CN111521600A - 3d打印金属构件缺陷在线监测与分析装置及其控制方法 - Google Patents
3d打印金属构件缺陷在线监测与分析装置及其控制方法 Download PDFInfo
- Publication number
- CN111521600A CN111521600A CN202010339877.9A CN202010339877A CN111521600A CN 111521600 A CN111521600 A CN 111521600A CN 202010339877 A CN202010339877 A CN 202010339877A CN 111521600 A CN111521600 A CN 111521600A
- Authority
- CN
- China
- Prior art keywords
- metal component
- module
- defect
- printing
- data
- 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
- 239000002184 metal Substances 0.000 title claims abstract description 218
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 218
- 230000007547 defect Effects 0.000 title claims abstract description 139
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000010146 3D printing Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 238000007639 printing Methods 0.000 claims abstract description 22
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000002844 melting Methods 0.000 claims abstract description 8
- 230000008018 melting Effects 0.000 claims abstract description 8
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 45
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 11
- 238000000295 emission spectrum Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 239000011148 porous material Substances 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000012255 powdered metal Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G01N21/62—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
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
-
- 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
-
- 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
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- 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
-
- 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
Abstract
本发明属于3D打印技术领域，公开了一种3D打印金属构件缺陷在线监测与分析装置及其控制方法，所述3D打印金属构件缺陷在线监测与分析装置包括：金属构件在线监测模块、金属构件光谱采集模块、主控模块、鉴定模块、构件模型构建模块、缺陷分析模块、缺陷评价模块、打印模块、数据存储模块、显示模块。本发明通过鉴定模块采用根据牌号规定生成虚拟样本的方式构造训练样本集，具有更好的使用便捷性和可扩展性、准确性；同时，通过缺陷评价模块采用本发明的技术方案，能可靠地、准确地评价金属3D打印件的内部缺陷对力学性能的综合影响，从而进一步评价选区激光熔化制备工艺参数的合理性。
Description
技术领域
本发明属于3D打印技术领域，尤其涉及一种3D打印金属构件缺陷在线监测与分析装置及其控制方法。
背景技术
3D打印(3DP)即快速成型技术的一种，又称增材制造，它是一种以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。3D打印通常是采用数字技术材料打印机来实现的。常在模具制造、工业设计等领域被用于制造模型，后逐渐用于一些产品的直接制造，已经有使用这种技术打印而成的零部件。该技术在珠宝、鞋类、工业设计、建筑、工程和施工(AEC)、汽车，航空航天、牙科和医疗产业、教育、地理信息系统、土木工程、枪支以及其他领域都有所应用。然而，现有基于激光诱导击穿光谱分析的3D打印金属构件缺陷在线监测与分析装置不能准确鉴定金属构件牌号；同时，不能可靠准确的对金属构件缺进行综合评价。
综上所述，现有技术存在的问题及缺陷是：现有基于激光诱导击穿光谱分析的3D打印金属构件缺陷在线监测与分析装置不能准确鉴定金属构件牌号；同时，不能可靠准确的对金属构件缺进行综合评价。
发明内容
针对现有技术存在的问题，本发明提供了一种D打印金属构件缺陷在线监测与分析装置及其控制方法。
