CN107402217B - 基于视觉传感的激光增材制造缺陷的在线诊断方法 - Google Patents

基于视觉传感的激光增材制造缺陷的在线诊断方法 Download PDF

Info

Publication number
CN107402217B
CN107402217B CN201710624903.0A CN201710624903A CN107402217B CN 107402217 B CN107402217 B CN 107402217B CN 201710624903 A CN201710624903 A CN 201710624903A CN 107402217 B CN107402217 B CN 107402217B
Authority
CN
China
Prior art keywords
molten pool
area
additive manufacturing
time
laser additive
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
Application number
CN201710624903.0A
Other languages
English (en)
Other versions
CN107402217A (zh
Inventor
陈波
姚永臻
王文康
檀财旺
黄煜华
陈毅松
冯吉才
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology Weihai
Original Assignee
Harbin Institute of Technology Weihai
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology Weihai filed Critical Harbin Institute of Technology Weihai
Priority to CN201710624903.0A priority Critical patent/CN107402217B/zh
Publication of CN107402217A publication Critical patent/CN107402217A/zh
Application granted granted Critical
Publication of CN107402217B publication Critical patent/CN107402217B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B22F10/20—Direct sintering or melting
    • B22F10/25—Direct deposition of metal particles, e.g. direct metal deposition [DMD] or laser engineered net shaping [LENS]
    • 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
    • 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
    • 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
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • B22F10/32—Process control of the atmosphere, e.g. composition or pressure in a building chamber
    • B22F10/322—Process control of the atmosphere, e.g. composition or pressure in a building chamber of the gas flow, e.g. rate or direction
    • 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
    • B22F10/36—Process control of energy beam parameters
    • 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
    • B22F10/36—Process control of energy beam parameters
    • B22F10/366—Scanning parameters, e.g. hatch distance or scanning strategy
    • 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
    • B22F12/50—Means for feeding of material, e.g. heads
    • 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
    • G01N2021/8411—Application to online plant, process monitoring
    • 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

本发明提出一种基于视觉传感的激光增材制造缺陷的在线诊断方法，包括以下步骤：通过CCD摄像机实时采集熔池模拟图像信号；通过图像采集卡，将熔池模拟图像信号转换成数字图像信号导入计算机；通过计算机对数字图像信号进行实时图像处理以得到熔池面积的时域图；对上述时域图进行短时傅里叶变换以得到熔池面积的频域图；基于熔池面积的时域图，判断熔池面积是否发生急剧波动或变化；若否，不存在制造缺陷；若是，在熔池面积发生急剧波动或者变化的时间段内，判断熔池面积的频域图中是否出现明显的异常波动；若是，存在肉眼可辨的制造缺陷；若否，存在非肉眼可辨的制造缺陷。上述方法能判断激光增材制造过程中缺陷的产生、出现时刻及缺陷类型。

Description

基于视觉传感的激光增材制造缺陷的在线诊断方法
技术领域
本发明涉及金属激光增材制造领域，尤其涉及一种基于视觉传感的激光增材制造缺陷的在线诊断方法。
背景技术
激光增材制造技术，具有成形零件复杂、结构优化、性能优良、加工材料范围广泛，可实现梯度功能、柔性化程度高、制造周期短等独特优点，在材料利用率、研制周期和总的制造成本方面均优于铸造和锻造技术，是一种优质、节材、低成本、无污染的先进制造技术。但是，对金属激光增材制造制件性能的研究发现，制件性能尽管在个别指标能够达到同质材料的相应标准和规范，但总体上还是存在着一定的差距，其主要原因在于增材制造技术成形机理的固有特性——“瞬态熔凝过程”所导致的制件内部的微观缺陷，如裂纹、气孔、夹渣、下塌等。或是由于工艺等实际生产原因，容易导致结合层间的结合强度不够，性能不一致等问题，使成形结构性能达不到要求，进而限制了该技术的应用。激光增材制造过程中的缺陷、成型质量等问题已经成为制约激光增材制造技术发展的瓶颈，迫切需要对其进行深入研究。
而金属激光增材制造时形成的熔池包含了大量可预测增材成型质量的信息，如熔池的宽度直接决定了增材成型的宽度，熔池高度则决定了每一层增材样件的厚度。在实际生产中，有经验的工程师主要通过观察熔池的大小、形状、颜色、亮度及流动状态来调整熔覆时的工艺参数。因此实时检测熔池在增材过程中的动态变化特征，能够揭示增材过程的物理机制，指导增材生产并改善增材质量。
发明内容
本发明提出了一种基于视觉传感的激光增材制造缺陷的在线诊断方法，以判断在激光增材制造过程中缺陷的产生、出现时刻以及缺陷的类型。
为了实现上述目的，本发明提出了一种基于视觉传感的激光增材制造缺陷的在线诊断方法，所述在线诊断方法所涉及的在线诊断装置包括CCD摄像机，所述CCD摄像机前置窄带滤光片，所述CCD摄像机经连接线与图像采集卡相连接，所述图像采集卡安装在计算机内；其中所述CCD摄像机采用与激光发射器同轴的方式安装在激光增材制造系统中的增材加工头上，并且所述CCD摄像机与所述增材加工头保持实时相对静止；所述在线诊断方法包括以下步骤： 步骤1、当基于同轴送粉的激光增材制造系统开始工作时，通过CCD摄像机实时采集熔池模拟图像信号； 步骤2、通过图像采集卡，将熔池模拟图像信号转换成数字图像信号后导入计算机； 步骤3、通过计算机对导入的数字图像信号进行实时图像处理以得到熔池面积随时间变化的时域图； 步骤4、对熔池面积随时间变化的时域图，进行短时傅里叶变换（STFT），以得到熔池面积的频域图； 步骤5、基于熔池面积随时间变化的时域图，判断熔池面积是否发生急剧波动或者变化； 步骤6、如果否，则表明在激光增材制造过程中不存在制造缺陷； 步骤7、如果是，则在熔池面积发生急剧波动或者变化的时间段内，判断熔池面积的频域图中是否出现明显的异常波动； 步骤8、如果是，则表明在激光增材制造过程中存在肉眼可辨的制造缺陷； 步骤9、如果否，则表明在激光增材制造过程中存在非肉眼可辨的制造缺陷。
优选的是，所述CCD摄像机的采样频率不低于12 fps。
优选的是，所述步骤3中，在所述计算机中采用MATLAB软件对导入的数字图像信号进行图像处理，包括以下处理步骤： 步骤301、读取熔池图片； 步骤302、提取熔池图像； 步骤303、对熔池区域图像进行裁剪； 步骤304、对裁剪后的熔池图像进行中值滤波； 步骤305、对滤波后的熔池图像进行灰度变换； 步骤306、对变换后的熔池图像进行分割； 步骤307、标记各分割后的熔池图像的连通域； 步骤308、求取各连通域面积的大小； 步骤309、求取最大连通域的索引； 步骤310、获取最大连通域的图像； 步骤311、对该最大连通域的图像进行几何参数的提取； 步骤312、根据提取的几何参数，求取熔池面积。
优选的是，在所述步骤3和步骤4之间，增加步骤31：对所得到的熔池面积随时间变化的时域图进行滤波处理。
优选的是，在所述步骤5和步骤7中，可结合正态分布3σ准则或统计过程控制理论，对是否存在明显波动做出判别，或根据需求对判别的敏感度进行调整。
