CN111151751A - 一种三激光束智能增减材复合制造系统及方法 - Google Patents
一种三激光束智能增减材复合制造系统及方法 Download PDFInfo
- Publication number
- CN111151751A CN111151751A CN202010007873.0A CN202010007873A CN111151751A CN 111151751 A CN111151751 A CN 111151751A CN 202010007873 A CN202010007873 A CN 202010007873A CN 111151751 A CN111151751 A CN 111151751A
- Authority
- CN
- China
- Prior art keywords
- laser
- deposition
- material layer
- repair
- quality evaluation
- 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
Links
Images
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
- 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
- B22F12/43—Radiation means characterised by the type, e.g. laser or electron beam pulsed; frequency modulated
-
- 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
- B22F10/80—Data acquisition or data processing
- B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
-
- 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
- B22F12/44—Radiation means characterised by the configuration of the radiation means
- B22F12/45—Two or more
-
- 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
- B22F3/24—After-treatment of workpieces or articles
-
- 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
-
- 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
-
- 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
- B22F3/24—After-treatment of workpieces or articles
- B22F2003/247—Removing material: carving, cleaning, grinding, hobbing, honing, lapping, polishing, milling, shaving, skiving, turning the surface
-
- 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)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明实施例公开了一种三激光束智能增减材复合制造系统及方法。本发明可有效减少激光熔化沉积增材制造中制件的裂纹、气孔、表面粗糙等缺陷,可应用在大型金属构件的增材制造工艺中,提高制造成品率,降低成本。本发明利用脉冲激光加工的特性对制件沉积层中出现的内部缺陷进行刻蚀以将其暴露出来,然后在其刻痕或微小缺口中进行脉冲激光熔化沉积以填充其缺失部分,且二次熔化沉积部分材料致密性高、原材料层与二次沉积材料粘结牢固,可有效提高制件性能质量。本发明结合图像采集与深度神经网络质量评估模型,系统鲁棒性高,准确率高。
Description
技术领域
