CN109507187A - 一种激光增材制造缺陷诊断方法及其装置 - Google Patents
一种激光增材制造缺陷诊断方法及其装置 Download PDFInfo
- Publication number
- CN109507187A CN109507187A CN201811402316.8A CN201811402316A CN109507187A CN 109507187 A CN109507187 A CN 109507187A CN 201811402316 A CN201811402316 A CN 201811402316A CN 109507187 A CN109507187 A CN 109507187A
- Authority
- CN
- China
- Prior art keywords
- time
- laser gain
- gain material
- material manufacturing
- domain diagram
- 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.)
- Pending
Links
- 239000000463 material Substances 0.000 title claims abstract description 75
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 74
- 230000007547 defect Effects 0.000 title claims abstract description 47
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 15
- 238000010586 diagram Methods 0.000 claims abstract description 55
- 230000003595 spectral effect Effects 0.000 claims abstract description 38
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 27
- 239000000835 fiber Substances 0.000 claims description 15
- 239000013307 optical fiber Substances 0.000 claims description 10
- 239000000758 substrate Substances 0.000 claims description 4
- 239000011551 heat transfer agent Substances 0.000 claims 1
- 230000008676 import Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 abstract 1
- 230000008859 change Effects 0.000 description 24
- 238000000034 method Methods 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 8
- 239000000843 powder Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 230000001681 protective effect Effects 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000000465 moulding Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- 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
- B22F3/10—Sintering only
- B22F3/105—Sintering only by using electric current other than for infrared radiant energy, laser radiation or plasma ; by ultrasonic bonding
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1789—Time resolved
-
- 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
