CN113231651A - 增材制造设备和方法 - Google Patents

Abstract

披露了通过材料的分层固结来构建物体的增材制造设备以及相应方法。所述设备包括：构建外壳(101)，所述构建外壳包含用于在构建过程中支撑所述物体的构建支撑件(102)；材料源，所述材料源用于将材料提供到选定位置以进行固结；辐射装置(105，106)，所述辐射装置用于产生和引导辐射以将所述材料固结在所述选定位置处；以及声感测系统(191，192，193，194)。所述声感测系统可以被安排成检测由于用所述辐射使所述材料固结而在所述构建外壳中生成的声信号。所述声感测系统可以是被动式声感测系统，所述被动式声感测系统被安排成检测所述构建外壳中生成的、指示所述构建过程和/或所述物体的至少一个状况的声信号。

Description

增材制造设备和方法

本申请是分案申请，其原案申请是申请号为PCT/GB2016/051720、申请日为2016年06月10日的PCT申请并且于2017年12月11日进入中国国家阶段，国家申请号为2016800339588，名称为“增材制造设备和方法”。

发明领域

本发明涉及增材制造设备和方法，并且对于选择性固化过程(例如选择性激光熔化(SLM)、选择性激光烧结(SLS)或电子束熔化(EBM))的监测和进程内控制具有具体但不排他的应用。

背景技术

用于生产物体的增材制造方法或快速原型成型方法包括使用高能射束、例如激光束来对材料、例如金属粉末材料进行逐层固化。在构建室中在粉末床上沉积粉末层，并且用激光束扫过该粉末层的、与正在构造的物体的截面相对应的这部分。激光束熔化或烧结粉末以形成固化层。在选择性固化了一层之后，将粉末床降低最新固化层的厚度，并且根据需要在该表面上散布另外的粉末层并将其固化。

已知的是响应于所监测的参数来监测和控制选择性激光粉末过程。例如，WO2007/147221披露了使用用于传送激光束的光具组(optical train)的元件来收集从粉末床反射的激光的设备。激光被传送到粉末床，并且由粉末床反射的辐射通过包括一对可移动镜和f-θ透镜的扫描光学器件进行收集。半反射镜将激光朝向扫描光学器件反射，但是允许所反射的辐射穿其而过到达相机和光检测器。在WO95/11100中披露了一种类似的系统，但是分束器被提供在扫描镜与用于聚焦激光的透镜之间。

US2007/0176312A1披露了在直接激光沉积中使用拉曼(Raman)光谱，这允许分析有机和/或陶瓷成分。WO2009/112799A2披露了一种用于涂布多层强拉曼散射体产品的装置以及一种用于监测从材料区域散射的光的频率同时将用于熔化材料的激光施加到所述区域的拉曼光谱仪装置。

使用IR相机监测增材制造过程也是已知的。例如，US2009/0152771披露了检测所涂布的粉末层的IR辐射图像，并且根据IR辐射图像来确定所涂布的粉末层中的缺陷和/或几何不规则性。

特别是当应用于对金属的选择性激光熔化时，这种监测技术的问题在于，正在被固结的区域例如被熔池上方产生的等离子体遮蔽而与传感器隔开。

附图说明

图1是根据本发明实施例的选择性激光熔化(SLM)设备的示意表示；

图2展示了用于限定激光束的扫描以使材料固结的扫描参数；

图3是用于检测气体传播声信号的设备中所使用的麦克风阵列的电子系统的示意图；

图4示出了在时域和频域两者中绘制的当熔化单层6mm Ti6Al4V测试柱体时检测到的气体传播声信号；

图5示出了在应用高通数字滤波器来抑制所有机械噪声以仅留下激光熔化响应之后来自图4的同一响应；

图6示出了设定为40、120、180瓦的激光功率下测量出的气体传播声信号；

图7示出了当熔化多层6mm测试柱体时，在选择性激光熔化设备中使用的激光功率(以瓦特为单位)与检测到的气体传播声信号的RMS之间的单调递增关系；

图8示出了气体传播声信号的RMS如何随着激光焦距从粉末床上方+4mm到粉末床下方-4mm的变化而变化；

图9是在形成Ti6Al4V测试柱体层时检测到的气体传播声信号的时域图和STFT图，示出了针对阴影和周界扫描的气体传播声信号的差异；

图10是当形成两点距离为(a)55微米和(b)95微米的测试柱体时熔化Ti6Al4V时检测到的气体传播声信号的谱和振幅统计特征的比较；

图11示出了当形成用于三个不同点距离的测试柱体时熔化Ti6A14V时气体传播声信号的峰值谱频率；

图12示出了针对在(a)整个持续时间和(b)每个波形的前52ms上采取的30、40、50、60和70微秒曝光时间扫描到的50个点检测到的气体传播声信号的峰值FFT频率；

图13是高分辨率STFT的示例，示出了当熔化测试柱体的Ti6Al4V时30、40、50、60和70微秒曝光时间的谱能量分布；

图14示出了气体传播声信号相对于曝光时间的带限能量(bandlimited energy)波形和积分能量波形；

图15是用于构建在粉末床上重复的测试立方体的输入构建参数的表格；

图16示出了在使用图15所示的激光参数构建15个立方体上的构建层期间由单个宽带麦克风检测到的气体传播声信号的时域图和谱图；

图17示出了在使用图15所示的激光参数构建重复的13组15个立方体的整个构建层期间由单个宽带麦克风检测到的气体传播声信号的时域图和谱图；

图18示出了在构建测试立方体的四个连续层期间检测到的气体传播声信号的时域图和谱图，示出了频率调制；

图19示出了在AM零件层上画阴影期间测量到的瞬态气体传播声信号的两个示例，所述AM零件可以被自动分类；

图20示出了在具有复杂几何形状的零件的单层的形成过程中所记录的气体传播声信号的时域图和谱图；

图21示出了在复杂构建层的形成过程中检测到的气体传播声信号的STFT，指示出可以从所述气体传播声信号中标识复杂几何形状的不同区段；

图22示出了说明在时域和STFT域中可对SLM有用的更宽的气体传播声谱(最高达200kHz)的示例：

图23示出了在阵列中相隔8cm并在空间相干宽度内的两个麦克风处声信号到达的时间或相位差，以允许实现构建室内的到达方向(DOA)估计；

图24示出了在启动SLM构建过程之前麦克风对在构建室内产生真空的响应；

图25是示意图，展示了用于声发射(AE)应力波活动的数字记录的双通道AE采集硬件；

图26和图27示出了在粉末散布过程中在AE信号中观察到的间歇性瞬态事件；

图28示出了在6mm测试柱体层的形成过程中检测到的AE信号的时域图、STFT图和FFT图；

图29示出了在构建过程中检测到的AE信号的STFT图和时域图，展示了用于测试柱体层内的阴影、内部和外部周界范围的谱分量和时间分量的差异；

图30示出了在测试柱体的形成过程中在30、40、50、60和70微秒的曝光时间(ET)下检测到的平方律能量(LP滤波)AE信号；

图31示出了对于30、40、50、60和70微秒的曝光时间的来自平方律AE包络的AE信号的峰值频率；

图32示出了对于55、95和75微秒的曝光时间的来自平方律AE包络的AE信号的峰值频率；

图33示出了用于Ti6A14V测试柱体的AE信号RMS；

图34示出了AE信号的积分能量的单侧FFT谱；

图35是在使用光栅扫描熔化构建板之后检测到的AE信号脉冲串的示例；并且

图36是基于卡尔曼滤波器的气体传播声学数据和AE数据的融合的示意图。

具体实施方式

参考图1和图2，根据本发明实施例的选择性激光熔化(SLM)设备包括构建外壳(在该实施例中为构建室101)，该构建外壳中具有界定构建体积116的分隔件114、115和可以在其上沉积粉末的表面。构建平台102界定工作区域，在该工作区域内通过选择性激光熔化粉末104来构建物体103。构建基底110可移除地附接到构建平台102上，构建基底110由熔化的粉末材料在固结时附着到其上的材料制成。可以通过使用机构而随着物体103的相继层的形成来在构建体积116内降低平台102。构建平台102可以在构建体积116中降低的程度定义了可用的构建体积。