本发明涉及增材制造技术领域,具体涉及一种三激光束智能增减材复合制造系统及方法。
背景技术
随着工业进程的加快,航空航天、核电、船舶等领域对零件结构的需求呈现大型整体化、构型拓扑化、梯度复合化、结构功能一体化的发展趋势,传统的“铸锻造+机加”的加工方法已难以满足要求,增材制造技术则为其提供了全新的解决方案。
增材制造技术具有“多类型多工艺共存,材料体系众多”的特点,但目前存在着“制件精度低、制件稳定性差”等关键问题,限制了增材制造技术大规模工程应用。因此,迫切需要高精度智能化金属增材制造系统。
简述增减材制造专利特点如增材+铣削,提高精度但不能对零件内部的流道内表面进行处理。
目前,大型关键金属构件主要由激光熔化沉积(Laser Melting Deposition,LMD)和激光选区熔化(Selective Laser Melting,SLM)方式进行加工,增材制造装备是典型的光机电一体的复杂系统,涉及高温、密闭、粉尘等复杂工况,如何实现其工艺过程的长时间、无间断、稳定运行是一个非常重要的问题。
增材制造与减材制造具有其各自的优点,目前关注的增减材复合制造技术主要集中在基于激光熔融沉积的增材制造与数控加工的复合,以及基于激光熔融沉积的增材制造与脉冲激光减材加工的复合,但对脉冲激光减材加工的应用止于修复制件毛刺、表面粗糙度等的表面缺陷,目前无法结合激光熔化沉积和脉冲减材技术,对气孔、裂缝等沉积层的内部缺陷进行修复,无法充分发挥脉冲激光加工的优势。
发明内容
本发明实施例所要解决的技术问题在于,提供一种三激光束智能增减材复合制造系统及方法。可解决大型关键金属构件制造过程中易出现裂纹、气孔、空隙等内部缺陷以及常见表面质量等问题。
为了解决上述技术问题,本发明实施例提供了一种三激光束智能增减材复合制造系统,包括第一、第二、第三激光单元、图像采集系统、质量评估系统、增减材修复控制系统;
所述图像采集系统与所述第一激光单元同步运动,用于跟随获取熔化沉积过程中的工艺图像,实时地对所述工艺图像进行预处理,获得特征图像与熔池温度;
所述质量评估系统用于对所述特征图像与熔池温度输入制件质量评估模型,输出组成包括缺陷类型、评估准确可信度以及缺陷坐标、大小、走向分部信息至少其中之一,并在沉积过程中记录存储包括出现内部缺陷的坐标值、缺陷的分布区域和深度信息;
所述增减材修复控制系统用于对所述质量评估系统的评估结果与缺陷修复工艺的对应表放假行对照并制定修复计划;
所述第二激光单元用于对制件修复工艺参数对材料层进行减材加工;
所述第三激光单元用于对所暴露出的材料层内部缺陷进行增材修复。
进一步地,所述第一激光单元包括激光发生器、送粉器和同轴送粉喷头的送粉装置和运动系统,所述激光发生器与所述图像采集系统由所述运动系统同步驱动位移。
更进一步地,所述图像采集系统包括高速摄像机和红外热像仪,所述高速摄像机用于获取所述工艺图像,所述红外热像仪用于获取所述熔池温度。
更进一步地,所述特征图像包括反应熔池、羽流、飞溅物的形状、大小、及表面形貌。
更进一步地,所述第二、第三激光单元产生激光束的光源为脉冲激光源,所述脉冲激光源产生的脉冲激光频率为100KHz~10MHz;所述的脉冲激光源产生持续时间为10飞秒~600皮秒之间的脉冲。
更进一步地,所述质量评估系统采用CNN或LSTM深度神经网络模型。
本发明实施例还提供了一种使用上述系统进行制造的方法,包括以下步骤:
S1:形成材料层:由第一激光单元产生连续的第一激光束,对材料粉末进行熔化沉积,形成沉积层;
S2:图像信息采集:由图像采集系统对沉积过程中的熔池、羽流、飞溅物的表面形貌进行图像采集并进行预处理得到特征图像,用于后续成型件的质量评估模型和增减材修复控制系统的输入参数;
S3:质量评估:通过质量评估系统对图像采集系统获取的特征图像进行评估,输出结果若评估准确可信度低于预设阈值,则沉积层无质量问题,则增材制造设备进入下一激光熔化沉积制造过程,否则,通过质量评估系统确定材料层存在的表面缺陷及内部缺陷,并存储当前工艺坐标及缺陷分布信息;
S4:确定修复工艺参数:在步骤S3的质量评估系统评估材料层有质量问题后,通过增减修复控制系统确定各缺陷的修复工艺参数;
S5:减材加工过程Ⅰ:若材料层经质量评估系统评估存在内部缺陷或同时存在内部缺陷与表面缺陷,则根据增减修复控制系统确定各缺陷的修复工艺参数使用第一激光单元对材料层进行激光刻蚀减材加工,将内部气孔、裂纹暴露出来;若材料层质量评估系统经评估只存在表面质量缺陷,则根据增减修复控制系统确定各缺陷的修复工艺参数对材料层进行表面减材加工,去除材料层表面的毛刺、飞边,减小表面粗糙度,切除沉积层多余材料部分,保持表面形貌尺寸合格,并且增材制造设备进入下一激光熔化沉积制造过程;