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Laser Beam Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种激光增材制造缺陷诊断方法及其装置，其解决了现有单一传感器在激光增材制造过程中缺陷诊断的不足，具体步骤如下：(1)利用光谱传感信息采集装置采集光谱信息，得到谱线强度随时间波动的时域图；(2)利用视觉传感信息采集装置采集视觉信息，得到熔池面积随时间变化的时域图；(3)对步骤(1)中时域图和步骤(2)中时域图进行制造缺陷分析；(4)将步骤(3)时域图统一时间轴和进行中值或均值滤波处理，将处理后的数据归一化；(5)利用加权平均算法进行信息融合，滤波处理得到滤波后的加权平均结果时域图。本发明可广泛应用于激光增材制造缺陷诊断领域。
Description
技术领域
本发明涉及激光增材制造缺陷诊断领域，具体地说是一种激光增材制造缺陷诊断法及其装置。
背景技术
激光增材制造技术由于具有制造复杂成形零件，加工材料范围广，制造周期短和材料利用率高，可实现无模加工近终成型等优点，所以被广泛应用，但是由于其在增材制造过程中难以对质量和缺陷实时监测和控制，在缺陷发生后不能及时控制，难以保证最终成形产品质量。这些问题随着该技术的不断发展也逐渐被人们所关注，所以要想使该项技术不断的前进发展就要解决激光增材制造过程中的缺陷判别、质量控制等相关问题。
传统的激光增材制造过程中缺陷监测方法大部分都是基于光、声和热的监测手段，国内外进行了广泛的研究，研究表明传统监测方法也能较准确对激光增材制造过程中缺陷监测，但是传统监测方法都是基于单一传感器实现的，单个传感器可能存在对某种缺陷或影响因素不敏感，例如在实践过程中用光谱诊断方法对激光增材制造过程诊断和监控时，发现在诊断过程中存在较大波动且光信号的采集和传输易受到干扰，即具有不稳定性，且对离焦量变化、较长的凹陷和上凸敏感度较低。而利用视觉诊断法对激光增材制造过程诊断和监控时，发现当凹陷、上凸缺陷较小时，此判别方法敏感度低。声信号的采集频率多而杂，易受到周围其它噪音的影响。利用高温计可以较为精确的测量出熔池表面温度，但是热信号容易受到等离子体的干扰，会造成检测结果误差较大。
多传感器信息融合技术其原理是，在多个传感系统中，每个传感器提供的信息都具有不同的特征，然后通过检测系统将各个传感器信息资源利用某种准则进行分析、综合和平衡，将各类信息在空间和时间上组合起来，从而获得检测对象一致性的描述，最大限度地获取检测对象的信息，从而为多传感系统准确反映实际情况奠定基础，多传感器信息融合较单传感器系统而言具有以下优势：1)提高系统的稳定性。对冗余信息的适当融合总体上降低信息的不确定性，提高了测量数据的精确性。2) 提高系统的全面性和准确性。多传感器信息融合能获得更加全面和准确的信息，而单一传感器获取信息具有不确定性和片面性。利用这些信息进行互补融合，为系统提供更准确的决策信息。由于上述的优势多传感器信息融合技术在各个领域得到广泛应用，例如邹怡蓉、都东等人提出了基于置信度加权的信息融合方法，提取不同光照强度下的同视场图像中的光条形状和灰度特征，并对提取的两种的特征对焊缝边缘识别，将识别结果利用置信度加权的方法进行信息融合，结果表明融合后的信息能稳定准确的识别焊缝边缘。基于以上背景技术本发明提出了一种基于光谱和视觉传感信息融合的激光增材制造缺陷诊断法。
发明内容
本发明就是为了解决现有单一传感器在激光增材制造过程中缺陷诊断的不足的技术问题，提供了一种能够准确、稳定地监测和判别增材制造过程中缺陷的诊断方法。
为此，本发明提供了一种激光增材制造缺陷诊断方法，具体步骤如下：
(1)采集光谱信息：将光纤探头采集激光增材制造过程中产生的光致等离子体光谱信号经光纤光谱仪送入计算机中，根据不同波长的等离子体的相对辐射强度随时间波动的情况，确定特征谱线，对所述特征谱线相对辐射强度时域图进行滤波处理，得到谱线强度随时间波动的时域图；
(2)采集视觉信息：摄像机采集激光增材制造过程中产生的熔池模拟图像信号，然后将所述熔池模拟图像信号通过图像采集卡转换为数字图像信号后导入计算机中，在所述计算机中对导入的数字图像信号进行图像处理以得到熔池面积随时间变化的时域图；
(3)将光谱和视觉信息与缺陷间关系进行分析：对所述步骤(1) 中获得的谱线强度随时间波动的时域图和所述步骤(2)中获得的熔池面积随时间变化的时域图进行制造缺陷分析；
(4)数据处理：将所述步骤(1)获得的谱线强度随时间波动的时域图与所述步骤(2)获得的熔池面积随时间变化的时域图统一时间轴和进行中值或均值滤波处理，并将处理后的数据归一化；
(5)信息融合：将步骤(4)中谱线强度随时间波动的时域图与熔池面积随时间变化的时域图利用加权平均算法进行信息融合，得到加权平均结果时域图，进一步滤波处理得到滤波后的加权平均结果时域图。
优选地，在激光增材制造过程中，将激光器的输出功率、离焦量和保护气三个参数作为可控变量。
优选地，步骤(1)中，光纤探头距离激光束入射位置40～100mm，距离基板上表面5～20mm，光纤探头的采集位置与激光引导光在基板上表面的位置重合。
优选地，步骤(1)中，光纤探头为COL-UV/VIS准直透镜。
优选地，步骤(1)中，光纤光谱仪采样频率不小于10Hz，光谱分辨率不低于0.11nm。
优选地，步骤(2)中，摄像机的采样频率不低于12fbs。
优选地，步骤(2)中，图像采集卡为DH-CG400的视频采集卡。
优选地，步骤(4)中，加权平均算法的权重值利用使用权系数的最优分配原则。
