CN106881462B - 一种针对激光选区熔化成形缺陷的在线检测与优化系统 - Google Patents
一种针对激光选区熔化成形缺陷的在线检测与优化系统 Download PDFInfo
- Publication number
- CN106881462B CN106881462B CN201710057835.4A CN201710057835A CN106881462B CN 106881462 B CN106881462 B CN 106881462B CN 201710057835 A CN201710057835 A CN 201710057835A CN 106881462 B CN106881462 B CN 106881462B
- Authority
- CN
- China
- Prior art keywords
- module
- technological parameter
- selective laser
- image
- defects
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/20—Direct sintering or melting
- B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
- B22F12/30—Platforms or substrates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
- B22F12/90—Means for process control, e.g. cameras or sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F3/00—Manufacture of workpieces or articles from metallic powder characterised by the manner of compacting or sintering; Apparatus specially adapted therefor ; Presses and furnaces
- B22F3/003—Apparatus, e.g. furnaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/38—Process control to achieve specific product aspects, e.g. surface smoothness, density, porosity or hollow structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Abstract
本发明属于增材制造技术领域,并公开了一种针对激光选区熔化成形缺陷的在线检测与优化系统,包括激光选区熔化制造平台、图像采集模块和工艺处理模块,所述激光选区熔化制造平台包括支撑底板、成形装置和激光扫描装置;所述图像采集模块包括三轴移动平台和CCD相机;所述工艺处理模块包括图像处理模块和工艺参数自动调整模块,所述图像处理模块包括图像预处理模块、图像阈值分割模块、神经网络识别统计模块和工艺参数自动调整模块。本发明通过机器视觉技术和数字图像处理技术可以在线、快速的检测激光选区熔化制造过程中零件每层表面缺陷情况,不受人眼检测的限制,保证每次缺陷检测的准确性。
Description
技术领域
本发明属于增材制造技术领域,更具体地,涉及一种针对激光选区熔化成形缺陷的在线检测与优化系统。
背景技术
激光选区熔化技术(Selective laser melting,SLM)是一种新型激光快速成形制造工艺,该技术利用高能激光束熔化金属粉末,逐层堆积,直接制造高性能复杂金属零部件。SLM技术突破了传统制造工艺的变形成形和去除成形的常规思路,有效解决了传统加工工艺无法完成的加工问题,尤其适合传统工艺如锻造、铸造、焊接等工艺无法制造的内部有异形复杂结构的零件制造,无需任何工装夹具和模具,大大缩短生产周期,在航空航天、汽车、生物医疗等领域展现了良好的应用前景。
在SLM过程中,由于SLM成形工艺参数(如激光功率密度、扫描速度、扫描间距等)的影响,会导致零部件在成形过程出现许多缺陷(如裂纹、孔洞及球化等)。例如激光功率密度过高,使得温度梯度太大,导致SLM成形件裂纹的产生,扫描速度太快时,许多粉末来不及熔化,最终得到的SLM成形件会有许多孔洞。正是由于这些缺陷的存在,使得SLM制造的复杂零部件的质量往往不满足实际使用要求,然而通过在SLM成形过程中对成形缺陷进行在线检测,并及时优化工艺参数,可以减少甚至消除缺陷,达到提高零件质量和性能的目的。因此,如何在线检测SLM成形缺陷,在成形过程中提高零件的质量是增材制造技术面临的重大问题。现有的零件缺陷无损检测技术主要包括:射线检测、涡流检测、磁粉检测。目前,已有人员将涡流检测应用到SLM零件缺陷检测。上述三种检测方法存在的缺点是通过人眼识别零件缺陷,辨别误差太大,而且无法满足工业上在线检测要求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种针对激光选区熔化成形缺陷的在线检测与优化方法,该方法能在线检测SLM成形过程零件每层表面的缺陷,并判断识别缺陷类型,获得缺陷检测信息,并将缺陷检测信息与实验要求的缺陷检测信息进行比较,进而通过软件自动调整、优化SLM工艺参数,减少零件缺陷,提高零件质量。