S6:增材加工过程:通过对步骤e)的激光刻蚀后的材料层表面刻痕、空腔或切口进行激光熔化沉积增材加工,使用第二激光单元修复材料层以恢复其期望的表面形貌特征;
S7:减材加工过程Ⅱ:当沉积层存在内部缺陷时,修复过程包括所述减材加工过程Ⅰ、所述增材加工过程,使沉积层存在的内部缺陷经过激光刻蚀暴露出来、增材加工以填补刻痕或空腔、减材加工以光整沉积层表面。
实施本发明实施例,具有如下有益效果:
(1)本发明基于现有增材制造工艺,吸收了脉冲激光加工技术的非热熔性、准确性、加工材料的广泛性及低能耗性等特征优势,可有效减少激光熔化沉积增材制造中制件的裂纹、气孔、表面粗糙等缺陷,可应用在大型金属构件的增材制造工艺中,提高制造成品率,降低成本。
(2)本发明利用脉冲激光加工的特性对制件沉积层中出现的内部缺陷进行刻蚀以将其暴露出来,然后在其刻痕或微小缺口中进行脉冲激光熔化沉积以填充其缺失部分,且二次熔化沉积部分材料致密性高、原材料层与二次沉积材料粘结牢固,可有效提高制件性能质量。
(3)本发明结合图像采集与深度神经网络质量评估模型,系统鲁棒性高,准确率高。
附图说明
图1为本发明的系统示意图。
图2为本发明的方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
本实施例提出一种基于送粉的激光熔化沉积的增减材智能复合加工系统,系统组成如图1所示。
第一激光单元,第一激光单元用于产生第一激光束,协同送粉装置按加工数据进行熔化沉积,形成材料层。第一激光单元包括必要的可产生连续激光源的激光发生器,用于激光传导的光纤;还包括送粉器和同轴送粉喷头的送粉系统;包括运动系统,如包含激光准直和聚焦系统的六轴关节型焊接机器人,控制第一激光单元的移动。
第二激光单元,包括可产生脉冲激光源的激光发生器,可调控激光束开/关和激光功率变化的声光调制器;包括如准直和聚焦的光学系统,对激光束进行准直、偏转与聚焦;包括自动高精度三维线性平台的运动系统,控制第二激光单元的移动。
第三激光单元,包括可产生脉冲激光源的激光发生器,可调控激光束开/关和激光功率变化的声光调制器,配备如F-theta镜头的激光扫描仪;包括含送粉器和同轴送粉喷头的送粉系统;包括自动高精度三维线性平台的运动系统,控制第三激光单元的运动。
图像采集系统与质量评估系统,通过CCD相机、红外热像仪等设备获取沉积过程中的实时图像,经过灰度化处理、切割、归一化等预处理,输入训练好的基于CNN或LSTM的深度神经网络模型,来评估所述材料层的成型质量,并将结果存储。
第一激光单元与图像采集系统共同安装在第一激光单元的运动系统上,跟随获取熔化沉积过程中的工艺图像,包括熔池图像、羽流及飞溅物图像和制件表面形貌图像;图像采集系统实时地对所获工艺图像进行预处理,获得特征图像,以降低后续深度神经网络训练难度和提高模型性能,预处理过程如下:利用基于类Haar特征对图像中高亮的熔池、飞溅物和羽流等进行识别,由于在实际增材制造加工中,熔池位置相对于沉积喷头的相对位移不大,所以在沉积开始阶段对熔池进行识别后,后续的过程基于卡尔曼滤波方法对熔池、羽流、飞溅物及表面形貌等的位置进行追踪,进而对图像进行切割来抠取每个熔池、羽流和飞溅物等的局部图像,去除图像中的其他部分;切割后所获图像通过预设的阈值将灰度图像变换为二值化图像;根据变换后的二值化图像进行归一化处理来获得反应熔池、羽流、飞溅物形状、大小、及表面形貌等的特征图像;红外热像仪跟随沉积过程实时监测熔池的温度并存储。
质量评估系统:预先使用实验所得的激光熔化沉积工艺参数和沉积件缺陷数据,训练基于深度神经网络的制件质量评估模型,将图像采集系统所得的特征图像和实时温度数据输入制件质量评估模型,输出结果形式为列表形式,输出组成包括缺陷类型、评估准确可信度以及缺陷坐标、大小、走向等分部信息,以评估第一激光单元沉积形成的材料层的表面粗糙度、表面形貌尺寸与合格尺寸的差值等表面质量,以及沉积层内部的裂纹、气孔、缝隙等材料内部质量,并在沉积过程中记录存储出现内部缺陷的坐标值、缺陷的分布区域和大致深度等;若沉积层无质量问题,进入下一沉积层的激光熔化沉积过程,若沉积层存在质量问题,进入增减材修复控制系统。
基于深度神经网络的制件质量评估模型,训练过程如下:
数据采集及预处理:在实验环境下,通过改变激光功率、扫描速度、扫描间距、送粉速度、控制保护气氛开闭等沉积工艺参数,进行熔化沉积实验,使沉积层产生特定的如裂缝、气孔等缺陷,利用超高速摄像机和红外热像仪获取其沉积过程的视频影像,同时红外热像仪跟随沉积过程实时监测熔池的温度并存储数据;所得视频影像及温度数据经预处理后作为后续构建质量评估系统的深度神经网络模型的数据。预处理过程包括:逐帧对视频影像进行图像切割来抠取每个熔池、羽流等特征的局部图像,去除图像中的其他部分;切割后所获图像通过预设的阈值将灰度图像变换为二值化图像;根据变换后的二值化图像进行归一化处理来获得反应熔池、羽流、飞溅物形状、大小、及表面形貌等的特征图像;对各种不同缺陷对应的特征图像和对应时刻下的温度数据进行分类,得到各类缺陷对应的工艺过程的特征图像及温度数据集;并将其按比例分为训练集和测试集。
模型建立:建立CNN模型,选用VGG-19部分网络层,并利用迁移学习相关知识,使用VGG-19在ImageNet数据集上训练好的参数作为模型初始化参数,以此获得良好的初始权重。在提取特征之后,增加了一层1*1卷积和两层3*3卷积,融合VGG-19第八层卷积得到的256通道持征映射图,跨通道组织信息的同时,实现降维和减小图像尺寸。在此之后的两层LSTM用以提取时序信息。在模型的最后,吸收借鉴了Inception-Net的设计技巧,LSTM的输出值经过全局池化层、1*1卷积层和softmax层得到整个模型的输出值。在卷积层部分提取到有效特征之后设置两层conv_1stm,为避免过拟合在训练过程中使用dropou方法,设置节点保留率为dropout_keep_prob=0.5。
保存模型:训练完成后,将模型权重保存,即可用于制件成形质量预测。
增减材修复控制系统,由实验制定不同缺陷修复工艺的对应表,并整合到增减材修复控制系统中,根据前述质量评估结果,结合缺陷修复工艺的对应表确定修复其缺陷所需的工艺参数。对表面粗糙度,毛刺飞边等,需要对照得到第二激光单元减材加工的切除坐标厚度,或激光扫描坐标、速度、功率等。对材料层内部存在的裂纹、气孔等缺陷,修复控制系统确定缺陷坐标,需要对照得到激光刻蚀区域的长度、宽度、深度等尺寸,并确定第三激光单元增材加工所需的坐标、送粉量、激光功率等工艺参数。
第二激光单元:产生第二激光束,根据增减材修复控制系统确定的制件修复工艺参数对材料层进行减材加工;若沉积层存在表面质量问题,则根据增减材修复控制系统所得修复工艺参数,启动该第二激光单元对材料层进行脉冲激光扫描切除多余材料,以达到修复光整沉积层表面质量差、毛刺飞边等问题,以达到切除多余材料使沉积层形貌尺寸符合要求;若沉积层不存在表面质量问题,系统进入下一激光熔化沉积过程;若沉积层存在内部缺陷或同时存在表面缺陷和内部缺陷,根据增减材修复控制系统所得修复工艺参数对材料层进行激光刻蚀减材加工以使材料层的内部缺陷暴露出来,并且启动第三激光单元进行增材修复过程;第二激光单元包括可产生脉冲激光源的激光发生器、可调控激光束开/关和激光功率变化的声光调制器、准直和聚焦系统的光学系统和自动高精度三维线性平台的运动系统。
第三激光单元:产生第三激光束;根据增减材修复控制系统所得修复工艺参数,协同送粉装置对第二激光单元对材料层的激光刻蚀空腔或刻痕进行熔化沉积增材加工;第三激光单元包括可产生脉冲激光源的激光发生器、可调控激光束开/关、激光功率变化的声光调制器、激光扫描仪、送粉装置和自动高精度三维线性平台的运动系统。
所述的第一激光单元、第二激光单元和第三激光单元,产生激光束的光源分别为连续激光源、脉冲激光源和脉冲激光源。
所述的脉冲激光源产生的脉冲激光频率为100KHz~10MHz。
所述的脉冲激光源产生持续时间为10飞秒~600皮秒之间的脉冲。
所述的质量评估系统,采用CNN或LSTM深度神经网络模型。
本发明实施例还提供了一种三激光束智能增减材复合制造方法,如图2所示,具体步骤如下:
a)形成材料层:由第一激光单元产生连续的第一激光束,对材料粉末进行熔化沉积,形成沉积层。
b)图像信息采集:由图像采集系统对沉积过程中的熔池、羽流、飞溅物等表面形貌进行图像采集并进行预处理得到特征图像,用于后续制件的质量评估模型和增减材修复控制系统的输入参数。
c)质量评估:通过质量评估系统对图像采集系统获取的特征图像进行评估,输出结果若评估准确可信度低于预设阈值,则沉积层无质量问题,则增材制造设备进入下一激光熔化沉积制造过程,否则,通过质量评估系统确定材料层存在的表面缺陷及内部缺陷,并存储当前工艺坐标及缺陷分布信息。
d)确定修复工艺参数:在步骤c)的质量评估系统评估材料层有质量问题后,通过增减修复控制系统确定各缺陷的修复工艺参数。
