System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 机器视觉传感的激光熔丝增材制造成形控制方法及系统技术方案_技高网

机器视觉传感的激光熔丝增材制造成形控制方法及系统技术方案

技术编号:40836788 阅读:4 留言:0更新日期:2024-04-01 15:01
本发明专利技术公开了一种机器视觉传感的激光熔丝增材制造成形控制方法及系统,激光熔丝增材制造过程中,CCD相机与激光头同轴安装并采集熔池正面图像,对光丝交点到基板表面距离为d下采集的熔池正面图像进行标签,获得数据集;搭建卷积神经网络模型,使用数据集对卷积神经网络模型进行训练及优化;在激光熔丝增材制造过程中,将CCD相机采集的熔池正面图像作为卷积神经网络模型的输入,实时计算光丝交点到堆积层表面的距离值,闭环控制器根据光丝交点到堆积层表面距离的计算值和设定值之间的偏差大小、偏差变化趋势,调节送丝速度,从而控制堆积路径上的金属丝材填充量,解决了激光熔丝增材制造过程堆积层高度在线控制的问题。

【技术实现步骤摘要】

本专利技术属于激光增材制造,具体涉及一种机器视觉传感的激光熔丝增材制造成形控制方法及系统


技术介绍

1、激光熔丝增材制造以激光束为热源,金属丝为填充材料,通过逐层熔化金属丝材以成形构件,其可兼顾构件的成形精度和成形效率,具有较低的制造成本和较高的材料利用率。与激光熔粉增材制造相比,该技术可避免金属粉末的燃烧和爆炸风险。因此,激光熔丝增材制造在工业制造领域受到广泛的关注。

2、激光熔丝增材制造过程中,堆积层的成形质量受到前一层表面状态、工艺参数波动及热积累的影响,这些因素引起的堆积层高度偏差是激光熔丝增材制造的工艺难点,并且这种堆积层高度偏差会逐层累积,严重降低构件成形过程的稳定性,甚至导致后续堆积无法继续进行。因此,必须采取有效的措施来解决激光熔丝增材制造过程成形控制的技术难题。

3、目前,解决这一技术难题的方法主要有两种:1)采用堆积路径优化、堆积过程中施加风冷或水冷等方法来降低热积累对堆积层高度的影响,但是这些手段需要开展大量的工艺试验或复杂的辅助设备,成本高昂,并且控制效果有限,不能完全消除连续堆积过程的成形尺寸偏差;2)引入减材制造技术,每堆积一层,则利用数控铣刀对堆积道进行铣削加工,但是这种方法会导致制造周期显著增加,并且会降低材料的利用率,增加成本。

4、中国专利技术专利申请号为cn201780055277的“用于增材制造中z高度测量和调整的系统和方法”利用非线性数学模型从旁轴图像信息中提取堆积层的高度信息,将堆积层的高度偏差输入运动控制器以校正堆积层的高度。但是这种传感方法的精度容易受到激光等离子体及烟尘的干扰,且对视觉传感器的安装精度要求较高。中国专利技术专利申请号为cn202311492282的“一种增材制造全尺寸构件实时质量控制方法”使用与堆积路径垂直安装的侧向ccd相机实时监测堆积层高度的变化,通过实时调节激光功率或行走速度实现堆积层尺寸控制。但是这种侧向安装的ccd相机容易与制造构件产生空间干涉,很难应用于具有复杂几何形状的构件的尺寸控制。因此,亟待提出一种新方法以解决激光熔丝增材制造过程堆积层尺寸控制的难题。


技术实现思路

1、本专利技术的目的是为了解决激光熔丝增材制造过程堆积层的高度不稳定问题,提供了基于机器视觉传感的激光熔丝增材制造成形控制方法及系统。

2、为实现上述专利技术目的,本专利技术技术方案如下:一种基于机器视觉传感的激光熔丝增材制造成形控制方法,激光熔丝增材制造过程中,ccd相机与激光头同轴安装并采集熔池正面图像,对光丝交点即金属丝前端与激光束前端的交点到基板表面距离为d时采集的熔池正面图像进行标签操作,获得数据集;搭建卷积神经网络模型,使用数据集对卷积神经网络模型进行训练及优化;激光熔丝增材制造过程中,将ccd相机采集的熔池正面图像作为卷积神经网络模型的输入,实时计算光丝交点到堆积层表面的距离值,闭环控制器根据光丝交点到堆积层表面距离的计算值和设定值之间的偏差大小、偏差变化趋势,调节送丝速度,从而控制堆积路径上的金属丝材填充量,实现激光熔丝增材制造堆积层高度的控制,包括以下步骤:

3、步骤一:对金属构件的三维模型进行分层切片,生成每个层片内的堆积层加工路径;

4、步骤二:调整激光头的位置和姿态,使激光束与基板表面的夹角为θ1,金属丝与基板表面的夹角为θ2,光丝交点到基板表面的距离为0mm;将ccd相机安装在激光头上,使ccd相机的视场与激光束同轴,ccd相机的采样帧率设定为f;

5、步骤三:设定送丝速度为ws,激光功率为p0,行走速度为ts,开启激光熔丝增材制造系统与ccd相机,机器人控制激光熔丝增材制造系统沿着堆积路径运动,使光丝交点到基板表面的距离d由0逐渐增加到dmax,其中dmax设定为3-5mm,ccd相机实时采集熔池正面图像;采用线性插值法计算每帧熔池正面图像所对应的光丝交点到基板表面的距离值dn,其中0<n≤n,n为堆积过程中采集的熔池正面图像的总帧数,dn的计算方法为:dn=x*dmax/s,s为激光熔丝增材制造系统从堆积起始位置沿着堆积路径到堆积终止位置所移动的长度,x为当前计算帧位置到堆积起始位置的距离,x的计算方法为:x=k/f×ts,其中k为从堆积起始位置到当前计算帧位置经历的帧数,f是ccd相机的采样帧率,使用dn对每帧熔池图像进行标签操作,获得数据集,数据集按照α:β:(1-α-β)的比例划分为训练集、测试集和验证集,其中α+β<1;

6、步骤四:搭建卷积神经网络模型,包含1个输入层,m个卷积层,m个池化层,n个全连接层和一个回归层;采用数据集对卷积神经网络模型进行训练及超参数优化,将训练完成的卷积神经网络模型进行保存及系统部署;系统部署是机器学习领域常用的一个术语,即把训练完成的卷积神经网络模型放在其他设备或平台调用。

7、步骤五:重新制备一块基板并使用夹具固定,保证激光头的姿态不变,θ1、θ2不变,设定光丝交点到基板表面的距离为ds,0<ds<dmax,设定送丝速度为ws,激光功率为p0,行走速度为ts,开启激光熔丝增材制造系统与ccd相机,ccd相机实时采集熔池正面图像,t时刻,将采集的熔池正面图像经过剪裁后输入到卷积神经网络模型,实时计算光丝交点到堆积层表面的距离dp(t),计算光丝交点到堆积层表面的距离取平均值da=(dp(t)+dp(t-1)+…+dp(t-q))/(q+1),其中dp(t-1)是前一时刻的光丝交点到堆积层表面距离值,t-1表示前一个计算时刻,dp(t-q)为前第q个时刻计算的光丝交点到堆积层表面的距离,其中2<q<5,闭环控制器计算当前时刻光丝交点到堆积层表面距离的平均值与设定值的偏差e(t)=da-ds及偏差的变化趋势δe(t)=e(t)-e(t-1),其中ds为光丝交点到堆积层表面距离的设定值,e(t-1)为前一时刻光丝交点到堆积层表面距离偏差,闭环控制器根据e(t)和δe(t)计算输出送丝速度调节增量wa,从而控制堆积路径上的金属丝材填充量,待第一层堆积完成后,关闭激光熔丝增材制造系统,将激光熔丝增材制造系统提升一个设定高度h,其中h为三维模型分层切片的厚度;

8、步骤六:继续执行步骤五,直至第二层、第三层直到剩余层堆积完成,实现对金属构件堆积高度的控制。

9、作为优选方式,步骤二中所述的θ1的取值范围设定为75°-85°是因为当θ1接近90°入射时,激光束在熔化具有高反射率的金属时易发生镜面反射,反射的激光束易损坏激光头及光纤,θ1值过小,激光束的入射倾斜角过大,导致激光束的能量利用率降低;夹角θ2的取值范围设定为30°-45°是因为当θ1过大或过小,金属丝对激光束的吸收效率会降低;参数f的取值范围设定为20hz-50hz是因为当f过小,监测过程采集的样本数量较少,无法有效的反映当前时刻光丝交点到堆积层表面的距离值,影响监测精度,f过大,卷积神经网络模型的计算量变大,计算资源的消耗显著增加。

10、作为优选方式,步骤三中所述的参数α的取值范围设定为本文档来自技高网...