为实现上述目的,按照本发明,提供了一种针对激光选区熔化成形缺陷的在线检测与优化系统,其特征在于,包括激光选区熔化制造平台、图像采集模块和工艺处理模块,其中,
所述激光选区熔化制造平台包括支撑底板、成形装置和激光扫描装置,所述成形装置安装在所述支撑底板上,以用于成形零件,所述成形装置上每铺一层金属粉末,激光扫描装置根据零件的截面形状对该层扫描一次;
所述图像采集模块包括三轴移动平台和CCD相机,所述三轴移动平台安装在所述支撑底板的顶端,所述CCD相机安装在所述三轴移动平台上,以用于在线采集激光选区熔化制造过程零件每层的表面图像;
所述工艺处理模块包括图像处理模块和工艺参数自动调整模块,所述图像处理模块包括图像预处理模块、图像阈值分割模块、神经网络识别统计模块和工艺参数自动调整模块,所述图像预处理模块用于对CCD相机采集到的图像进行去噪和边缘强化处理,所述图像阈值分割模块用于对图像进行阈值分割,以获取不同阈值对应区域的缺陷特征,所述神经网络识别统计模块通过神经网络识别算法对阈值分割后的缺陷特征进行识别,判断缺陷特征属于何种类型缺陷,并统计分析得到缺陷检测信息;所述工艺参数自动调整模块用于判断统计分析得到的缺陷检测信息相对于实际要求的缺陷检测信息是否符合要求,若符合,就不调整SLM工艺参数,若不符合,工艺参数自动调整模块就自动调整SLM工艺参数。
优选地,所述CCD相机的曝光时间和采集时间由上位机控制。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、通过机器视觉技术和数字图像处理技术可以在线、快速的检测激光选区熔化制造过程中零件每层表面缺陷情况,不受人眼检测的限制,保证每次缺陷检测的准确性;
2、当获取的缺陷检测信息不符合要求时,自动调整、优化SLM工艺参数,保证形成高表面质量和高力学性能的零件。
附图说明
图1是本发明的结构示意图。
图2是本发明的工作流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1、图2,一种针对激光选区熔化成形缺陷的在线检测与优化系统,其特征在于,包括激光选区熔化制造平台、图像采集模块和工艺处理模块,其中,
所述激光选区熔化制造平台包括支撑底板、成形装置和激光扫描装置14,所述成形装置安装在所述支撑底板上,以用于成形零件,所述成形装置上每铺一层金属粉末,激光扫描装置14根据零件的截面形状对该层扫描一次;
所述图像采集模块包括三轴移动平台和CCD相机12所述三轴移动平台安装在所述支撑底板的顶端,所述CCD相机12安装在所述三轴移动平台上,以用于在线采集激光选区熔化制造过程零件每层的表面图像;优选地,所述CCD相机12的曝光时间和采集时间由上位机控制;
所述工艺处理模块包括图像处理模块1和工艺参数自动调整模块,所述图像处理模块1包括图像预处理模块、图像阈值分割模块、神经网络识别统计模块和工艺参数自动调整模块,所述图像预处理模块用于对CCD相机12采集到的图像进行去噪和边缘强化处理,所述图像阈值分割模块用于对图像进行阈值分割,以获取不同阈值对应区域的缺陷特征,所述神经网络识别统计模块通过神经网络识别算法对阈值分割后的缺陷特征进行识别,判断缺陷特征属于何种类型缺陷,并统计分析得到缺陷检测信息;所述工艺参数自动调整模块用于判断统计分析得到的缺陷检测信息相对于实际要求的缺陷检测信息是否符合要求,若符合,就不调整SLM工艺参数,若不符合,工艺参数自动调整模块就自动调整SLM工艺参数。
激光选区熔化制造平台的成形装置包括铺粉装置6、送粉缸5、成形缸9和升降装置,激光扫描装置9由第一数控装置2控制,铺粉装置6也由第一数控装置2控制,送粉缸5和成形缸9能够完成升降直线运动,升降装置包括第一升降机构4和第二升降机构3,第一升降机构4和第二升降机构3也由第二数据装置2控制,第一升降机构4控制送粉缸5的升降,第二升降机构3控制成形缸9的升降。
图像采集模块的三轴移动平台包括升降支架8和XY轴移动平台,XY轴移动平台包括第一直线运动机构10和第二直线运动机构11,升降支架8可完成升降直线运动。升降支架8、第一直线运动机构10和第二直线运动机构11均由第二数控装置13控制。
本系统的工作过程如下:
①、将图像采集模块的升降支架8安装在激光选区熔化制造平台上,接着再将CCD相机12固定在第一直线运动机构11上,然后将第一直线运动机构11和第二直线运动机构10安装在升降支架8上。第二数控装置13控制第一直线运动机构10和第二直线运动机构11水平直线运动,使得CCD相机12处于最佳的拍摄位置,进而保证采集到高质量的图像。
②、第一数控装置2通过控制铺粉装置6和激光扫描装置14,使送粉缸5中的金属粉末平铺到成形缸9的基板上,并对金属粉末进行激光选区熔化制造。
③、当激光选区熔化完一层金属粉末后,CCD相机开始对该层表面进行拍摄,然后将拍摄的图像传输给图像处理模块1,图像处理模块1中的图像预处理模块开始对表面图像进行去噪、边缘强化等操作,消除环境对拍摄图像的影响。接着,图像处理模块1中的图像阈值分割模块对预处理后的图像进行处理,得到表面不同缺陷的特征。最后,图像处理模块1中的神经网络识别统计模块对阈值分割后的缺陷特征进行识别,判断缺陷属于何种类型,并通过分析统计,得到该层表面缺陷检测信息。第一数控装置2控制第一升降机构4和第二升降机构3,使送粉缸5和成形缸9分别上升和下降一定高度;