e)减材加工过程Ⅰ:若材料层经质量评估系统评估存在内部缺陷或同时存在内部缺陷与表面缺陷,则对材料层进行激光刻蚀减材加工,将内部气孔、裂纹等暴露出来;若材料层质量评估系统经评估只存在表面质量缺陷,则对材料层进行表面减材加工,去除材料层表面如毛刺、飞边,减小表面粗糙度等,切除沉积层多余材料部分,保持表面形貌尺寸合格,并且增材制造设备进入下一激光熔化沉积制造过程。
f)增材加工过程:通过对步骤e)的激光刻蚀后的材料层表面刻痕、空腔或切口进行激光熔化沉积增材加工,修复材料层以恢复其期望的表面形貌特征。
g)减材加工过程Ⅱ:本步骤为可选的,当沉积层存在内部缺陷时,修复过程包括减材加工过程Ⅰ、增材加工过程以及本步骤减材加工过程Ⅱ,使沉积层存在的内部缺陷经过激光刻蚀暴露出来、增材加工以填补刻痕或空腔、减材加工以光整沉积层表面。
当然上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种三激光束智能增减材复合制造系统,其特征在于,包括第一、第二、第三激光单元、图像采集系统、质量评估系统、增减材修复控制系统;
所述图像采集系统与所述第一激光单元同步运动,用于跟随获取熔化沉积过程中的工艺图像,实时地对所述工艺图像进行预处理,获得特征图像与熔池温度;
所述质量评估系统用于对所述特征图像与熔池温度输入制件质量评估模型,输出组成包括缺陷类型、评估准确可信度以及缺陷坐标、大小、走向分部信息至少其中之一,并在沉积过程中记录存储包括出现内部缺陷的坐标值、缺陷的分布区域和深度信息;
所述增减材修复控制系统用于对所述质量评估系统的评估结果与缺陷修复工艺的对应表放假行对照并制定修复计划;
所述第二激光单元用于对制件修复工艺参数对材料层进行减材加工;
所述第三激光单元用于对所暴露出的材料层内部缺陷进行增材修复。
2.根据权利要求1所述的三激光束智能增减材复合制造系统,其特征在于,所述第一激光单元包括激光发生器、送粉器和同轴送粉喷头的送粉装置和运动系统,所述激光发生器与所述图像采集系统由所述运动系统同步驱动位移。
3.根据权利要求2所述的三激光束智能增减材复合制造系统,其特征在于,
所述图像采集系统包括高速摄像机和红外热像仪,所述高速摄像机用于获取所述工艺图像,所述红外热像仪用于获取所述熔池温度。
4.根据权利要求1所述的三激光束智能增减材复合制造系统,其特征在于,所述特征图像包括反应熔池、羽流、飞溅物的形状、大小、及表面形貌。
5.根据权利要求1所述的三激光束智能增减材复合制造系统,其特征在于,所述第二、第三激光单元产生激光束的光源为脉冲激光源,所述脉冲激光源产生的脉冲激光频率为100KHz~10MHz;所述的脉冲激光源产生持续时间为10飞秒~600皮秒之间的脉冲。
6.根据权利要求1所述的三激光束智能增减材复合制造系统,其特征在于,所述质量评估系统采用CNN或LSTM深度神经网络模型。
7.一种使用权利要求1-6任一项所述三激光束智能增减材复合制造系统进行制造的方法,其特征在于,包括以下步骤:
S1:形成材料层:由第一激光单元产生连续的第一激光束,对材料粉末进行熔化沉积,形成沉积层;
S2:图像信息采集:由图像采集系统对沉积过程中的熔池、羽流、飞溅物的表面形貌进行图像采集并进行预处理得到特征图像,用于后续成型件的质量评估模型和增减材修复控制系统的输入参数;
S3:质量评估:通过质量评估系统对图像采集系统获取的特征图像进行评估,输出结果若评估准确可信度低于预设阈值,则沉积层无质量问题,则增材制造设备进入下一激光熔化沉积制造过程,否则,通过质量评估系统确定材料层存在的表面缺陷及内部缺陷,并存储当前工艺坐标及缺陷分布信息;
S4:确定修复工艺参数:在步骤S3的质量评估系统评估材料层有质量问题后,通过增减修复控制系统确定各缺陷的修复工艺参数;
S5:减材加工过程Ⅰ:若材料层经质量评估系统评估存在内部缺陷或同时存在内部缺陷与表面缺陷,则根据增减修复控制系统确定各缺陷的修复工艺参数使用第一激光单元对材料层进行激光刻蚀减材加工,将内部气孔、裂纹暴露出来;若材料层质量评估系统经评估只存在表面质量缺陷,则根据增减修复控制系统确定各缺陷的修复工艺参数对材料层进行表面减材加工,去除材料层表面的毛刺、飞边,减小表面粗糙度,切除沉积层多余材料部分,保持表面形貌尺寸合格,并且增材制造设备进入下一激光熔化沉积制造过程;
S6:增材加工过程:通过对步骤e)的激光刻蚀后的材料层表面刻痕、空腔或切口进行激光熔化沉积增材加工,使用第二激光单元修复材料层以恢复其期望的表面形貌特征;
