CN108489986A - 一种增材制造在线检测及修复方法 - Google Patents

一种增材制造在线检测及修复方法 Download PDF

Info

Publication number
CN108489986A
CN108489986A CN201810223895.3A CN201810223895A CN108489986A CN 108489986 A CN108489986 A CN 108489986A CN 201810223895 A CN201810223895 A CN 201810223895A CN 108489986 A CN108489986 A CN 108489986A
Authority
CN
China
Prior art keywords
defect
material manufacturing
increasing material
lamella
image
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.)
Granted
Application number
CN201810223895.3A
Other languages
English (en)
Other versions
CN108489986B (zh
Inventor
胡宏伟
沈晓炜
王向红
尹来容
毛聪
张鹏
曾慧婕
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.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
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 Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN201810223895.3A priority Critical patent/CN108489986B/zh
Publication of CN108489986A publication Critical patent/CN108489986A/zh
Application granted granted Critical
Publication of CN108489986B publication Critical patent/CN108489986B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/141—Processes of additive manufacturing using only solid materials
    • B29C64/153—Processes of additive manufacturing using only solid materials using layers of powder being selectively joined, e.g. by selective laser sintering or melting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Materials Engineering (AREA)
  • Signal Processing (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Laser Beam Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种增材制造在线检测及修复方法，用于实现增材制造过程中片层缺陷的检测及修复。检测系统包括检测模块与数据处理模块，利用直线导轨实现摄像头的自动定位及轴向运动，使用双CCD摄像机获取片层图像并利用边缘算法提取缺陷特征实现缺陷的定量及定位，并对缺陷进行选择性激光重熔。本发明的技术效果在于提出了一种适应于增材制造过程中的缺陷定量、定位及修复的在线检测及闭环控制方法，保障了增材制造产品质量。