本发明是这样实现的，一种3D打印金属构件缺陷在线监测与分析装置的控制方法，所述3D打印金属构件缺陷在线监测与分析装置的控制方法包括以下步骤：
步骤一，通过金属构件在线监测模块利用在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份。
步骤二，通过金属构件光谱采集模块利用超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据。
步骤三，通过主控模块利用主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作。
步骤四，通过鉴定模块利用超短脉冲激光聚焦金属构件样品表面形成等离子体，进而对等离子体发射光谱进行分析以确定金属构件样品的光谱数据。
步骤五，离线牌号鉴定模型的建立步骤：根据牌号库中各牌号分析元素浓度区间，采用均匀分布生成随机样本，并对生成的随机样本的数据集进行标准化，使数据在每个元素维度上的取值范围均在[-1,1]之间。
步骤六，使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型；所述牌号鉴定模型为支持向量机SVM模型。
步骤七，实际金属牌号的鉴定：对待测样品的LIBS光谱强度数据进行预处理和定量分析得到待测样品化学组成元素浓度，与离线牌号鉴定模型进行比对从而实现对金属构件牌号的鉴定，并得到鉴定结果。
步骤八，通过构件模型构建模块利用建模程序根据采集的金属构件光谱数据构建金属构件模型。
步骤九，通过缺陷分析模块利用分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告。
步骤十，通过缺陷评价模块利用金属制备设备采用高低不同的体积能量密度，利用选区激光熔化方法制备金属3D打印拉伸件，测量金属3D打印拉伸件的相关参数；所述测量的金属3D打印拉伸件的相关参数包括孔隙缺陷面积、密度、抗拉强度、断后延伸率。
步骤十一，根据步骤九测得的相关参数计算缺陷影响因数；并选择某一工艺参数，利用选区激光熔化方法制备金属3D打印件，计算所述金属3D打印件的缺陷面积占比。
步骤十二，通过评价程序根据缺陷分析报告并利用获得的缺陷影响因数和缺陷面积占比，计算金属3D打印件的内部缺陷综合评指标，实现对金属构件缺陷进行综合评价。
步骤十三，通过打印模块利用打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件。
步骤十四，通过数据存储模块利用存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果。
步骤十五，通过显示模块利用显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
进一步，步骤六中，所述离线牌号鉴定模型的建立方法包括：
(I)获取牌号库中各牌号分析元素浓度区间；按比例扩展各牌号分析元素浓度区间；
(II)根据新的浓度区间范围生成随机样本；对随机样本浓度进行标准化；
(III)使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型。
进一步，步骤七中，所述实际金属牌号的鉴定方法包括：
(1)利用激光诱导击穿光谱的方法获取待测样品的LIBS光谱强度数据；对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据；
(2)对归一化后的光谱强度数据进行定量分析，得到待测样品化学组成元素浓度；
(3)使用离线牌号浓度鉴定模型对定量分析结果进行牌号浓度比对鉴定，输出鉴定结果。
进一步，所述对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据为：
1)光谱筛选：对原始数据集中的每张光谱计算其全谱强度和，然后根据阈值范围对全谱强度和对光谱进行异常点处理，剔除掉光谱强度和过低或过高的异常光谱；
2)归一化：对光谱筛选后的光谱数据使用其全谱强度和进行归一化，以补偿光谱强度的波动，计算公式如下：
其中，I′j表示归一化处理后的光谱强度数据，Ij表示波长j对应的光谱筛选后的原始光谱强度，Is表示光谱筛选后的原始光谱的全谱强度和。
进一步，步骤十中，所述高低不同的体积能量密度为：
第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度；其中，所述的第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度的体积能量密度各不相同。
进一步，所述第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度分别设置为较低的体积能量密度、高的体积能量密度、较高的体积能量密度、采用合适的体积能量密度。
进一步，所述第一体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全孔隙；第二体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全气泡；第三体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全裂纹；第四体积能量密度下，金属3D打印拉伸件的内部无裂纹、无气泡、具有少量孔隙。
本发明的另一目的在于提供一种应用所述的3D打印金属构件缺陷在线监测与分析装置的控制方法的3D打印金属构件缺陷在线监测与分析装置，所述3D打印金属构件缺陷在线监测与分析装置包括：
金属构件在线监测模块、金属构件光谱采集模块、主控模块、鉴定模块、构件模型构建模块、缺陷分析模块、缺陷评价模块、打印模块、数据存储模块、显示模块。
金属构件在线监测模块，与主控模块连接，用于通过在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份；
金属构件光谱采集模块，与主控模块连接，用于通过超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据；