④、将步骤③中的缺陷检测信息与实验要求的缺陷检测信息比较,图像处理模块1中的工艺参数自动调整模块判断比较结果是否符合要求;若不符合要求,工艺参数自动调整模块中的软件将自动调整、优化SLM工艺参数。自动调整时,可以根据经常,预先在程序中设定来自动增大或减小参数值,而且此处也采用到了工程控制中的反馈技术来不断地进行比较和判断调整;
⑤、重复上述②③④步骤,得到找到符合要求的SLM工艺参数,并将该组参数作为最优工艺参数,完成零件7的增材制造,保证形成高表面质量和高力学性能的零件。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种针对激光选区熔化成形缺陷的在线检测与优化系统,其特征在于,包括激光选区熔化制造平台、图像采集模块和工艺处理模块,其中,
所述激光选区熔化制造平台包括支撑底板、成形装置和激光扫描装置,所述成形装置安装在所述支撑底板上,以用于成形零件,所述成形装置上每铺一层金属粉末,激光扫描装置根据零件的截面形状对该层扫描一次;
所述图像采集模块包括三轴移动平台和CCD相机,所述三轴移动平台安装在所述支撑底板的顶端,所述CCD相机安装在所述三轴移动平台上,以用于在线采集激光选区熔化制造过程零件每层的表面图像;
所述工艺处理模块包括图像处理模块和工艺参数自动调整模块,所述图像处理模块包括图像预处理模块、图像阈值分割模块、神经网络识别统计模块和工艺参数自动调整模块,所述图像预处理模块用于对CCD相机采集到的图像进行去噪和边缘强化处理,所述图像阈值分割模块用于对图像进行阈值分割,以获取不同阈值对应区域的缺陷特征,所述神经网络识别统计模块通过神经网络识别算法对阈值分割后的缺陷特征进行识别,判断缺陷特征属于何种类型缺陷,并统计分析得到缺陷检测信息;所述工艺参数自动调整模块用于判断统计分析得到的缺陷检测信息相对于实际要求的缺陷检测信息是否符合要求,若符合,就不调整SLM工艺参数,若不符合,工艺参数自动调整模块就自动调整SLM工艺参数,自动调整时,根据预先在程序中设定来自动增大或减小参数值,而且也采用反馈技术来不断地进行比较和判断调整,以此方式,得到符合要求的SLM工艺参数,并将该组SLM工艺参数作为最优工艺参数,完成零件的增材制造。
2.根据权利要求1所述的一种针对激光选区熔化成形缺陷的在线检测与优化系统,其特征在于,所述CCD相机的曝光时间和采集时间由上位机控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057835.4A CN106881462B (zh) | 2017-01-23 | 2017-01-23 | 一种针对激光选区熔化成形缺陷的在线检测与优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710057835.4A CN106881462B (zh) | 2017-01-23 | 2017-01-23 | 一种针对激光选区熔化成形缺陷的在线检测与优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106881462A CN106881462A (zh) | 2017-06-23 |
CN106881462B true CN106881462B (zh) | 2019-01-29 |
Family
ID=59175919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710057835.4A Active CN106881462B (zh) | 2017-01-23 | 2017-01-23 | 一种针对激光选区熔化成形缺陷的在线检测与优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106881462B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190001658A1 (en) * | 2017-06-30 | 2019-01-03 | General Electric Company | Systems and method for advanced additive manufacturing |
CN107402220B (zh) * | 2017-07-01 | 2019-07-19 | 华中科技大学 | 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统 |
CN109318478B (zh) * | 2017-07-31 | 2020-10-23 | 株式会社松浦机械制作所 | 三维造型方法 |
CN109420762B (zh) * | 2017-08-31 | 2021-05-25 | 上海微电子装备(集团)股份有限公司 | 一种3d打印装置及方法 |
CN107866568A (zh) * | 2017-11-10 | 2018-04-03 | 华中科技大学 | 一种适用于液压阀块的激光选区熔化成形方法 |