【技术保护点】

1.一种机器视觉传感的激光熔丝增材制造成形控制方法,其特征在于,激光熔丝增材制造过程中,CCD相机与激光头同轴安装并采集熔池正面图像,对光丝交点即金属丝前端与激光束前端的交点,到基板表面距离为d时采集的熔池正面图像进行标签操作,获得数据集;搭建卷积神经网络模型,使用数据集对卷积神经网络模型进行训练及优化;激光熔丝增材制造过程中,将CCD相机采集的熔池正面图像作为卷积神经网络模型的输入,实时计算光丝交点到堆积层表面的距离值,闭环控制器根据光丝交点到堆积层表面距离的计算值和设定值之间的偏差大小、偏差变化趋势,调节送丝速度,从而控制堆积路径上的金属丝材填充量,实现激光熔丝增材制造堆积层高度的控制,包括以下步骤:

2.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法,其特征在于,所述步骤二中的夹角θ1的取值范围为75°-85°,夹角θ2的取值范围为30°-45°,参数f的取值范围为20Hz-50Hz。

3.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法及系统,其特征在于,所述步骤三中的参数α的取值范围为0.6-0.75,β的取值范围为0.15-0.25。

4.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法及系统,其特征在于,所述步骤四中的参数m、n为正整数,m的取值范围为3-7,n的取值范围为2-4。

5.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法及系统,其特征在于,所述步骤四中的卷积神经网络模型训练以及超参数优化,使用训练集对卷积神经网络模型进行训练,使用均方根损失函数评判计算值与真实值之间的偏差,使用梯度动量下降优化器来更新模型权重系数,使用测试集对训练后的卷积神经网络模型进行精度测试,使用验证集对训练完成的模型进行精度验证;所述超参数包括卷积层数、学习率、激活函数、全连接层数量以及神经元数量;所述卷积神经网络的系统部署是通过onnxruntime模块实现。

6.一种机器视觉传感的激光熔丝增材制造成形控制系统,其特征在于,包括:基板(1)、送丝机(2)、激光电源(3)、计算机(4)、CCD相机(5)、控制箱(6)、激光焊炬(7);其中,CCD相机(5)通过夹具安装在激光焊炬(7)上,CCD相机(5)通过USB数据接口连接至计算机(4),送丝机(2)和控制箱(6)连接至计算机(4);CCD相机(5)实时采集熔池正面图像,计算机(4)将熔池正面图像经过剪裁后输入卷积神经网络模型以计算光丝交点到堆积层表面的距离,计算机(4)中的闭环控制器计算当前时刻光丝交点即金属丝前端与激光束前端的交点到堆积层表面距离的计算值与设定值的偏差及偏差的变化趋势进行反馈控制,闭环控制器输出送丝速度调节增量改变送丝机(2)的送丝速度,改变堆积路径上金属丝材的填充量,从而实现堆积层高度的在线控制。

...

【技术特征摘要】

1.一种机器视觉传感的激光熔丝增材制造成形控制方法,其特征在于,激光熔丝增材制造过程中,ccd相机与激光头同轴安装并采集熔池正面图像,对光丝交点即金属丝前端与激光束前端的交点,到基板表面距离为d时采集的熔池正面图像进行标签操作,获得数据集;搭建卷积神经网络模型,使用数据集对卷积神经网络模型进行训练及优化;激光熔丝增材制造过程中,将ccd相机采集的熔池正面图像作为卷积神经网络模型的输入,实时计算光丝交点到堆积层表面的距离值,闭环控制器根据光丝交点到堆积层表面距离的计算值和设定值之间的偏差大小、偏差变化趋势,调节送丝速度,从而控制堆积路径上的金属丝材填充量,实现激光熔丝增材制造堆积层高度的控制,包括以下步骤:

2.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法,其特征在于,所述步骤二中的夹角θ1的取值范围为75°-85°,夹角θ2的取值范围为30°-45°,参数f的取值范围为20hz-50hz。

3.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法及系统,其特征在于,所述步骤三中的参数α的取值范围为0.6-0.75,β的取值范围为0.15-0.25。

4.根据权利要求1所述的机器视觉传感的激光熔丝增材制造成形控制方法及系统,其特征在于,所述步骤四中的参数m、n为正整数,m的取值范围为3-7,n的取值范围为2-4。

5.根据...

【专利技术属性】
技术研发人员:熊俊蔡玉华王宇星陈辉
申请(专利权)人:西南交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1