一种增材制造造件成形质量监测方法、系统及存储介质技术方案

本发明专利技术公开了一种增材制造造件成形质量监测方法、系统及存储介质，方法包括：进行增材制造实验，采集实验熔池图像并进行预处理，构成熔池数据集；搭建并训练神经网络模型，得到预训练后的神经网络模型并对其进行调优处理，生成成形质量检测模型；根据当前工艺参数进行增材制造，采集当前熔池图像，通过成形质量检测模型对增材制造造件进行质量预测，得到质量预测信息。本申请采用熔覆道的润湿角特征和稀释率特征作为预测成形质量的特征参数，能够更好地反映熔覆道的质量；所获得的预测模型具有更高的准确率和泛化能力，能够快速且准确地识别和分类增材制造过程中不同状态的熔池，并预测熔池的成形质量。本申请应用于增材制造技术领域。领域。领域。

【技术实现步骤摘要】
一种增材制造造件成形质量监测方法、系统及存储介质


[0001]本专利技术涉及增材制造质量监测
，特别涉及一种增材制造造件成形质量监测方法、系统及存储介质。

技术介绍

[0002]激光能量直接沉积(L
‑
DED)是一种新兴的增材制造(Additive Manufacturing，AM)技术，也称为激光熔覆技术。激光熔覆技术是指以不同的填料方式将所选涂层材料放置于基体表面，经激光辐照使之与基体表面浅薄层同时熔化，并快速凝固后形成稀释度极低，与基体材料成冶金结合的表面涂层，从而显著改善基体材料表面的耐磨、耐蚀、耐热、抗氧化及电气特性等的工艺方法。
[0003]在激光熔覆的过程中，激光束作用于粉末床，粉末颗粒在这里熔合在一起，进而构成了熔池。在熔池内，少量金属蒸发会在熔池中心形成一个空腔。这个空腔如果变得不稳定，可能会对造件的质量造成不良影响。因此，对于本领域而言，在增材制造的过程中对制件进行状态监测和预测，特别是对熔池的状态监测和预测，是非常有必要的。
[0004]目前的增材制造质量监测方式通常为采用CCD相机采集打印过程中的熔池图像，通过传统的深度学习网络对熔池图像进行分析，找寻出增材制造过程中的缺陷问题。然而，由于传统图像处理方法进行对熔池图像的清晰度、背景复杂度以及缺陷映射形态具有很高的要求，即对图像处理的硬件要求较高，现有监测方法的监测成本较高。另外，传统的深度学习模型存在性能不佳、准确率较低的问题，模型的检测准确率和检测速率都难以到达预期的效果，预测成形质量具有一定难度。<br/>[0005]并且，现有监测方法通常采用羽流和飞溅物的特征参数作为增材制造质量的评估参数。如专利号为CN110789128B，名为“一种增材制造制件成形质量预测与控制系统及方法”的中国专利技术专利公开了一种造件的监测和预测方法，通过羽流和飞溅物三个特征参数，结合LSTM网络对n秒后的制件成形质量进行预测。然而，羽流和飞溅物属于熔池的外在特征，在本领域中并未有明确的测量定义，也无法反映熔覆道的质量，进而使得成形质量的预测结果的准确率较低，无法准确地反映成形质量。