CN107844109B (zh) * | 2017-12-11 | 2023-09-08 | 保定市尤里卡电气设备有限公司 | 一种羽绒水洗控制系统 |
WO2019117886A1 (en) * | 2017-12-13 | 2019-06-20 | Hewlett-Packard Development Company, L.P. | Thermal behavior prediction from a contone map |
CN108859124A (zh) * | 2018-06-29 | 2018-11-23 | 山东科技大学 | 一种具有故障诊断修复功能的3d打印机 |
RU2696121C1 (ru) * | 2018-07-13 | 2019-07-31 | федеральное государственное бюджетное образовательное учреждение высшего образования "Нижегородский государственный технический университет им. Р.Е. Алексеева" (НГТУ) | Способ 3D печати на оборудовании с ЧПУ с интеллектуальной оптимизацией режимов |
CN108788153A (zh) * | 2018-08-27 | 2018-11-13 | 西安空天能源动力智能制造研究院有限公司 | 一种激光选区熔化加工过程实时质量监控装置及方法 |
CN109187748A (zh) * | 2018-09-19 | 2019-01-11 | 李波 | 大型金属构件激光增材制造过程的在线无损检测系统 |
CN109685760B (zh) * | 2018-11-05 | 2022-05-20 | 华中科技大学 | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 |
JP7008669B2 (ja) * | 2019-09-09 | 2022-01-25 | 日本電子株式会社 | 3次元積層造形装置及び3次元積層造形方法 |
CN110789128B (zh) * | 2019-10-24 | 2021-05-28 | 汕头大学 | 一种增材制造制件成形质量预测与控制系统及方法 |
CN111141391B (zh) * | 2019-12-25 | 2021-01-19 | 西安交通大学 | 针对slm成形过程熔池激光同步跟随测温装置及测温方法 |
CN111398271A (zh) * | 2020-01-10 | 2020-07-10 | 武汉大学 | 一种针对激光近净成形缺陷的检测优化系统及方法 |
CN111496253B (zh) * | 2020-04-09 | 2022-10-21 | 广东工业大学 | 带智能监控的金属基复合材料复合增材制造方法及其装置 |
CN111207985B (zh) * | 2020-04-22 | 2020-08-07 | 中国航发上海商用航空发动机制造有限责任公司 | 裂纹缺陷的无损检测方法、检测标准件及其制造方法 |
CN111688192B (zh) * | 2020-06-24 | 2022-06-17 | 西安文理学院 | 一种选区激光熔化主要工艺参数匹配优化方法 |
CN112548119A (zh) * | 2020-12-02 | 2021-03-26 | 中国科学院金属研究所 | 一种基于缺陷形态调控激光选区熔化成形钛合金工艺的方法 |
CN112620654A (zh) * | 2020-12-14 | 2021-04-09 | 合肥新杉宇航三维科技有限公司 | 一种金属3d打印的逐层选择性杂质清理装置及工艺 |
CN112622265B (zh) * | 2021-01-11 | 2021-10-15 | 陇东学院 | 基于sla快速成型构件的力学性能调控的制造方法 |
CN113172242B (zh) * | 2021-04-27 | 2021-12-28 | 武汉科技大学 | 一种选择性激光熔化成形实时监测装置及实现方法 |
CN113560574B (zh) * | 2021-06-10 | 2023-05-26 | 广东工业大学 | 3d打印缺陷修复方法 |
CN114216911A (zh) * | 2021-12-20 | 2022-03-22 | 河北科技大学 | 一种金属选择性激光熔化成型中铺粉质量监测及控制方法 |
CN114897908B (zh) * | 2022-07-14 | 2022-09-16 | 托伦斯半导体设备启东有限公司 | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308593A (zh) * | 2012-03-07 | 2013-09-18 | 常州市西牧电气设备有限公司 | 一种磁粉焊接探伤的缺陷智能识别检测系统 |