同时，本发明提供了一种激光增材制造缺陷诊断装置，包括激光增材制造设备，其特征在于，还包括光谱传感信息采集装置和视觉传感信息采集装置；
光谱采集系统包括光纤光谱仪、光纤探头和机械万向杆，光纤光谱仪一端通过数据线连接计算机，另一端通过光纤连接光纤探头，光纤探头由机械万向杆固定；
视觉传感采集系统包括摄像机、图像采集卡，摄像机前置窄带滤光片，摄像机设置在所述激光增材设备的加工头上，摄像机通过连接线与图像采集卡相连接，图像采集卡置于计算机内。
本发明针对光谱或辅助视觉传感的单一诊断中存在的不足，结合多信息融合理论，对两种特征参量信息的进行了加权平均处理，实现了对单道多层增材制造实验中的缺陷更加准确、稳定地诊断和监控，并为进一步实现增材制造过程中成型件的在线质量控制打下基础。
附图说明
图1为本发明中视觉和光谱信息采集系统；
图2为本发明中基于光谱和视觉传感信息融合的加权平均算法诊断法流程图；
图3(a)为本发明实施例1离焦量变化时宏观成型实物示意图；图 3(b)为本发明实施例1熔池面积变化与离焦量变化的对应关系图；图3 (c)为本发明实施例1谱线相对强度变化与离焦量变化间的对应关系图；图3(d)本发明实施例1加权平均结果时域图；图3(e)为本发明实施例1滤波后的加权平均结果时域图；
图4(a)为本发明实施例2激光功率变化时宏观成型实物示意图；图4(b)为本发明实施例2熔池面积变化与激光功率变化间的对应关系图；图4(c)为本发明实施例2谱线相对强度变化与激光功率变化间的对应关系图；图4(d)为本发明实施例2加权平均结果时域图；图4(e) 为本发明实施例2滤波后的加权平均结果时域图；
图5(a)为本发明实施例3保护气环境变化时宏观成型实物示意图；图5(b)为本发明实施例3熔池面积变化与保护气环境变化间的对应关系图；图5(c)为本发明实施例3谱线相对强度变化与保护气环境变化间的对应关系图；图5(d)为本发明实施例3加权平均结果时域图；
图5(e)为本发明实施例3滤波后的加权平均结果时域图。
附图标记：1.工作台，2.基板，3.CCD摄像机，4.连接线，5.激光束， 6.反光镜，7.光纤光谱仪，8.图像采集卡，9.光纤探头，10.机械万向杆， 11.计算机，A.离焦量为0mm时的区域，B.离焦量为+3mm时的区域，C. 离焦量为0mm时的区域，D.激光功率为2000W时的区域，E.激光功率为 1500W时的区域，F.激光功率为2000W时的区域，H.有保护气体时的区域，J.无保护气体时的区域，K.有保护气体时的区域。
具体实施方式
根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所描述的本发明。
金属激光增材制造过程是属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是现有的技术，本实施例只给出简图，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5垂直照在基板2上，聚焦位置在材料表面，同时按照一定速率进行同轴送粉，进行激光增材制造，在增材制造过程中，将保护气按照一定的流量输送，以防止增材样件表面氧化。上述的制造过程属于现有技术，在此不做详尽说明。
本实施例中激光增材制造过程所用基板1为316L不锈钢，增材粉末采用316L粉末，所述粉末的粒度范围为44-150μm，激光增材制造过程所用设备的采用德国IPG公司生产的YLS-6000型掺镱光纤激光器，该激光器的最大输出功率6000W，产生激光的波长范围在1060-1070nm，光束质量BPP≥4.0，本实例中将激光器的输出功率设定在2000W，增材制造过程运动执行系统采用三轴西门子828D数控系统，送粉器采用具有高精度和重复精度的送粉性能的GTV PF 2/2型送粉器，送粉速率为 13.4g/min。所述保护气采用Ar保护气，流量为18L/min，空气净化系统采用的是国产Etelux循环净化系统，所述光纤光谱仪7采用AvaSpec-ULS2048-8-USB2多通道型光纤光谱仪，可在接收外触发信号仅延迟1.3μs后开始采样(时间抖动±21ns)，最大采样频率可达900幅光谱/秒，采集波长范围为200-1100nm(光谱分辨率为0.11±0.001nm)，所述CCD摄像机3为WAT-902H2U型CCD摄像机，有效像素440K/752(H) ×582(V)，采集视频频率为12fps。所述的图像采集卡8为DH-CG400的视频采集卡。在具体制造过程中，可以将激光器的输出功率、离焦量和保护气三个参数作为可控变量，分别分析其在产生较小波动或较大变化时，导致产生增材制造缺陷的情况。
实施例1
本实例中，激光增材制造形成的增材成型实物示意图如图3(a)所示，所述的成型层分为3个区域分别为A区、B区、C区，所述的A区和C区离焦量为0mm时的区域，而B区为离焦量为+3mm时的区域，这种情况是用来模拟生产过程中出现离焦量发生变化时的情况。
具体的激光增材制造过程中缺陷的在线诊断方法的流程图如图2所示，所述方法包括以下步骤：
