通過機器學習映射增材制造射頻器件的幾何和電磁特征空間

供稿人：冉陽、魯中良 供稿單位：西安交通大學機械制造系統(tǒng)工程國家重點實驗室


直寫成型（DIW）技術(shù)是一種具有代表性的增材制造（AM）方法，由于其可重復的特征分辨率和形成導電粘彈性油墨的能力，該方法能夠打印在射頻（RF）波段工作的高導電跡線。新型導電和介電油墨的快速發(fā)展拓展了增材制造電磁（EM）器件的設(shè)計空間，但也對工藝和性能控制提出了新的挑戰(zhàn)，其中構(gòu)建質(zhì)量缺陷是追求一致的幾何和操作規(guī)范時普遍存在的主要挑戰(zhàn)。理解AM和EM性能標準之間的聯(lián)系對于減輕工藝特定缺陷的影響至關(guān)重要。但是由于評估射頻性能域的計算成本，和缺乏對工藝特定缺陷影響的經(jīng)驗以及需要對單個元件進行仿真，在線表征缺陷具有挑戰(zhàn)性，幾何結(jié)構(gòu)和射頻性能之間的映射通常是一項艱難的任務(wù)。

最近美國賓夕法尼亞州立大學電氣工程系Deanna等人通過將幾何方差映射到電磁性能度量，提出了一個識別缺陷機制及其性能影響的框架。該方法在避免在線電磁模擬的高計算成本的同時，可以加速增材制造反饋。他們首先使用降維來探索幾何制造異常和電磁性能的總體，然后訓練卷積神經(jīng)網(wǎng)絡(luò)來預測打印幾何圖形的電磁性能。在生成網(wǎng)絡(luò)時研究了兩個輸入：一個是圖像派生的幾何描述，另一個是使用相同的描述和附加的模擬電磁信息。結(jié)果表明，無需在線仿真即可創(chuàng)建快速的增材反饋系統(tǒng)來預測電磁性能。其概念系統(tǒng)流程圖以及如何從具有不同缺陷水平的總體中選擇三個元素來實現(xiàn)流形映射如圖1所示，圖2顯示了統(tǒng)一流形近似和投影（UMAP）。

圖1 映射增材制造反饋回路中的制造缺陷和電磁性能歧管。 （a）簡化的增材反饋流程圖；（b）用制造和性能歧管表示制造和性能塊的示意圖。

圖2 神經(jīng)網(wǎng)絡(luò)訓練和密集層降維。（a）可接受（藍色）和不可接受（橙色）二值輸出著色的制造螺旋的UMAP流形投影，（b）具有二值輸出著色的電磁傳輸響應(yīng)曲線的UMAP流形投影，（c）邊界輪廓圖像示例和相應(yīng)的CNN拓撲，（d）表面電流圖像示例和相應(yīng)的CNN拓撲，邊界輪廓密集層降維：（e）用戶定義輸出，（f）CNN預測值，（g）CNN假陽性和假陰性，表面電流圖像密集層降維：（h）用戶定義輸出，（i）CNN預測值，（j）CNN假陽性和假陰性。

這項研究為機器學習技術(shù)如何應(yīng)用于快速的增材制造反饋過程提供了新的視角。這些技術(shù)可用于了解制造差異，并糾正由工藝特定缺陷引起的性能錯誤。

參考文獻：Deanna S、Venkatesh M、Andrew G 等人。 （2022 年）。 使用機器學習為增材制造的射頻設(shè)備映射幾何和電磁特征空間，增材制造，ISSN 2214-8604