库周报|四企获融资,三家披露合计近5.7亿元;8月全国设备产量增长29.9%;探雪发布桌面金属3D打印机

2026年9月20日,以下是过去一周内3D打印行业发生的事情,包括“大事件” 、“行业动态” 、“趣制造” 、“融资/并购” 、“新产品”等内容。

—— 大事件 ——

8月全国3D打印设备产量同比增长29.9%

国家统计局数据显示,8月份全国规模以上工业增加值同比增长5.2%,较上月加快0.7个百分点,环比增长0.54%。分产品看,3D打印设备产量同比增长29.9%,同期工业机器人、锂离子电池产量分别同比增长34.6%和57.2%。

—— 行业动态 ——

第48届世界技能大赛增材制造赛项将于上海举行

第48届世界技能大赛将于2026年9月22日至27日在上海国家会展中心举办,设64个竞赛项目,增材制造为制造与工程技术大类单人赛项。选手需掌握CAD/CAE、材料特性及3D打印、三维扫描设备操作,完成模型设计、参数优化、打印及后处理等任务。

宁夏将增材制造设备操作员列入紧缺职业

宁夏发布急需紧缺职业(工种)目录,围绕“六大产业集群”和“四个重点产业”纳入37个职业(工种),其中包括增材制造设备操作员。根据相关政策,目录内职业(工种)的政府补贴性职业技能培训补贴标准将在原有基础上上浮20%,支持增材制造等领域技能人才培养。

第五届高分子3D打印材料论坛将于成都举行

2026(第五届)高分子3D打印材料论坛将于10月29日至31日在成都举行,以“智赋新材・增创未来”为主题,聚焦高分子3D打印材料发展。论坛设有青年科学家论坛、墙报展示等活动,围绕技术进展与应用创新开展交流,促进产学研合作。

—— 趣制造 ——

苹果Apple Watch Series 12采用3D打印再生钛表壳

苹果在2026年秋季新品发布会上推出Apple Watch Series 12,采用100%再生钛材料3D打印表壳,售价399美元,现已开启预购,将于9月18日发售。苹果近期推出的可折叠iPhone Duo同样采用金属3D打印技术,其铰链盖也使用100%再生钛材料。

星河动力:3D打印百吨级发动机长程试车成功

9月10日,星河动力宣布,百吨级CQ-90(苍穹-90)液氧/煤油发动机完成130秒长程额定工况试车,各项性能指标满足设计要求。该发动机90%以上零部件采用3D打印制造,其中推力室高温部段采用全3D打印铜合金设计,目前已进入可靠性验证试车阶段。

华曙高科金属3D打印技术应用于平陆运河船闸制造

9月16日,平陆运河正式通航,武汉理工大学团队首次将金属3D打印技术应用于船闸油缸迷宫式缓冲套制造,相关技术已于2025年通过验收。该部件采用华曙高科FS350M四激光设备,经过165小时连续打印实现一体成形,用于解决高速重载船闸阀门启闭过程中的缓冲难题。

—— 融资/并购——

铬莱铂完成近2亿元A轮融资,加码金属3D打印研发

近日,铬莱铂宣布完成近2亿元A轮融资,由启赋资本、长兴投资、创世纪投资联合出资,另有市场化投资机构、政府引导基金及产业资本参与。融资资金将用于SLM核心设备研发、AI增材制造软件生态开发、产线扩建及全球市场推广,支持产品研发、规模化交付和海外布局。

公大激光完成C+轮融资,推进绿光金属增材制造产业化

深圳公大激光近日完成C+轮战略融资,由深创投领投,华胥基金、力合资本等产业资本继续跟投,距离公司完成数亿元C轮融资仅过去数月。本轮资金将主要用于高功率短波长激光技术研发、产能建设及绿光金属增材制造产业化,支持相关技术研发与产能扩充。

创材深造完成近亿元A+轮融资,加码3D打印AI材料研发

近日,3D打印AI材料研发企业创材深造(苏州)科技有限公司完成近亿元A+轮融资,由源码资本、金雨茂物联合领投,亿宸资本等跟投。公司已发布近20款高性能材料,多款实现量产,本轮资金将用于AI材料研发系统、高通量实验平台及数据体系建设。

美国复合材料3D打印公司完成2.68亿元B轮融资

美国复合材料增材制造公司Impossible Objects完成4000万美元(约合人民币2.68亿元)B轮融资,由Inflection Equity领投,资金将用于扩大高速CBAM复合材料3D打印技术的应用规模。公司成立于2011年,核心产品CBAM 25面向航空航天、国防及工业制造领域。