Description

一种增材制造在线检测及修复方法
技术领域
本发明属于无损检测领域，涉及一种增材制造在线检测及修复方法，具体涉及一种利用机器视觉技术实现增材制造过程中片层缺陷的定量、定位及使用激光重熔工艺消除指定缺陷的闭环控制方法。
背景技术
1.增材制造技术是20世纪80年代后期发展起来的一种先进智能化数字制造技术，它是以产品模型数据为基础，将材料逐层累加成为实体的制造方法。其核心是分层-叠加，将三维零件的制造转化为一系列二维薄片层的制造，利用计算机建模，将模型离散化，再在加工系统中进行叠加实体化。由于无模具快速成型、制造周期短、小批量零件生产成本低、材料利用率高等特点，增材制造在航空、医疗、汽车等行业得到了日益广泛的应用，其单件小批量产品快速制造的特点，使其在产品开发环节中备受青睐。
2.然而，增材制造是粉末经高能束射线熔化堆积成型，同时缺少传统的锻压工艺，增材制造产品在制造过程中不可避免地出现孔隙、裂纹等缺陷，这些缺陷直接影响增材制造构件的力学性能和使用寿命。
3.为解决这些问题，必须在增材制造过程中对零件状态进行在线检测并增加修复手段。传统的检测方法如射线检测、超声波检测、涡流检测等多为离线检测，即制造结束后进行相关的参数检测，因此无法解决在增材制造过程中出现的缺陷。为了保证产品质量，必须对其进行在线检测并及时对缺陷进行修复，申请公布号CN106018288A，公布日为2016年10月12日的专利文献提出了激光超声在线检测增材制造零件的方法，利用激光激励的表面波幅值变化检测增材制造过程中产生的冶金缺陷，但激光检测步骤繁琐，片层面扫描时间过长，直接影响工作效率；如申请公布号CN106881462A，公布日为2017年6月23日的专利文献公布了一种使用单独CCD摄像机进行在线检测方法，方法中使用CCD相机进行片层缺陷扫描，并将信息反馈进行工艺优化，但该方法由于未及时对缺陷进行修复，使得产品缺陷依然存在。
4.机械视觉技术是利用计算机来模拟人的视觉功能，实现对客观三维世界的识别，其具有灵敏度高、精度高、速度极快、噪声低、抗干扰性强、应用方便灵活的特点，可以长时间工作于恶劣环境，便于进行数字化处理和计算机连接，在图像采集、非接触式测量和实时监控方面得到了广泛的应用。利用该方法，可以做到对增材制造片层信息的快速捕捉以及对缺陷的准确定位。
5.激光重熔是指使用激光对材料进行熔化，以控制零件的微观结构、残余应力以及密度，其具有指向性高，修复迅速等特点，避免了材料的减材加工，提高了增材制造零件的质量。
发明内容
1.本发明的目的在于提出了一种适应于增材制造过程中的缺陷定量、定位及修复的在线检测及闭环控制方法。
2.本发明的特征在于，通过双CCD摄像模块捕捉片层中缺陷信息，通过设定条件对缺陷进行筛选，直接使用增材制造设备中的激光发生器直接对目标缺陷进行重熔，同时利用双摄像模块形成修复后片层三维数据，并进行反馈实现参数调整，实现在增材制造过程中的在线检测及闭环控制，保障了增材制造产品质量。
3本发明由缺陷检测系统，数据处理及控制系统，缺陷修复系统组成。缺陷检测系统包括导轨、环形灯以及双CCD摄像模块，其中导轨用于实现双CCD摄像模块的XY轴移动，环形灯用于提供光源，双CCD摄像模块用于图像采集；数据处理及控制系统包括计算机、图像采集模块、动作处理模块及系统连接模块，其中计算机用于数据处理，图像采集模块用于图像信息的收集及A/D转换，动作处理模块实现修复系统条件指令判断，系统连接模块实现各系统及增材制造设备之间的通讯；缺陷修复系统包括激光发生器及红外摄像机，其中激光发生器实现缺陷的重熔，红外摄像机用于在重熔过程中对熔池温度的监控。
4本发明是一种检测与修复相结合的方法，包括以下步骤
5步骤一：设置缺陷检测系统的参数，其中包括，加工前设定最大允许缺陷面积Smax,可忽略的缺陷面积Smin，单层缺陷数量最大值Nmax,设定超过最大允许缺陷面积Smax的数量阈值M，边缘点直径阈值C；
6步骤二：增材制造设备接受加工命令对当前片层进行加工，片层加工结束后增材制造设备接受暂停指令，环形灯开启，摄像头模块通过导轨移动，移动至工件上方合适位置，图像采集模块向摄像头模块发出启动脉冲，摄像头模块开始片层图像扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将图像信息发送至计算机；
7步骤三：计算机对图像进行处理，采用边缘算法，将图像作为一个灰度值函数f(x,y)，其中x,y为像素点横、纵坐标，然后使用高斯函数图像进行平滑处理，其中高斯滤波函数为
式中σ为高斯滤波器标准方差，其决定图像的平滑程度；对平滑后的图像进行拉普拉斯变换
从而得到高斯拉普拉斯算法LOG
根据图像边缘过零点原理，得到图像边缘点的集合
获取缺陷F(i)，i＝1,2,3，…，n,其中n为缺陷数目,且F(i)对应的缺陷边缘点集合为Pi(xi,yi)，其中xi,yi为第i个缺陷于二维图像像素点坐标，定义不同于i的缺陷j(i≠j且i,j∈n,)，Pj(xj,yj)为F(j)对应的缺陷边缘上的点，使用边缘距离公式ΔD＝{Pi(xi,yi)，若ΔD<C,则合并两相近缺陷，并重新修正缺陷数目，得到合并后缺陷数目nf及缺陷面积值Si；
8步骤四：动作处理模块启动，执行缺陷修复决策，针对缺陷信息，其面积分别S1,S2,S3…Sn，并统计超过缺陷最大面积Smax的缺陷个数K，统计小于缺陷忽略面积Smin的缺陷个数L，并根据不同条件执行不同的修复策略：
条件1：当缺陷数量(nf-L)>Nmax或K>M时，缺陷修复系统进行片层整体修复；