技术实现思路

[0006]本专利技术的目的是提供一种增材制造造件成形质量监测方法、系统及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0007]本专利技术解决其技术问题的解决方案是：第一方面，本申请提供一种增材制造造件成形质量监测方法,包括如下步骤：
[0008]控制增材制造机器人进行增材制造实验，在所述增材制造实验的过程中采集实验熔池图像并对所述实验熔池图像进行预处理，构成熔池数据集；
[0009]搭建神经网络模型，通过所述熔池数据集训练所述神经网络模型，得到预训练后的神经网络模型，并对所述预训练后的神经网络模型进行调优处理，生成成形质量检测模
型；
[0010]控制所述增材制造机器人根据当前工艺参数进行增材制造，采集当前熔池图像，通过所述当前熔池图像和所述成形质量检测模型对增材制造的造件进行质量预测，得到质量预测信息；
[0011]其中，所述质量预测信息包括所述增材制造对应的工艺参数、所述熔池的位置信息和类别以及对应的成形质量的质量编号。
[0012]作为上述技术方案的进一步改进，所述控制增材制造机器人进行增材制造实验，在所述增材制造实验的过程中采集实验熔池图像，包括：
[0013]控制所述增材制造机器人执行i次增材制造实验，每次增材制造试验的工艺参数均不同，得到i个增材造件；
[0014]其中，第i个增材造件对应于第i组增材制造实验；
[0015]在进行所述增材制造实验时，通过旁轴高速相机采集若干张实验熔池图像，构成i组熔池实验数据集；
[0016]其中，第i组熔池实验图像数据集对应于第i组增材制造实验。
[0017]作为上述技术方案的进一步改进，所述对所述实验熔池图像进行预处理，构成熔池数据集，包括：
[0018]按照所述增材制造实验的实验时间，将所述增材制造实验的过程等分为十个进度区间；
[0019]其中，所述十个进度区间分别为：[0％，10％)、[10％，20％)、[20％，30％)、[30％，40％)、[40％，50％)、[50％，60％)、[60％，70％)、[70％，80％)、[80％，90％)和[90％，100％]；
[0020]在每一组所述熔池实验数据集中，丢弃进度为[0％，10％)、[10％，20％)、[70％，80％)、[80％，90％)和[90％，100％]的所述实验熔池图像，从所述[20％，30％)进度区间、[30％，40％)进度区间、[40％，50％)进度区间、[50％，60％)进度区间、[60％，70％)进度区间中分别随机选取一定数量的所述实验熔池图像；
[0021]根据润湿角阈值，筛选润湿角小于所述润湿角阈值的增材造件，并根据稀释率将筛选后的所述增材造件进行成形质量分类，确定每个所述增材造件对应的质量编号；
[0022]其中，所述润湿角阈值为80
°
；
[0023]对随机选取的所述实验熔池图像进行标签处理，得到所述实验熔池图像对应的标签数据，将所述质量编号添加至对应的所述实验熔池图像的标签数据中，并对标签处理后的所述实验熔池图像进行数据扩增，构成熔池数据集。
[0024]作为上述技术方案的进一步改进，所述根据稀释率将筛选后的所述增材造件进行成形质量分类，确定每个所述增材造件对应的质量编号，包括：
[0025]将所述稀释率小于10％的增材造件归类至编号零，所述编号零用于映射所述增材造件的稀释率过小，所述增材造件的质量等级为不及格；
[0026]将所述稀释率大于或小于10％且小于或等于15％的增材造件归类至编号一，所述编号一用于映射所述增材造件的稀释率一般，所述增材造件的质量等级为及格；
[0027]将所述稀释率大于15％且小于或等于25％的增材造件归类至编号二，所述编号二用于映射所述增材造件的稀释率优秀，所述增材造件的质量等级为优秀；
[0028]将所述稀释率大于25％的增材造件归类至编号三，所述编号三用于映射所述增材造件的稀释率过大，所述增材造件的质量等级为不及格。
[0029]作为上述技术方案的进一步改进，所述对随机选取的所述实验熔池图像进行标签处理，得到所述实验熔池图像对应的标签数据，将所述质量编号添加至对应的所述实验熔池图像的标签数据中，并对标签处理后的所述实验熔池图像进行数据扩增，包括：