(1)采集光谱信息：将光纤探头9采集激光增材制造过程中产生的光致等离子体光谱信号经光纤光谱仪7送入计算机11中，根据不同波长的等离子体的相对辐射强度随时间波动的情况，确定特征谱线，对所述特征谱线相对辐射强度时域图进行滤波处理，得到与增材制造过程相对应的时域图3(c)谱线相对强度变化与离焦量变化的对应关系图；
(2)采集视觉信息：CCD摄像机3采集激光增材制造过程中产生的熔池模拟图像信号，然后将所述熔池模拟图像信号通过图像采集卡8转换为数字图像信号后导入计算机11中，在计算机中对导入的数字图像信号进行图像处理以得到与增材制造过程相适应的时域图3(b)即熔池面积变化与离焦量变化的对应关系图；
(3)将光谱和视觉信息与缺陷间关系进行分析：将步骤(1)获得的谱线相对强度变化与离焦量变化的对应关系图3(c)与步骤(2)获得的熔池面积变化与离焦量变化的对应关系图3(b)进行制造缺陷分析；
(4)数据处理：将步骤(1)获得的谱线相对强度变化与离焦量变化的对应关系图3(c)与步骤(2)获得的熔池面积变化与离焦量变化的对应关系图3(b)统一时间轴和进行中值或均值滤波处理，并将处理后的数据归一化；
(5)信息融合：将光谱和视觉信息利用加权平均算法进行信息融合，得到加权平均结果时域图图3(d)，进一步滤波处理得到滤波后的加权平均结果时域图，即图3(e)。
在如图3(b)所示的熔池面积时域图中可以看出，熔池面积的变化可以在一定程度上反映该成型缺陷，在A区和C区时，可以看出熔池面积较大，在B区时熔池面积变小。同样的在如图3(c)所示的特征谱线相对强度变化时域图中可以看出，在A区和C区时，谱线强度较高，在B区时，谱线强度有了明显降低。但是在图3(b)和图3(c)中都可以看到，两种时域曲线结果都存在较剧烈波动，而且曲线整体稳定性都很差，不能完全准确地作为缺陷判别的依据。通过图3(d)和图3(e)来看，加权结果曲线的稳定性有了明显提升，离焦量不同时，加权曲线均在一个较确定的范围波动，使得判别方法更加准确，在A区和C区时，加权结果值较高；在B区时，加权结果值有了明显降低，且相对稳定。
实施例2
本实例中，激光增材制造形成的增材成型实物示意图如图4(a)所示，所述的成型层分为3个区域分别为D区、E区、F区，所述的D区和F区是激光功率为2000W时的区域，而E区是激光功率为1500W时的区域，这种情况是用来模拟生产过程中激光功率发生变化时的情况。
具体的激光增材制造过程中缺陷的在线诊断方法的流程图如图2所示，所述方法包括以下步骤：
(1)采集光谱信息：将光纤探头9采集激光增材制造过程中产生的光致等离子体光谱信号经光纤光谱仪7送入计算机11中，根据不同波长的等离子体的相对辐射强度随时间波动的情况，确定特征谱线，对所述特征谱线相对辐射强度时域图进行滤波处理，得到与增材制造过程相对应的时域图4(c)谱线相对强度变化与激光功率变化的对应关系图；
(2)采集视觉信息：CCD摄像机3采集激光增材制造过程中产生的熔池模拟图像信号，然后将所述熔池模拟图像信号通过图像采集卡8转换为数字图像信号后导入计算机11中，在计算机中对导入的数字图像信号进行图像处理以得到与增材制造过程相适应的时域图4(b)即熔池面积变化与激光功率变化的对应关系图；
(3)将光谱和视觉信息与缺陷间关系进行分析：将步骤(1)获得的谱线相对强度变化与激光功率变化的对应关系图4(c)与步骤(2)获得的熔池面积变化与激光功率变化的对应关系图4(b)进行制造缺陷分析；
(4)数据处理：将步骤(1)获得的谱线相对强度变化与激光功率变化的对应关系图4(c)与步骤(2)获得的熔池面积变化与激光功率变化的对应关系图4(b)统一时间轴和进行中值或均值滤波处理，并将处理后的数据归一化；
(5)信息融合：将光谱和视觉信息利用加权平均算法进行信息融合，得到加权平均结果时域图4(d)，进一步滤波处理得到滤波后的加权平均结果时域图，即图4(e)。
如图4(b)所示，在D区和F区时熔池面积较大且波动较为剧烈，在E区时熔池面积小且波动较小。如图4(c)所示，在D区和F区时谱线强度较大且波动较为剧烈，在E区时谱线强度低且波动较小,从图4(d) 和4(e)可以看出熔池面积时域曲线和特征谱线相对强度时域曲线对该缺陷的出现时刻、存在时间都有较准确判别，但是通过与图4(d)和图 4(e)的对比发现加权平均处理后的时域曲线稳定性进一步加强，即不同激光功率时对应的曲线波动性减小，而且对缺陷的判别的准确度和清晰度都有了相对改善。
实施例3
本实例中，激光增材制造形成的增材成型实物示意图如图5(a)所示，所述的成型层分为3个区域分别为H区、J区、K区，所述的H区和K区是有保护气体时的区域，而J区是无保护气体时的区域，这种情况是用来模拟生产过程中保护气体发生变化时的情况。
具体的激光增材制造过程中缺陷的在线诊断方法的流程图如图2所示，所述方法包括以下步骤：
(1)采集光谱信息：将光纤探头9采集激光增材制造过程中产生的光致等离子体光谱信号经光纤光谱仪7送入计算机11中，根据不同波长的等离子体的相对辐射强度随时间波动的情况，确定特征谱线，对所述特征谱线相对辐射强度时域图进行滤波处理，得到与增材制造过程相对应的时域图5(c)谱线相对强度变化与保护气环境变化的对应关系图；
