您好！我是Ada，PowderSight智能助手。
💡 我可以帮您：
• 查询价格（如"镍价"）
• 搜索产品（如"搜索TC4"）
• 推荐材料（如"散热材料"）
• 介绍平台（如"会员对比"）
试试输入"帮助"查看更多功能！
上交大联用同步辐射CT与机器学习，量化气体雾化粉末缺陷
2026-05-08
Additive Manufacturing
1 阅读
📌 技术突破
📈 待观察
⚡ 技术跟进
🏷️ gas atomization, synchrotron X-ray computed tomography, machine learning, improved nozzle, metal powder
上海交通大学联合研究团队采用同步辐射X射线计算机断层扫描结合三维重建，依据气雾化过程中缺陷粉末的形成机理将粉末分为不规则、卫星粉、正常、空心、多缺陷五类，提取2598个粉末样本的9个形态参数训练机器学习模型。通过主成分与相关性分析筛选出4个关键区分参数，所有模型均达到高分类准确率。据此设计的改进型喷嘴经颗粒缺陷分布（PDD）评估，高球形度正常粉末的质量比提升约300%。该方法建立了从缺陷形态量化到喷嘴设计的闭环反馈路径，为气雾化制粉设备的迭代设计提供了可量化的数据支撑。