主控模块，与金属构件在线监测模块、金属构件光谱采集模块、鉴定模块、构件模型构建模块、缺陷分析模块、缺陷评价模块、打印模块、数据存储模块、显示模块连接，用于通过主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作；
鉴定模块，与主控模块连接，用于通过鉴定设备对金属构件牌号进行鉴定；
构件模型构建模块，与主控模块连接，用于通过建模程序根据采集的金属构件光谱数据构建金属构件模型；
缺陷分析模块，与主控模块连接，用于通过分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告；
缺陷评价模块，与主控模块连接，用于通过评价程序根据缺陷分析报告对金属构件缺陷进行综合评价；
打印模块，与主控模块连接，用于通过打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件；
数据存储模块，与主控模块连接，用于通过存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果；
显示模块，与主控模块连接，用于通过显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的3D打印金属构件缺陷在线监测与分析装置的控制方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的3D打印金属构件缺陷在线监测与分析装置的控制方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过鉴定模块采用根据牌号规定生成虚拟样本的方式构造训练样本集，使得本发明中牌号匹配模型的建立过程无需大量金属样品，更无需进行大量实验采集样品光谱，因此本发明具有更好的使用便捷性和可扩展性、准确性；在根据牌号规定生成虚拟样本时，对牌号规定的元素浓度区间范围进行适当扩展，使得最终的训练集包含了一些并不属于对应牌号但非常接近的样本；同时，通过缺陷评价模块采用本发明的技术方案，能可靠地、准确地评价金属3D打印件的内部缺陷对力学性能的综合影响，从而进一步评价选区激光熔化制备工艺参数的合理性。
附图说明
图1是本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置的控制方法流程图。
图2是本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置的结构框图；
图中：1、金属构件在线监测模块；2、金属构件光谱采集模块；3、主控模块；4、鉴定模块；5、构件模型构建模块；6、缺陷分析模块；7、缺陷评价模块；8、打印模块；9、数据存储模块；10、显示模块。
图3是本发明实施例提供的通过鉴定设备对金属构件牌号进行鉴定的方法流程图。
图4是本发明实施例提供的离线牌号鉴定模型的建立方法流程图。
图5是本发明实施例提供的通过评价程序根据缺陷分析报告对金属构件缺陷进行综合评价的方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置的控制方法包括以下步骤：
S101，通过金属构件在线监测模块利用在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份。
S102，通过金属构件光谱采集模块利用超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据。
S103，通过主控模块利用主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作。
S104，通过鉴定模块利用鉴定设备对金属构件牌号进行鉴定；通过构件模型构建模块利用建模程序根据采集的金属构件光谱数据构建金属构件模型。
S105，通过缺陷分析模块利用分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告。
S106，通过缺陷评价模块利用评价程序根据缺陷分析报告对金属构件缺陷进行综合评价。
S107，通过打印模块利用打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件。
S108，通过数据存储模块利用存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果。
S109，通过显示模块利用显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
如图2所示，本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置包括：金属构件在线监测模块1、金属构件光谱采集模块2、主控模块3、鉴定模块4、构件模型构建模块5、缺陷分析模块6、缺陷评价模块7、打印模块8、数据存储模块9、显示模块10。
金属构件在线监测模块1，与主控模块3连接，用于通过在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份；
金属构件光谱采集模块2，与主控模块3连接，用于通过超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据；
主控模块3，与金属构件在线监测模块1、金属构件光谱采集模块2、鉴定模块4、构件模型构建模块5、缺陷分析模块6、缺陷评价模块7、打印模块8、数据存储模块9、显示模块10连接，用于通过主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作；
鉴定模块4，与主控模块3连接，用于通过鉴定设备对金属构件牌号进行鉴定；
构件模型构建模块5，与主控模块3连接，用于通过建模程序根据采集的金属构件光谱数据构建金属构件模型；
缺陷分析模块6，与主控模块3连接，用于通过分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告；