—— 新产品 ——

探雪科技推出SnowPod桌面金属3D打印机

探雪科技SnowX推出SnowPod桌面金属3D打印机,整机尺寸为360×360×660mm,成形空间为80×80×100mm,目前支持ER316L不锈钢打印,面向小尺寸金属零件制造。设备采用封闭式粉末管理系统,配备环境数据监测和易拆支撑结构,自研SnowPath软件支持切片、路径规划及AI打印异常检测。

宁波智造发布Flex 1弹性体专用DLP 3D打印机

宁波智造MAKEX发布Flex 1弹性体专用DLP 3D打印机,针对弹性树脂成型进行优化,定价7.8万元,面向企业生产及高校科研场景。该设备具备75μm平面光学精度,成型尺寸为280×157×360mm,可用于弹性鞋、腕托、坐垫、大晶格结构及医疗模型等弹性部件的3D打印。

元引科技推出E1智能桌面激光雕刻机

深圳元引科技Aliencell推出E1智能激光雕刻机,面向桌面激光雕刻与切割场景,通过软硬件协同简化创作流程。公司将继续与CHITUBOX合作,结合运动控制、图像软件、精密机械及人工智能技术,提升设备智能化与易用性。

摩方精密推出新一代微纳3D打印系统S330A

摩方精密推出新一代microArch® S330A微纳3D打印系统,在保持2μm光学精度的同时,将最大成型尺寸提升至100×100×50mm³。该设备在打印速度、成型幅面和设备性能方面实现升级,面向科研创新及高端精密制造领域,提供微纳增材制造解决方案。

—— 前沿技术 ——

LLNL开发AI实时检测3D打印缺陷系统

劳伦斯利弗莫尔国家实验室团队开发AI与机器学习检测系统,面向直接墨水书写(DIW)3D打印工艺,逐层监测材料沉积状态并识别缺陷。该系统通过摄像头采集打印图像,利用机器学习软件实时分析,实现打印过程中的缺陷检测。