S7:减材加工过程Ⅱ:当沉积层存在内部缺陷时,修复过程包括所述减材加工过程Ⅰ、所述增材加工过程,使沉积层存在的内部缺陷经过激光刻蚀暴露出来、增材加工以填补刻痕或空腔、减材加工以光整沉积层表面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007873.0A CN111151751B (zh) | 2020-01-02 | 2020-01-02 | 一种三激光束智能增减材复合制造系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007873.0A CN111151751B (zh) | 2020-01-02 | 2020-01-02 | 一种三激光束智能增减材复合制造系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111151751A true CN111151751A (zh) | 2020-05-15 |
CN111151751B CN111151751B (zh) | 2022-03-22 |
Family
ID=70561642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010007873.0A Active CN111151751B (zh) | 2020-01-02 | 2020-01-02 | 一种三激光束智能增减材复合制造系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111151751B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801091A (zh) * | 2021-01-26 | 2021-05-14 | 汕头大学 | 一种基于深度学习的增材制造制件成形质量监控与预测方法 |
CN113624804A (zh) * | 2021-07-20 | 2021-11-09 | 武汉大学 | 一种增材制造构件的无损检测方法及系统 |
CN113732308A (zh) * | 2021-08-10 | 2021-12-03 | 广东工业大学 | 3d打印孔隙缺陷的检测修复方法以及检测修复装置 |
WO2023287066A1 (ko) * | 2021-07-12 | 2023-01-19 | 울산과학기술원 | 인공 지능을 이용하여, 조형물의 표면 조도를 예측하여 제공하는 장치 및 방법, 및 조형 조건을 예측하여 제공하는 장치 및 방법 |
WO2023039701A1 (en) * | 2021-09-14 | 2023-03-23 | Shenzhen Xpectvision Technology Co., Ltd. | 3d (3-dimensional) printing with void filling |
CN115867403A (zh) * | 2020-08-19 | 2023-03-28 | 卡尔蔡司工业测量技术有限公司 | 用于工件的增材制造的方法和装置 |
CN116275114A (zh) * | 2023-05-12 | 2023-06-23 | 山东海纳智能装备科技股份有限公司 | 一种基于激光增材制造的过程监控控制系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102248164A (zh) * | 2011-05-23 | 2011-11-23 | 丹阳惠达模具材料科技有限公司 | 一种激光微区再制造梯度功能模具的方法 |
CN105382259A (zh) * | 2015-12-03 | 2016-03-09 | 大连理工大学 | 一种选区激光熔化复合制造机床及工件复合制造方法 |
US20160082664A1 (en) * | 2013-10-21 | 2016-03-24 | Made In Space, Inc. | Seamless scanning and production devices and methods |
CN105538728A (zh) * | 2016-02-23 | 2016-05-04 | 中国科学院重庆绿色智能技术研究院 | 一种激光增减材复合制造的方法与装置 |
CN105852998A (zh) * | 2016-05-12 | 2016-08-17 | 中国人民解放军第四军医大学 | 一种口腔修复体的cad/cam/3d自动化加工方法 |
CN107263858A (zh) * | 2017-07-03 | 2017-10-20 | 华中科技大学 | 一种异质多材料增材制造系统 |
CN109676135A (zh) * | 2018-11-28 | 2019-04-26 | 大连理工大学 | 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 |
-
2020
- 2020-01-02 CN CN202010007873.0A patent/CN111151751B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102248164A (zh) * | 2011-05-23 | 2011-11-23 | 丹阳惠达模具材料科技有限公司 | 一种激光微区再制造梯度功能模具的方法 |
US20160082664A1 (en) * | 2013-10-21 | 2016-03-24 | Made In Space, Inc. | Seamless scanning and production devices and methods |
CN105382259A (zh) * | 2015-12-03 | 2016-03-09 | 大连理工大学 | 一种选区激光熔化复合制造机床及工件复合制造方法 |
CN105538728A (zh) * | 2016-02-23 | 2016-05-04 | 中国科学院重庆绿色智能技术研究院 | 一种激光增减材复合制造的方法与装置 |
CN105852998A (zh) * | 2016-05-12 | 2016-08-17 | 中国人民解放军第四军医大学 | 一种口腔修复体的cad/cam/3d自动化加工方法 |
CN107263858A (zh) * | 2017-07-03 | 2017-10-20 | 华中科技大学 | 一种异质多材料增材制造系统 |
CN109676135A (zh) * | 2018-11-28 | 2019-04-26 | 大连理工大学 | 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 |
Non-Patent Citations (1)
Title |
---|
郭龙龙 等: "脉冲TIG增材制造技术研究进展", 《材料工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115867403A (zh) * | 2020-08-19 | 2023-03-28 | 卡尔蔡司工业测量技术有限公司 | 用于工件的增材制造的方法和装置 |
CN112801091A (zh) * | 2021-01-26 | 2021-05-14 | 汕头大学 | 一种基于深度学习的增材制造制件成形质量监控与预测方法 |
WO2023287066A1 (ko) * | 2021-07-12 | 2023-01-19 | 울산과학기술원 | 인공 지능을 이용하여, 조형물의 표면 조도를 예측하여 제공하는 장치 및 방법, 및 조형 조건을 예측하여 제공하는 장치 및 방법 |
CN113624804A (zh) * | 2021-07-20 | 2021-11-09 | 武汉大学 | 一种增材制造构件的无损检测方法及系统 |
CN113732308A (zh) * | 2021-08-10 | 2021-12-03 | 广东工业大学 | 3d打印孔隙缺陷的检测修复方法以及检测修复装置 |
WO2023039701A1 (en) * | 2021-09-14 | 2023-03-23 | Shenzhen Xpectvision Technology Co., Ltd. | 3d (3-dimensional) printing with void filling |
CN116275114A (zh) * | 2023-05-12 | 2023-06-23 | 山东海纳智能装备科技股份有限公司 | 一种基于激光增材制造的过程监控控制系统 |
CN116275114B (zh) * | 2023-05-12 | 2023-08-04 | 山东海纳智能装备科技股份有限公司 | 一种基于激光增材制造的过程监控控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111151751B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111151751B (zh) | 一种三激光束智能增减材复合制造系统 | |
CN106583949B (zh) | 航空发动机单晶高涡空心叶片气膜孔低损伤的加工方法 | |
CA2467221C (en) | Method and system for real-time monitoring and controlling height of deposit by using image photographing and image processing technology in laser cladding and laser-aided direct metal manufacturing process | |
CN111037052B (zh) | 电弧增材制造成形检测反馈补偿系统及检测反馈补偿方法 | |
Pandey et al. | Multiple quality optimization in laser cutting of difficult-to-laser-cut material using grey–fuzzy methodology | |
Torims | The application of laser cladding to mechanical component repair, renovation and regeneration | |
CN103074625A (zh) | 一种可移动式激光熔覆及修复系统 | |
CN104674210A (zh) | 一种工件激光自动化修复方法 | |
Ertveldt et al. | MiCLAD as a platform for real-time monitoring and machine learning in laser metal deposition | |
CN109518180B (zh) | 一种自适应激光沉积修复的装置和方法 | |
CN103394807A (zh) | 利用激光边缘切割提高金属熔覆沉积增材制造精度的方法及装置 | |
CN112439971B (zh) | 一种自适应非平整面的连续电弧增材制造方法及装置 | |
CN113664222A (zh) | 一种用于定向能量沉积设备的复合激光装置与方法 | |
CN109967878A (zh) | 激光裂纹修复系统和激光裂纹修复方法 | |
CN111761819B (zh) | 一种激光粉末床熔融成形件缺陷在线监测方法 | |
CN214443088U (zh) | 一种激光增减材复合五轴机械加工成型设备 | |
Valtonen et al. | Real-time monitoring and defect detection of laser scribing process of CIGS solar panels utilizing photodiodes | |
CN112338209A (zh) | 一种激光增减材复合五轴机械加工成型设备及加工方法 | |
CN111136269B (zh) | 石蜡保护激光增减材加工无夹杂复杂内通道的工艺方法 | |
CN115213568A (zh) | 一种复合激光加工系统及加工方法 | |
CN211939504U (zh) | 一种螺旋锥齿轮飞秒激光加工系统 | |
Noor et al. | Dual-stage artificial neural network (ANN) model for sequential LBMM-μEDM-based micro-drilling | |
CN111992877A (zh) | 一种高精度激光增减材的复合制造装置 | |
Nan et al. | Laser remanufacturing based on the integration of reverse engineering and laser cladding | |
CN117136116A (zh) | 用于控制工件表面激光加工过程的方法和控制设备及籍该加工过程加工工件表面的加工系统 |
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 |