(2)采集视觉信息：CCD摄像机3采集激光增材制造过程中产生的熔池模拟图像信号，然后将所述熔池模拟图像信号通过图像采集卡8转换为数字图像信号后导入计算机11中，在计算机中对导入的数字图像信号进行图像处理以得到与增材制造过程相适应的时域图5(b)即熔池面积变化与保护气环境变化的对应关系图；
(3)将光谱和视觉信息与缺陷间关系进行分析：将步骤(1)获得的谱线相对强度变化与保护气环境变化的对应关系图5(c)与步骤(2) 获得的熔池面积变化与保护气环境变化的对应关系图5(b)进行制造缺陷分析；
(4)数据处理：将步骤(1)获得的谱线相对强度变化与保护气环境变化的对应关系图5(c)与步骤(2)获得的熔池面积变化与保护气环境变化的对应关系图5(b)统一时间轴和进行中值或均值滤波处理，并将处理后的数据归一化；
(5)信息融合：将光谱和视觉信息利用加权平均算法进行信息融合，得到加权平均结果时域图5(d)，进一步滤波处理得到滤波后的加权平均结果时域图，即图5(e)。
从图5(b)和图5(c)可以看出熔池面积时域曲线和特征谱线相对强度时域曲线对此类缺陷有一定的反应但曲线波动性太大，稳定性较差，相比图5(d)和图5(e)可知加权结果时域曲线对保护气变化的敏感度及曲线稳定性都有了明显的提升和改善，可以准确、稳定地实现对该类缺陷的判别。
实施例4
如图1所示，本发明所涉及的光谱采集系统包括光纤光谱仪7，所述光纤光谱仪7一端通过数据线与计算机11连接在一起，光纤光谱仪7还要通过光纤与光纤探头9连接在一起，所述光纤探头9由机械万向杆10 进行固定，以便可以根据实际情况调节光纤探头9的位置和角度。
如图1所示，本发明涉及的视觉采集系统包括CCD摄像机3，所述 CCD摄像机3前置窄带滤光片，所述CCD摄像机3经过连接线4与图像采集卡8相连接，所述图像采集卡8置于计算机11内，其中所述CCD 摄像机3采用与激光发射器同轴的方式安装在激光增材设备的加工头上，其中所述CCD摄像机3与加工头保持实时相对静止。
Claims (9)
1.一种激光增材制造缺陷诊断方法，其特征是，包含以下步骤：
(1)采集光谱信息：将光纤探头采集激光增材制造过程中产生的光致等离子体光谱信号经光纤光谱仪送入计算机中，根据不同波长的等离子体的相对辐射强度随时间波动的情况，确定特征谱线，对所述特征谱线相对辐射强度时域图进行滤波处理，得到谱线强度随时间波动的时域图；
(2)采集视觉信息：摄像机采集激光增材制造过程中产生的熔池模拟图像信号，然后将所述熔池模拟图像信号通过图像采集卡转换为数字图像信号后导入计算机中，在所述计算机中对导入的数字图像信号进行图像处理以得到熔池面积随时间变化的时域图；
(3)将光谱和视觉信息与缺陷间关系进行分析：对所述步骤(1)中获得的谱线强度随时间波动的时域图和所述步骤(2)中获得的熔池面积随时间变化的时域图进行制造缺陷分析；
(4)数据处理：将所述步骤(1)获得的谱线强度随时间波动的时域图与所述步骤(2)获得的熔池面积随时间变化的时域图统一时间轴和进行中值或均值滤波处理，并将处理后的数据归一化；
(5)信息融合：将所述步骤(4)中谱线强度随时间波动的时域图与熔池面积随时间变化的时域图利用加权平均算法进行信息融合，得到加权平均结果时域图，进一步滤波处理得到滤波后的加权平均结果时域图。
2.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，所述激光增材制造过程，将激光器的输出功率、离焦量和保护气三个参数作为可控变量。
3.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(1)中，所述光纤探头距离激光束入射位置40～100mm，距离基板上表面5～20mm，所述光纤探头的采集位置与激光引导光在所述基板上表面的位置重合。
4.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(1)中，所述光纤探头为COL-UV/VIS准直透镜。
5.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(1)中，所述光纤光谱仪采样频率不小于10Hz，光谱分辨率不低于0.11nm。
6.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(2)中，所述摄像机的采样频率不低于12fbs。
7.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(2)中，所述图像采集卡为DH-CG400的视频采集卡。
8.根据权利要求1所述激光增材制造缺陷诊断方法，其特征在于，步骤(4)中，所述加权平均算法的权重值利用使用权系数的最优分配原则。
9.一种激光增材制造缺陷诊断装置，包括激光增材制造设备,其特征在于，还包括光谱传感信息采集装置和视觉传感信息采集装置；
所述光谱采集系统包括光纤光谱仪、光纤探头和机械万向杆，所述光纤光谱仪一端通过数据线连接计算机，另一端通过光纤连接光纤探头，所述的光纤探头由机械万向杆固定；
所述视觉传感采集系统包括摄像机、图像采集卡，所述的摄像机前置窄带滤光片，所述摄像机设置在所述激光增材设备的加工头上，所述的摄像机通过连接线与图像采集卡相连接，所述的图像采集卡置于计算机内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811402316.8A CN109507187A (zh) | 2018-11-23 | 2018-11-23 | 一种激光增材制造缺陷诊断方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811402316.8A CN109507187A (zh) | 2018-11-23 | 2018-11-23 | 一种激光增材制造缺陷诊断方法及其装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109507187A true CN109507187A (zh) | 2019-03-22 |
Family
ID=65749693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811402316.8A Pending CN109507187A (zh) | 2018-11-23 | 2018-11-23 | 一种激光增材制造缺陷诊断方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109507187A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110605393A (zh) * | 2019-09-25 | 2019-12-24 | 中国兵器装备集团自动化研究所 | 一种激光立体成形过程检测方法及系统和应用 |
| 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 |
| CN111992854A (zh) * | 2020-08-28 | 2020-11-27 | 哈尔滨工业大学（威海） | 一种采集等离子体光谱空域信息的方法与装置 |
| CN113369697A (zh) * | 2021-06-22 | 2021-09-10 | 深圳信息职业技术学院 | 激光抛光在线检测系统及方法 |
| CN113588074A (zh) * | 2021-07-15 | 2021-11-02 | 哈尔滨工业大学（威海） | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
| CN114749799A (zh) * | 2022-06-14 | 2022-07-15 | 山东亚泰机械有限公司 | 一种自动监测的复合焊接装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106353284A (zh) * | 2016-08-29 | 2017-01-25 | 哈尔滨工业大学（威海） | 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 |
| 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 |
| CN108169165A (zh) * | 2017-12-19 | 2018-06-15 | 河南工业大学 | 基于太赫兹光谱和图像信息融合的麦芽糖混合物定量分析方法 |
| CN108544090A (zh) * | 2018-04-19 | 2018-09-18 | 广州德擎光学科技有限公司 | 一种光谱离子态下的激光加工状态识别方法 |
-
2018
- 2018-11-23 CN CN201811402316.8A patent/CN109507187A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106353284A (zh) * | 2016-08-29 | 2017-01-25 | 哈尔滨工业大学（威海） | 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 |
| 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 |
| CN108169165A (zh) * | 2017-12-19 | 2018-06-15 | 河南工业大学 | 基于太赫兹光谱和图像信息融合的麦芽糖混合物定量分析方法 |
| CN108544090A (zh) * | 2018-04-19 | 2018-09-18 | 广州德擎光学科技有限公司 | 一种光谱离子态下的激光加工状态识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张志芬: "基于多信息融合的铝合金脉冲GTAW过程焊接缺陷特征提取研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110605393A (zh) * | 2019-09-25 | 2019-12-24 | 中国兵器装备集团自动化研究所 | 一种激光立体成形过程检测方法及系统和应用 |
