基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法技术

本发明专利技术属于零部件加工技术领域，公开了一种基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，包括：采集待加工零部件缺陷的二维图像，并对采集的待加工零部件缺陷的二维图像进行预处理，得到待加工零部件缺陷图像的特征值；将得到的待加工零部件缺陷图像的特征值输入预先构建的数据库中；数据库经过知识推理将待加工零部件缺陷模型和缺陷特征库中的模型进行初步匹配，得到多个初步匹配模型；将所述多个初步匹配模型中相似度最高的缺陷模型对应的工艺参数库中的激光熔覆参数确定为待加工零部件缺陷的激光熔覆参数。本发明专利技术可有效减少试错时间，提高获得激光熔覆工艺参数的效率。效率。效率。

【技术实现步骤摘要】
基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法


[0001]本专利技术属于零部件加工
，尤其涉及一种基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法。

技术介绍

[0002]目前，零部件在使用过程中会产生裂纹、气孔、磨损、变形、划坑等多种缺陷，这些缺陷严重影响着零部件机械性能和正常使用寿命。但是，有缺陷存在的零部件并不都是无用废品，可以利用先进增材再制造技术对零部件进行修补，去除缺陷，经修补后的零部件仍可作为正常品使用。激光熔覆成形技术是一门涉及多领域学科的先进增材再制造技术，其原理是用高功率密度激光束局部熔化金属表面形成熔池，同时利用送粉器材将涂层粉末添加到熔池与基材表面熔合，从而快速凝固形成具有优良性能的新表面金属层。
[0003]利用激光熔覆修复零部件时，需要确定激光功率、扫描速度、送粉速度等对熔覆过程影响较大的工艺参数。对于同一零部件，若存在不同的缺陷，其激光熔覆的修复工艺参数也是不同。如修复磨损时，需采用大功率激光熔覆修复工艺参数，在零部件表面失效的部分，熔覆一层铁基、钴基或镍基等合金材料，使得熔覆合金层的零件恢复到原有的机械性能。而修复裂纹时则不需要过大的激光功率，反而需适当增加送粉速度和扫描速度。因此，激光熔覆修复工艺的扫描速度、送粉速度、激光频率、离焦量等工艺参数也会根据零部件不同的缺陷进行不同的调整以实现修复。受知识规则和推理能力的限制，传统的激光熔覆过程确定工艺参数的试错时间长。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005](1)现有的激光熔覆工艺参数确定方法计算量大且成本高，效率低，错误率高。
[0006](2)现有匹配方法对模型尺度的变化不敏感、个别模型不能区分；
[0007](3)现有的激光熔覆工艺参数设计效率低下、工艺复用困难。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法。
[0009]本专利技术是这样实现的，一种基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法包括：
[0010]步骤一，采集待加工零部件缺陷的二维图像，并对采集的待加工零部件缺陷的二维图像进行预处理，得到待加工零部件缺陷图像的特征值；
[0011]步骤二，将得到的待加工零部件缺陷图像的特征值输入预先构建的数据库中；数据库经过知识推理将待加工零部件缺陷模型和缺陷特征库中的模型进行初步匹配，得到多个初步匹配模型；
[0012]步骤三，将所述多个初步匹配模型中相似度最高的缺陷模型对应的工艺参数库中的激光熔覆参数确定为待加工零部件缺陷的激光熔覆参数。
[0013]进一步，所述步骤一中，采集待加工零部件缺陷的二维图像，并对采集的待加工零部件缺陷的二维图像进行预处理包括：
[0014](1)将待加工零部件放置于检测平台上，利用置于一旁的超声探头接触零部件表面缺陷，每接触到零部件表面缺陷不同位置就进行脉冲信号的反馈；通过反馈的脉冲信号进行待加工零部件缺陷二维图像的采集；