条件2：当(nf-L)<Nmax且K<M时，缺陷修复系统进行片层部分修复；
条件3：当L＝N且K＝0时，执行步骤五；
9步骤五：增材制造设备继续进行下一片层加工及检测。
10在步骤四中，条件1所示片层整体修复动作在于，增材制造设备接受片层整体重熔指令，送粉装置暂停，激光发生装置启动，对该层进行整体重熔处理，红外摄像机对重熔区域进行熔池温度监控并实现对激光发生器能量输出的反馈控制，完成重熔动作后环形灯启动，双CCD摄像模块开始图像的扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将该片层图像信息反馈至计算机，计算机进行数据处理并得到当前已修复片层三维数据值并调整下一层增材制造参数，增材制造设备接受指令，进行下一片层加工及检测。
10在步骤四中，条件2所示片层部分修复动作在于，增材制造设备接受片层部分重熔指令，送粉装置暂停，激光发生装置启动，对该层进行整体重熔处理，红外摄像机对重熔区域进行熔池温度监控并实现对激光发生器能量输出的反馈控制，完成重熔动作后环形灯启动，双CCD摄像模块开始图像的扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将该片层图像信息反馈至计算机，计算机进行数据处理并得到当前已修复片层三维数据值并调整下一层增材制造参数，增材制造设备接受指令，进行下一片层加工及检测。
11在步骤四中，激光重熔脉冲持续时间选择为δμs,部分重熔工艺的重熔范围为以整体缺陷边缘所拟合的缺陷面积图形向外平移Tmm，扫描策略选择面扫描策略，其效果是优先获得较好的处理表面，条件1中重熔轨迹使用C扫轨迹，条件2中重熔轨迹使用圆形轨迹，具体轨迹附图说明。
12与现有技术相比，本发明的技术效果在于，利用该方法在增材制造过程中能够对片层逐一进行检测，对缺陷进行定量和定位，检测速度快，精度高，同时在检测到缺陷后，及时对缺陷进行修复，降低了产品的孔隙率；利用该方法可以实现增材制造产品的在线检测及修复，避免了因产品形状复杂引起的检测不便及修复困难，大幅提高了产品质量，从而缩短了产品生产、设计周期，最大程度实现了材料的利用率。
附图说明
图1为本发明检测设备组成图
图2为本发明流程图
图3为激光重熔工艺图-片层整体重熔示意图
图4为激光重熔工艺图-片层部分重熔示意图
具体实施方式
下面结合附图对本发明作进一步说明：
如图1所示，在进行机械视觉检测时，1、2为双CCD摄像模块中两台CCD摄像机，3为环形灯，4为工件，5为基板。
具体实施例：本发明是一种检测与修复相结合的方法，包括以下步骤：
步骤一：设置缺陷检测系统的参数：加工前设定最大允许缺陷面积Smax＝1mm2，可忽略的缺陷面积Smin＝0.1mm2，单层缺陷数量最大值Nmax＝10x,设定超过最大允许缺陷面积Smax的数量阈值M＝3，边缘点直径阈值C＝0.5；
步骤二：增材制造设备接受加工命令对当前片层进行加工，片层加工结束后增材制造设备接受暂停指令，环形灯开启，摄像头模块通过导轨移动，移动至工件上方合适位置，图像采集模块向摄像头模块发出启动脉冲，摄像头模块开始片层图像扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将图像信息发送至计算机；
步骤三：计算机对图像进行处理，采用边缘算法，将图像作为一个灰度值函数f(x,y)，其中x,y为像素点横、纵坐标，然后使用高斯函数图像进行平滑处理，其中高斯滤波函数为
式中σ为高斯滤波器标准方差，其决定图像的平滑程度；对平滑后的图像进行拉普拉斯变换
从而得到高斯拉普拉斯算法LOG
根据图像边缘过零点原理，得到图像边缘点的集合
获取缺陷F(i)，i＝1,2,3，…，n,其中n为缺陷数目,且F(i)对应的缺陷边缘点集合为Pi(xi,yi)，其中xi,yi为第i个缺陷于二维图像像素点坐标，定义不同于i的缺陷j(i≠j且i,j∈n,)，Pj(xj,yj)为F(j)对应的缺陷边缘上的点，使用边缘距离公式ΔD＝{Pi(xi,yi)，若ΔD<C,则合并两相近缺陷，并重新修正缺陷数目，得到合并后缺陷数目nf＝5及对应缺陷面积值S1，S2，S3，S4，S5；
步骤四：动作处理模块启动，执行缺陷修复决策，针对缺陷信息，其面积分别S1,S2,S3…Sn，并统计超过缺陷最大面积Smax的缺陷个数K，统计小于缺陷忽略面积Smin的缺陷个数L，并根据不同条件执行不同的修复策略：
条件1：当缺陷数量(nf-L)>Nmax或K>M时，缺陷修复系统进行片层整体修复；
条件2：当(nf-L)<Nmax且K<M时，缺陷修复系统进行片层部分修复；
条件3：当L＝N且K＝0时，执行步骤五；
步骤五：增材制造设备继续进行下一片层加工及检测；
步骤六：根据修复决策，判断判断符合条件2，缺陷修复系统进行片层部分修复，增材制造设备接受片层部分重熔指令，送粉装置暂停，激光发生装置启动，对该层进行整体重熔处理，红外摄像机对重熔区域进行熔池温度监控并实现对激光发生器能量输出的反馈控制，完成重熔动作后环形灯启动，双CCD摄像模块开始图像的扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将该片层图像信息反馈至计算机，计算机进行数据处理并得到当前已修复片层三维数据值并调整下一层增材制造参数，增材制造设备接受指令，进行下一片层加工及检测。
在步骤六中，激光重熔脉冲持续时间选择为δ＝80μs,部分重熔工艺的重熔范围为以整体缺陷边缘所拟合的缺陷面积图形向外平移T＝1.7mm，扫描策略选择面扫描策略，其效果是优先获得较好的处理表面，重熔轨迹使用圆形轨迹。