优选的是，在所述步骤8中，通过以下步骤来判断缺陷的类型： 步骤801、判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡降波动或变化，且在频域图中对应的区域内出现明显异常波动； 步骤802、如果是，则表明在激光增材制造过程中存在凹陷或者氧化的缺陷； 步骤803、如果否，则判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡升波动或变化，且在频域图中对应的区域内出现明显异常波动； 步骤804、如果是，则表明在激光增材制造过程中存在凸起的缺陷。
本发明的该方案的有益效果在于上述基于视觉传感的激光增材制造缺陷的在线诊断方法，可以实时采集熔池图像信息，并由计算机快速处理得到熔池面积的时域图及相应的频域图，根据所得到的熔池面积的时域图以及频域图进一步判断金属激光增材制造过程中缺陷的产生、出现时刻以及缺陷类型，以用于实际生产中金属激光增材制造的缺陷在线监测，并为下一步实现激光增材制造过程的在线质量控制打下了基础。
附图说明
图1示出了本发明所涉及的在线诊断装置的原理示意图以及基于同轴送粉的激光增材制造系统的简图。
图2 示出了本发明所涉及的在线诊断方法的流程图。
图3示出了一种实施例中的计算机对导入的数字图像信号进行图像处理的流程图。
图4示出了本发明所涉及的进一步判别缺陷类型的流程图。
图5示出了第一实例中产生凹陷缺陷时宏观成型实物示意图、相应熔池面积随时间变化的时域图以及熔池面积的频域图。
图6 示出了第二实例中产生凸起缺陷时宏观成型实物示意图、相应熔池面积随时间变化的时域图以及熔池面积的频域图。
图7示出了第三实例中产生严重氧化缺陷时宏观成型实物示意图、相应熔池面积随时间变化的时域图以及熔池面积的频域图。
附图标记：1-工作台，2-熔池辐射信号，3-激光束，4-CCD摄像机，5-连接线，6-图像采集卡，7-计算机，8-基板，9-反射镜； A-第一区域，B-第二区域，C-第三区域，D-第四区域，E-第五区域，F-第六区域，G-第七区域，H-第八区域，I-第九区域。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明。
金属激光增材制造过程是基于同轴送粉的激光增材制造系统进行的，基于同轴送粉的激光增材制造系统属于现有技术，本实施例中只给出简图，如图1所示，基于同轴送粉的激光增材制造系统包括工作台1，激光束3垂直照射在基板8表面，聚焦位置在材料表面，同时按一定速率进行同轴送粉，进行金属激光增材制造，在增材制造过程中，将保护气以一定的流量进行输送，以防止增材样件的表面氧化。上述制造过程属于现有技术，在此不做详尽的说明。
如图1所示，本发明所涉及的基于视觉传感的激光增材制造缺陷的在线诊断装置包括CCD摄像机4，所述CCD摄像机4前置窄带滤光片（图中未示出），根据实际情况，选择合适的窄带滤光片，能观察到清晰的熔池图像即可；所述窄带滤光片的可透过波长范围建议选择在可见光或近红外光波段。在本实施例中，采用850nm的窄带滤光片，只允许850nm波长的辐射光通过，所述CCD摄像机4经连接线5与图像采集卡6相连接，所述图像采集卡6安装在计算机7内；其中所述CCD摄像机4采用与激光发射器同轴的方式安装在激光增材制造系统中的增材加工头上，并且所述CCD摄像机4与所述增材加工头保持实时相对静止。
为了实现所述CCD摄像机4与激光发射器同轴，可以采用至少一级反射镜9。在本实施例中，采用两级反射镜9，所述反射镜9将熔池发出的辐射信号2改变方向，以实现所述CCD摄像机4与激光发射器同轴。