缺陷评价模块7，与主控模块3连接，用于通过评价程序根据缺陷分析报告对金属构件缺陷进行综合评价；
打印模块8，与主控模块3连接，用于通过打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件；
数据存储模块9，与主控模块3连接，用于通过存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果；
显示模块10，与主控模块3连接，用于通过显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置的控制方法如图1所示，作为优选实施例，如图3所示，本发明实施例提供的通过鉴定设备对金属构件牌号进行鉴定的方法包括：
S201，光谱数据获取：通过超短脉冲激光聚焦金属构件样品表面形成等离子体，进而对等离子体发射光谱进行分析以确定金属构件样品的光谱数据。
S202，离线牌号鉴定模型的建立：根据牌号库中各牌号分析元素浓度区间，生成随机样本并进行标准化，使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型。
S203，实际金属牌号鉴定：对待测样品的LIBS光谱强度数据进行预处理和定量分析得到待测样品化学组成元素浓度，与离线牌号鉴定模型进行比对从而得到鉴定结果。
如图4所示，本发明实施例提供的离线牌号鉴定模型的建立方法包括：
S301，获取牌号库中各牌号分析元素浓度区间；按比例扩展各牌号分析元素浓度区间。
S302，根据新的浓度区间范围生成随机样本；对随机样本浓度进行标准化。
S303，使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型。
本发明实施例提供的实际金属牌号鉴定的步骤包括：
(1)利用激光诱导击穿光谱的方法获取待测样品的LIBS光谱强度数据；对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据。
(2)对归一化后的光谱强度数据进行定量分析，得到待测样品化学组成元素浓度。
(3)使用离线牌号浓度鉴定模型对定量分析结果进行牌号浓度比对鉴定，输出鉴定结果。
本发明实施例提供的根据新的浓度区间范围生成随机样本是采用均匀分布生成随机样本。
本发明实施例提供的随机样本浓度进行标准化，具体为：对生成的随机样本的数据集进行标准化，使数据在每个元素维度上的取值范围均在[-1,1]之间。
本发明实施例提供的牌号鉴定模型为支持向量机SVM模型。
本发明实施例提供的对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据为：
1)光谱筛选：对原始数据集中的每张光谱计算其全谱强度和，然后根据阈值范围对全谱强度和对光谱进行异常点处理，剔除掉光谱强度和过低或过高的异常光谱。
2)归一化：对光谱筛选后的光谱数据使用其全谱强度和进行归一化，以补偿光谱强度的波动，计算公式如下：
其中，I′j表示归一化处理后的光谱强度数据，Ij表示波长j对应的光谱筛选后的原始光谱强度，Is表示光谱筛选后的原始光谱的全谱强度和。
实施例2
本发明实施例提供的3D打印金属构件缺陷在线监测与分析装置的控制方法如图1所示，作为优选实施例，如图5所示，本发明实施例提供的通过评价程序根据缺陷分析报告对金属构件缺陷进行综合评价的方法包括：
S401，通过金属制备设备采用高低不同的体积能量密度，利用选区激光熔化方法制备金属3D打印拉伸件，测量金属3D打印拉伸件的相关参数，根据相关参数来计算缺陷影响因数。
S402，选择某一工艺参数，利用选区激光熔化方法制备金属3D打印件，计算所述金属3D打印件的缺陷面积占比。
S403，利用获得的缺陷影响因数和缺陷面积占比，计算金属3D打印件的内部缺陷综合评指标。
本发明实施例提供的高低不同的体积能量密度为：第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度，其中，所述的第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度的体积能量密度各不相同。
本发明实施例提供的第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度分别设置为较低的体积能量密度、高的体积能量密度、较高的体积能量密度、采用合适的体积能量密度。
本发明实施例提供的测量的金属3D打印拉伸件的相关参数，包括孔隙缺陷面积、密度、抗拉强度、断后延伸率。
本发明实施例提供的第一体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全孔隙；第二体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全气泡；第三体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全裂纹；第四体积能量密度下，金属3D打印拉伸件的内部无裂纹、无气泡、具有少量孔隙。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，所述3D打印金属构件缺陷在线监测与分析装置的控制方法包括以下步骤：
步骤一，通过金属构件在线监测模块利用在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份；
步骤二，通过金属构件光谱采集模块利用超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据；
步骤三，通过主控模块利用主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作；
步骤四，通过鉴定模块利用超短脉冲激光聚焦金属构件样品表面形成等离子体，进而对等离子体发射光谱进行分析以确定金属构件样品的光谱数据；
步骤五，离线牌号鉴定模型的建立步骤：根据牌号库中各牌号分析元素浓度区间，采用均匀分布生成随机样本，并对生成的随机样本的数据集进行标准化，使数据在每个元素维度上的取值范围均在[-1,1]之间；