Claims (4)

1.一种增材制造在线检测及修复方法，其特征在于，包括缺陷检测系统、数据处理及控制系统、缺陷修复系统，其中缺陷检测系统包括导轨、环形灯以及双CCD摄像模块，数据处理及控制系统包括计算机、图像采集模块、动作控制模块及系统连接模块，缺陷修复系统包括激光发生器及红外摄像头。
2.根据权利要求1所述的一种增材制造在线检测及修复方法，其特征在于，双CCD摄像模块可以通过导轨实现XY轴运动，并且在增材制造过程中单片层制造完成后对片层进行平面数据采集，在缺陷修复系统执行后对修复区域进行三维数据采集。
3.根据权利要求1所述的一种增材制造在线检测及修复方法，其特征在于，采用所述系统，包括以下步骤：
步骤一、设置缺陷检测系统的参数：加工前设定最大允许缺陷面积Smax,可忽略的缺陷面积Smin，单层缺陷数量最大值Nmax,设定超过最大允许缺陷面积Smax的数量阈值M，边缘点直径阈值C；
步骤二、增材制造设备加工完成当前片层，缺陷检测系统启动，环形灯开启，双CCD摄像模块通过导轨移动至工件上方合适位置，摄像头开始片层图像扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将图像信息发送至计算机；
步骤三、计算机对图像进行处理，使用拉普拉斯高斯算子进行缺陷边缘提取，获取缺陷F(i)，i＝1,2,3，…，n,其中n为缺陷数目,且F(i)对应的缺陷边缘点集合为Pi(xi,yi)，其中xi,yi为第i个缺陷于二维图像像素点坐标，定义不同于i的缺陷j(i≠j且i,j∈n,)，Pj(xj,yj)为F(j)对应的缺陷边缘上的点，使用边缘距离公式若ΔD<C,则合并两相近缺陷，并重新修正缺陷数目，得到合并后缺陷数目nf及缺陷面积值Si；
步骤四、动作处理模块启动，执行缺陷修复决策，针对缺陷信息，其面积分别S1,S2,S3…Sn，并统计超过缺陷最大面积Smax的缺陷个数K，统计小于缺陷忽略面积Smin的缺陷个数L，并根据不同条件执行不同的修复策略：
条件1：当缺陷数量(nf-L)>Nmax或K>M时，缺陷修复系统进行片层整体修复；
条件2：当(nf-L)<Nmax且K<M时，缺陷修复系统进行片层部分修复；
条件3：当L＝N且K＝0时，执行步骤五；
步骤五、增材制造设备继续进行下一片层加工及检测。
4.根据权利要求3所述的方法，其特征在于，所述步骤四中，缺陷修复系统是根据缺陷修复决策条件向增材制造设备发送片层整体重熔指令或部分修复指令，送粉装置暂停，激光发生装置启动，对该层进行修复处理，完成动作后环形灯启动，双CCD摄像模块开始图像的扫描，并将数据输出至图像采集模块，图像采集模块将信号进行A/D转化后将该片层图像信息反馈至计算机，计算机进行数据处理并得到当前已修复片层三维数据值并调整下一层增材制造参数，增材制造设备接受指令，进行下一片层加工及检测。
CN201810223895.3A 2018-03-19 2018-03-19 一种增材制造在线检测及修复方法 Active CN108489986B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810223895.3A CN108489986B (zh) 2018-03-19 2018-03-19 一种增材制造在线检测及修复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810223895.3A CN108489986B (zh) 2018-03-19 2018-03-19 一种增材制造在线检测及修复方法

Publications (2)

Publication Number Publication Date
CN108489986A true CN108489986A (zh) 2018-09-04
CN108489986B CN108489986B (zh) 2021-03-26

Family

ID=63339923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810223895.3A Active CN108489986B (zh) 2018-03-19 2018-03-19 一种增材制造在线检测及修复方法

Country Status (1)

Country Link
CN (1) CN108489986B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110744057A (zh) * 2019-10-24 2020-02-04 徐州万达回转支承有限公司 一种回转支承滚刀的增材制造修复方法
CN111077223A (zh) * 2019-12-19 2020-04-28 西安增材制造国家研究院有限公司 一种具有三维显示、在线检测及修复功能的增材制造方法
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
CN111531026A (zh) * 2020-05-21 2020-08-14 西安邮电大学 一种渐进成形系统
CN111633111A (zh) * 2020-05-21 2020-09-08 西安邮电大学 一种基于深度学习的渐进成形方法
CN111790910A (zh) * 2020-07-07 2020-10-20 南京理工大学 一种激光粉末床熔融成形件缺陷反馈与调节方法
CN112355435A (zh) * 2020-10-19 2021-02-12 南京联空智能增材研究院有限公司 一种提高电弧增材表面精度的增材系统及方法
CN112548104A (zh) * 2020-12-23 2021-03-26 长沙理工大学 一种降低模具钢激光增材修复过程中热裂敏感性的方法
CN113275748A (zh) * 2021-05-20 2021-08-20 南京航空航天大学 一种基于超声辅助送丝的在轨激光修复装备与方法
CN113560574A (zh) * 2021-06-10 2021-10-29 广东工业大学 3d打印缺陷修复方法
CN114113111A (zh) * 2021-11-29 2022-03-01 哈尔滨工业大学 大口径熔石英光学元件表面微缺陷的自动化激光修复方法
US11819916B2 (en) 2019-08-14 2023-11-21 Dmg Mori Ultrasonic Lasertec Gmbh Device and method for repairing components by means of additive manufacturing