在本实施例中，所述基板8采用304不锈钢板材，所述基板8的加工规格均为120×60×5 mm。增材粉末采用316L粉末，送粉器采用具有高精度和重复精度的GTVPF 2/2 型送粉器，送粉速率为13.4 g/min。所述保护气采用Ar保护气，流量为10L/min。所述激光束3由德国IPG Photonics公司生产的YLS-6000型掺镱光纤激光器产生，该激光器的最大输出功率6000 W，产生激光的波长范围在1060~1070 nm，光束质量BPP≥4.0，在本实施例中，将激光器的输出功率设定在1600 W。所述CCD摄像机4为WAT-902H2U型CCD摄像机，有效像素440K/752(H)×582(V)，采集视频频率12 fps。所述图像采集卡6为DH-CG400的视频采集卡，视频图像经多路切换器、解码器、A/D变换器后形成数字图像，图像采集卡6将数字化的图像数据送到数据缓冲器中；在数据缓冲器中进行裁剪、比例压缩及数据格式转换后，将数据传输到计算机7中。
本发明所涉及的基于视觉传感的激光增材制造缺陷的在线诊断方法的流程图如图2所示，所述在线诊断方法包括以下步骤：
步骤1、当基于同轴送粉的激光增材制造系统开始工作时，激光产生的热量熔化基板8和增材粉末形成高温熔池，熔池辐射信号2经反射镜9反射后，再经850nm的窄带滤光片滤波后进行CCD摄像机4，通过CCD摄像机4实时采集熔池模拟图像信号，如图2中步骤S1所示。
步骤2、通过图像采集卡6，将熔池模拟图像信号转换成数字图像信号后导入计算机7，如图2中步骤S2所示。
步骤3、通过计算机7对导入的数字图像信号进行实时图像处理以得到熔池面积随时间变化的时域图，如图2中步骤S3所示。根据实际所得到的熔池面积随时间变化的时域图的图像状态，视情况选择是否对图像数据进行滤波处理，以获得更加直观、清晰的曲线变化图像。若需进行滤波处理，可依据图像状态，结合滤波理论方法，选择任意一种或几种合理的滤波方法（如中值滤波方法、均值滤波方法等），对图像进行滤波处理。
步骤4、对熔池面积随时间变化的时域图，进行短时傅里叶变换（STFT），以得到熔池面积的频域图，如图2中步骤S4所示。
步骤5、基于熔池面积随时间变化的时域图，判断熔池面积是否发生急剧波动或者变化，如图2中步骤S5所示。在进行判断时，可结合正态分布3σ准则或统计过程控制理论（SPC）等控制理论和方法，对是否存在明显波动等情况做出判别，或根据实际需求对判别的敏感度进行调整。
步骤6、如果否，则表明在激光增材制造过程中不存在制造缺陷，如图2中步骤S6所示。
步骤7、如果是，则在熔池面积发生急剧波动或者变化的时间段内，判断熔池面积的频域图中是否出现明显的异常波动，如图2中步骤S7所示。在进行判断时，可结合正态分布3σ准则或统计过程控制理论（SPC）等控制理论和方法，对是否存在明显波动等情况做出判别，或根据实际需求对判别的敏感度进行调整。
步骤8、如果是，则表明在激光增材制造过程中存在肉眼可辨的制造缺陷，如图2中步骤S8所示。
步骤9、如果否，则表明在激光增材制造过程中存在非肉眼可辨的制造缺陷，如图2中步骤S9所示。存在非肉眼可辨的制造缺陷是指增材制造过程中生成宏观缺陷，但尺寸或宏观变化很小。
在所述步骤3中，所述计算机7对导入的数字图像信号进行图像处理的流程图如图3所示。本实施例中，在所述计算机7中采用MATLAB软件对导入的数字图像信号进行图像处理，包括以下处理步骤：
步骤301、读取熔池图片；
步骤302、提取熔池图像；
步骤303、对熔池区域图像进行裁剪；
步骤304、对裁剪后的熔池图像进行中值滤波；
步骤305、对滤波后的熔池图像进行灰度变换；
步骤306、对变换后的熔池图像进行分割；
步骤307、标记各分割后的熔池图像的连通域；
步骤308、求取各连通域面积的大小；
步骤309、求取最大连通域的索引；
步骤310、获取最大连通域的图像；
步骤311、对该最大连通域的图像进行几何参数的提取；
步骤312、根据提取的几何参数，求取熔池面积。
在所述步骤8中，可以通过以下步骤来进一步判断缺陷的类型，如图4所示：
步骤801、判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡降波动或变化，且在频域图中对应的区域内出现明显异常波动。
步骤802、如果是，则表明在激光增材制造过程中存在凹陷或者氧化的缺陷。
步骤803、如果否，则判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡升波动或变化，且在频域图中对应的区域内出现明显异常波动。
步骤804、如果是，则表明在激光增材制造过程中存在凸起的缺陷。
在具体的增材制造过程中，可以将激光器的输出功率、增材加工头的扫描速度、保护气的流量和离焦量四个参数作为可控变量，分别分析其在产生变化时，导致产生增材制造缺陷的情况。
实施例1
如图5所示，本实施例模拟激光器的输出功率发生改变导致产生增材制造缺陷的情况。金属激光增材制造形成的增材成型实物示意图如图5（a）所示，所述成型层分为第一区域A、第二区域B、第三区域C。其中所述第二区域B的成型层在制造过程中激光器的输出功率发生改变。
通过上述的在线诊断方法，所得到的熔池面积随时间变化的时域图如图5（b）所示，熔池面积的频域图如图5（c）所示，可以看出当激光器的输出功率发生变化时，熔池面积的时域曲线由相对稳定状态出现陡降波动或变化，且在频域图中对应的区域内出现明显异常波动，其变化与成形缺陷严格对应。即，根据熔池面积的时域曲线发生陡降和频域图中相应的明显波动，可判断增材制造过程中出现凹陷缺陷。
实施例2
如图6所示，本实施例模拟增材加工头的扫描速度发生改变导致产生增材制造缺陷的情况。金属激光增材制造形成的增材成型实物示意图如图6（a）所示，所述成型层分为第四区域D，第五区域E，第六区域F，所述第四区域D和第六区域F的成型层在制造过程中增材加工头的扫描速度为300 mm/min，而所述第五区域E的成型层在制造过程中增材加工头的扫描速度为0 mm/min，其他参数包括激光器的输出功率为1600 W，送粉速率为13.4g/min，保护气流量为10L/min。
通过上述的在线诊断方法，所得到的熔池面积随时间变化的时域图如图6（b）所示，熔池面积的频域图如图6（c）所示，从图中可以看出当增材加工头扫描速度发生变化时，对应的熔池面积的时域曲线也会发生明显的变化。即，扫描速度为300 mm/min时，熔池面积的时域曲线变化和相应的频域图都较为稳定，增材成形层成形较好；当扫描速度接近为0mm/min时，熔池面积的时域曲线发生陡升变化且在频域图中对应的区域内也出现明显陡升变化，增材成形层形成凸起的焊瘤。由此可根据熔池面积的时域曲线发生陡升变化和频域图中相应的明显变化，判断增材制造过程中出现焊瘤的缺陷。
实施例3
如图7所示，本实施例模拟保护气的流量发生改变导致产生增材制造缺陷的情况。金属激光增材制造形成的增材成型实物示意图如图7（a）所示，所述成型层分为第七区域G，第八区域H以及第九区域I，所述第七区域G和第九区域I的成型层在制造过程中的保护气流量为15 L/min，而所述第八区域H的成型层在制造过程中的保护气流量为0 L/min，其他参数包括激光器的输出功率为1600 W，增材加工头的扫描速度为600 mm/min，送粉速率为13.4g/min。
通过上述的在线诊断方法，所得到的熔池面积随时间变化的时域图如图7（b）所示，熔池面积的频域图如图7（c）所示。从图中可以看出当熔池面积的时域曲线由所述第七区域G和第九区域I的相对稳定状态出现陡降波动或者变化时，在频域图中对应的区域内也出现明显陡降，这说明在增材制造过程中存在严重氧化缺陷。
通过以上实施例可以得出以下结论：当熔池面积的时域曲线处于动态稳定状态时，无增材制造缺陷产生；当熔池面积的时域曲线急剧波动或变化，且相应频域图中出现明显波动时，产生明显的增材制造宏观缺陷，具体表现为：熔池面积的时域曲线由相对稳定状态出现陡升波动或变化，且频域图出现对应明显变化时，出现凸起（焊瘤）缺陷；熔池面积的时域曲线由相对稳定状态出现陡降波动或变化，且频域图出现对应明显变化时，出现凹陷缺陷或氧化严重缺陷。
本发明所涉及的基于视觉传感的激光增材制造缺陷的在线诊断方法，可以实时采集熔池图像信息，并由计算机快速处理得到熔池面积的时域图及相应的频域图，根据所得到的熔池面积的时域图以及频域图进一步判断金属激光增材制造过程中缺陷的产生、出现时刻以及缺陷类型，以用于实际生产中金属激光增材制造的缺陷在线监测，并为下一步实现激光增材制造过程的在线质量控制打下了基础。

