【技术实现步骤摘要】
本专利技术属于金属增材制造领域，具体涉及一种激光粉末床熔融缺陷在线监测方法、装置、设备及介质。
技术介绍
1、增材制造(additive manufacturing,am)被认为是未来制造业发展的新增长点，激光粉末床熔融技术(laser powder bed fusion,l-pbf)作为一种重要的增材制造技术，具有上市周期短、能耗低、可便捷制造非标准结构或快速定制个性化零件等优点，被广泛应用于航空航天、医疗器械和模具制造等领域。但影响激光粉末床熔融制造质量的因素众多，该过程极易产生球化、翘曲和孔隙等缺陷，严重影响成形零件质量，因此，质量和可重复性依然是阻碍激光粉末床熔融技术广泛应用的关键技术障碍。
2、近年来，随着先进传感技术和深度迁移学习技术的发展和应用，在解决跨工况、多任务等相关领域问题上有广泛的应用前景。深度迁移学习方法侧重于使用从一种问题中获得的知识经验(源域)来解决另一种不同但相关的问题(目标域)，可以有效提高模型的性能。激光粉末床熔融工艺工况环境复杂多变，变工况激光粉末床熔融工艺参数组合差异巨大，制造工艺方法难...
【技术保护点】
1.一种激光粉末床熔融缺陷在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述多类相关源域知识包括自然图像数据和变工况激光粉末床熔融缺陷声信号时频谱图数据，所述激光粉末床熔融缺陷监测模型的训练具体包括：
3.根据权利要求2所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述自然图像数据来自ImageNet自然图像数据集。
4.根据权利要求1所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述将所述空气传播声发射信号转换为时频谱图，包括：
5.根据权利要...
【技术特征摘要】
1.一种激光粉末床熔融缺陷在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述多类相关源域知识包括自然图像数据和变工况激光粉末床熔融缺陷声信号时频谱图数据，所述激光粉末床熔融缺陷监测模型的训练具体包括：
3.根据权利要求2所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述自然图像数据来自imagenet自然图像数据集。
4.根据权利要求1所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述将所述空气传播声发射信号转换为时频谱图，包括：
5.根据权利要求1所述的一种激光粉末床熔融缺陷在线监测方法，其特征在于，所述将所述空气传播声发射信号转换为时频谱图，包括：
6.根据权利要求5所述的一种激光粉末床熔融缺陷在线监测方法，其特...
【专利技术属性】
技术研发人员：张志芬，李治文，张琦，张帅，都正尧，王杰，白子键，张博文，温广瑞，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
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。