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987437A (zh) * 2006-12-07 2007-06-27 华南理工大学 印制电路板缺陷的x光检测方法
CN101308101A (zh) * 2008-07-11 2008-11-19 中国科学院物理研究所 实时观察胶体晶体内部缺陷的装置及方法
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
US20150177158A1 (en) * 2013-12-13 2015-06-25 General Electric Company Operational performance assessment of additive manufacturing
CN105301007A (zh) * 2015-12-02 2016-02-03 中国计量学院 基于线阵ccd的abs齿圈缺陷在线检测装置及方法
CN105499566A (zh) * 2015-12-03 2016-04-20 北京航空航天大学 一种实现电子束选区熔化增材制造金属零部件原位热处理的方法
CN105882685A (zh) * 2016-05-23 2016-08-24 武汉大学 基于nLSP技术的高铁铁轨的强化、缺陷检测和修复系统及方法
CN105954008A (zh) * 2016-06-07 2016-09-21 江南工业集团有限公司 基于双ccd的实时光纤缠绕缺陷视觉检测装置
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测系统
CN106404795A (zh) * 2016-10-26 2017-02-15 华中科技大学 一种基于红外信息的金属增材制造过程控制装置与方法
CN106770634A (zh) * 2016-12-08 2017-05-31 大连理工大学 一种金属材料高能束增减材‑在线涡流检测复合加工方法
CN106990114A (zh) * 2017-06-06 2017-07-28 清华大学天津高端装备研究院 增材制造缺陷检测方法及增材制造装置
CN107402044A (zh) * 2017-07-28 2017-11-28 华中科技大学 一种金属增材制造构件质量在线无损检测系统及方法
CN107402217A (zh) * 2017-07-27 2017-11-28 哈尔滨工业大学（威海） 基于视觉传感的激光增材制造缺陷的在线诊断方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987437A (zh) * 2006-12-07 2007-06-27 华南理工大学 印制电路板缺陷的x光检测方法
CN101308101A (zh) * 2008-07-11 2008-11-19 中国科学院物理研究所 实时观察胶体晶体内部缺陷的装置及方法
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
US20150177158A1 (en) * 2013-12-13 2015-06-25 General Electric Company Operational performance assessment of additive manufacturing
CN105301007A (zh) * 2015-12-02 2016-02-03 中国计量学院 基于线阵ccd的abs齿圈缺陷在线检测装置及方法
CN105499566A (zh) * 2015-12-03 2016-04-20 北京航空航天大学 一种实现电子束选区熔化增材制造金属零部件原位热处理的方法
CN105882685A (zh) * 2016-05-23 2016-08-24 武汉大学 基于nLSP技术的高铁铁轨的强化、缺陷检测和修复系统及方法
CN105954008A (zh) * 2016-06-07 2016-09-21 江南工业集团有限公司 基于双ccd的实时光纤缠绕缺陷视觉检测装置
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测系统
CN106404795A (zh) * 2016-10-26 2017-02-15 华中科技大学 一种基于红外信息的金属增材制造过程控制装置与方法
CN106770634A (zh) * 2016-12-08 2017-05-31 大连理工大学 一种金属材料高能束增减材‑在线涡流检测复合加工方法
CN106990114A (zh) * 2017-06-06 2017-07-28 清华大学天津高端装备研究院 增材制造缺陷检测方法及增材制造装置
CN107402217A (zh) * 2017-07-27 2017-11-28 哈尔滨工业大学（威海） 基于视觉传感的激光增材制造缺陷的在线诊断方法
CN107402044A (zh) * 2017-07-28 2017-11-28 华中科技大学 一种金属增材制造构件质量在线无损检测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DONATELLA CERNIGLIA AND NICOLA MONTINARO: "Defect Detection in Additively Manufactured Components: Laser Ultrasound and Laser Thermography Comparison", 《PROCEDIA STRUCTURAL INTEGRITY》 *
JOHANNES FIERES ET AL.: "Predicting failure in additively manufactured parts using X-ray computed tomography and simulation", 《PROCEDIA ENGINEERING》 *
解瑞东等: "激光金属成形缺陷在线检测与控制技术综述", 《铸造》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11819916B2 (en) 2019-08-14 2023-11-21 Dmg Mori Ultrasonic Lasertec Gmbh Device and method for repairing components by means of additive manufacturing
CN110744057A (zh) * 2019-10-24 2020-02-04 徐州万达回转支承有限公司 一种回转支承滚刀的增材制造修复方法
CN111077223A (zh) * 2019-12-19 2020-04-28 西安增材制造国家研究院有限公司 一种具有三维显示、在线检测及修复功能的增材制造方法
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
CN111531026A (zh) * 2020-05-21 2020-08-14 西安邮电大学 一种渐进成形系统
CN111633111A (zh) * 2020-05-21 2020-09-08 西安邮电大学 一种基于深度学习的渐进成形方法
CN111790910A (zh) * 2020-07-07 2020-10-20 南京理工大学 一种激光粉末床熔融成形件缺陷反馈与调节方法
CN111790910B (zh) * 2020-07-07 2021-09-28 南京理工大学 一种激光粉末床熔融成形件缺陷反馈与调节方法
CN112355435A (zh) * 2020-10-19 2021-02-12 南京联空智能增材研究院有限公司 一种提高电弧增材表面精度的增材系统及方法
CN112548104A (zh) * 2020-12-23 2021-03-26 长沙理工大学 一种降低模具钢激光增材修复过程中热裂敏感性的方法
CN112548104B (zh) * 2020-12-23 2021-10-12 长沙理工大学 一种降低模具钢激光增材修复过程中热裂敏感性的方法
CN113275748A (zh) * 2021-05-20 2021-08-20 南京航空航天大学 一种基于超声辅助送丝的在轨激光修复装备与方法
CN113275748B (zh) * 2021-05-20 2022-06-07 南京航空航天大学 一种基于超声辅助送丝的在轨激光修复装备与方法
CN113560574A (zh) * 2021-06-10 2021-10-29 广东工业大学 3d打印缺陷修复方法
CN114113111A (zh) * 2021-11-29 2022-03-01 哈尔滨工业大学 大口径熔石英光学元件表面微缺陷的自动化激光修复方法
CN114113111B (zh) * 2021-11-29 2023-08-18 哈尔滨工业大学 大口径熔石英光学元件表面微缺陷的自动化激光修复方法