Claims (3)

1.一种基于视觉传感的激光增材制造缺陷的在线诊断方法，其特征在于：所述在线诊断方法所涉及的在线诊断装置包括 CCD 摄像机，所述 CCD 摄像机前置窄带滤光片，所述CCD 摄像机经连接线与图像采集卡相连接，所述图像采集卡安装在计算机内；其中所述CCD 摄像机采用与激光发射器同轴的方式安装在激光增材制造系统中的增材加工头上，并且所述 CCD 摄像机与所述增材加工头保持实时相对静止；所述在线诊断方法包括以下步骤：
步骤 1、当基于同轴送粉的激光增材制造系统开始工作时，通过 CCD 摄像机实时采集熔池模拟图像信号；
步骤 2、通过图像采集卡，将熔池模拟图像信号转换成数字图像信号后导入计算机；
步骤 3、通过计算机对导入的数字图像信号进行实时图像处理以得到熔池面积随时间变化的时域图；其中，在所述计算机中采用 MATLAB 软件对导入的数字图像信号进行图像处理，包括以下处理步骤：
步骤 301、读取熔池图片；
步骤 302、提取熔池图像；
步骤 303、对熔池区域图像进行裁剪；
步骤 304、对裁剪后的熔池图像进行中值滤波；
步骤 305、对滤波后的熔池图像进行灰度变换；
步骤 306、对变换后的熔池图像进行分割；
步骤 307、标记各分割后的熔池图像的连通域；
步骤 308、求取各连通域面积的大小；
步骤 309、求取最大连通域的索引；
步骤 310、获取最大连通域的图像；
步骤 311、对该最大连通域的图像进行几何参数的提取；
步骤 312、根据提取的几何参数，求取熔池面积；
步骤 4、对熔池面积随时间变化的时域图，进行短时傅里叶变换，以得到熔池面积的频域图；
步骤 5、基于熔池面积随时间变化的时域图，判断熔池面积是否发生急剧波动或者变化；其中，结合正态分布 3σ准则或统计过程控制理论，对是否存在明显波动做出判别，或根据需求对判别的敏感度进行调整；
步骤 6、如果否，则表明在激光增材制造过程中不存在制造缺陷；
步骤 7、如果是，则在熔池面积发生急剧波动或者变化的时间段内，判断熔池面积的频域图中是否出现明显的异常波动；其中，结合正态分布 3σ准则或统计过程控制理论，对是否存在明显波动做出判别，或根据需求对判别的敏感度进行调整；
步骤 8、如果是，则表明在激光增材制造过程中存在肉眼可辨的制造缺陷；
步骤 9、如果否，则表明在激光增材制造过程中存在非肉眼可辨的制造缺陷；其中在所述步骤 8 中，通过以下步骤来判断缺陷的类型：
步骤 801、判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡降波动或变化，且在频域图中对应的区域内出现明显异常波动；
步骤 802、如果是，则表明在激光增材制造过程中存在凹陷或者氧化的缺陷；
步骤 803、如果否，则判断激光增材制造过程中，熔池面积的时域曲线是否由相对稳定状态出现陡升波动或变化，且在频域图中对应的区域内出现明显异常波动；
步骤 804、如果是，则表明在激光增材制造过程中存在凸起的缺陷。
2.根据权利要求 1 所述的基于视觉传感的激光增材制造缺陷的在线诊断方法，其特征在于：所述 CCD 摄像机的采样频率不低于 12 fps。
3.根据权利要求 1 所述的基于视觉传感的激光增材制造缺陷的在线诊断方法，其特征在于：在所述步骤 3 和步骤 4 之间，增加步骤 31：对所得到的熔池面积随时间变化的时域图进行滤波处理。
CN201710624903.0A 2017-07-27 2017-07-27 基于视觉传感的激光增材制造缺陷的在线诊断方法 Active CN107402217B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710624903.0A CN107402217B (zh) 2017-07-27 2017-07-27 基于视觉传感的激光增材制造缺陷的在线诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710624903.0A CN107402217B (zh) 2017-07-27 2017-07-27 基于视觉传感的激光增材制造缺陷的在线诊断方法

Publications (2)

Publication Number Publication Date
CN107402217A CN107402217A (zh) 2017-11-28
CN107402217B true CN107402217B (zh) 2020-06-30

Family

ID=60401572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710624903.0A Active CN107402217B (zh) 2017-07-27 2017-07-27 基于视觉传感的激光增材制造缺陷的在线诊断方法

Country Status (1)

Country Link
CN (1) CN107402217B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019125970A1 (en) * 2017-12-20 2019-06-27 Moog Inc. Convolutional neural network evaluation of additive manufacturing images, and additive manufacturing system based thereon
CN107796818B (zh) * 2018-01-23 2018-05-11 湖南泰嘉新材料科技股份有限公司 在线检测双金属带锯条焊接质量的方法
CN108489986B (zh) * 2018-03-19 2021-03-26 长沙理工大学 一种增材制造在线检测及修复方法
CN108608118A (zh) * 2018-05-03 2018-10-02 哈尔滨工业大学（威海） 基于熔池温度和尺寸测量的激光增材制造缺陷诊断方法
CN108655402A (zh) * 2018-05-29 2018-10-16 南京尚吉增材制造研究院有限公司 逐层轧制激光立体成型零件的装置和方法
CN109085178B (zh) * 2018-08-28 2021-02-12 武汉科技大学 一种用于增材制造的缺陷指纹精确在线监测和反馈方法
CN109269985B (zh) * 2018-09-28 2021-03-05 东南大学 金属移动熔池内部缺陷的高频超声在线监测方法
GB201818385D0 (en) * 2018-11-12 2018-12-26 Renishaw Plc Additive manufacturing
CN109507187A (zh) * 2018-11-23 2019-03-22 哈尔滨工业大学（威海） 一种激光增材制造缺陷诊断方法及其装置
CN110340363B (zh) * 2019-05-16 2022-12-06 西北工业大学 一种同步送粉激光增材制造光粉交互的检测装置及方法
CN110788444A (zh) * 2019-11-28 2020-02-14 上海工程技术大学 一种电弧增材制造熔池动态检测装置及方法
CN111014673A (zh) * 2019-12-30 2020-04-17 浙江工业大学之江学院 用于改善激光立体成型表面起伏的闭环控制装置及方法
CN111999254A (zh) * 2020-08-09 2020-11-27 复旦大学 基于双通道的增材制造缺陷检测系统
CN112557445B (zh) * 2020-11-17 2022-04-12 华中科技大学 一种基于增材制造的缺陷在线检测方法、装置和系统
CN112505051A (zh) * 2020-11-27 2021-03-16 广州高新兴机器人有限公司 一种基于激光射线的高精准化纤飘丝质量检测方法
CN112643053B (zh) * 2020-12-17 2023-04-07 浙江亚通新材料股份有限公司 基于光电信息的激光增材制造缺陷的在线诊断方法
CN113102770B (zh) * 2021-03-22 2022-10-25 中国人民解放军空军工程大学 一种激光选区熔化的激光辐射强度数据分析系统
CN117884786A (zh) * 2024-03-15 2024-04-16 哈尔滨工业大学（威海） 一种锡球激光焊接缺陷检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07284931A (ja) * 1994-02-28 1995-10-31 Mitsubishi Electric Corp 溶融加工装置および溶融加工の制御方法および溶融加工の監視方法
CN103604813A (zh) * 2013-12-05 2014-02-26 上海彩石激光科技有限公司 用于激光加工过程的熔池监测装置
CN104977305A (zh) * 2015-06-29 2015-10-14 华中科技大学 一种基于红外视觉的焊接质量分析装置及分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07284931A (ja) * 1994-02-28 1995-10-31 Mitsubishi Electric Corp 溶融加工装置および溶融加工の制御方法および溶融加工の監視方法
CN103604813A (zh) * 2013-12-05 2014-02-26 上海彩石激光科技有限公司 用于激光加工过程的熔池监测装置
CN104977305A (zh) * 2015-06-29 2015-10-14 华中科技大学 一种基于红外视觉的焊接质量分析装置及分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高强钢激光焊接熔池形态多传感经验驱动检测;游德勇;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20150315(第3期);第83-93、111、129-133页 *