步骤六，使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型；所述牌号鉴定模型为支持向量机SVM模型；
步骤七，实际金属牌号的鉴定：对待测样品的LIBS光谱强度数据进行预处理和定量分析得到待测样品化学组成元素浓度，与离线牌号鉴定模型进行比对从而实现对金属构件牌号的鉴定，并得到鉴定结果；
步骤八，通过构件模型构建模块利用建模程序根据采集的金属构件光谱数据构建金属构件模型；
步骤九，通过缺陷分析模块利用分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告；
步骤十，通过缺陷评价模块利用金属制备设备采用高低不同的体积能量密度，利用选区激光熔化方法制备金属3D打印拉伸件，测量金属3D打印拉伸件的相关参数；所述测量的金属3D打印拉伸件的相关参数包括孔隙缺陷面积、密度、抗拉强度、断后延伸率；
步骤十一，根据步骤九测得的相关参数计算缺陷影响因数；并选择某一工艺参数，利用选区激光熔化方法制备金属3D打印件，计算所述金属3D打印件的缺陷面积占比；
步骤十二，通过评价程序根据缺陷分析报告并利用获得的缺陷影响因数和缺陷面积占比，计算金属3D打印件的内部缺陷综合评指标，实现对金属构件缺陷进行综合评价；
步骤十三，通过打印模块利用打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件；
步骤十四，通过数据存储模块利用存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果；
步骤十五，通过显示模块利用显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
2.如权利要求1所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，步骤六中，所述离线牌号鉴定模型的建立方法包括：
(I)获取牌号库中各牌号分析元素浓度区间；按比例扩展各牌号分析元素浓度区间；
(II)根据新的浓度区间范围生成随机样本；对随机样本浓度进行标准化；
(III)使用标准化后的随机样本数据集训练牌号鉴定模型，得到离线牌号浓度鉴定模型。
3.如权利要求1所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，步骤七中，所述实际金属牌号的鉴定方法包括：
(1)利用激光诱导击穿光谱的方法获取待测样品的LIBS光谱强度数据；对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据；
(2)对归一化后的光谱强度数据进行定量分析，得到待测样品化学组成元素浓度；
(3)使用离线牌号浓度鉴定模型对定量分析结果进行牌号浓度比对鉴定，输出鉴定结果。
4.如权利要求3所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，所述对原始LIBS光谱强度数据进行预处理，获取归一化后的光谱强度数据为：
1)光谱筛选：对原始数据集中的每张光谱计算其全谱强度和，然后根据阈值范围对全谱强度和对光谱进行异常点处理，剔除掉光谱强度和过低或过高的异常光谱；
2)归一化：对光谱筛选后的光谱数据使用其全谱强度和进行归一化，以补偿光谱强度的波动，计算公式如下：
其中，I′j表示归一化处理后的光谱强度数据，Ij表示波长j对应的光谱筛选后的原始光谱强度，Is表示光谱筛选后的原始光谱的全谱强度和。
5.如权利要求1所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，步骤十中，所述高低不同的体积能量密度为：
第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度；其中，所述的第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度的体积能量密度各不相同。
6.如权利要求5所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，所述第一体积能量密度、第二体积能量密度、第三体积能量密度、第四体积能量密度分别设置为较低的体积能量密度、高的体积能量密度、较高的体积能量密度、采用合适的体积能量密度。
7.如权利要求5所述的3D打印金属构件缺陷在线监测与分析装置的控制方法，其特征在于，所述第一体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全孔隙；第二体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全气泡；第三体积能量密度下，金属3D打印拉伸件的内部缺陷几乎为全裂纹；第四体积能量密度下，金属3D打印拉伸件的内部无裂纹、无气泡、具有少量孔隙。
8.一种应用如权利要求1～7任意一项所述的3D打印金属构件缺陷在线监测与分析装置的控制方法的3D打印金属构件缺陷在线监测与分析装置，其特征在于，所述3D打印金属构件缺陷在线监测与分析装置包括：
金属构件在线监测模块、金属构件光谱采集模块、主控模块、鉴定模块、构件模型构建模块、缺陷分析模块、缺陷评价模块、打印模块、数据存储模块、显示模块；
金属构件在线监测模块，与主控模块连接，用于通过在线监测设备对金属构件进行实时在线监测，并对监测数据进行备份；
金属构件光谱采集模块，与主控模块连接，用于通过超短脉冲激光聚焦金属构件表面形成等离子体，进而对等离子体发射光谱采集金属构件光谱数据；
主控模块，与金属构件在线监测模块、金属构件光谱采集模块、鉴定模块、构件模型构建模块、缺陷分析模块、缺陷评价模块、打印模块、数据存储模块、显示模块连接，用于通过主机控制所述3D打印金属构件缺陷在线监测与分析装置各个模块的正常工作；
鉴定模块，与主控模块连接，用于通过鉴定设备对金属构件牌号进行鉴定；
构件模型构建模块，与主控模块连接，用于通过建模程序根据采集的金属构件光谱数据构建金属构件模型；
缺陷分析模块，与主控模块连接，用于通过分析程序根据构建的金属构件模型对金属构件缺陷进行分析，并生成缺陷分析报告；
缺陷评价模块，与主控模块连接，用于通过评价程序根据缺陷分析报告对金属构件缺陷进行综合评价；
打印模块，与主控模块连接，用于通过打印机构根据构建的金属构件模型对金属构件进行3D打印，生成三维立体金属构件；
数据存储模块，与主控模块连接，用于通过存储芯片存储金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果；
显示模块，与主控模块连接，用于通过显示器显示金属构件在线监测数据、采集的光谱数据、金属构件模型、缺陷分析报告及综合评价结果的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7任意一项所述的3D打印金属构件缺陷在线监测与分析装置的控制方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述的3D打印金属构件缺陷在线监测与分析装置的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339877.9A CN111521600A (zh) | 2020-04-26 | 2020-04-26 | 3d打印金属构件缺陷在线监测与分析装置及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339877.9A CN111521600A (zh) | 2020-04-26 | 2020-04-26 | 3d打印金属构件缺陷在线监测与分析装置及其控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111521600A true CN111521600A (zh) | 2020-08-11 |
Family
ID=71904547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010339877.9A Pending CN111521600A (zh) | 2020-04-26 | 2020-04-26 | 3d打印金属构件缺陷在线监测与分析装置及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111521600A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282379A (zh) * | 2021-12-28 | 2022-04-05 | 滁州金诺实业有限公司 | 一种铝合金铸件无模成型铸造用成品质检管控系统 |
Citations (10)
| 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 |
| CN107764798A (zh) * | 2017-10-11 | 2018-03-06 | 华中科技大学 | 一种金属增材制造质量在线检测系统 |
| CN108038325A (zh) * | 2017-12-22 | 2018-05-15 | 北京工业大学 | 一种3d打印技术制造的多孔框架结构宏观弹性性能可靠性预测方法 |
| CN108760747A (zh) * | 2018-04-28 | 2018-11-06 | 浙江大学 | 一种3d打印模型表面缺陷视觉检测方法 |
| 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 |
| CN110414873A (zh) * | 2019-09-05 | 2019-11-05 | 安徽机电职业技术学院 | 一种金属3d打印件内部缺陷的综合评价方法 |
| CN110793959A (zh) * | 2018-08-03 | 2020-02-14 | 中国科学院沈阳自动化研究所 | 基于激光诱导击穿光谱的金属牌号鉴定方法 |
| CN110976861A (zh) * | 2019-11-29 | 2020-04-10 | 佛山科学技术学院 | 一种基于机器视觉的金属3d打印质量智能在线监控系统 |
| CN111024736A (zh) * | 2019-12-30 | 2020-04-17 | 苏州大学 | 一种激光增材制造的缺陷在线监测方法 |
| CN111036911A (zh) * | 2019-12-31 | 2020-04-21 | 西安交通大学 | 一种基于在线监测的金属增材制造构件孔隙缺陷清除方法 |
-
2020
- 2020-04-26 CN CN202010339877.9A patent/CN111521600A/zh active Pending
Patent Citations (10)
| 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 |
| CN107764798A (zh) * | 2017-10-11 | 2018-03-06 | 华中科技大学 | 一种金属增材制造质量在线检测系统 |
| CN108038325A (zh) * | 2017-12-22 | 2018-05-15 | 北京工业大学 | 一种3d打印技术制造的多孔框架结构宏观弹性性能可靠性预测方法 |
| CN108760747A (zh) * | 2018-04-28 | 2018-11-06 | 浙江大学 | 一种3d打印模型表面缺陷视觉检测方法 |
| CN110793959A (zh) * | 2018-08-03 | 2020-02-14 | 中国科学院沈阳自动化研究所 | 基于激光诱导击穿光谱的金属牌号鉴定方法 |
| 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 |
| CN110414873A (zh) * | 2019-09-05 | 2019-11-05 | 安徽机电职业技术学院 | 一种金属3d打印件内部缺陷的综合评价方法 |
| CN110976861A (zh) * | 2019-11-29 | 2020-04-10 | 佛山科学技术学院 | 一种基于机器视觉的金属3d打印质量智能在线监控系统 |
