【技术实现步骤摘要】
一种能实时去除SLM飞溅颗粒的方法及装置
本专利技术涉及金属增材制造
，具体地指一种能较为精确地识别并去除SLM飞溅颗粒的方法及装置。
技术介绍
选区激光溶化制造技术是目前应用最为广泛的金属增材制造技术，它是以原型制造技术为基本原理发展起来的。通过专用软件对零件三维结构进行切片分层，获得各截面的轮廓数据后，利用高能量密度激光器，根据轮廓数据逐层选择性地熔化金属粉末，通过逐层铺粉、熔化凝固堆积的方式，可以直接一次性的制作三维实体零件。该技术能够完全熔化粉末材料，产生完全致密的近净成形部件，除了从基板上去除多余部件和支撑件，不需要进行后处理或者少量后处理。在激光烧结过程中，激光扫描会产生大量飞溅颗粒，这些溅射会导致气孔、球化、低表面质量等冶金缺陷，影响产品的整体性能。先前研究表明，SLM金属打印机自带保护气体进气、出气装置会对溅射颗粒的分布造成影响，保护气流的吹除作用可以有效去除飞溅颗粒，然而仍有大量溅射颗粒沉积在工作台上。因此需要增加一个能在打印过程中能够实时有效地识别并除去飞溅颗粒的装置。此外，现今识别...
【技术保护点】
1.一种能实时去除SLM飞溅颗粒的方法，其特征在于：/n首先对飞溅颗粒进行识别；然后在靠近并略高于工作区域上表面处，增加一个能任意移动的抽气口，对飞溅颗粒进行实时抽吸。/n
【技术特征摘要】
1.一种能实时去除SLM飞溅颗粒的方法，其特征在于：
首先对飞溅颗粒进行识别；然后在靠近并略高于工作区域上表面处，增加一个能任意移动的抽气口，对飞溅颗粒进行实时抽吸。
2.根据权利要求1所述的能实时去除SLM飞溅颗粒的方法，其特征在于：对飞溅颗粒进行识别的具体过程包括：
S1建立卷积神经网络训练数据库；
S2建立卷积神经网络模型，训练卷积神经网络；
S3用训练的卷积神经网络对原始图像进行处理，区分出溅射块和背景块；
S4对选择出来的溅射块进行二值化处理，对选择出了来的背景块黑化处理，然后将处理后的溅射块和背景块合并成二值化图像；
S5对得到的二值化图像去噪处理；
S6提取得到的溅射轮廓，并附加到原始图像上，确定出溅射物的位置。
3.根据权利要求2所述的能实时去除SLM飞溅颗粒的方法，其特征在于：所述步骤s1中建立卷积神经网络训练数据库时，首先将原始图像按照39×39的长宽分割成子图像块。
4.根据权利要求2所述的能实时去除SLM飞溅颗粒的方法，其特征在于：所述步骤s2的具体过程包括：
使用ResNet34残差神经网络作为块选择的卷积神经网络模型；对训练集进行均一化、灰度抖动和形态变换预处理；损失函数为二维交叉熵函数J：
其中代表理想输出，yi代表实际输出，n代表输出的种类2；
具体训练过程：首先正向传播计算出损失函数的值，然后反向传播，各损失函数对每一层的导数可以由上一层的求得：
然后更新每一层卷积核的权值：
不...
【专利技术属性】
技术研发人员：李辉，申胜男，聂思媛，谭震彪，祁海琴，
申请(专利权)人：武汉大学深圳研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。