FR3010785B1 (fr) * | 2013-09-18 | 2015-08-21 | Snecma | Procede de controle de la densite d'energie d'un faisceau laser par analyse d'image et dispositif correspondant |
US20160059314A1 (en) * | 2014-09-03 | 2016-03-03 | Arcam Ab | Method for improved material properties in additive manufacturing |
CN105044154B (zh) * | 2015-07-01 | 2018-02-27 | 西安理工大学 | 激光金属成形中材质缺陷红外热成像检测及靶向消除方法 |
-
2017
- 2017-01-23 CN CN201710057835.4A patent/CN106881462B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106881462A (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106881462B (zh) | 一种针对激光选区熔化成形缺陷的在线检测与优化系统 | |
EP3495077B1 (en) | Powder spreading quality test method and additive manufacturing device | |
CN108489986A (zh) | 一种增材制造在线检测及修复方法 | |
CN108931535A (zh) | 一种激光增材制造气孔缺陷在线监测方法 | |
Iravani-Tabrizipour et al. | An image-based feature tracking algorithm for real-time measurement of clad height | |
CN106925784A (zh) | 一种基于相机实时拍摄的3d打印过程监控方法及装置 | |
CN102455171B (zh) | 一种激光拼焊焊缝背面几何形貌检测方法 | |
CN110253019A (zh) | 一种激光选区熔化的质量监控与控制方法 | |
CN109136912B (zh) | 一种激光熔覆离焦量在线监测与负反馈状态识别方法 | |
CN113762240B (zh) | 一种基于深度学习的熔覆层几何特征预测方法及系统 | |
CN107727011B (zh) | 选择性激光熔化制造过程中平面度和轮廓度在线测量方法 | |
EP3756859A1 (en) | System for manufacturing additive manufactured object and method for manufacturing additive manufactured object | |
CN107688028B (zh) | 一种激光增材制造搭接率在线监测方法 | |
CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
CN109693140B (zh) | 一种智能化柔性生产线及其工作方法 | |
He et al. | A critical review for machining positioning based on computer vision | |
Fang et al. | Online defect detection in layered manufacturing using process signature | |
Wu et al. | In situ monitoring methods for selective laser melting additive manufacturing process based on images—A review | |
Zhang et al. | In situ monitoring of direct energy deposition via structured light system and its application in remanufacturing industry | |
CN112179312A (zh) | 适用于建筑3d打印件表面质量的在线检测系统及方法 | |
CN205333535U (zh) | 一种金属应变计缺陷自动检测系统 | |
CN114216911A (zh) | 一种金属选择性激光熔化成型中铺粉质量监测及控制方法 | |
Bauer et al. | Artificial Intelligence in Laser Powder Bed Fusion Procedures–Neural Networks for Live-Detection and Forecasting of Printing Failures. | |
CN116664508A (zh) | 一种焊缝表面质量检测方法及计算机可读存储介质 | |
CN116213884A (zh) | 管-法兰微分阵列式划分及自适应焊接路径规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |