CN110253019A - 一种激光选区熔化的质量监控与控制方法 - Google Patents

一种激光选区熔化的质量监控与控制方法 Download PDF

Info

Publication number
CN110253019A
CN110253019A CN201910676320.1A CN201910676320A CN110253019A CN 110253019 A CN110253019 A CN 110253019A CN 201910676320 A CN201910676320 A CN 201910676320A CN 110253019 A CN110253019 A CN 110253019A
Authority
CN
China
Prior art keywords
powdering
scanning
image
acoustic emission
emission signal
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
CN201910676320.1A
Other languages
English (en)
Other versions
CN110253019B (zh
Inventor
张瑞华
杨天雨
屈岳波
栗子林
彭雄
康平
张圆
周炜
董开基
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.)
Donghua Yangjiang Laser Intelligent Technology Co Ltd
Yangjiang Puruide Additive Manufacturing Research Institute Co Ltd
Yangjiang Metal Scissors Industrial Technology Research Institute
Original Assignee
Donghua Yangjiang Laser Intelligent Technology Co Ltd
Yangjiang Puruide Additive Manufacturing Research Institute Co Ltd
Yangjiang Metal Scissors Industrial Technology Research Institute
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 Donghua Yangjiang Laser Intelligent Technology Co Ltd, Yangjiang Puruide Additive Manufacturing Research Institute Co Ltd, Yangjiang Metal Scissors Industrial Technology Research Institute filed Critical Donghua Yangjiang Laser Intelligent Technology Co Ltd
Priority to CN201910676320.1A priority Critical patent/CN110253019B/zh
Publication of CN110253019A publication Critical patent/CN110253019A/zh
Application granted granted Critical
Publication of CN110253019B publication Critical patent/CN110253019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B22F12/40—Radiation means
    • B22F12/41—Radiation means characterised by the type, e.g. laser or electron beam
    • 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
    • B22F10/20—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
    • B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
    • B22F10/30—Process control
    • B22F10/37—Process control of powder bed aspects, e.g. density
    • 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
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Plasma & Fusion (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Analytical Chemistry (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明属于窄间隙焊接技术领域。为了提高激光选区熔化操作制备零件的制备质量和成品率，本发明提出了一种激光选区熔化的质量监控与控制方法。该方法的步骤如下：步骤S1，对铺粉区域进行图像采集，获取铺粉图像；步骤S2，对铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积，判定铺粉缺陷情况；步骤S3,对激光扫描粉末的过程进行声发射信号采集，获得通过声发射信号确定的扫描缺陷位置；步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集获取扫描图像，获得通过扫描图像确定的扫描缺陷位置；步骤S5，对声发射信号确定的扫描缺陷位置和图像采集确定的扫描缺陷位置进行比对，确定扫描缺陷。本发明的方法可以提高零件制备质量和成品率。

Description

一种激光选区熔化的质量监控与控制方法
技术领域
本发明属于激光选区熔化技术领域，具体涉及一种激光选区熔化的质量监控与控制方法。
背景技术
激光选区熔化(selective laser melting，SLM)属于增材制造领域，俗称3D打印，是基于离散堆积原理，通过材料的逐层堆积实现快速制造的技术。其利用计算机将成形件的3D模型进行切片处理，自上而下地制造出每一层“薄片”，通过计算机进行路径规划，并导入设备，以金属粉末或者陶瓷粉末为原材料，借助铺粉臂进行铺粉层的铺粉操作，利用高能束激光完成特定轨迹上粉末的熔凝过程，多次循环逐层进行上述步骤，完成原材料的层层堆积，精确地完成三维零件的制造。
然而，在采用激光选区熔化操作制备零件的过程中，无论是铺粉过程还是激光扫描过程都会由于出现各种问题，而影响最终零件的成型质量。例如，在铺粉过程中，可能由于原材料粉末本身球形度差，而引起粉体流动性不好导致铺粉臂对粉末的铺展出现不均匀，使得后续经过激光扫描处理后会存在一些未熔融粉末，从而对成型零件的力学性能产生不良影响。同样，在激光扫描过程中，也可能会由于存在粉末飞溅、激光能量波动或环境突变等问题，而导致激光扫描处理后同样会存在未熔融粉末，而使最终成型零件的材料致密变差，力学性能出现下降。
为了解决上述问题，目前通过激光选区熔化操作制备获得零件后，通常要对获得的零件进行各种探伤检测，甚至是破坏性试验检测，以判断零件的缺陷，保证零件的质量。这种在完成零件的制备后再进行检测的方法，虽然可以保证零件的出厂质量，但是无法真正提高和保证零件的制备质量以及零件的制备成品率。
发明内容
为了提高采用激光选区熔化操作制备所获得零件的制备质量和成品率，本发明提出了一种激光选区熔化的质量监控与控制方法。该质量监控与控制方法，在单层的铺粉和激光扫描过程中进行质量检测和控制，具体步骤如下：
步骤S1，完成单层铺粉操作后，对铺粉区域进行图像采集，获取铺粉图像；
步骤S2，对获取的铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积；当不均匀铺粉面积低于设定值时，对铺设的粉末进行激光扫描处理，当不均匀铺粉面积等于或高于设定值时，对铺设的粉末进行铺粉修复处理，直至铺粉面积低于设定值为止；
步骤S3,对激光扫描粉末的过程进行声发射信号采集，并对声发射信号进行记录分析，获取激光扫描过程中通过声发射信号确定的扫描缺陷位置，其中该扫描缺陷位置以时间和扫描轨迹作为参考进行坐标确定；
步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集，获取扫描图像，对扫描图像进行分析获取通过图像采集确定的扫描缺陷位置；
步骤S5，对步骤S3中通过声发射信号确定的扫描缺陷位置和步骤S4中通过图像采集确定的扫描缺陷位置进行比对；当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围时，则进行下一层的铺粉操作，当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差在设定值范围以内时，则判定该位置存在激光扫描缺陷，对该位置进行修复和再检测处理，直至修复过程中没有通过声发射信号确定扫描缺陷位置或没有通过扫描图像确定扫描缺陷位置，再或者是通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围。
优选的，在所述步骤S2中，首先采用threshold函数对获得的铺粉图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中黑色区域面积即为不均匀铺粉面积。
优选的，在所述步骤S3中，以设计层厚作为标准，通过获取实际层厚分布，判定激光扫描缺陷情况。
进一步优选的，在所述步骤S3中，首先以计算机数据处理为基础，以机器学习为建模工具，搭建适合声发射信号分类的数学模型，然后利用数学建模对获取的声发射信号进行分析，并对层厚分布进行输出。
进一步优选的，采用快速傅里叶变换对不同频域段的声波幅值进行提取，将各频域段的平均幅值作为特征提取，同时采用小波分析方法对声发射信号进行过滤、分层以及能量熵特征提取，采用logistic回归，决策树，贝叶斯网络对信号的特征值层厚分类，以试验所得的“信号—层厚”信息作为机器学习数据，训练集不得低于200组，要求数据离散度大；在完成模型的数学建模后，再次采集声发射信号，将所采集到的声发射信号进行特征提取，转换成平均幅值和能量熵，并输入数学模型进行验证，数学模型最终结果采用加权投票的方式确定，若数学模型准确率高于90％以上方可使用该数学模型。
优选的，在所述步骤S3中，借助声信号采集设备对激光扫描过程中等离子体所发出的声发射信号进行采集和降噪处理，并且进行模拟/数字信号转换后，导入计算机进行后续分析处理；其中，所述声信号采集设备包括用于采集声发射信号的麦克风以及用于降噪处理和数模转换的声音采集卡，并且所述麦克风垂直于激光扫描面进行声发射信号采集。
优选的，在所述步骤S4中，首先采用threshold函数对获得的扫描图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中缺陷区域的面积、形状和坐标位置。
采用本发明的质量监控与控制方法辅助进行零件的激光选区熔化制备时，具有以下有益效果：
在本发明中，通过引入声信号缺陷检测方法和图像缺陷检测方法，实现了对铺粉和激光扫描过程中的远程实时缺陷检测，这样不仅在单层激光选区熔化操作过程中就能够及时发现缺陷问题并直接快速修复处理，避免制备过程中的缺陷问题被覆盖忽略而导致最终成型产品的质量不合格以及由此将整个产品报废处理的浪费问题，从而提高激光选区熔化操作的效率和质量保证，而且在激光扫描过程中，利用声信号缺陷检测方法和图像缺陷检测方法之间的比对验证，可以大大提高对缺陷的判断精度和效率，保证采用激光选区熔化方法进行零件制备的效率和质量。
附图说明
图1为采用实施例中激光选区熔化的质量监控与控制方法，辅助激光选区熔化操作进行零件制备的流程示意图；
图2为对铺粉操作后的铺粉层进行图像拍摄所获得的铺粉图像示意图；
图3为采用threshold函数对图2所示铺粉图像处理后获得的图像示意图；
图4为对激光扫描操作后的扫描层进行图像拍摄所获得的扫描图像示意图；
图5采用threshold函数对图4所示扫描图像处理后获得的图像示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行详细介绍。
结合图1所示，采用实施例中激光选区熔化的质量监控与控制方法，辅助激光选区熔化操作进行零件制备的具体步骤如下：
步骤S1，完成单层铺粉操作后，对铺粉区域进行图像采集，获取铺粉图像。
在本实施例中，当金属激光选区熔化成形设备的铺粉臂完成单层铺粉操作后，由图像采集设备，例如高速摄像机，对铺粉区域进行垂直角度的图像采集，获得如图2所示的铺粉图像，并将获得的铺粉图像传输至计算机进行后续处理。
步骤S2，对获取的铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积。其中，当不均匀铺粉面积低于设定值时，表明该铺粉层满足铺粉质量要求，就可以直接对该铺粉层进行激光扫描处理；当不均匀铺粉面积等于或高于设定值时，则表明该铺粉层存在铺粉缺陷，需要对该铺粉层进行铺粉修复，直至该铺粉层的不均匀铺粉面积低于设定值为止。
优选的，结合图3所示，首先，采用threshold函数对获得的铺粉图像进行处理，使图像颜色被二值化，以黑白两种色值展现图像，获得如图3所示得铺粉图像。接着，对图3所示图像中的像素进行计算得出黑白占比，从而获得图像中黑色区域面积即为不均匀铺粉面积。然后，根据不均匀铺粉面积的大小判定该铺粉层是否满足铺粉要求。其中，根据设计和制备要求，可以将所获取图像面积的20％作为设定值与不均匀铺粉面积进行大小比对，同样该设定值的大小是可以根据情况进行调整，以满足不同工况对铺粉质量的控制要求。
此外，在进行铺粉层修复时，首先对图像中的像素进行计算，准确获取缺陷区域面积、形状和位置范围等数据，然后根据该数据控制金属激光选区熔化成形设备中的铺粉臂进行动作，完成对铺粉缺陷区域的准确修复处理。
步骤S3,对激光扫描粉末过程进行声发射信号采集，并对声发射信号进行记录分析，获得激光扫描过程中通过声发射信号确定的扫描缺陷情况，其中该扫描缺陷的位置以时间和扫描轨迹作为参考进行坐标确定。
借助声信号采集设备对激光扫描过程中等离子体所发出的声发射信号进行采集和降噪处理，并且进行模拟/数字信号转换后，导入计算机进行后续分析处理。其中，声信号采集设备包括用于采集声发射信号的麦克风以及用于降噪处理和数模转换的声音采集卡，并且麦克风垂直于激光扫描面进行声发射信号采集。
在本实施例中，以单层铺粉和激光扫描的设计层厚作为参考标准，通过获取实际层厚分布，判定激光扫描的缺陷情况。同样，在其他实施例中，也可以根据设计和缺陷判断标准的不同，选择其他参数指标作为扫描缺陷情况的判定标准。
优选的，首先以计算机数据处理为基础，以机器学习为建模工具，搭建适合声音信号分类的数学模型，然后利用数学建模对获取的声发射信号进行分析，并对层厚分布进行输出。
具体操作如下：采用快速傅里叶变换对不同频域段的声波幅值进行提取，将各频域段的平均幅值作为特征提取，同时采用小波分析方法对声发射信号进行过滤、分层以及能量熵特征提取，采用logistic回归，决策树，贝叶斯网络对信号的特征值层厚分类，以试验所得的“信号—层厚”信息作为机器学习数据，并且训练集不得低于200组，要求数据离散度大。在完成模型的数学建模后，再次采集声发射信号，将所采集到的声发射信号进行特征提取，转换成平均幅值和能量熵，并输入至数学模型进行验证，而数学模型的最终结果则采用加权投票的方式确定，若数学模型准确率高于90％以上方可使用该数学模型。
步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集，获取扫描图像，并对扫描图像进行分析获得通过扫描图像确定的扫描缺陷位置。
结合图4和图5所示，在本实施例中，首先，采用threshold函数对直接拍摄获得的图4所示的扫描图像进行处理，使图像颜色被二值化，以黑白两种色值展现图像，如图5所示。接着，对图5所示图像中的像素进行计算得出黑白占比，并且获得该图像中缺陷区域的面积、形状和坐标位置。与此同时，对获得的缺陷数据进行保存，以便于后续为计算机提供数据支撑，准确控制金属激光选区熔化成形设备中的振镜进行激光扫描修复。
步骤S5，对步骤S3中获得的扫描缺陷位置和步骤S4中获得的扫描缺陷位置进行比对分析，确定激光扫描的缺陷情况。其中，当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围时，则判定对该层铺设粉末的激光扫描符合要求，可以进行下一层的铺粉操作和激光扫描操作；当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差在设定值范围以内时，则判定该位置存在激光扫描缺陷，需要对该缺陷位置进行修复处理和再检测处理，直至修复过程中没有通过声发射信号确定扫描缺陷位置或没有通过扫描图像确定扫描缺陷位置，再或者是通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围。
在本实施中，通过引入声信号缺陷检测方法和图像缺陷检测方法，实现了对铺粉和激光扫描过程中的远程实时缺陷检测，这样不仅在单层激光选区熔化操作过程中就能够及时发现缺陷问题并直接快速修复处理，避免制备过程的缺陷问题被覆盖忽略而导致最终成型产品的质量不合格以及由此将整个产品报废处理的浪费问题，从而提高激光选区熔化操作的效率和质量保证，而且在激光扫描过程中，利用声信号缺陷检测方法和图像缺陷检测方法之间的相互比对验证，可以大大提高对缺陷的判断精度和效率，保证采用激光选区熔化方法进行零件制备的效率和质量。

Claims (7)

1.一种激光选区熔化的质量监控与控制方法，其特征在于，在单层的铺粉和激光扫描过程中进行质量检测和控制，具体步骤如下：
步骤S1，完成单层铺粉操作后，对铺粉区域进行图像采集，获取铺粉图像；
步骤S2，对获取的铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积；当不均匀铺粉面积低于设定值时，对铺设的粉末进行激光扫描处理，当不均匀铺粉面积等于或高于设定值时，对铺设的粉末进行铺粉修复处理，直至铺粉面积低于设定值为止；
步骤S3,对激光扫描粉末的过程进行声发射信号采集，并对声发射信号进行记录分析，获取激光扫描过程中通过声发射信号确定的扫描缺陷位置，其中该扫描缺陷位置以时间和扫描轨迹作为参考进行坐标确定；
步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集，获取扫描图像，对扫描图像进行分析获取通过图像采集确定的扫描缺陷位置；
步骤S5，对步骤S3中通过声发射信号确定的扫描缺陷位置和步骤S4中通过图像采集确定的扫描缺陷位置进行比对；当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围时，则进行下一层的铺粉操作，当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差在设定值范围以内时，则判定该位置存在激光扫描缺陷，对该位置进行修复和再检测处理，直至修复过程中没有通过声发射信号确定扫描缺陷位置或没有通过扫描图像确定扫描缺陷位置，再或者是通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围。
2.根据权利要求1所述的质量监控与控制方法，其特征在于，在所述步骤S2中，首先采用threshold函数对获得的铺粉图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中黑色区域面积即为不均匀铺粉面积。
3.根据权利要求1所述的质量监控与控制方法，其特征在于，在所述步骤S3中，以设计层厚作为标准，通过获取实际层厚分布，判定激光扫描缺陷情况。
4.根据权利要求3所述的质量监控与控制方法，其特征在于，在所述步骤S3中，首先以计算机数据处理为基础，以机器学习为建模工具，搭建适合声发射信号分类的数学模型，然后利用数学建模对获取的声发射信号进行分析，并对层厚分布进行输出。
5.根据权利要求4所述的质量监控与控制方法，其特征在于，采用快速傅里叶变换对不同频域段的声波幅值进行提取，将各频域段的平均幅值作为特征提取，同时采用小波分析方法对声发射信号进行过滤、分层以及能量熵特征提取，采用logistic回归，决策树，贝叶斯网络对信号的特征值层厚分类，以试验所得的“信号—层厚”信息作为机器学习数据，训练集不得低于200组，要求数据离散度大；在完成模型的数学建模后，再次采集声发射信号，将所采集到的声发射信号进行特征提取，转换成平均幅值和能量熵，并输入数学模型进行验证，数学模型最终结果采用加权投票的方式确定，若数学模型准确率高于90％以上方可使用该数学模型。
6.根据权利要求1所述的质量监控与控制方法，其特征在于，在所述步骤S3中，借助声信号采集设备对激光扫描过程中等离子体所发出的声发射信号进行采集和降噪处理，并且进行模拟/数字信号转换后，导入计算机进行后续分析处理；其中，所述声信号采集设备包括用于采集声发射信号的麦克风以及用于降噪处理和数模转换的声音采集卡，并且所述麦克风垂直于激光扫描面进行声发射信号采集。
7.根据权利要求1所述的质量监控与控制方法，其特征在于，在所述步骤S4中，首先采用threshold函数对获得的扫描图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中缺陷区域的面积、形状和坐标位置。
CN201910676320.1A 2019-07-25 2019-07-25 一种激光选区熔化的质量监控与控制方法 Active CN110253019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910676320.1A CN110253019B (zh) 2019-07-25 2019-07-25 一种激光选区熔化的质量监控与控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910676320.1A CN110253019B (zh) 2019-07-25 2019-07-25 一种激光选区熔化的质量监控与控制方法

Publications (2)

Publication Number Publication Date
CN110253019A true CN110253019A (zh) 2019-09-20
CN110253019B CN110253019B (zh) 2021-07-30

Family

ID=67928226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910676320.1A Active CN110253019B (zh) 2019-07-25 2019-07-25 一种激光选区熔化的质量监控与控制方法

Country Status (1)

Country Link
CN (1) CN110253019B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111239160A (zh) * 2020-03-24 2020-06-05 刘素青 应用大数据服务器的分布均匀等级测量平台
CN111761060A (zh) * 2020-06-08 2020-10-13 湖南华曙高科技有限责任公司 应用于3d打印的风量控制方法、系统及可读存储介质
CN111774565A (zh) * 2020-06-01 2020-10-16 成都飞机工业（集团）有限责任公司 基于特征提取思维模型的3d打印送粉修复识别方法
CN112371995A (zh) * 2020-10-12 2021-02-19 华南理工大学 选择性激光熔化3d打印裂纹检测方法、装置及存储介质
CN112477136A (zh) * 2020-10-12 2021-03-12 华南理工大学 一种熔融沉积3d打印故障无损检测方法和检测装置
CN112974848A (zh) * 2021-02-20 2021-06-18 飞而康快速制造科技有限责任公司 一种增材制造设备及方法
CN113084193A (zh) * 2021-03-22 2021-07-09 中国人民解放军空军工程大学 一种激光选区熔化技术原位质量综合评价方法
CN113441735A (zh) * 2020-03-27 2021-09-28 广东汉邦激光科技有限公司 3d激光成型装置及3d激光成型方法
CN113996816A (zh) * 2021-10-22 2022-02-01 华中科技大学 一种激光选区熔化过程声信号实时监测装置
CN114897908A (zh) * 2022-07-14 2022-08-12 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
CN114985766A (zh) * 2022-03-16 2022-09-02 南京辉锐光电科技有限公司 一种零件加工方法和零件加工系统
CN115475961A (zh) * 2022-09-27 2022-12-16 湖南华曙高科技股份有限公司 用于粉床熔融激光烧结的控制方法、系统及增材制造设备
CN116984628A (zh) * 2023-09-28 2023-11-03 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104237381A (zh) * 2014-10-15 2014-12-24 北京新联铁科技股份有限公司 一种激光超声和高速摄像的图像融合的钢轨探伤方法
WO2015109096A1 (en) * 2014-01-17 2015-07-23 United Technologies Corporation An additive manufacturing system with ultrasonic inspection and method of operation
CN107402220A (zh) * 2017-07-01 2017-11-28 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
CN108802165A (zh) * 2018-06-29 2018-11-13 武汉大学 具光谱超声复合在线检测功能的增材加工系统及方法
CN109269985A (zh) * 2018-09-28 2019-01-25 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
CN109387567A (zh) * 2018-12-21 2019-02-26 西安增材制造国家研究院有限公司 一种基于波速修正的增材制造激光超声检测数据处理方法
CN109685760A (zh) * 2018-11-05 2019-04-26 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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015109096A1 (en) * 2014-01-17 2015-07-23 United Technologies Corporation An additive manufacturing system with ultrasonic inspection and method of operation
CN104237381A (zh) * 2014-10-15 2014-12-24 北京新联铁科技股份有限公司 一种激光超声和高速摄像的图像融合的钢轨探伤方法
CN107402220A (zh) * 2017-07-01 2017-11-28 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
CN108802165A (zh) * 2018-06-29 2018-11-13 武汉大学 具光谱超声复合在线检测功能的增材加工系统及方法
CN109269985A (zh) * 2018-09-28 2019-01-25 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
CN109685760A (zh) * 2018-11-05 2019-04-26 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
CN109387567A (zh) * 2018-12-21 2019-02-26 西安增材制造国家研究院有限公司 一种基于波速修正的增材制造激光超声检测数据处理方法

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111239160B (zh) * 2020-03-24 2020-12-25 航天云网数据研究院(广东)有限公司 应用大数据服务器的分布均匀等级测量平台
CN111239160A (zh) * 2020-03-24 2020-06-05 刘素青 应用大数据服务器的分布均匀等级测量平台
CN113441735A (zh) * 2020-03-27 2021-09-28 广东汉邦激光科技有限公司 3d激光成型装置及3d激光成型方法
CN111774565A (zh) * 2020-06-01 2020-10-16 成都飞机工业（集团）有限责任公司 基于特征提取思维模型的3d打印送粉修复识别方法
CN111774565B (zh) * 2020-06-01 2022-05-10 成都飞机工业（集团）有限责任公司 基于特征提取思维模型的3d打印送粉修复识别方法
CN111761060A (zh) * 2020-06-08 2020-10-13 湖南华曙高科技有限责任公司 应用于3d打印的风量控制方法、系统及可读存储介质
CN112477136A (zh) * 2020-10-12 2021-03-12 华南理工大学 一种熔融沉积3d打印故障无损检测方法和检测装置
CN112371995A (zh) * 2020-10-12 2021-02-19 华南理工大学 选择性激光熔化3d打印裂纹检测方法、装置及存储介质
CN112974848A (zh) * 2021-02-20 2021-06-18 飞而康快速制造科技有限责任公司 一种增材制造设备及方法
CN112974848B (zh) * 2021-02-20 2023-12-12 飞而康快速制造科技有限责任公司 一种增材制造设备及方法
CN113084193B (zh) * 2021-03-22 2022-10-21 中国人民解放军空军工程大学 一种激光选区熔化技术原位质量综合评价方法
CN113084193A (zh) * 2021-03-22 2021-07-09 中国人民解放军空军工程大学 一种激光选区熔化技术原位质量综合评价方法
CN113996816B (zh) * 2021-10-22 2023-01-06 华中科技大学 一种激光选区熔化过程声信号实时监测装置
CN113996816A (zh) * 2021-10-22 2022-02-01 华中科技大学 一种激光选区熔化过程声信号实时监测装置
CN114985766A (zh) * 2022-03-16 2022-09-02 南京辉锐光电科技有限公司 一种零件加工方法和零件加工系统
CN114897908A (zh) * 2022-07-14 2022-08-12 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
CN115475961A (zh) * 2022-09-27 2022-12-16 湖南华曙高科技股份有限公司 用于粉床熔融激光烧结的控制方法、系统及增材制造设备
CN115475961B (zh) * 2022-09-27 2023-06-30 湖南华曙高科技股份有限公司 用于粉床熔融激光烧结的控制方法、系统及增材制造设备
CN116984628A (zh) * 2023-09-28 2023-11-03 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法
CN116984628B (zh) * 2023-09-28 2023-12-29 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法

Also Published As

Publication number Publication date
CN110253019B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN110253019A (zh) 一种激光选区熔化的质量监控与控制方法
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
CN109840900B (zh) 一种应用于智能制造车间的故障在线检测系统及检测方法
CN102529019B (zh) 一种模具检测、保护及零件检测、摘取的方法
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
CN108627520A (zh) 一种非均质固体材料外观质量的在线检测系统和方法
Angelone et al. Bio-intelligent selective laser melting system based on convolutional neural networks for in-process fault identification
CN111077223A (zh) 一种具有三维显示、在线检测及修复功能的增材制造方法
CN116465315B (zh) 一种网版质量自动化检测方法及系统
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
CN103308525A (zh) 一种用于金属线材生产的在线检测方法和装置
CN111783544A (zh) 加工陶瓷手机背板的金刚石铣磨头状态监测系统搭建方法
CN109622404B (zh) 一种基于机器视觉的微工件自动分拣系统及方法
CN216525503U (zh) 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置
CN202661397U (zh) 布匹疵点在线自动检测系统
CN115625317A (zh) 一种用于压铸调控的表面水纹优化处理方法及系统
CN107121063A (zh) 检测工件的方法
CN116721054A (zh) 一种刀具出厂质量检测方法
CN111843272B (zh) 基于焊接过程信息融合的质量判别方法及装置
CN114663763A (zh) 一种基于数字孪生的飞机蒙皮装配质量检测方法
CN1609894A (zh) 基于虚拟多传感器融合的钢材支数在线计数系统及方法
CN117483838B (zh) 基于人工智能的板材钻孔方法及装置
CN117409332B (zh) 基于大数据处理的长材刨花外观数据检测系统及方法
CN117929393B (zh) 一种镜头缺陷检测方法、系统、处理器及存储介质
KR102658479B1 (ko) 품질 검사 서버 및 이의 실행 방법

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