| 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 |
| CN111992854A (zh) * | 2020-08-28 | 2020-11-27 | 哈尔滨工业大学（威海） | 一种采集等离子体光谱空域信息的方法与装置 |
| CN113369697A (zh) * | 2021-06-22 | 2021-09-10 | 深圳信息职业技术学院 | 激光抛光在线检测系统及方法 |
| CN113588074A (zh) * | 2021-07-15 | 2021-11-02 | 哈尔滨工业大学（威海） | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
| CN113588074B (zh) * | 2021-07-15 | 2024-04-19 | 哈尔滨工业大学（威海） | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
| CN114749799A (zh) * | 2022-06-14 | 2022-07-15 | 山东亚泰机械有限公司 | 一种自动监测的复合焊接装置 |
| CN114749799B (zh) * | 2022-06-14 | 2022-08-26 | 山东亚泰机械有限公司 | 一种自动监测的复合焊接装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109507187A (zh) | 一种激光增材制造缺陷诊断方法及其装置 | |
| 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 | |
| CN106984813B (zh) | 一种激光选区熔化加工过程同轴监测方法及装置 | |
| CN102513708B (zh) | 主动式短波长激光焊接小孔监测及焊缝跟踪集成装置 | |
| CN107402217A (zh) | 基于视觉传感的激光增材制造缺陷的在线诊断方法 | |
| CN101750416A (zh) | 一种基于线结构光的视觉焊缝表面质量检测传感器 | |
| CN207026479U (zh) | 一种激光选区熔化加工过程同轴监测装置 | |
| CN104597476B (zh) | 一种加速器粒子束流截面实时诊断系统 | |
| CN103134599A (zh) | 激光金属直接成形中熔池状态实时监测方法和系统 | |
| Lin et al. | Motion feature based melt pool monitoring for selective laser melting process | |
| Zhao et al. | Optimal imaging band selection mechanism of weld pool vision based on spectrum analysis | |
| CN104596638B (zh) | 一种高分辨率多波长激光强度分布探测器及其测量方法 | |
| CN209094795U (zh) | 基于同轴光辐射信号解调的激光焊接焊偏检测装置 | |
| CN111289496B (zh) | 一种远距离变焦距激光诱导击穿光谱的检测方法及装置 | |
| CN114406465B (zh) | 一种不均匀间隙结构的焊接熔深的控制方法及其系统 | |
| CN107907482A (zh) | 一种slm成形过程中熔池状态实时监测装置及方法 | |
| WO2022060472A9 (en) | In-situ process monitoring for powder bed fusion additive manufacturing (pbf am) processes using multi-modal sensor fusion machine learning | |
| Gao et al. | Feature extraction of laser welding pool image and application in welding quality identification | |
| CN208772455U (zh) | 一种激光选区熔化加工过程熔池温度实时监测装置 | |
| CN113984670A (zh) | 一种用于光腔衰荡高反射率测量的双传感器调腔方法 | |
| JPH09311102A (ja) | フロー式粒子画像解析方法および装置 | |
| TW201812705A (zh) | 步階大小及鍍金屬厚度之光學量測 | |
| CN109848413A (zh) | 基于多传感器耦合的增材制造过程监测系统 | |
| CN109444150A (zh) | 非接触式裂纹测量方法及其装置 | |
| CN110220914A (zh) | 高温钢卷打捆带在线检测系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |