CN113000860B - 一种激光增材制造中的扫描点温度预测控制方法 - Google Patents
一种激光增材制造中的扫描点温度预测控制方法 Download PDFInfo
- Publication number
- CN113000860B CN113000860B CN202110216298.XA CN202110216298A CN113000860B CN 113000860 B CN113000860 B CN 113000860B CN 202110216298 A CN202110216298 A CN 202110216298A CN 113000860 B CN113000860 B CN 113000860B
- Authority
- CN
- China
- Prior art keywords
- scanning
- forming
- scanning point
- image
- point temperature
- 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.)
- Active
Links
Images
Classifications
-
- 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
Abstract
本发明公开了一种激光增材制造中的扫描点温度预测控制方法,包括:在零件成形扫描过程中,实时采集成形表面温度图像,并将当前层所有图像的扫描点温度根据其位置绘制成该层扫描点温度集合图像,重复上述过程得到连续若干层的扫描点温度集合图像;利用得到的多张图像预测得到下一层的预测扫描点温度集合图像;利用开始扫描下一层前的准备时间,对预测扫描点温度集合图像进行子区域划分,然后根据结果对成形表面进行成形子区域划分;当进行下一层扫描时,根据上述划分结果,在各成形子区域采用对应等级的激光功率进行扫描;重复上述步骤,完成零件的制作。能够使扫描点温度保持稳定,减少零件热应力、热变形和缺陷,提高零件的精度和力学性能。
Description
技术领域
本发明属于激光增材制造技术领域,涉及一种激光增材制造中的扫描点温度预测控制方法。
背景技术
激光粉末床增材制造是最主要的激光增材制造技术之一,又被称为激光3D打印。该技术能够在无需任何模具和工装的条件下,根据零件数字模型,通过振镜驱动激光束在粉床上高速扫描使粉末材料快速熔化/烧结,并逐层堆积,实现复杂零件的成形制造,具有制造周期短、材料利用率高(90%以上)、工艺柔性高的独特优势,在航空航天、国防装备、汽车制造、生物医疗等领域具有广泛的应用前景,受到世界各国的高度重视。激光粉末床增材制造包括激光选区熔化(SLM)、激光选区烧结(SLS)两种工艺方法。在SLM和SLS工艺中,激光束在粉床表面的扫描点分别称为熔池和激光烧结点。扫描点温度是影响激光增材制造零件成形质量最重要的因素之一。在成形精度方面,扫描点温度波动会引起单道宽度的变化,从而影响零件尺寸精度。在材质质量方面,扫描点温度过高会导致表面烧蚀、扫描点附近温度梯度过大,而过大的温度梯度会引起内应力过大,成形零件易出现变形、开裂等宏观缺陷;扫描点温度过低会导致粉末熔化不充分,零件内部易出现裂纹、气孔等微小缺陷。宏观缺陷可直接使零件报废,内部微小缺陷将使零件的力学性能显著降低。因此,对激光扫描点温度进行检测、分析与控制,降低扫描点温度波动,以减小零件热应力、热变形,减少缺陷,对提高增材制造零件的成形精度和力学性能,具有重要的意义。但在激光粉末床增材制造中,扫描点随着激光束在成形表面高速移动(激光束扫描速度通常可达1000mm/s以上,德国solution公司125成形机最大扫描速度可高达10000mm/s),由于测温仪器的测温响应时间导致的反馈控制滞后效应,当根据检测出的成形表面某处的扫描点温度波动情况做出激光功率反馈调节时,激光束早已扫描至远离该处的其它位置。因此,直接进行扫描点温度闭环反馈控制难以满足激光束在粉末床表面成形扫描的要求。建立适应激光束高速扫描需要的扫描点温度在线检测分析与控制方法,已成为激光增材制造领域需要迫切解决的瓶颈问题之一。
发明内容
本发明的目的是提供一种激光增材制造中的扫描点温度预测控制方法,解决了现有的激光粉末床增材制造设备无法进行扫描点温度在线闭环反馈控制的问题。
本发明所采用的技术方案是,一种激光增材制造中的扫描点温度预测控制方法,包括以下步骤:
步骤1、在零件成形扫描过程中,实时采集当前层的成形表面温度图像,并将当前层所有成形表面温度图像的扫描点温度根据其位置汇集起来,绘制成一张该层扫描点温度集合图像,重复上述过程得到连续若干层的扫描点温度集合图像;扫描点包括SLM熔池或者SLS激光烧结点;
步骤2、利用连续若干层的层扫描点温度集合图像预测得到下一层的预测扫描点温度集合图像;
步骤3、利用开始扫描下一层前的准备时间,对预测扫描点温度集合图像进行子区域划分,然后根据图像子区域划分结果对成形表面进行对应的成形子区域划分,并计算各成形子区域的激光扫描点坐标;
步骤4、当进行下一层成形扫描时,根据成形子区域划分结果,在各成形子区域分别采用对应等级的激光功率进行扫描,直至整层全部扫描完成;
步骤5、重复步骤1-4,直至完成整个零件的成形制作。
本发明的特点还在于:
步骤1具体过程为:
在零件成形扫描过程中,实时采集当前层的成形表面温度图像,并为当前层成形表面温度图像对应建立一个以层号命名的.dat格式的数据文件,将每张成形表面温度图像转化为一个n×m的矩阵Pnm,矩阵Pnm的每个元素的值为图像相应像素点的温度,将当前层的每张成形表面温度图像对应的矩阵Pnm按照拍摄顺序编号并依次存入当前层的.dat文件;在当前层扫描完成后、开始扫描下一层前的准备时间,读取当前层的.dat文件中所有的矩阵Pnm,获取每个矩阵Pnm的最大值元素及其在矩阵Pnm中的位置,将所有最大值元素依据其在原矩阵Pnm中的位置汇集为新的n×m的矩阵Hnm,并将矩阵Hnm绘制成一张虚拟的m×n像素的层扫描点温度集合图像;重复上述过程得到连续若干层的层扫描点温度集合图像。
步骤2的具体过程为:
利用开始下一层扫描前的准备时间,将连续若干层的扫描点温度集合图像输入卷积长短期记忆神经网络,通过卷积长短期记忆神经网络视频预测算法对连续若干层的扫描点温度集合图像帧的深度学习预测出下一层的扫描点温度集合图像。
步骤3具体包括以下步骤:
步骤3.1、将每张预测扫描点温度集合图像的所有像素用一个n×m的矩阵Qnm代表,将像素RGB值中的R值划分若干等级,获取预测扫描点温度集合图像的每个像素的RGB值,判断每个像素点RGB值的R值等级,并给矩阵Q的相应元素赋以该等级值,根据矩阵Q中各元素的等级对图像进行子区域分区,并将R值等级与激光功率等级对应;
步骤3.2、根据图像子区域划分结果对成形表面进行对应的成形子区域划分,计算每个成形子区域中与相应图像子区域所有像素点对应的激光扫描点的坐标。
步骤3.2中矩阵Qnm中第(i,j)个元素对应的激光扫描点坐标(X,Y)的计算公式为:
X=jβ,Y=(m-i)β
上式中,第(i,j)个元素的在成形表面上对应的尺寸为β×βmm。
步骤4具体包括以下步骤:
当进行下一层成形扫描时,当激光束扫描到各成形子区域时,根据该成形子区域相对应的预测扫描点温度集合图像子区域的R值等级,采用与该R值等级对应的激光功率等级进行成形扫描。
对于未划分子区域的成形表面,则采用刚扫描过的与其相邻的子区域的激光功率等级进行扫描,如果没有刚扫描过的与其相邻的子区域,则采用3级激光功率进行扫描,直至整层全部扫描完成。
本发明的有益效果是:
一种激光增材制造中的扫描点温度预测控制方法,实现了成形中的扫描点温度预测控制;本方法利用当前层扫描完成以后,下一层开始扫描之前的时间间隙进行下一层扫描点温度汇集图像的预测分析、提前生成激光功率分区控制方案,避免影响成形效率;利用本方法能够使扫描点温度保持稳定,减小热应力、热变形,减少缺陷,对提高成形件的精度和力学性能,具有重要的意义,在航空航天、国防装备、汽车制造、生物医疗等领域具有广阔的应用前景;本发明的方法适用于激光增材制造中的扫描点温度预测控制。
附图说明
图1是本发明一种激光增材制造中的扫描点温度预测控制方法中温度在线检测装置的结构示意图;
图2(a)是本发明一种激光增材制造中的扫描点温度预测控制方法中SLM成形三角形零件扫描点红外图像;
图2(b)是本发明一种激光增材制造中的扫描点温度预测控制方法中SLM成形三角形零件层扫描点温度集合图像。
图中:1.振镜,2.激光束,3.热像仪4.窗口,5.扫描点,6.零件,7.金属粉末,8.成形舱室。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
一种激光增材制造中的扫描点温度预测控制方法,具体包括以下步骤:
步骤1、在零件成形扫描过程中,通过红外热像仪实时采集当前层的成形表面温度图像,并将当前层所有成形表面温度图像的扫描点温度根据其位置汇集起来,绘制成一张该层扫描点温度集合图像,重复上述过程得到连续若干层的扫描点温度集合图像。
具体的,如图1所示,在成形机(成形区尺寸为a×b毫米)舱室8的窗口4外侧,成形表面的斜上方设置红外热像仪3(分辨率m×n像素),热像仪3图像每个像素在成形表面上对应的尺寸为β×β毫米,热像仪3镜头透过窗口4对准并聚焦于成形表面,镜头左下角对准成形表面左下角(即成形表面坐标原点)。在零件6成形扫描中,通过安装在成形控制计算机中的红外数据在线采集分析软件模块与热像仪3和成形控制系统实时通讯,在线采集当前层的成形表面温度图像,将每张图像转化为一个n×m的矩阵Pnm,矩阵Pnm的每个元素的值为图像相应像素点的温度,这些元素中的最大值即为实时扫描点5温度,如图2(a)所示。将当前层的每张图像对应的矩阵Pnm按照拍摄顺序编号并依次存入以层号命名的.dat文件。在当前层扫描完成后、开始扫描下一层前的准备时间,通过调用MATLAB R2014b编写的程序对.dat文件进行处理,具体内容包括:读取当前层的.dat文件中所有的矩阵Pnm,使用max函数获取每个矩阵Pnm的最大值元素及其在矩阵Pnm中的位置,并将这些最大值元素依据其在原矩阵Pnm中的位置汇集为新的n×m的矩阵Hnm;使用imagesc函数将此矩阵Hnm绘制为图像,即构成一张虚拟的m×n像素的层扫描点5温度集合图像,如图2(b)所示。重复上述过程得到连续若干层的层扫描点温度集合图像帧并按照时序排列,即构成了虚拟的层扫描点5温度集合视频。
步骤2、利用开始扫描下一层前的准备时间,基于卷积长短期记忆神经网络(ConvLSTM)视频预测算法,根据连续若干层的层扫描点温度集合图像预测得到下一层的预测扫描点温度集合图像。
具体的,将每层的扫描点温度汇集图像数据送入ConvLSTM单元,各ConvLSTM单元数据按照时序排列形成完整的逐层扫描点温度集合视频。通过ConvLSTM视频预测算法对连续若干层的扫描点温度集合图像帧的深度学习预测出下一层的扫描点温度集合图像。
步骤3、利用开始扫描下一层前的准备时间,对预测扫描点温度集合图像进行子区域划分,然后根据图像子区域划分结果对成形表面进行对应的成形子区域划分,并计算各成形子区域的激光扫描点坐标。
具体的,步骤3.1、使扫描点温度集合图像的像素原点位于图像左上角。每张m×n像素的BMP图像的各像素可用一个n×m的矩阵Qnm中的相应元素代表。将像素RGB值中的R值划分为[0~149]、[150~174]、[175~199]、
[200~224]、[225~256]5个等级,上述5个等级分别编号为1~5号。用Matlab提供的impixel函数依照JPG图像中的像素行列顺序依次获取各像素的RGB值,并判断各像素点RGB值的R值等级,并给矩阵Qnm的相应元素赋以该等级值。例如,如果图像中第i行j列的像素的RGB值的R值等级为5,则将矩阵Qnm的第(i,j)个元素qij的值赋5。由计算机根据矩阵Qnm中各元素的等级对图像进行分区,具体方法是如果成片相邻像素对应的矩阵Qnm的元素值相同,且这些像素的个数达到2000个以上,则将这些像素划分成为一个子区域,该区域所有像素拥有相同的R值等级。
步骤3.2、根据图像子区域划分结果对成形表面进行对应的成形子区域划分,计算每个成形子区域中与相应图形子区域所有像素点对应的激光扫描点的坐标。矩阵Qnm中第(i,j)个元素对应的激光扫描点坐标(X,Y)的计算公式为:
X=jβ,Y=(m-i)β
步骤4、当进行下一层成形扫描时,根据成形子区域划分结果,在各成形子区域分别采用对应等级的激光功率进行扫描,直至整层全部扫描完成。
具体的,对SLM成形扫描的激光功率划分为1~5个功率等级,分别代表90%、85%、80%、75%、70%的额定激光功率。当进行下一层成形扫描时,根据成形控制系统反馈的激光束2运动坐标,当激光束扫描到步骤3划分好的各成形子区域时,根据该成形子区域相对应的预测扫描点温度集合图像子区域的R值等级,采用与该R值等级对应的激光功率等级进行成形扫描。对于未划分子区域的成形表面,则采用刚扫描过的与其相邻的子区域的激光功率等级进行扫描,如果没有刚扫描过的与其相邻的子区域,则采用3级激光功率进行扫描,直至整层全部扫描完成。
步骤5、重复步骤1-4,直至完成整个零件的成形制作。
通过以上方式,一种激光增材制造中的扫描点温度预测控制方法,实现了成形中的扫描点温度预测控制;本方法利用当前层扫描完成以后,下一层开始扫描之前的时间间隙进行下一层扫描点温度集合图像的预测分析、提前生成激光功率分区控制方案,避免影响成形效率,实现了扫描点温度在线闭环反馈控制;利用本方法能够使扫描点温度保持稳定,减小热应力、热变形,减少缺陷,对提高成形件的精度和力学性能,具有重要的意义,在航空航天、国防装备、汽车制造、生物医疗等领域具有广阔的应用前景。
Claims (2)
1.一种激光增材制造中的扫描点温度预测控制方法,其特征在于,包括以下步骤:
步骤1、在零件成形扫描过程中,实时采集当前层的成形表面温度图像,并将当前层所有所述成形表面温度图像的扫描点温度根据其位置汇集起来,绘制成一张该层扫描点温度集合图像,重复上述过程得到连续若干层的扫描点温度集合图像;所述扫描点包括SLM熔池或者SLS激光烧结点;
步骤1具体过程为:
在零件成形扫描过程中,实时采集当前层的成形表面温度图像,并为当前层成形表面温度图像对应建立一个以层号命名的.dat格式的数据文件,将每张所述成形表面温度图像转化为一个n×m的矩阵Pnm,所述矩阵Pnm的每个元素的值为图像相应像素点的温度,将当前层的每张所述成形表面温度图像对应的矩阵Pnm按照拍摄顺序编号并依次存入当前层的.dat文件;在当前层扫描完成后、开始扫描下一层前的准备时间,读取当前层的.dat文件中所有的矩阵Pnm,获取每个矩阵Pnm的最大值元素及其在矩阵Pnm中的位置,将所有最大值元素依据其在原矩阵Pnm中的位置汇集为新的n×m的矩阵Hnm,并将所述矩阵Hnm绘制成一张虚拟的m×n像素的层扫描点温度集合图像;重复上述过程得到连续若干层的层扫描点温度集合图像;
步骤2、利用连续若干层的所述层扫描点温度集合图像预测得到下一层的预测扫描点温度集合图像;
利用开始下一层扫描前的准备时间,将连续若干层的所述扫描点温度集合图像输入卷积长短期记忆神经网络,通过卷积长短期记忆神经网络视频预测算法对所述连续若干层的扫描点温度集合图像帧的深度学习预测出下一层的扫描点温度集合图像;
步骤3、利用开始扫描下一层前的准备时间,对所述预测扫描点温度集合图像进行子区域划分,然后根据图像子区域划分结果对成形表面进行对应的成形子区域划分,并计算各成形子区域的激光扫描点坐标;
步骤3具体包括以下步骤:
步骤3.1、将每张所述预测扫描点温度集合图像的所有像素用一个n×m的矩阵Qnm代表,将像素RGB值中的R值划分若干等级,获取预测扫描点温度集合图像的每个像素的RGB值,判断每个像素点RGB值的R值等级,并给矩阵Q的相应元素赋以该等级值,根据矩阵Q中各元素的等级对图像进行子区域分区,并将R值等级与激光功率等级对应;
步骤3.2、根据图像子区域划分结果对成形表面进行对应的成形子区域划分,计算每个成形子区域中与相应图像子区域所有像素点对应的激光扫描点的坐标;
矩阵Qnm中第(i,j)个元素对应的所述激光扫描点坐标(X,Y)的计算公式为:
上式中,第(i,j)个元素的在成形表面上对应的尺寸为β×βmm;
步骤4、当进行下一层成形扫描时,根据成形子区域划分结果,在各成形子区域分别采用对应等级的激光功率进行扫描,直至整层全部扫描完成;
当进行下一层成形扫描时,当激光束扫描到所述成形子区域时,根据该成形子区域相对应的预测扫描点温度集合图像子区域的R值等级,采用与该R值等级对应的激光功率等级进行成形扫描;
步骤5、重复步骤1-4,直至完成整个零件的成形制作。
2.根据权利要求1所述的一种激光增材制造中的扫描点温度预测控制方法,其特征在于,对于未划分子区域的成形表面,则采用刚扫描过的与其相邻的子区域的激光功率等级进行扫描,如果没有刚扫描过的与其相邻的子区域,则采用3级激光功率进行扫描,直至整层全部扫描完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216298.XA CN113000860B (zh) | 2021-02-26 | 2021-02-26 | 一种激光增材制造中的扫描点温度预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110216298.XA CN113000860B (zh) | 2021-02-26 | 2021-02-26 | 一种激光增材制造中的扫描点温度预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113000860A CN113000860A (zh) | 2021-06-22 |
CN113000860B true CN113000860B (zh) | 2022-12-06 |
Family
ID=76386511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110216298.XA Active CN113000860B (zh) | 2021-02-26 | 2021-02-26 | 一种激光增材制造中的扫描点温度预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113000860B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107530971A (zh) * | 2015-09-28 | 2018-01-02 | 惠普发展公司,有限责任合伙企业 | 增材制造系统中的温度确定 |
CN109213233A (zh) * | 2018-03-21 | 2019-01-15 | 中国航空制造技术研究院 | 一种电子束熔丝增材制造中的温度场调控方法及其设备 |
KR102194695B1 (ko) * | 2019-12-31 | 2020-12-24 | 한국과학기술원 | 3d 프린팅 공정 중 형성되는 적층부의 높이를 추정하는 방법 및 장치, 이를 구비한 3d 프린팅 시스템 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102962452B (zh) * | 2012-12-14 | 2014-06-25 | 沈阳航空航天大学 | 基于红外测温图像的金属激光沉积制造扫描路径规划方法 |
CN106180707B (zh) * | 2016-07-01 | 2018-01-23 | 西安铂力特增材技术股份有限公司 | 一种根据零件实时温度场调整打印策略的方法 |
CN106626378A (zh) * | 2016-11-25 | 2017-05-10 | 西安交通大学 | 一种激光选区烧结分区域工艺参数动态调整方法 |
DE102017107364A1 (de) * | 2017-04-06 | 2018-10-11 | Amsis Gmbh | Verfahren zur additiven Fertigung eines dreidimensionalen Bauteils und Verfahren zur Berechnung einer Scanstrategie zwecks entsprechender Ansteuerung einer Anlage zur additiven Fertigung eines dreidimensionalen Bauteils |
DE102017207832A1 (de) * | 2017-05-09 | 2018-11-15 | Eos Gmbh Electro Optical Systems | Positionsspezifischer Energieeintrag |
WO2019117886A1 (en) * | 2017-12-13 | 2019-06-20 | Hewlett-Packard Development Company, L.P. | Thermal behavior prediction from a contone map |
CN111372755B (zh) * | 2017-12-20 | 2022-02-18 | 穆格公司 | 增材制造图像的卷积神经网络评估以及以其为基础的增材制造系统 |
US20200384689A1 (en) * | 2018-01-19 | 2020-12-10 | Hewlett-Packard Development Company, L.P. | Controlling power levels of heating elements |
CN110186570B (zh) * | 2019-05-16 | 2021-01-15 | 西安理工大学 | 一种增材制造激光3d打印温度梯度检测方法 |
-
2021
- 2021-02-26 CN CN202110216298.XA patent/CN113000860B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107530971A (zh) * | 2015-09-28 | 2018-01-02 | 惠普发展公司,有限责任合伙企业 | 增材制造系统中的温度确定 |
CN109213233A (zh) * | 2018-03-21 | 2019-01-15 | 中国航空制造技术研究院 | 一种电子束熔丝增材制造中的温度场调控方法及其设备 |
KR102194695B1 (ko) * | 2019-12-31 | 2020-12-24 | 한국과학기술원 | 3d 프린팅 공정 중 형성되는 적층부의 높이를 추정하는 방법 및 장치, 이를 구비한 3d 프린팅 시스템 |
Non-Patent Citations (1)
Title |
---|
激光增材制造温度场检测分析与控制综述;解瑞东等;《激光与光电子学进展》;20200331;第57卷(第5期);第050003-1至050003-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113000860A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khan et al. | Real-time defect detection in 3D printing using machine learning | |
JP7054268B2 (ja) | 積層造形における人工知能フィードバック制御のためのシステム、方法および媒体 | |
Yeung et al. | Part geometry and conduction-based laser power control for powder bed fusion additive manufacturing | |
US10048661B2 (en) | Visualization of additive manufacturing process data | |
CN107402217A (zh) | 基于视觉传感的激光增材制造缺陷的在线诊断方法 | |
CN110573977B (zh) | 提供用于增材制造的数据集的方法及对应的质量控制方法 | |
Lyu et al. | Online convolutional neural network-based anomaly detection and quality control for fused filament fabrication process | |
US10674101B2 (en) | Imaging devices for use with additive manufacturing systems and methods of imaging a build layer | |
CN107952959B (zh) | 激光熔化沉积增材制造构件空间晶粒形态预测方法 | |
Fischer et al. | Optical process monitoring in Laser Powder Bed Fusion using a recoater-based line camera | |
CN111860290B (zh) | 一种激光熔覆过程中裂纹识别的方法 | |
CN116597391B (zh) | 一种焊缝表面形貌和熔透状态同步在线监测方法 | |
CN111761819B (zh) | 一种激光粉末床熔融成形件缺陷在线监测方法 | |
CN114012210A (zh) | 电弧增材过程的沉积质量判断系统及方法 | |
CN112365439A (zh) | 一种镀锌钢gmaw焊缝成形特征与焊枪方向同步实时检测方法 | |
Abdelrahman et al. | Quality certification and control of polymer laser sintering: layerwise temperature monitoring using thermal imaging | |
CN113000860B (zh) | 一种激光增材制造中的扫描点温度预测控制方法 | |
CN116070484A (zh) | 一种基于深度学习的在线实时预测构件状态的方法 | |
Guerra et al. | In-process dimensional and geometrical characterization of laser-powder bed fusion lattice structures through high-resolution optical tomography | |
CN113136578B (zh) | 一种基于离焦量预测的激光熔覆薄壁件高度控制方法 | |
CN115775249A (zh) | 一种增材制造造件成形质量监测方法、系统及存储介质 | |
Yang et al. | Analyzing Remelting Conditions based on In-Situ Melt Pool Data Fusion for Overhang Building in Powder Bed Fusion Process | |
Malekipour et al. | A Vision toward Layer-wise Intelligent Monitoring and Control of Scan Strategy in Powderbed Fusion Process | |
Yang et al. | Investigating Statistical Correlation Between Multi-Modality In-Situ Monitoring Data for Powder Bed Fusion Additive Manufacturing | |
CN115609110A (zh) | 基于多模融合的电弧复合增材熔深预测方法 |
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 |