CN111179267A - 一种零件表面激光熔覆制造过程的质量监测方法 - Google Patents

一种零件表面激光熔覆制造过程的质量监测方法 Download PDF

Info

Publication number
CN111179267A
CN111179267A CN202010073269.8A CN202010073269A CN111179267A CN 111179267 A CN111179267 A CN 111179267A CN 202010073269 A CN202010073269 A CN 202010073269A CN 111179267 A CN111179267 A CN 111179267A
Authority
CN
China
Prior art keywords
laser cladding
dimensional data
image
pixel
ith pixel
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
CN202010073269.8A
Other languages
English (en)
Other versions
CN111179267B (zh
Inventor
张大兵
张田力
翟润行
胡雨婷
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN202010073269.8A priority Critical patent/CN111179267B/zh
Publication of CN111179267A publication Critical patent/CN111179267A/zh
Application granted granted Critical
Publication of CN111179267B publication Critical patent/CN111179267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C24/00—Coating starting from inorganic powder
    • C23C24/08—Coating starting from inorganic powder by application of heat or pressure and heat
    • C23C24/10—Coating starting from inorganic powder by application of heat or pressure and heat with intermediate formation of a liquid phase in the layer
    • 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
    • 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
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G01J5/485—Temperature profile
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • 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
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • 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

  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Materials Engineering (AREA)
  • Quality & Reliability (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Radiation Pyrometers (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明公开了一种零件表面激光熔覆制造过程的质量监测方法，包括以下步骤：进行重复激光熔覆零件生产，获得激光熔覆零件生产过程中所有区域的红外热像图片序列及其对应的温度并进行处理，生成高维数据；对比生产成功和生产失败的零件的高维数据，确定激光熔融零件生产工序中的重点关注区域；将重点关注区域的高维数据取均值，得到基准数据，并处理得到阈值；新的零件生产过程中，获取高维数据并与基准数据做比较，如果差值在阈值范围外，发出警告，提醒人工干预。本方法可以适用于大批量制造，对象为材料表面改性生产过程中的激光熔覆零件生产质量过程监测，具有极高的准确性，同时使用起来方法简单，成本较低，同时抗干扰能力强。

Description

一种零件表面激光熔覆制造过程的质量监测方法
技术领域
本发明涉及零件质量检测领域，特别涉及一种零件表面激光熔覆制造过程的质量监测方法。
背景技术
激光熔覆技术是以不同的填料方式在被涂覆基体表面上放置选择的涂层材料，经激光辐照使之和基体表面一薄层同时融化，并快速凝固后形成稀释度极低并与基体材料成冶金结合地表面涂层，从而改善基体材料的耐磨、耐蚀、抗氧化及电器特性等的工艺方法。为了保障激光熔覆后的零件表面的质量，需要在生产工程中进行质量检测，发现可能出现的问题时进行过程干预，保证最后的成品质量。
在我国，用于激光熔覆零件表面的质量检测方法的研究起步较晚，使用的方法较为简单，如新疆大学的“基于红外无损检测的激光熔覆零件表面质量评价方法”中使用的方法用到的检测点数量较少，无法实时预测变化。而专门用于材料表面改性生产过程中的激光熔覆零件表面的质量检测方法更是少之又少，很多方法过于庞大，无法适用于中小型企业使用。
发明内容
为了解决上述技术问题，本发明提供一种准确度高、抗干扰性强、方法简单的零件表面激光熔覆制造过程的质量监测方法。
本发明解决上述问题的技术方案是：一种零件表面激光熔覆制造过程的质量监测方法，包括以下步骤：
(1)对需要材料表面改性的零件进行激光熔覆，选择激光熔覆工艺参数；
(2)在确定的生产工艺下进行重复激光熔覆零件生产，使用红外热像仪获得激光熔覆零件重复生产过程中所有区域的红外热像图片序列及其对应的温度；
(3)对重复生产过程中红外热像图片序列及其对应的温度进行处理，生成高维数据；
(4)对比重复生产过程中生产成功和生产失败的零件的高维数据，确定激光熔融零件生产工序中的重点关注区域；
(5)将重点关注区域的高维数据取均值，得到基准数据，并处理得到阈值；
(6)新的零件生产过程中，获取零件生产工序中重点关注区域的红外热像图片序列及其对应温度，经处理后生成的高维数据与基准数据做比较，如果差值在阈值范围外，发出警告，提醒人工干预。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(2)中，红外热像仪采用美国FLIR红外摄像仪Therma Vision A40M。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(3)中，高维数据向量表述为
Figure BDA0002377806660000024
其中i表示红外热像仪拍摄图像的第i个像素；xi表示红外热像仪拍摄图像的第i个像素的像素值，ti表示红外热像仪拍摄图像的第i个像素对应的温度，
Figure BDA0002377806660000021
表示红外热像仪拍摄的当前图像的第i个像素的邻域空间加权温度值，表达周围空间对第i个像素的影响，表征空间属性；
Figure BDA0002377806660000022
表示红外热像仪拍摄的当前图像之前拍摄的图像的第i个像素的加权温度值，表达时间对第i个像素的影响，表征时间属性。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(3)中，将当前图像的第i个像素的邻域空间视为一个空间马尔科夫场，则
Figure BDA0002377806660000023
的数学表达式为：
Figure BDA0002377806660000031
Ni表示红外热像仪拍摄当前图像的第i个像素的邻域像素集合，λij表示邻域像素中的第j个像素对第i个像素的影响系数，并且λij＝1/n，其中，n为邻域像素的个数，tj为红外热像仪拍摄图像中的第i个像素的邻域像素中的第j个像素对应温度值。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(3)中，将当前图像的邻近时间域视为一个时间马尔科夫场，
Figure BDA0002377806660000032
数学表达式为：
Figure BDA0002377806660000033
Ti表示红外热像仪拍摄的当前图像之前拍摄图像第i个像素的集合，λab表示当前图像之前拍摄的第b个图像的第i个像素对当前图像a第i个像素的影响系数，并且λab＝1/m，其中，m为当前图像之前拍摄图像的数量，tb为红外热像仪拍摄当前图像之前拍摄的第b个图像的第i个像素对应的温度值。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(3)中，当前图像之前拍摄图像的取法有两种，其一为只取当前图像之前的拍摄图像，则对应结果只考虑之前时间对像素的影响；另一个为对称取法，即取当前图像前后的相同数量的图像，这样则考虑时间对像素的影响。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(4)中，确定重点关注区域的过程为：找到生产失败的零件出现问题的区域，将零件出现问题的区域对应处理得到的高维数据与生产成功的零件的高维数据进行对比，找出在生产过程中该区域附近最早发生数据偏移的地方，作为最终的重点关注区域。
上述零件表面激光熔覆制造过程的质量监测方法，所述步骤(5)中，阈值的取得方法为：使用同一种拍摄帧率，对对应图像的对应像素的高维数据取均值，作为基准数据，同时得到和基准数据欧氏距离最大的数据，将和基准数据欧氏距离最大的数据减去基准数据，得到阈值。
与现有技术相比，本发明的有益效果为：
本发明首先重复采集激光熔覆零件多次生产过程中所有区域的红外热像图片序列及其对应的温度，对生产过程中红外热像图片序列及其对应的温度进行处理，生成高维数据；然后对比生产成功和生产失败的零件的高维数据，确定激光熔融零件生产工序中的重点关注区域；再将重点关注区域的高维数据取均值，得到基准数据；最后通过实际生产过程中获取的数据与基准数据进行对比，确定生产过程中零件的表面变化是否与标准试验情况一致，对零件表面情况进行判断，如果两者偏离过大，超过阈值则发出警告。本方法可以适用于大批量制造的，对象为材料表面改性生产过程中的激光熔覆零件的生产质量过程监测，具有极高的准确性，同时使用起来方法简单，成本较低，同时抗干扰能力强。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示，一种零件表面激光熔覆制造过程的质量监测方法，包括以下步骤：
(1)对需要材料表面改性的零件进行激光熔覆，选择激光熔覆工艺参数。
(2)在确定的生产工艺下进行重复激光熔覆零件生产，使用红外热像仪获得激光熔覆零件重复生产过程中所有区域的红外热像图片序列及其对应的温度。
红外热像仪可根据生产厂家进行选择，但需要可以获得红外热像图和每一个像素点对应的温度值。如采用美国FLIR红外摄像仪Therma Vision A40M。每秒获得的红外热像图的数量可根据使用的控制电脑的处理性能进行选择。
(3)对重复生产过程中红外热像图片序列及其对应的温度进行处理，生成高维数据。
高维数据向量表述为
Figure BDA0002377806660000051
其中i表示红外热像仪拍摄图像的第i个像素，如使用美国FLIR红外摄像仪Therma Vision A40M，得到的红外热像图分辨率为320×240，i取值范围则为[0，76800]；xi表示红外热像仪拍摄图像的第i个像素的像素值，ti表示红外热像仪拍摄图像的第i个像素对应的温度，
Figure BDA0002377806660000052
表示红外热像仪拍摄的当前图像的第i个像素的邻域空间加权温度值，表达周围空间对第i个像素的影响，表征空间属性；
Figure BDA0002377806660000053
表示红外热像仪拍摄的当前图像之前拍摄的图像的第i个像素的加权温度值，表达时间对第i个像素的影响，表征时间属性。
将当前图像的第i个像素的邻域空间视为一个空间马尔科夫场，则
Figure BDA0002377806660000054
的数学表达式为：
Figure BDA0002377806660000055
Ni表示红外热像仪拍摄当前图像的第i个像素的邻域像素集合，λij表示邻域像素中的第j个像素对第i个像素的影响系数，并且λij＝1/n，其中，n为邻域像素的个数，可取4、10或更多，依据电脑的处理能力选择；tj为红外热像仪拍摄图像中的第i个像素的邻域像素中的第j个像素对应温度值。
将当前图像的邻近时间域视为一个时间马尔科夫场，
Figure BDA0002377806660000056
数学表达式为：
Figure BDA0002377806660000057
Ti表示红外热像仪拍摄的当前图像之前拍摄图像第i个像素的集合，λab表示当前图像之前拍摄的第b个图像的第i个像素对当前图像a第i个像素的影响系数，并且λab＝1/m，其中，m为当前图像之前拍摄图像的数量，可取2、4或更多，依据电脑的处理能力选择；tb为红外热像仪拍摄当前图像之前拍摄的第b个图像的第i个像素对应的温度值。
当前图像之前拍摄图像的取法有两种，其一为只取当前图像之前的拍摄图像，则对应结果只考虑之前时间对像素的影响；另一个为对称取法，即取当前图像前后的相同数量的图像，这样则考虑时间对像素的影响。
(4)对比重复生产过程中生产成功和生产失败的零件的高维数据，确定激光熔融零件生产工序中的重点关注区域。
确定重点关注区域的过程为：找到生产失败的零件出现问题的区域，生产失败的零件通常为不符合生产目标的零件，如出现了气孔、裂纹等缺陷；将零件出现问题的区域对应处理得到的高维数据与生产成功的零件的高维数据进行对比，找出在生产过程中该区域附近最早发生数据偏移的地方，作为最终的重点关注区域。
(5)将重点关注区域的高维数据取均值，得到基准数据，并处理得到阈值。
阈值的取得方法为：使用同一种拍摄帧率，对对应图像的对应像素的高维数据取均值，作为基准数据，同时得到和基准数据欧氏距离最大的数据，将和基准数据欧氏距离最大的数据减去基准数据，得到阈值。
(6)新的零件生产过程中，获取零件生产工序中重点关注区域的红外热像图片序列及其对应温度，经处理后生成的高维数据与基准数据做比较，如果差值在阈值范围外，发出警告，提醒人工干预。

Claims (7)

1.一种零件表面激光熔覆制造过程的质量监测方法，其特征在于，包括以下步骤：
(1)对需要材料表面改性的零件进行激光熔覆，选择激光熔覆工艺参数；
(2)在确定的生产工艺下进行重复激光熔覆零件生产，使用红外热像仪获得激光熔覆零件重复生产过程中所有区域的红外热像图片序列及其对应的温度；
(3)对重复生产过程中红外热像图片序列及其对应的温度进行处理，生成高维数据；
(4)对比重复生产过程中生产成功和生产失败的零件的高维数据，确定激光熔融零件生产工序中的重点关注区域；
(5)将重点关注区域的高维数据取均值，得到基准数据，并处理得到阈值；
(6)新的零件生产过程中，获取零件生产工序中重点关注区域的红外热像图片序列及其对应温度，经处理后生成的高维数据与基准数据做比较，如果差值在阈值范围外，发出警告，提醒人工干预。
2.根据权利要求1所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于，所述步骤(3)中，高维数据向量表述为
Figure FDA0002377806650000011
其中i表示红外热像仪拍摄图像的第i个像素；xi表示红外热像仪拍摄图像的第i个像素的像素值，ti表示红外热像仪拍摄图像的第i个像素对应的温度，
Figure FDA0002377806650000012
表示红外热像仪拍摄的当前图像的第i个像素的邻域空间加权温度值，表达周围空间对第i个像素的影响，表征空间属性；
Figure FDA0002377806650000013
表示红外热像仪拍摄的当前图像之前拍摄的图像的第i个像素的加权温度值，表达时间对第i个像素的影响，表征时间属性。
3.根据权利要求2所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于，所述步骤(3)中，将当前图像的第i个像素的邻域空间视为一个空间马尔科夫场，则
Figure FDA0002377806650000021
的数学表达式为：
Figure FDA0002377806650000022
Ni表示红外热像仪拍摄当前图像的第i个像素的邻域像素集合，λij表示邻域像素中的第j个像素对第i个像素的影响系数，并且λij＝1/n，其中，n为邻域像素的个数，tj为红外热像仪拍摄图像中的第i个像素的邻域像素中的第j个像素对应温度值。
4.根据权利要求2所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于，所述步骤(3)中，将当前图像的邻近时间域视为一个时间马尔科夫场，
Figure FDA0002377806650000023
数学表达式为：
Figure FDA0002377806650000024
Ti表示红外热像仪拍摄的当前图像之前拍摄图像第i个像素的集合，λab表示当前图像之前拍摄的第b个图像的第i个像素对当前图像a第i个像素的影响系数，并且λab＝1/m，其中，m为当前图像之前拍摄图像的数量，tb为红外热像仪拍摄当前图像之前拍摄的第b个图像的第i个像素对应的温度值。
5.根据权利要求4所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于，所述步骤(3)中，当前图像之前拍摄图像的取法有两种，其一为只取当前图像之前的拍摄图像，则对应结果只考虑之前时间对像素的影响；另一个为对称取法，即取当前图像前后的相同数量的图像，这样则考虑时间对像素的影响。
6.根据权利要求4所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于：所述步骤(4)中，确定重点关注区域的过程为：找到生产失败的零件出现问题的区域，将零件出现问题的区域对应处理得到的高维数据与生产成功的零件的高维数据进行对比，找出在生产过程中该区域附近最早发生数据偏移的地方，作为最终的重点关注区域。
7.根据权利要求4所述的零件表面激光熔覆制造过程的质量监测方法，其特征在于：所述步骤(5)中，阈值的取得方法为：使用同一种拍摄帧率，对对应图像的对应像素的高维数据取均值，作为基准数据，同时得到和基准数据欧氏距离最大的数据，将和基准数据欧氏距离最大的数据减去基准数据，得到阈值。
CN202010073269.8A 2020-01-22 2020-01-22 一种零件表面激光熔覆制造过程的质量监测方法 Active CN111179267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010073269.8A CN111179267B (zh) 2020-01-22 2020-01-22 一种零件表面激光熔覆制造过程的质量监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010073269.8A CN111179267B (zh) 2020-01-22 2020-01-22 一种零件表面激光熔覆制造过程的质量监测方法

Publications (2)

Publication Number Publication Date
CN111179267A true CN111179267A (zh) 2020-05-19
CN111179267B CN111179267B (zh) 2023-05-12

Family

ID=70652959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010073269.8A Active CN111179267B (zh) 2020-01-22 2020-01-22 一种零件表面激光熔覆制造过程的质量监测方法

Country Status (1)

Country Link
CN (1) CN111179267B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344918A (zh) * 2021-08-02 2021-09-03 深圳市深科硅橡胶模具有限公司 一种热成型模具检测方法、系统和可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060191622A1 (en) * 2005-02-28 2006-08-31 The Boeing Company Real-time infrared thermography inspection and control for automated composite material layup
CN105427323A (zh) * 2015-12-07 2016-03-23 湖南大学 一种基于相位一致性的激光熔覆熔池边缘提取方法
CN105714285A (zh) * 2016-03-28 2016-06-29 中国科学院力学研究所 激光熔覆的闭环控制方法
CN106841177A (zh) * 2017-03-20 2017-06-13 哈尔滨工业大学（威海） 激光熔覆过程中的缺陷在线诊断方法
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
CN107478340A (zh) * 2017-07-25 2017-12-15 许继集团有限公司 一种换流阀监测方法及系统
CN107677372A (zh) * 2017-09-11 2018-02-09 华中科技大学 一种基于双目视觉的隧道检测方法
CN108624880A (zh) * 2018-08-10 2018-10-09 南通大学 一种激光熔覆质量智能控制系统及其智能控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060191622A1 (en) * 2005-02-28 2006-08-31 The Boeing Company Real-time infrared thermography inspection and control for automated composite material layup
CN105427323A (zh) * 2015-12-07 2016-03-23 湖南大学 一种基于相位一致性的激光熔覆熔池边缘提取方法
CN105714285A (zh) * 2016-03-28 2016-06-29 中国科学院力学研究所 激光熔覆的闭环控制方法
CN106841177A (zh) * 2017-03-20 2017-06-13 哈尔滨工业大学（威海） 激光熔覆过程中的缺陷在线诊断方法
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
CN107478340A (zh) * 2017-07-25 2017-12-15 许继集团有限公司 一种换流阀监测方法及系统
CN107677372A (zh) * 2017-09-11 2018-02-09 华中科技大学 一种基于双目视觉的隧道检测方法
CN108624880A (zh) * 2018-08-10 2018-10-09 南通大学 一种激光熔覆质量智能控制系统及其智能控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TANG QINGJU: "Quantitative detection of defects based on Markov–PCA–BP algorithm using pulsed infrared thermography technology" *
郭伟;董丽虹;徐滨士;瞿特;: "主动红外热像无损检测技术的研究现状与进展" *
郭峰: "基于红外无损检测的激光熔覆零件表面质量评价方法" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344918A (zh) * 2021-08-02 2021-09-03 深圳市深科硅橡胶模具有限公司 一种热成型模具检测方法、系统和可读存储介质

Also Published As

Publication number Publication date
CN111179267B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
JP6533789B2 (ja) 画像解析によってレーザービームのエネルギー密度を監視する方法、および対応する装置
CN105956618B (zh) 基于图像动静态特征的转炉炼钢吹炼状态识别系统及方法
Khanzadeh et al. A methodology for predicting porosity from thermal imaging of melt pools in additive manufacturing thin wall sections
CN109493292B (zh) 基于电力设备红外测温图像的增强处理方法和装置
CN116500086B (zh) 一种基于深度学习的铜复铝散热底板生产评价方法及系统
JP5128699B1 (ja) 配線検査方法および配線検査装置
CN116883412B (zh) 一种石墨烯远红外电热设备故障检测方法
CN111127384A (zh) 基于偏振成像的强反射工件视觉测量方法
CN115290696A (zh) 一种变电站绝缘子的红外热成像缺陷检测方法及装置
CN111179267B (zh) 一种零件表面激光熔覆制造过程的质量监测方法
CN115456938A (zh) 一种基于深度学习和超声红外图像的金属部件裂纹检测方法
CN117576014A (zh) 陶瓷基板质量检测方法、系统、电子设备及存储介质
CN116070484A (zh) 一种基于深度学习的在线实时预测构件状态的方法
CN113269744A (zh) 一种应用于输电线路设备缺陷的红外智能识别方法及系统
Yang et al. Investigating statistical correlation between multi-modality in-situ monitoring data for powder bed fusion additive manufacturing
CN109816651B (zh) 基于变化率与温度差异的热图像缺陷特征提取方法
CN114119720B (zh) 一种基于卷积神经网络的靶面弹着点的检测和定位方法
CN111429411B (zh) 一种碳纤维复合芯导线的x射线缺陷图像样本生成方法
CN113643352A (zh) 一种自然覆冰在线监测运行导线图像覆冰程度评估方法
CN111680448B (zh) 一种基于支持向量机svm分类的连铸坯纵裂纹预测方法
CN114494186A (zh) 一种高压输变电线路电气设备的故障检测方法
CN111089865A (zh) 一种基于f-rcnn的缺陷电缆检测方法
CN112149579A (zh) 一种基于改进yolo_v3的鸟巢隐患检测方法
CN117095010B (zh) 一种Chiplet数据通信传输真伪验证方法及系统
CN116525295B (zh) 一种高频脉冲电容用金属化薄膜及其制备方法

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