[0015](2)将采集的待加工零部件缺陷二维图像进行存储，并利用坐标变换将所有的待加工零部件缺陷二维图像组合转换为三维图像，利用三维空间球坐标变换方法通过Prewitt边缘提取、MEM二值化或其他图像特征提取方法，将待加工零部件缺陷三维图像投影至二维空间，生成多视角的二维图像；
[0016](3)对所述多视角的二维图像利用深度卷积神经网络进行图像特征的提取与分类。
[0017]进一步，所述步骤二中，数据库构建方法包括：
[0018]首先，确定零部件缺陷模型包括裂纹、气孔、磨损、划坑，并构建缺陷模型库；并获取裂纹缺陷模型的缺陷长度、圆形度、深度图像特征值，获取气孔缺陷模型的圆形度、深度、气孔直径图像特征值；
[0019]其次，获取磨损缺陷模型的缺陷等效面积圆半径、圆形度、纹理熵、二阶矩像图像特征值；获取划坑缺陷模型的缺陷面积、深度图像特征值；
[0020]然后，基于获取的图像特征值构建缺陷特征库；并确定与所述缺陷特征库中不同的图像特征值对应的激光熔覆修复参数，并基于所述激光熔覆修复参数构建工艺参数库；
[0021]最后，基于所述缺陷模型库、缺陷特征库与工艺参数库构建得到数据库。
[0022]进一步，所述步骤二中，数据库经过知识推理将待加工零部件缺陷模型和缺陷特征库中的模型进行初步匹配包括：
[0023]1)采用三维点云识别匹配算法分别获取待加工零部件缺陷模型和缺陷特征库中模型的点云特征表示符；
[0024]2)通过点云特征表示符分别计算缺陷特征库中每个模型与待加工零部件缺陷模型间的欧式距离，并利用所述欧式距离计算得到相似度；
[0025]3)将缺陷特征库中的模型按相似度从大到小排序，选取其中相似度较大的M个模型作为初步匹配模型，如下：
[0026][0027][0028]其中，Hl
A
＝[Hl
A1
,Hl
A2
,Hl
A3
…
Hl
An
]表示缺陷特征库中任一模型A的特征表示符；Hl
B
＝[Hl
B1
,Hl
B2
,Hl
B3
…
Hl
Bn
]表示待匹配缺陷模型B的特征表示符；Sim表示待加工零部件缺陷模型和缺陷特征库中模型点云特征表示符之间的相似度；M取值范围为3～10；
[0029]4)重复步骤3)，得到缺陷特征库中每个模型与待加工零部件缺陷模型间的相似度。
[0030]进一步，所述步骤1)中，采用三维点云识别匹配算法分别获取待加工零部件缺陷模型和缺陷特征库中模型的点云特征表示符包括：
[0031]1.1)点云库读取缺陷特征库中任一三维模型OBJ格式的文件，并提取所述三维模
型的点云数据集，并ISS提取方法提取所述点云数据集中的关键点：
[0032]1.1.1)去点云数据集中任一点建立LRF，确定一个以所述点为中心、半径为r的球形搜索范围为所述点的邻域，所有在邻域内的点均为邻近点；
[0033]1.1.2)利用下式计算邻域内每个邻近点的权值：
[0034][0035]1.1.3)利用下式计算邻域内每个邻近点的协方差矩阵：
[0036][0037]1.1.4)计算每个邻近点协方差矩阵的特征值{λ1，λ2，λ3}，其中λ1≥λ2≥λ3；
[0038]1.1.5)设置阈值ε1与ε2，同时满足下式则判断所述点为关键点p
j
：
[0039][0040]1.2)在点云数据集中搜索任一关键点的邻域，构造一个基于关键点的LRF，将关键点的邻近点坐标平移至LRF；
[0041]1.3)将邻近点分别沿三个LRF坐标轴投影，得到三帧投影点云网格统计图；将投影点云网格统计图划分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，其特征在于，所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法包括：步骤一，采集待加工零部件缺陷的二维图像，并对采集的待加工零部件缺陷的二维图像进行预处理，得到待加工零部件缺陷图像的特征值；步骤二，将得到的待加工零部件缺陷图像的特征值输入预先构建的数据库中；数据库经过知识推理将待加工零部件缺陷模型和缺陷特征库中的模型进行初步匹配，得到多个初步匹配模型；步骤三，将所述多个初步匹配模型中相似度最高的缺陷模型对应的工艺参数库中的激光熔覆参数确定为待加工零部件缺陷的激光熔覆参数。2.