CN113102770B - 一种激光选区熔化的激光辐射强度数据分析系统 - Google Patents
一种激光选区熔化的激光辐射强度数据分析系统 Download PDFInfo
- Publication number
- CN113102770B CN113102770B CN202110302710.XA CN202110302710A CN113102770B CN 113102770 B CN113102770 B CN 113102770B CN 202110302710 A CN202110302710 A CN 202110302710A CN 113102770 B CN113102770 B CN 113102770B
- Authority
- CN
- China
- Prior art keywords
- data
- laser
- pulse
- analysis
- module
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种激光选区熔化的激光辐射强度数据分析系统,包括数据采集模块、数据预处理模块、用户输入模块、数据分析模块、数据可视化模块和数据存储模块;数据采集模块对输入激光信号和熔池激光辐射强度信号进行采集;数据预处理模块对输入激光信号和辐射激光信号的脉冲边沿进行精准识别和切分,输出脉冲总个数;用户输入模块用于提供用户对相关参数进行选择输入;数据分析模块根据数据预处理模块输出的数据以及用户输入模块输入的相关参数进行分析计算;数据存储模块对所有数据进行存储。本发明中的系统可将激光强度数据进行全方位、高精度的分析,从而提取出激光强度信号中蕴含着的丰富信息。
Description
技术领域
本发明涉及激光强度分析技术领域,尤其涉及一种激光选区熔化的激光辐射强度数据分析系统。
背景技术
在激光焊接、激光选区熔化、激光熔覆技术等的过程中,激光与材料之间会发生复杂的物理化学反应,造成制造过程中的熔池温度过高或过低、融化程度不一、熔池形貌不稳定、飞溅等等的各种不稳定因素,从而影响零件的尺寸精度、冶金缺陷、凝固组织及力学性能等。在此过程中,输入熔池的激光受人为控制,波形稳定平缓,而经过上述复杂的物理化学过程之后从熔池辐射出来的光,信号成分复杂、强度稳定性差,波形抖动明显。所以输出(辐射)激光中包含了十分丰富的熔池系统的信息。
目前国内外学者在激光焊接、激光熔覆等激光熔池光强监测方面取得了一定的研究成果。Jiyoung Yu用光电二极管,结合神经网络和模糊识别算法,开发出激光等离子体光强监测系统,实现了焊接质量的在线预测;顾振杰监测激光熔覆熔池光谱时,采用光栅光谱检测技术,获得了不同时间、不同波长下的光谱强度。上述研究中激光的扫描速率较低,硬件采样率低,获得的光强信号分辨率差,精度低,不适用于短时间、高速率、高精度下的数据分析。在激光选区熔化(SLM)高速扫描的场景中,德国Concept Laser M2金属成型机集成了熔池光强监测系统,但只能监测每一层的平均光强,时间分辨率低。南京理工大学杜道中等人建立了熔池光强监测软硬件系统采集了成形过程中熔池的光强数据,但不能可视化激光作用下的熔池光强变化,且只对激光强度数据进行了时域分析。上述分析手段,数据精度低,分析手段单一,软件功能单一,适用领域窄,不具备根据用户选择和需求精确分析局部数据的功能,人机交互体验差。
发明内容
针对上述存在的问题,本发明旨在提供一种激光选区熔化的激光辐射强度数据分析系统,集成了时域分析、频域分析、统计学分析、小波分析的数据分析方法,将激光强度数据进行全方位、高精度的分析,从而提取出激光强度信号中蕴含着的丰富信息,并基于MATLAB GUI界面进行可视化显示,为激光制造提供强有力的数据分析工具。
为了实现上述目的,本发明所采用的技术方案如下:
一种激光选区熔化的激光辐射强度数据分析系统,其特征在于:包括数据采集模块、数据预处理模块、用户输入模块、数据分析模块、数据可视化模块和数据存储模块;
所述数据采集模块对输入激光的开关数据和熔池辐射激光的强度数据进行采集,并将所采集的开关数据和强度数据保存为MATLAB可读取的一维数据;
所述数据预处理模块用于读取所述数据采集模块保存的输入激光的开关数据和熔池辐射激光的强度数据,对输入激光信号的脉冲边沿进行识别,利用脉冲边沿位置对辐射激光强度信号进行精准切分,输出脉冲总个数;
所述用户输入模块用于提供用户对相关参数进行选择输入;
所述数据分析模块根据所述数据预处理模块输出的数据以及用户输入模块输入的相关参数进行分析计算;
所述数据可视化模块对用户输入模块以及数据分析模块分析计算的结果进行可视化显示;
所述数据存储模块对所有数据进行存储。
进一步的,所述数据采集模块采用硅光电探测器对激光选区熔化过程中的输入激光开关数据与熔池辐射激光强度数据进行采集生成.tdms文件,然后使用MATLAB中convertTDMS函数模块读取,并提取出其中的强度数据和开关数据。
进一步的,所述用户输入模块中提供用户输入的相关参数包括:文件类型选择、滤波器种类、脉冲信号类型选择、滤波系数、脉冲信号区间数据和分析操作类型;
所述文件类型选择项包括强度文件和开关文件;所述文件的数据类型为MATLAB可读取的一维信号序列的.mat文件;
所述滤波器种类包括均值滤波器、中值滤波器、高斯滤波器、heursure阈值滤波、rigrsure阈值滤波器、sqtwolog阈值滤波器、minimaxi阈值滤波器;
所述脉冲信号选择项包括原始信号和去噪信号;
所述滤波系数的定义由不同滤波器决定,数值由用户输入决定,若用户不输入则默认为10;
所述脉冲信号区间数据包括要截取的起始脉冲数、间隔脉冲数和取样个数;
所述分析操作类型包括概率分析、绘制箱图、时频分析和小波分析。
进一步的,数据预处理模块对输入激光信号的脉冲边沿进行识别,利用脉冲边沿位置对辐射激光信号进行精准切分的具体方法包括以下步骤,
S101:设置切分阈值为x;
S102:使用阈值x与输入激光信号序列值进行逐个比较;
S103:若输入激光信号序列x(1,2,…,n)中前一个数据点x(i)的值小于x,且与之相邻后一个数据点x(i+1)的值大于x,则数据点x(i)所在位置i就判定为脉冲上升边沿;
S104:记录激光信号序列中所有脉冲上升边沿位置,此位置即对应辐射强度信号上升沿位置,进而对应激光选区熔化中的一个熔化道的起始点;
S105:将激光信号序列在每个上升沿位置分割成段,每段脉冲序列即表示一个激光脉冲,一个激光脉冲对应激光选区熔化中的一个熔化道。
进一步的,所述数据分析模块包括激光强度的时间域分析、频率域分析、统计学分析、小波分析和箱图绘制。
进一步的,所述时间域分析的具体操作步骤包括,
S201:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S202:将步骤S201中读取的激光脉冲可视化,并根据用户输入选择相应的滤波器和滤波系数对波形进行滤波,以时域波形的形式显示原始信号和滤波信号;
S203:提取数据特征,以一个激光脉冲为单位,计算每个脉冲的幅度均值和方差值等的特征,并在数字显示区显示幅度均值和方差值,量化分析各个激光脉冲的信息、对比各个激光脉冲之间的信息。
其中,把激光脉冲{xi}的N个采样点分成n段,在每一段中找出对应的峰值{Xpj},j=1,2,……,n;则,
进一步的,所述频率域分析的具体操作步骤包括,
S301:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S302:将步骤S301读入的激光脉冲信号用快速傅里叶变换计算每个脉冲的频谱,并画出每个脉冲的频谱图,进行比较分析;
S303:使用小波变换,用不同的小波函数对所截取的数据进行小波分析,深入分析数据在时间轴上的频率变化。
进一步的,所述统计学分析的具体操作步骤包括,
S401:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S402:使用步骤S401中读入的激光脉冲数据,用统计学的方法计算每个脉冲的强度均值和方差,在数据可视化模块显示,进行量化分析和比较;
S403:使用概率分析方法,画出每个脉冲的数据点的概率分布图,比较分析其数据点的概率分布情况;
S404:绘制每个脉冲数据的箱图,更加直观、清晰、准确地比较分析每个脉冲数据点的中位数、四个分位点、最大最小值、异常点分布,进而更加全面地比较分析其数据点的整体分布情况。
进一步的,所述数据可视化模块在进行可视化显示时将界面分为图形显示区域、数据显示区域和用户操作区域,所述图形显示区域和数据显示区域对数据分析模块分析计算的结果分别以图形和数据的形式进行显示,所述用户操作区域方便用户对相关参数进行输入,其具体内容与用户输入模块的内容一一对应。
本发明的有益效果是:与现有技术相比,本发明的改进之处在于,
(1)本发明中的激光选区熔化的激光辐射强度数据分析系统只要是能获得一维输入激光和辐射激光信号的激光制造领域均可使用,适用范围广。
(2)本发明中的激光选区熔化的激光辐射强度数据分析系统可对所获信号脉冲边沿进行精确识别提取和分割,以一个脉冲为单位进行数据分析,精确显示其波形及频谱,分析精度高;且本发明中的数据分割算法用于对信号进行精确分割,每个熔化通道收集到的数据与每个样品的空间位置准确对应,这将有助于在未来工作中准确定位增材制造的缺陷。
(3)本发明中的激光选区熔化的激光辐射强度数据分析系统集成了各种数学分析方法,包括时域分析、频域分析、统计学分析、小波分析等数学领域的基础分析方法,分析方法多,功能齐全。
(4)本发明中的激光选区熔化的激光辐射强度数据分析系统操作简单,用户无需编写复杂的数据分析代码,输入参数,就可对数据进行深入分析,人机交互好;且用户可以根据自己的需求,精确切分截取任意位置和长度的等脉冲间距的信号进行分析,适用于大容量数据的全局或局部分析;用户还可选择7种滤波器,任意滤波系数,对信号进行滤波处理。
(5)本发明中的激光选区熔化的激光辐射强度数据分析系统可全方位、深层次的观察数据,从各个角度深入挖掘激光信号蕴含的丰富信息,窥探数据的内部联系和机理,为探索数据内部的奥秘提供一个窗口,扩展空间大,应用前景广阔。
(6)、本发明中首次提出将峰值Xp、均值均方根值Xrms、方差Xvar、峰值因子Cf、峭度指标K、波形因子Ws、脉冲指标I、裕度系数L、偏度S应用到激光强度的分析中,使用这些特征参数来表征一个激光脉冲,使一个激光脉冲的上万个数据点压缩成这几个数据特征,而不是使用激光强度数据本身,大大减少了数据的冗杂,提高了数据存储和计算效率,也便于进一步建立用于机器学习的数据集,进一步可以建立基于大数据的海量数据储存和数据快速处理的数据库;且本发明中的数据特征提取算法用于提取熔池强度数据的特征,使得输入算法的运算数据量减少到原来的3%,大大减少了监测数据的存储空间,提高了数据处理效率,解决了增材制造中处理海量监测数据的难题。
附图说明
图1为本发明激光强度数据分析系统结构示意图。
图2为利用本发明中数据采集模块采集的某层数据整体波形图。
图3为本发明图2中的波形图在改变扫描速度时对应的波形图。
图4为本发明数据预处理模块对Δt1和Δt2的定义示意图。
图5为本发明时域分析算法流程图。
图6为本发明激光强度数据分析系统界面。
图7为本发明激光强度数据分析系统输入参数后界面显示情况。
图8为本发明激光强度数据分析系统显示的概率密度分布图。
图9为本发明激光强度数据分析系统显示的频谱图。
图10为本发明激光强度数据分析系统显示的箱线图。
图11为本发明激光强度数据分析系统显示的小波分析图。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案,下面结合附图和实施例对本发明的技术方案做进一步的描述。
参照附图1所示的一种激光选区熔化的激光辐射强度数据分析系统,其特征在于:包括数据采集模块、数据预处理模块、用户输入模块、数据分析模块、数据可视化模块和数据存储模块;
所述数据采集模块对开关数据和强度数据进行采集,并将所采集的开关数据和强度数据据保存为MATLAB可读取的一维数据;
具体的,所述开关数据也即激光增材制造过程中机器输出的激光强度数据,强度数据也即激光增材制造过程中熔池反射的激光强度数据;
只要是可以采集上述两种数据,并转换成MATLAB可读取的一维数据格式文件的数据采集模块均可作为本发明中数据采集模块使用;
在本实施例中,数据采集模块采用的具体方式为:采用硅光电探测器对激光选区熔化过程中的激光输入开关数据与熔池辐射强度数据进行采集生成.tdms文件,然后使用MATLAB中convertTDMS函数模块读取.tdms文件,并提取出其中的强度数据和开关数据,具体使用的代码如下:
Data=convertTDMS(0,'filepath\filename.tdms');
data1=Data.Data.MeasuredData(3).Data;
data2=Data.Data.MeasuredData(4).Data;
save('DATA\\data1.mat','data1');
save('DATA\\data2.mat','data2');
所述数据采集模块采集的数据样本如下表1所示。
表1数据采集模块采集的数据样本
进一步的,所述数据预处理模块用于读取所述数据采集模块保存的开关数据和强度数据,对输入激光信号的脉冲边沿进行识别,利用脉冲边沿位置对辐射激光信号进行精准切分,输出脉冲总个数;
具体的,使用MATLAB软件对开关数据和强度数据进行读取;
利用脉冲边沿位置对辐射激光信号进行精准切分的具体方法包括以下步骤,
SS101:设置切分阈值为x;
S102:使用阈值x与输入激光信号序列值进行逐个比较;
S103:若输入激光信号序列x(1,2,…,n)中前一个数据点x(i)的值小于x,且与之相邻后一个数据点x(i+1)的值大于x,则数据点x(i)所在位置i就判定为脉冲上升边沿;
S104:记录输入激光信号序列中所有脉冲上升边沿位置,此位置即对应辐射强度信号上升沿位置,进而对应激光选区熔化中的一个熔化道的起始点;
S105:将辐射强度激光信号序列在每个上升沿位置分割成段,每段序列即表示一个激光脉冲,一个激光脉冲对应激光选区熔化中的一个熔化道。
如附图2所示,为利用本发明中的数据采集系统采集到的某层数据整体波形图,由于一层数据包含了多个不同工艺参数下的样件的强度数据,为了便于说明,将上图局部放大以说明数据切分算法,如附图3所示,红色线条data为强度数据,为便于观察,其值为tdms文件中所取强度值data1乘以1000所得;即:data=data1×1000;
绿色线条对应的一维数据Δt1定义为开关数据的第i+1个数据脉冲(激光扫描线段)的上升沿对应位置t_upi+1与第i个数据脉冲的下降沿对应位置t_downi的差值数组:
Δt1=(Δt11,Δt12,...,Δt1i,...);Δt1i=t_upi+1-t_downi
蓝色线条Δt2为开关数据的第i+1个数据脉冲的上升沿对应位置t_upi+1与第i个数据脉冲的上升沿对应位置t_upi的差值:
Δt2=(Δt21,Δt22,...,Δt2i,...);Δt2i=t_upi+1-t_upi;
上述关系在对波形进行局部放大后可以清晰的看到,如附图4所示。由附图4可得:Δt1i为相邻两道激光脉冲之间的间隔,Δt2i为脉冲宽度间隔与Δt1i的和。因此Δt1与Δt2包含了不同参数下激光脉冲之间的间隔信息,可以用来对激光脉冲进行分类。例如在图3中,可以看出蓝色的线条Δt2分为不同的5段阶梯,对应于5个不同宽度的激光脉冲,即可判定这段数据为表一中的第二组5个样件对应的激光强度。
由于机器偏差和采集误差等因素,Δt1和Δt2并不能直接作为分割数据的依据,需将二者综合考虑,经过多次尝试,采用图中黄色线条cutline可将分割精准度提高。
cutline=(cutline1,cutline2,...,cutlinei,...);
cutlinei=|Δt2i+1-Δt2i|+4Δt1i。
所述数据预处理模块的具体算法代码如下:
进一步的,所述用户输入模块用于提供用户对相关参数进行选择输入;
具体的,所述用户输入模块中提供用户输入的相关参数包括:文件类型选择、滤波器种类、脉冲信号类型选择、滤波系数、脉冲信号区间数据和分析操作类型;
所述文件类型选择项包括强度文件和开关文件;所述文件的数据类型为一维信号序列的.mat文件;
所述滤波器种类包括均值滤波器、中值滤波器、高斯滤波器、heursure阈值滤波、rigrsure阈值滤波器、sqtwolog阈值滤波器、minimaxi阈值滤波器;
所述脉冲信号选择项包括原始信号和去噪信号;
所述滤波系数的定义由不同滤波器决定,数值由用户输入决定,若用户不输入则默认为10;
所述脉冲信号区间数据包括要截取的起始脉冲数、间隔脉冲数和取样个数;
所述分析操作类型包括概率分析、绘制箱图、时频分析和小波分析。
进一步的,所述滤波系数分为均值滤波系数lev、中值滤波系数lev、高斯滤波系数lev和小波去噪系数lev;
移动平均滤波器的窗宽,取当前数据点前后共lev个点的均值,作为当前数据点的滤波后的值,也即均值滤波系数lev;
移动中值滤波器的窗宽,取当前数据点前后共lev个点的中值,作为当前数据点的滤波后的值,也即均值滤波系数lev;
对一维信号的高斯滤波,头尾lev/2的信号不进行滤波,作为当前数据点的滤波后的值,也即高斯滤波系数lev,高斯模板的lev大小推荐奇数,sigma选择标准差;
小波去噪系数lev中lev为小波变换的级数,
小波去噪方式基于不同的自适应阈值选择规则:
“rigrsure”——Stein无偏见风险估计原则的自适应阈值选择;
“heursure”——Stein无偏风险理论的启发式阈值选择;
“sqtwolog”——固定式阈值,等于sqrt(2*log(length(X)));
“minimaxi”——使用极大极小原理选择阈值,阈值选择规则基于模型y=f(t)+e,e是高斯白噪声N(0,1)。
进一步的,所述数据分析模块根据所述数据预处理模块输出的数据以及用户输入模块输入的相关参数进行分析计算;
具体的,所述数据分析模块包括激光信号的时间域分析、频率域分析、统计学分析和小波分析和箱图绘制。
如附图5所示,所述时间域分析的具体操作步骤包括,
S201:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S202:将步骤S201中读取的激光脉冲可视化,并根据用户输入选择相应的滤波器和滤波系数对波形进行滤波,以时域波形的形式显示原始信号和滤波信号;
S203:提取数据特征,以一个激光脉冲为单位,计算每个脉冲的幅度均值和方差值等的特征,并在数字显示区显示幅度均值和方差值,量化分析各个激光脉冲的信息、对比各个激光脉冲之间的信息。
其中,把激光脉冲{xi}的N个采样点分成n段,在每一段中找出对应的峰值{Xpj},j=1,2,……,n;则,
均方根值均方根值Xrms是对时间平均的,用来反映信号的能量大小,适用于磨损之类的振幅值随时间缓慢变化的缺陷诊断。例如:在轴承制造中精度愈低或轴承磨损程度愈大,则Xrms值愈高。对早期故障不敏感,但稳定性很好。
偏度(skewness),是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征,偏度(Skewness)亦称偏态、偏态系数;表征概率分布密度曲线相对于平均值不对称程度的特征数,直观看来就是密度函数曲线尾部的相对长度。
具体的,数据特征提取的具体算法代码为:
%余隙因子、信噪比、shape factor形状系数、信纳比失真比、峰值振幅、峰值频率、总谐波失真
TDA=[Me',Md',Pk',Av',Va',St',Rm',Ku',Sk',S',Cc',I',L',Ma',FM'];
tit=["平均值","中值","峰-峰值","整流平均值","方差","标准差","均方根",...
"峭度","偏度","波形因子","峰值因子","脉冲因子","裕度因子","频谱最大幅值","最大幅值频率"];
TDA=[tit;TDA];
滤波的具体算法代码为:
进一步的,所述频率域分析的具体操作步骤包括,
S301:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S302:将所切分的数据以脉冲信号作为单位,步骤S301读入的激光脉冲用快速傅里叶变换计算每个脉冲的频谱,并画出每个脉冲的频谱图,进行比较分析;
S303:使用小波变换,用不同的小波函数对所截取的数据进行小波分析,深入分析数据在时间轴上的频率变化。
频率域分析具体算法代码为:
频谱分析:
f=[0:len-1]/len*fs;k1=fft(da);magk1=abs(k1);
%figure;plot(f,magk1);xlabel('f'),ylabel('幅度'),title('幅频特性');
axis([08000,0,200]);
[ma,fm]=max(magk1);
Ma=[Ma,ma];%最大幅值
FM=[FM,fm];%最大幅值频率
小波分析:
%---Executes onbuttonpress inpushbutton5.
functionpushbutton5_Callback(hObject,eventdata,handles)
%hObject handle to pushbutton5(see GCBO)
%eventdata reserved-to be defined in a future version ofMATLAB
%handles structure withhandles and user data(see GUIDATA)
wavemenu
所述统计学分析的具体操作步骤包括,
S401:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S402:使用步骤S401中读入的激光脉冲数据,用统计学的方法计算每个脉冲的强度均值和方差,在数据可视化模块显示,进行量化分析和比较;
S403:使用概率分析方法,画出每个脉冲的数据点的概率分布图,比较分析其数据点的概率分布情况;
S404:绘制每个脉冲数据的箱图,更加直观、清晰、准确地比较分析每个脉冲数据点的中位数、四个分位点、最大最小值、异常点分布,进而更加全面地比较分析其数据点的整体分布情况。
概率分析具体算法代码为:
绘制箱图具体算法代码为:
进一步的,所述数据可视化模块对用户输入模块以及数据分析模块分析计算的结果进行可视化显示;
具体的,所述数据可视化模块在进行可视化显示时将界面分为图形显示区域、数据显示区域和用户操作区域,所述图形显示区域和数据显示区域对数据分析模块分析计算的结果分别以图形和数据的形式进行显示,所述用户操作区域方便用户对相关参数进行输入,其具体内容与用户输入模块的内容一一对应。
所述数据存储模块对所有数据进行存储。
本发明的激光选区熔化的激光辐射强度数据分析系统基于MATLAB2016b版本的GUIDE模块开发,其图形用户界面如附图6所示,其中,区域①为图形显示区域,区域②为数据显示区域,区域③为用户操作区域。
图形显示区域,分为上下两个坐标轴,可将数据分析时产生的波形实时显示在界面上;
数据显示区域,可以将时频分析时的各个脉冲数据的均值、方差以及最大频率及其幅值显示在此区域;
用户操作区域,分为初始设置、输入参数、分析操作三个模块,用户可以在此区域选择所需要的操作以分析数据。
本发明的激光选区熔化的激光辐射强度数据分析系统操作步骤具体为:
1、选择文件:
点击“选择文件”下拉菜单,首先选择“强度文件”,将系统内储存好的强度数据(一维数组的.mat文件)读入,此时输入参数模块的空白文本框会显示“正在读取...”,读取完成后,显示“提示:未选择开关文件”;然后选择“开关文件”,将与强度数据对应的开关数据读入,文本框显示“正在读取...”,若读取成功,显示“脉冲总数:xxxx”。
必须首先读入“强度文件”再读入与之对应的“开关文件”,若首先读入开关文件,会提示“未选择强度文件”,则必须再进行选择文件中的“强度文件”操作;若开关文件与强度文件不对应,文本框提示“强度与开关不匹配”。
2、选择滤波器:
点击“滤波器”下拉菜单,选择需要的滤波器可以对强度波形进行滤波处理。若未选择,则默认为“均值滤波器”。
3、信号选择:
若选择“原始信号”,则第三模块“分析操作”对应原始信号展开,若选择“去噪信号”则数据分析对滤波后的信号展开。
4、输入参数:
根据需求截取强度数据脉冲段,并输入滤波系数。点击“确定”开始滤波,滤波完成后显示“滤波完成!”,图形显示区域显示红色原始波形与绿色滤波后的波形。输入参数后界面显示情况如附图7所示,其中红色波形为原始数据波形,绿色波形为滤波后的波形。
5、分析操作:
根据需求选择相应操作分析数据,分析完成后会弹出相应图形,“时频分析”时还会在数据显示区域显示数据。“关闭图形”按钮可关闭所有弹出的图形。点击“保存数据”按钮弹出保存文件对话框,选择所需保存即可,系统可显示的图形包括概率密度分布图、频谱图、箱线图和小波分析图,分析如附图8-11所示。“小波分析”时,弹出小波分析工具箱后,不可点击“关闭图形”,否则报错。此时需要手动关闭所有图形和界面后,才可关闭小波分析工具箱。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种激光选区熔化的激光辐射强度数据分析系统,其特征在于:包括数据采集模块、数据预处理模块、用户输入模块、数据分析模块、数据可视化模块和数据存储模块;
所述数据采集模块对输入激光的开关数据和熔池辐射激光的强度数据进行采集,并将所采集的开关数据和强度数据保存为MATLAB可读取的一维数据;
所述数据预处理模块用于读取所述数据采集模块保存的输入激光的开关数据和熔池辐射激光的强度数据,对输入激光信号的脉冲边沿进行识别,利用脉冲边沿位置对辐射激光强度信号进行精准切分,输出脉冲总个数;
所述用户输入模块用于提供用户对相关参数进行选择输入;
所述数据分析模块根据所述数据预处理模块输出的数据以及用户输入模块输入的相关参数进行分析计算;
所述数据可视化模块对用户输入模块以及数据分析模块分析计算的结果进行可视化显示;
所述数据存储模块对所有数据进行存储;
所述数据采集模块采用硅光电探测器对激光选区熔化过程中的输入激光开关数据与熔池辐射激光强度数据进行采集生成.tdms文件,然后使用MATLAB中convertTDMS函数模块读取,并提取出其中的强度数据和开关数据;
所述用户输入模块中提供用户输入的相关参数包括:文件类型选择、滤波器种类、脉冲信号类型选择、滤波系数、脉冲信号区间数据和分析操作类型;
所述文件类型选择项包括强度文件和开关文件;所述文件的数据类型为MATLAB可读取的一维信号序列的.mat文件;
所述滤波器种类包括均值滤波器、中值滤波器、高斯滤波器、heursure阈值滤波、rigrsure阈值滤波器、sqtwolog阈值滤波器、minimaxi阈值滤波器;
所述脉冲信号选择项包括原始信号和去噪信号;
所述滤波系数的定义由不同滤波器决定,数值由用户输入决定,若用户不输入则默认为10;
所述脉冲信号区间数据包括要截取的起始脉冲数、间隔脉冲数和取样个数;
所述分析操作类型包括概率分析、绘制箱图、时频分析和小波分析;
数据预处理模块对输入激光信号的脉冲边沿进行识别,利用脉冲边沿位置对辐射激光信号进行精准切分的具体方法包括以下步骤,
S101:设置切分阈值为x;
S102:使用阈值x与输入激光信号序列值进行逐个比较;
S103:若输入激光信号序列x(1,2,…,n)中前一个数据点x(i)的值小于x,且与之相邻后一个数据点x(i+1)的值大于x,则数据点x(i)所在位置i就判定为脉冲上升边沿;
S104:记录激光信号序列中所有脉冲上升边沿位置,此位置即对应辐射强度信号上升沿位置,进而对应激光选区熔化中的一个熔化道的起始点;
S105:将激光信号序列在每个上升沿位置分割成段,每段脉冲序列即表示一个激光脉冲,一个激光脉冲对应激光选区熔化中的一个熔化道;
所述数据分析模块包括激光强度的时间域分析、频率域分析、统计学分析、小波分析和箱图绘制;
所述时间域分析的具体操作步骤包括,
S201:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S202:将步骤S201中读取的激光脉冲可视化,并根据用户输入选择相应的滤波器和滤波系数对波形进行滤波,以时域波形的形式显示原始信号和滤波信号;
S203:提取数据特征,以一个激光脉冲为单位,计算每个脉冲的幅度均值和方差值特征,并在数字显示区显示幅度均值和方差值,量化分析各个激光脉冲的信息、对比各个激光脉冲之间的信息;
其中,把激光脉冲{xi}的N个采样点分成n段,在每一段中找出对应的峰值{Xpj},j=1,2,……,n;则,
2.根据权利要求1所述的一种激光选区熔化的激光辐射强度数据分析系统,其特征在于,所述频率域分析的具体操作步骤包括,
S301:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S302:将步骤S301读入的激光脉冲信号用快速傅里叶变换计算每个脉冲的频谱,并画出每个脉冲的频谱图,进行比较分析;
S303:使用小波变换,用不同的小波函数对所截取的数据进行小波分析,深入分析数据在时间轴上的频率变化。
3.根据权利要求2所述的一种激光选区熔化的激光辐射强度数据分析系统,其特征在于,所述统计学分析的具体操作步骤包括,
S401:根据用户输入,从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲;
S402:使用步骤S401中读入的激光脉冲数据,用统计学的方法计算每个脉冲的强度均值和方差,在数据可视化模块显示,进行量化分析和比较;
S403:使用概率分析方法,画出每个脉冲的数据点的概率分布图,比较分析其数据点的概率分布情况;
S404:绘制每个脉冲数据的箱图,更加直观、清晰、准确地比较分析每个脉冲数据点的中位数、四个分位点、最大最小值、异常点分布,进而更加全面地比较分析其数据点的整体分布情况。
4.根据权利要求1所述的一种激光选区熔化的激光辐射强度数据分析系统,其特征在于:所述数据可视化模块在进行可视化显示时将界面分为图形显示区域、数据显示区域和用户操作区域,所述图形显示区域和数据显示区域对数据分析模块分析计算的结果分别以图形和数据的形式进行显示,所述用户操作区域方便用户对相关参数进行输入,其具体内容与用户输入模块的内容一一对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110302710.XA CN113102770B (zh) | 2021-03-22 | 2021-03-22 | 一种激光选区熔化的激光辐射强度数据分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110302710.XA CN113102770B (zh) | 2021-03-22 | 2021-03-22 | 一种激光选区熔化的激光辐射强度数据分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113102770A CN113102770A (zh) | 2021-07-13 |
CN113102770B true CN113102770B (zh) | 2022-10-25 |
Family
ID=76710456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110302710.XA Active CN113102770B (zh) | 2021-03-22 | 2021-03-22 | 一种激光选区熔化的激光辐射强度数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113102770B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113363800A (zh) * | 2021-06-01 | 2021-09-07 | 矽卓光电技术(天津)有限公司 | 一种激光器输出脉冲信号参数系统 |
CN114683536A (zh) * | 2022-03-21 | 2022-07-01 | 江苏科技大学 | 确定fdm型3d打印机最佳打印参数的方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9643361B2 (en) * | 2014-05-27 | 2017-05-09 | Jian Liu | Method and apparatus for three-dimensional additive manufacturing with a high energy high power ultrafast laser |
EP3258219A1 (en) * | 2016-06-15 | 2017-12-20 | Eidgenössische Materialprüfungs- und Forschungsanstalt EMPA | In-situ and real time quality control in additive manufacturing process |
CN106984813B (zh) * | 2017-04-14 | 2019-08-20 | 华南理工大学 | 一种激光选区熔化加工过程同轴监测方法及装置 |
ES2746359T3 (es) * | 2017-07-24 | 2020-03-05 | Matsuura Machinery Corp | Método de conformación tridimensional |
CN107402217B (zh) * | 2017-07-27 | 2020-06-30 | 哈尔滨工业大学(威海) | 基于视觉传感的激光增材制造缺陷的在线诊断方法 |
CN108788153A (zh) * | 2018-08-27 | 2018-11-13 | 西安空天能源动力智能制造研究院有限公司 | 一种激光选区熔化加工过程实时质量监控装置及方法 |
CN208772455U (zh) * | 2018-09-21 | 2019-04-23 | 西安空天能源动力智能制造研究院有限公司 | 一种激光选区熔化加工过程熔池温度实时监测装置 |
US11559854B2 (en) * | 2018-11-09 | 2023-01-24 | General Electric Company | Methods for detecting errors in an additive manufacturing process |
CN111504980B (zh) * | 2020-04-26 | 2021-04-16 | 长春工业大学 | 一种金属增材制造过程的libs在线监测装置及方法 |
CN111761819B (zh) * | 2020-07-07 | 2021-08-31 | 南京理工大学 | 一种激光粉末床熔融成形件缺陷在线监测方法 |
-
2021
- 2021-03-22 CN CN202110302710.XA patent/CN113102770B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113102770A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113102770B (zh) | 一种激光选区熔化的激光辐射强度数据分析系统 | |
US20220026896A1 (en) | Predictive maintenance model design system | |
US20230204560A1 (en) | Method, system and medium for papermaking quality evaluation | |
Perpiñán et al. | Signal analysis and feature generation for pattern identification of partial discharges in high-voltage equipment | |
US6754388B1 (en) | Content-based retrieval of series data | |
CN113084193B (zh) | 一种激光选区熔化技术原位质量综合评价方法 | |
He et al. | Intelligent Fault Analysis With AIOps Technology | |
CN106097138A (zh) | 一种基于统计模型的电力消费异常数据检测系统与方法 | |
CN114700587B (zh) | 一种基于模糊推理和边缘计算的漏焊缺陷实时检测方法及系统 | |
TWI643120B (zh) | Time series data processing device and processing method | |
CN116010485A (zh) | 一种动态周期时序的无监督异常检测方法 | |
US10585130B2 (en) | Noise spectrum analysis for electronic device | |
Gale et al. | Automatic detection of wireless transmissions | |
Grabowicz et al. | Fast filtering and animation of large dynamic networks | |
US20080221811A1 (en) | Method and apparatus for identifying a region of interest of transient vibration data requiring analysis | |
CN112365489A (zh) | 一种超声图像血管分叉检测方法 | |
Bors et al. | Exploring Time Series Segmentations Using Uncertainty and Focus+ Context Techniques. | |
Zhang et al. | Detecting and imaging irregularities in time-series data | |
CN113127968B (zh) | 基于运载火箭的评价方法 | |
Liu | Correcting the baseline drift without human knowledge | |
Yu et al. | Interactive Transformations and Visual Assessment of Noisy Event Sequences: An Application in En-Route Air Traffic Control | |
CN112459970B (zh) | 一种运用数据对抗学习的风电机组异常检测方法 | |
CN117541483B (zh) | 一种扩散板的结构性能评估方法及系统 | |
CN117809839B (zh) | 一种预测高血压视网膜病变与相关因素关联分析方法 | |
CN117574289A (zh) | 一种时间序列数据形态识别方法及其系统 |
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 |