以上就是本期3D打印周报的所有内容,感谢大家关注收看,下周见。

大气污染是影响公众健康与生态环境的重要问题,精准的空气质量时空预测与污染源贡献度量化是精准治污的关键支撑。针对现有研究多源融合不充分、时空关联刻画不足、预测与源解析割裂三方面缺陷,本文设计实现了城市空气质量时空预测与污染源贡献度分析系统,融合监测、气象、工业排放与交通类数据,构建基于时空注意力的LSTM(STAM-LSTM)预测模型与基于正定矩阵因子分解(PMF)的源解析模型,形成数据融合-特征工程-预测-源解析-可视化闭环。 系统实现类数据时空对齐与融合,构建时序与空间邻域特征,以普通克里金插值生成1km网格浓度场;STAM-LSTM引入时空注意力自适应学习站点间污染传输时变权重,以72小时输入预测未来24小时逐小时PM2.5浓度;PMF识别交通、工业、燃煤、扬尘与二次生成五个源因子,量化各源全年贡献度并分析时空演变。 实验表明:STAM-LSTM预测RMSE 24.6、MAE 17.8、R² 0.88,相对LSTM基线(30.2)提升18.5%;普通克里金插值误差8.9,优于反距离加权(11.4);源解析显示交通源28.4%、工业源23.1%、燃煤源19.6%为主要贡献源,冬季燃煤源升至27.3%、早高峰交通源达34.8%,下风向工业源贡献高出上风向8~12个百分点;减排情景显示交通源减排20%可使年均PM2.5下降5.7%,与源贡献度排序一致。 系统按五模块14组件实现,功能测试16项用例全部通过,为大气污染预警、源管控与减排政策制定提供了决策依据。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测研究(Python代码实现)内容概要:本文提出了一种基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测方法,旨在通过结合多种先进深度学习模型的优势,提升在复杂工况下的预测精度与鲁棒性。该方法利用iTransformer捕捉长期时间序列中的全局依赖关系,通过BiGRU模型提取双向时序特征,最后引入KAN(Kernel Attention Network)增强非线性映射与关键特征的自适应加权能力,实现对轴承退化过程的精准建模。文中详细介绍了模型架构设计、训练流程及在公开数据集上的实验验证,结果表明该融合模型相比单一模型在预测精度和稳定性方面均有显著提升。; 适合人群:具备一定机器学习与深度学习基础,从事设备故障诊断、工业大数据分析或智能运维相关领域的研究人员及工程技术人员,尤其适合研究生及以上学历或有相关项目经验的专业人员。; 使用场景及目标:①应用于工业设备状态监测与预测性维护系统中,实现对滚动轴承等关键部件剩余寿命的精准预测;②为复杂时间序列回归任务提供多模型融合的设计思路与技术参考;③推动深度学习在智能制造与工业物联网领域的落地应用。; 阅读建议:建议读者结合Python代码实现部分,深入理解各子模型的接口设计与融合逻辑,重点关注特征融合机制与注意力权重的可视化分析,以便在实际项目中灵活调整与优化模型结构。
代码下载地址: https://pan.quark.cn/s/f675b88243cd 《华大HC32L110函数与例程详解》 华大HC32L110属于低功耗且高性能的微控制器,在众多嵌入式系统设计中具有广泛的应用,特别是在需要电池供电的物联网设备和便携式装置中表现出色。该微控制器的函数与例程为程序设计者提供了重要的参考资料,包含了丰富的功能接口和示范性代码,从而辅助开发者迅速掌握并运用该芯片。函数是事先编写完成且可反复使用的代码单元,针对HC32L110的特定硬件特性进行了优化,使得开发者无需深入究底层机制,仅需调用相应的函数即可达成预期功能。这些函数一般涵盖了时钟管理、GPIO操控、ADC转换、串行通信(包含UART、SPI、I2C等形式)以及中断管理等多个方面。比如,若需将一个GPIO端口设置为输出模式并设定其电平状态,开发者可通过调用`HAL_GPIO_Init()`与`HAL_GPIO_WritePin()`函数来实现。 例程则是展示如何运用函数的应用范例代码,它们具体说明了在实际操作中如何适当地调用函数及设定相关参数。以HC32L110的串行通信例程为例,它可能涉及初始化UART接口、传输数据、接收数据等环节,借助这些例程,开发者能够清晰地洞察每个功能的具体实现途径。对于新手而言,例程是理解芯片特性及函数使用的理想途径。 在华大HC32L110的函数与例程中,通常包含以下核心组成部分: 1. **初始化函数**:诸如`SystemInit()`,其作用是配置系统时钟,作为其他功能的基础。 2. **外设驱动函数**:例如GPIO的`HAL_GPIO_xxx()`系列函数,ADC的`HAL_ADC_xxx()`函数等,用于管理和设定...
【多变量输入超前多步预测】基于CNN-BiGRU的光伏功率预测研究(Matlab代码实现)内容概要:本文研究基于CNN-BiGRU混合神经网络模型的多变量输入超前多步光伏功率预测方法,并提供了完整的Matlab代码实现。该模型结合卷积神经网络(CNN)强大的局部特征提取能力和双向门控循环单元(BiGRU)对时间序列前后向依赖关系的建模能力,能够有效处理光伏发电受光照强度、温度、湿度等多因素影响的非线性、非平稳特性,实现对未来多个时间步长的功率输出进行精准预测。研究涵盖了数据预处理、模型构建、训练优化及结果分析全过程,并通过实验验证了模型在不同天气条件下的预测性能,展示了其在提升预测精度方面的有效性。; 适合人群:具备一定机器学习和时间序列预测基础知识,从事新能源发电预测、电力系统调度或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于光伏发电站的功率预测系统,为电网调度、能量管理和电力交易提供数据支持;②作为深度学习在可再生能源预测领域应用的教学案例,帮助理解CNN与RNN类模型的融合机制;③为进一步研究更复杂的预测模型(如加入注意力机制)提供基础框架和技术参考。; 阅读建议:建议读者结合Matlab代码逐步复现文中实验,重点关注数据预处理流程、模型结构设计细节以及超参数调优策略,同时可尝试在不同数据集上验证模型泛化能力,以深入掌握多变量时间序列预测的关键技术要点。
内容概要:本文提出了一种基于高创新模型MS-TCN-TiDE的短期负荷预测方法,该模型融合多尺度时序卷积网络(MS-TCN)与时间解码器(TiDE)的优势,旨在实现对电力系统短期负荷的高精度预测。MS-TCN能够有效捕捉负荷序列在不同时间尺度下的局部特征与长期依赖关系,而TiDE则通过编码-解码架构建模周期性、趋势性等全局时序模式,二者协同提升了模型对复杂负荷动态的表达能力。研究通过Python代码实现了完整的模型构建、训练优化与预测流程,并在实际电力负荷数据集上进行了实验验证,结果表明该模型在预测精度、稳定性及泛化性能方面均优于传统时序预测方法。同时,文章讨了模型在周尺度负荷预测中的适用性,验证了其在长期趋势建模方面的潜力,为电网调度、能源管理及电力市场运营提供了可靠的技术支撑。; 适合人群:具备一定Python编程基础和机器学习知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员及高校研究生。; 使用场景及目标:①应用于电力系统短期负荷预测场景,提升电网运行调度的智能化与精细化水平;②为新能源并网规划、需求响应策略制定、电力市场竞价决策等提供高质量的负荷数据支持;③推动深度学习技术在能源时序预测领域的落地应用与方法创新。; 阅读建议:建议读者结合文中提供的Python代码进行实践复现,重点关注数据预处理流程、模型结构设计细节及超参数调优策略,同时可通过消融实验深入理解MS-TCN与TiDE模块的协同机制及其对预测性能的贡献。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值