[0030]通过图像标记工具对所述随机选取的所述实验熔池图像中的目标进行标记，所述目标为熔池，定位所述目标的类别和位置信息，得到所述实验熔池图像的标签数据，并将所述质量编号添加至对应的所述实验熔池图像的所述标签数据中；
[0031]对所述实验熔池图像进行线性变换和模糊滤波处理；
[0032]对处理后的所述实验熔池图像进行数据扩增，得到数据扩增图像，并调整所述数据扩增图像和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种增材制造造件成形质量监测方法，其特征在于，包括如下步骤：控制增材制造机器人进行增材制造实验，在所述增材制造实验的过程中采集实验熔池图像并对所述实验熔池图像进行预处理，构成熔池数据集；搭建神经网络模型，通过所述熔池数据集训练所述神经网络模型，得到预训练后的神经网络模型，并对所述预训练后的神经网络模型进行调优处理，生成成形质量检测模型；控制所述增材制造机器人根据当前工艺参数进行增材制造，采集当前熔池图像，通过所述当前熔池图像和所述成形质量检测模型对增材制造的造件进行质量预测，得到质量预测信息；其中，所述质量预测信息包括所述增材制造对应的工艺参数、所述熔池的位置信息和类别以及对应的成形质量的质量编号。2.根据权利要求1所述的一种增材制造造件成形质量监测方法，其特征在于，所述控制增材制造机器人进行增材制造实验，在所述增材制造实验的过程中采集实验熔池图像，包括：控制所述增材制造机器人执行i次增材制造实验，每次增材制造试验的工艺参数均不同，得到i个增材造件；其中，第i个增材造件对应于第i组增材制造实验；在进行所述增材制造实验时，通过旁轴高速相机采集若干张实验熔池图像，构成i组熔池实验数据集；其中，第i组熔池实验图像数据集对应于第i组增材制造实验。3.根据权利要求1所述的一种增材制造造件成形质量监测方法，其特征在于，所述对所述实验熔池图像进行预处理，构成熔池数据集，包括：按照所述增材制造实验的实验时间，将所述增材制造实验的过程等分为十个进度区间；其中，所述十个进度区间分别为：[0％，10％)、[10％，20％)、[20％，30％)、[30％，40％)、[40％，50％)、[50％，60％)、[60％，70％)、[70％，80％)、[80％，90％)和[90％，100％]；在每一组所述熔池实验数据集中，丢弃进度为[0％，10％)、[10％，20％)、[70％，80％)、[80％，90％)和[90％，100％]的所述实验熔池图像，从所述[20％，30％)进度区间、[30％，40％)进度区间、[40％，50％)进度区间、[50％，60％)进度区间、[60％，70％)进度区间中分别随机选取一定数量的所述实验熔池图像；根据润湿角阈值，筛选润湿角小于所述润湿角阈值的增材造件，并根据稀释率将筛选后的所述增材造件进行成形质量分类，确定每个所述增材造件对应的质量编号；其中，所述润湿角阈值为80
°
；对随机选取的所述实验熔池图像进行标签处理，得到所述实验熔池图像对应的标签数据，将所述质量编号添加至对应的所述实验熔池图像的标签数据中，并对标签处理后的所述实验熔池图像进行数据扩增，构成熔池数据集。4.根据权利要求3所述的一种增材制造造件成形质量监测方法，其特征在于，所述根据稀释率将筛选后的所述增材造件进行成形质量分类，确定每个所述增材造件对应的质量编号，包括：
将所述稀释率小于10％的增材造件归类至编号零，所述编号零用于映射所述增材造件的稀释率过小，所述增材造件的质量等级为不及格；将所述稀释率大于或小于10％且小于或等于15％的增材造件归类至编号一，所述编号一用于映射所述增材造件的稀释率一般，所述增材造件的质量等级为及格；将所述稀释率大于15％且小于或等于25％的增材造件归类至编号二，所述编号二用于映射所述增材造件的稀释率优秀，所述增材造件的质量等级为优秀；将所述稀释率大于25％的增材造件归类至编号三，所述编号三用于映射所述增材造件的稀释率过大，所述增材造件的质量等级为不及格。5.根据权利要求4所述的一种增材制造造件成形质量监测方法，其特征在于，所述对随机选取的所述实验熔池图像进行标签处理，得到所述实验熔池图像对应的...

【专利技术属性】
技术研发人员：王奉涛，张学阵，于永钢，袁俊霖，刘瀚儒，
申请(专利权)人：汕头大学，
类型：发明
国别省市：