Also Published As

Publication number Publication date
CN108489986B (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN108489986A (zh) 一种增材制造在线检测及修复方法
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
WO2021248638A1 (zh) 金属增材制造多种监测设备在线实时监控系统
CN106181162B (zh) 一种基于机器视觉的实时焊缝跟踪检测方法
CN109676135A (zh) 一种激光增材制造视觉灰度值差异在线监测与缺陷修复装置
CN108624880B (zh) 一种激光熔覆质量智能控制系统及其智能控制方法
CN107175329A (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
CN108340088A (zh) 激光精密加工视觉在线监测方法及系统
CN109483107A (zh) 一种基于多源信息融合的焊缝智能在线检测装置
CN102455171B (zh) 一种激光拼焊焊缝背面几何形貌检测方法
CN106984813A (zh) 一种激光选区熔化加工过程同轴监测方法及装置
CN104674210A (zh) 一种工件激光自动化修复方法
CN205904585U (zh) 一种双工位激光切割设备
CN103231162A (zh) 机器人焊接质量视觉检测装置及其检测方法
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN104014905A (zh) Gtaw焊接过程中熔池三维形貌观测装置及方法
CN101856773A (zh) 一种激光加工初始位置的对焦定位方法及激光加工装置
CN207026479U (zh) 一种激光选区熔化加工过程同轴监测装置
CN207205270U (zh) 一种3d打印逐层检测反求零件模型及定位缺陷装置
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
CN108788467A (zh) 一种面向航天构件的智能激光焊接系统
CN111203639B (zh) 一种基于高速摄像下的双激光束双侧同步焊接填丝熔滴过渡监控系统及方法
CN117283133B (zh) 一种耳机生产线电极激光焊接方法和激光焊接设备
CN101750018A (zh) 工件弯曲变形过程中的非接触实时位移测量方法和装置
CN109518180B (zh) 一种自适应激光沉积修复的装置和方法

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