性，而且還強調了聲學監測相對於傳統方法的優勢。

這項研究對於工業部門非常重要，聲學監測或將成為一種經濟高效的解決方案來監控和提高通過雷射束粉末床熔融 (PBF-LB) 製造的產品的質量。

根據3D科學谷《增材製造的過程監測 l 基於雷射的金屬增材製造過程監控和機器學習》一文，聲學監測是依靠聲波的傳播來提供有關構建質量的信息。聲發射的記錄和分析是傳統工業中用於檢測裂紋、腐蝕開始和狀態驗證的成熟監測技術。聲學監測系統可以是被動的，僅檢測製造過程本身產生的聲波，也可以是主動的，產生聲波穿過目標並返回接收器。零件內的孔隙、裂紋或未熔化的粉末等缺陷會改變這些波的傳輸，從而導致可以在記錄的信號中檢測到的變化。

超聲波傳感器是有源傳感器的一個例子，多年來一直廣泛用於故障分析、疲勞監測和傳統製造領域。通過讀取表面上產生的聲波並檢測可能發生的變化來預測缺陷的存在。通過基於 CNN 的算法的輸入，鑑定L-PBF選區雷射熔融金屬3D列印過程中的孔隙率。

然而，這種類型的傳感器無法在生產過程中調查構建的熔池區域。此外，大多數L-PB構建室幾乎沒有可用空間來在構建室內集成這類設備。為了克服這個限制，此前，科研人員建議可以將該傳感器集成到現有的L-PB構建室機器光學系統中，這意味著可以使用現有的雷射制導設備在層之間進行測量。

/ 自適應濾波技術

瑞士洛桑聯邦理工學院的研究團隊制定的一項實驗設計是將操作 X 射線成像實驗與聲學測量相結合。使用位於構建室內的超靈敏麥克風，精確定位了狀態轉變期間聲學信號的明顯變化，從而直接識別製造過程中的缺陷。

信號處理專家Giulio Masinelli引入了自適應濾波技術，這種過濾方法使瑞士洛桑聯邦理工學院的研究團隊能夠以無與倫比的清晰度辨別缺陷與伴隨的聲學特徵之間的關係。

典型的機器學習算法擅長從統計數據中提取模式，但通常針對特定場景進行定製，與此不同的是，瑞士洛桑聯邦理工學院的方法提供了對熔化狀態物理的更廣泛的見解，同時提供了卓越的在時間和空間維度上的精度。

3D科學谷白皮書

洛桑聯邦理工學院的這些發現預計將對潛在的工業應用產生重大影響，特別是在航空航天和精密工程領域。據說該研究強調了一致的製造技術的必要性，並提出了早期發現和糾正缺陷的途徑，從而提高產品質量。這項研究為更好地理解和完善製造工藝鋪平了道路，並最終將帶來更高的產品長期可靠性。