如权利要求1所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，其特征在于，所述步骤一中，采集待加工零部件缺陷的二维图像，并对采集的待加工零部件缺陷的二维图像进行预处理包括：(1)将待加工零部件放置于检测平台上，利用置于一旁的超声探头接触零部件表面缺陷，每接触到零部件表面缺陷不同位置就进行脉冲信号的反馈；通过反馈的脉冲信号进行待加工零部件缺陷二维图像的采集；(2)将采集的待加工零部件缺陷二维图像进行存储，并利用坐标变换将所有的待加工零部件缺陷二维图像组合转换为三维图像，利用三维空间球坐标变换方法通过Prewitt边缘提取、MEM二值化或其他图像特征提取方法，将待加工零部件缺陷三维图像投影至二维空间，生成多视角的二维图像；(3)对所述多视角的二维图像利用深度卷积神经网络进行图像特征的提取与分类。3.如权利要求1所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，其特征在于，所述步骤二中，数据库构建方法包括：首先，确定零部件缺陷模型包括裂纹、气孔、磨损、划坑，并构建缺陷模型库；并获取裂纹缺陷模型的缺陷长度、圆形度、深度图像特征值，获取气孔缺陷模型的圆形度、深度、气孔直径图像特征值；其次，获取磨损缺陷模型的缺陷等效面积圆半径、圆形度、纹理熵、二阶矩像图像特征值；获取划坑缺陷模型的缺陷面积、深度图像特征值；然后，基于获取的图像特征值构建缺陷特征库；并确定与所述缺陷特征库中不同的图像特征值对应的激光熔覆修复参数，并基于所述激光熔覆修复参数构建工艺参数库；最后，基于所述缺陷模型库、缺陷特征库与工艺参数库构建得到数据库。4.如权利要求1所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，其特征在于，所述步骤二中，数据库经过知识推理将待加工零部件缺陷模型和缺陷特征库中的模型进行初步匹配包括：1)采用三维点云识别匹配算法分别获取待加工零部件缺陷模型和缺陷特征库中模型的点云特征表示符；2)通过点云特征表示符分别计算缺陷特征库中每个模型与待加工零部件模型间的欧式距离，并利用所述欧式距离计算得到相似度；3)将缺陷特征库中的模型按相似度从大到小排序，选取其中相似度较大的M个模型作为初步匹配模型，如下：
其中，Hl
A
＝[Hl
A1
,Hl
A2
,Hl
A3
…
Hl
An
]表示缺陷特征库中任一模型A的特征表示符；Hl
B
＝[Hl
B1
,Hl
B2
,Hl
B3
…
Hl
Bn
]表示待匹配缺陷模型B的特征表示符；Sim表示待加工零部件模型和缺陷特征库中模型点云特征表示符之间的相似度；M取值范围为3～10；4)重复步骤3)，得到缺陷特征库中每个模型与待加工零部件模型间的相似度。5.如权利要求4所述基于缺陷特征和相似性度量的激光熔覆工艺参数确定方法，其特征在于，所述步骤1)中，采用三维点云识别匹配算法分别获取待加工零部件缺陷模型和缺陷特征库中模型的点云特征表示符包括：1.1)点云库读取缺陷特征库中任一三维模型OBJ格式的文件，并提取所述三维模型的点云数据集，并ISS提取方法提取所述点云数据集中的关键点：1.1.1)去点云数据集中任一点建立LRF，确定一个以所述点为中心、半径为r的球形搜索范围为所述点的邻域，所有在邻域内的点均为邻近点；1.1.2)利用下式计算邻域内每个邻近点的权值：1.1.3)利用下式计算邻域内每个邻近点的协方差矩阵：1.1.4)计算每个邻近点协方差矩阵的特征值{λ1，λ2，λ3}，其中λ1≥λ2≥λ3；1.1.5)设置阈值ε1与ε2，同时满足下式则判断所述点为关键点p
j
：1.2)在点云数据集中搜索任一关键点的邻域，构造一个基于关键点的LRF，将关键点的邻近点坐标平移至LRF；1.3)将邻近点分别沿三个LRF坐标轴投影，得到三帧投影点云网格统计图；将投影点云网格统计图划分为N
P
×
N
P
个网格，在每个网格中得到点及所述点...

【专利技术属性】
技术研发人员：王瞳，伍贤旺，张泽琳，王蕾，邓廷全，夏绪辉，李政，刘翔，李文喜，张欢，刘玉波，曹建华，
申请(专利权)人：襄阳博亚精工装备股份有限公司，
类型：发明
国别省市：