| CN111024736A (zh) * | 2019-12-30 | 2020-04-17 | 苏州大学 | 一种激光增材制造的缺陷在线监测方法 |
| CN111036911A (zh) * | 2019-12-31 | 2020-04-21 | 西安交通大学 | 一种基于在线监测的金属增材制造构件孔隙缺陷清除方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282379A (zh) * | 2021-12-28 | 2022-04-05 | 滁州金诺实业有限公司 | 一种铝合金铸件无模成型铸造用成品质检管控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yao et al. | Multifractal analysis of image profiles for the characterization and detection of defects in additive manufacturing | |
| US8255342B2 (en) | Method, apparatus, and program for generating prediction model based on multiple regression analysis | |
| KR20220037392A (ko) | 코팅 표면의 정성적 또는 정량적 특성 | |
| CN109799195B (zh) | 一种激光诱导击穿光谱的高精度定量分析方法 | |
| JP2018136945A (ja) | コンピュータ実装方法、コンピュータシステム及びコンピュータ装置 | |
| CN114519498A (zh) | 一种基于bim模型的质量验评方法和系统 | |
| CN111521600A (zh) | 3d打印金属构件缺陷在线监测与分析装置及其控制方法 | |
| CN112183555B (zh) | 焊接质量的检测方法、系统、电子设备和存储介质 | |
| Dawood et al. | Quantitative matching of forensic evidence fragments utilizing 3D microscopy analysis of fracture surface replicas | |
| Familiana et al. | Characterization of aluminum surface using image processing methods and artificial neural network methods | |
| TW201321739A (zh) | 訊號分析裝置、訊號分析方法及電腦程式產品 | |
| Mitterlehner et al. | Novel testing device and routine to characterise the spreadability of powders for powder bed fusion processes–a problem-oriented approach | |
| CN113610160B (zh) | 一种基于神经网络的钢筋检测分类方法、系统及存储介质 | |
| CN112816458B (zh) | 基于激光诱导击穿光谱技术的钢材分类方法及系统 | |
| Hamulczuk et al. | Data analysis as the basis for improved design for additive manufacturing (DfAM) | |
| US8027764B2 (en) | Method and system for automatic test data generation for lookup tables | |
| Soni et al. | Quality By Design: Modern Approach In Pharmaceutics For Quality Pharmaceuticals | |
| CN114091347A (zh) | 一种电子元器件寿命预测方法 | |
| Yang | Multivariate statistical methods and Six-Sigma | |
| Durbaca | New statistical approach “Six Sigma” as a solution for improving plastic quality products | |
| CN104049624A (zh) | 化工产品生产模式优化方法、装置和连续型化工系统 | |
| KR20190071379A (ko) | 레이저 유도 붕괴 분광법을 이용한 성분 표시 장치 | |
| Powell et al. | Insights from a digital lean startup: co-creating digital tools for cognitive augmentation of the worker | |
| WO2022180776A1 (ja) | 材料識別支援装置、方法およびプログラム | |
| Wasitarini et al. | Performance measurement framework of E-Library using modified quantitative models for performance measurement system (QMPMS) method for ICT infrastructure |
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 |
Application publication date: 20200811 |
|
| RJ01 | Rejection of invention patent application after publication |