Also Published As

Publication number Publication date
CN107402217A (zh) 2017-11-28

Similar Documents

Publication Publication Date Title
CN107402217B (zh) 基于视觉传感的激光增材制造缺陷的在线诊断方法
CN106984813B (zh) 一种激光选区熔化加工过程同轴监测方法及装置
Tang et al. A review on in situ monitoring technology for directed energy deposition of metals
Yuan et al. Machine‐learning‐based monitoring of laser powder bed fusion
CN107175329B (zh) 一种3d打印逐层检测反求零件模型及定位缺陷装置与方法
Craeghs et al. Determination of geometrical factors in Layerwise Laser Melting using optical process monitoring
US20190018400A1 (en) Systems and methods for receiving sensor data for an operating manufacturing machine and producing an alert during manufacture of a part
US10048661B2 (en) Visualization of additive manufacturing process data
US11559854B2 (en) Methods for detecting errors in an additive manufacturing process
US20160114431A1 (en) System and methods for real-time enhancement of build parameters of a component
CN108290219A (zh) 增材制造方法及设备
CN106404795A (zh) 一种基于红外信息的金属增材制造过程控制装置与方法
CN108931535B (zh) 一种激光增材制造气孔缺陷在线监测方法
CN106353284A (zh) 基于光谱诊断的激光增材制造过程中缺陷的在线诊断方法
CN103506756A (zh) 基于熔池图像视觉传感的激光搭接焊间隙检测系统及方法
CN108608118A (zh) 基于熔池温度和尺寸测量的激光增材制造缺陷诊断方法
CN111390168B (zh) 激光熔化沉积粉末流离焦量在线监测与负反馈状态识别方法
CN207205270U (zh) 一种3d打印逐层检测反求零件模型及定位缺陷装置
CN113092508A (zh) 具有实时原位检测功能的增材制造装置
CN206177838U (zh) 一种基于红外信息的金属增材制造过程控制装置
CN109641275A (zh) 三维形状造形物的制造方法
CN102027354B (zh) 测量钢带材清洁度的方法
CN111761819B (zh) 一种激光粉末床熔融成形件缺陷在线监测方法
CN107876984B (zh) 间隙焊接方法及装置
Wen et al. Quality detection and control during laser cutting progress with coaxial visual monitoring

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