包括分配器(未示出)和刮板109的粉末源被安排成跨过构建体积116形成粉末层104来作为物体103。例如，分配设备可以是如WO 2010/007396中所描述的设备。激光模块105产生用于熔化粉末104的激光，激光由计算机160控制下的光学模块106按需引导到粉末床104上。激光经由窗口107进入室101。

该设备进一步包括用于产生跨过粉末床104的气流的气体回路，以便带走在增材制造过程中产生的由气体传播的碎屑。气流被从入口喷嘴119吹到排气喷嘴(未示出)，该排气喷嘴形成气体再循环回路(未示出)的一部分。气流由泵(未示出)产生，并且通过气体再循环回路中的过滤器(未示出)将碎屑从气流中过滤出。提供与真空泵相连接的阀门121，以便在构建室101中产生真空。可以接着用惰性气体(如氩气或氮气)回填构建室101。气体回路可以如通过引用并入本文的WO 2010/007394中所描述的那样。

计算机160包括：处理器单元161，存储器162，显示器163，用户输入装置164(如键盘、触摸屏等)，到激光熔化设备的模块(如光学模块106、激光模块105)的数据连接，以及驱动分配设备、刮板和构建平台102移动的马达(未示出)。提供外部数据连接166用于将扫描指令上传到计算机160。由计算机160基于扫描指令来控制激光单元105、光学单元106和构建平台102的移动。

激光单元105由经调制的控制信号驱动，从而产生具有所希望的持续时间的激光脉冲。将激光束扫描跨过粉末层的待固化的区域，以使该区域内的一系列离散点暴露于激光束。通过将这些点暴露于激光束而形成的熔池合并而形成均匀的固化区域。对区域的扫描由一组扫描参数来界定。参考图2，在此实施例中，该扫描参数包括激光功率、光点大小/焦距、每个点的曝光时间、点距离、曝光之间的时间以及阴影线(hatch)距离。

该设备包括两个不同而又互补的被动式声感测模态。第一模态涉及一个或多个气体传播麦克风191、192、193的阵列，该阵列位于构建室101的受控氛围内的粉末床104的上方。麦克风191、192、193被配置为测量和解释在AM机器运行期间由其产生的可听频带和低超声波频带内的多个不同气体传播声响应。第二模态涉及一个或多个被动式结构传播声发射(AE)传感器194，AE传感器定位在远离且在构建板基底110(在该构建板基底上熔化粉末层)的下方和/或在构建平台102的下方。这些AE传感器194测量和解释主要在低超声波频带内的结构传播瞬态弹性应力波，该瞬态弹性应力波也是在机器运行中由源机构引入的。在一个实施例中，AE传感器194被附接到构建基底110上以便可与其一起移除。

如将要描述的，该声感测模态各自在AM机器内具有多于一个有益的监测用途。

例如，麦克风模态可以专门用于：-

1.氛围环境的直接校准监测/测量(例如，构建室内的O2和/或氩气或氮气的％含量)。

2.AM机器内所有移动机械部件(例如真空泵轴承、镜式检流计(Galvo)机构、刮板机构)的长期健康和使用(HUMS)或状况监测。

3.入射激光相对于粉末床的相互作用(即由输入激光参数界定)的声识别(即指纹)。

4.对由粉末床熔池产生的熔融微喷发或火花的直接测量和评估。

类似地，AE系统可以专门用于：-

1.监测/评估在AM机器的构建过程中在每个新层上散布粉末的过程；

2.检测/评估在构建AM零件时可能潜在地积累在该AM零件内的、不想要的残余应力。

3.检测在构建零件时在该零件的分子结构内的任何局部相变(例如Ti6A14V中的锡呜(Tin cry)相双晶形成)。

除了这些单一感测模态用途之外，可以通过两个被动式声感测模态的并行而以互补的方式来解决多个不同的关键进程内监测任务。

例如，这两个感测模态可以用于影响：-

1.在正在构建的AM零件内的内部缺陷检测(例如层离、微裂纹、孔隙率等)。

2.在制过程监测金属粉末熔化和零件固化过程。

3.在制过程监测跨越每个层应用的任何附加的经集成基于激光的去应力过程或喷丸过程(peening process)。

两个被动式声感测模态都提供了某一水平的有用且互补的信息，该信息关于熔化状况以及可以近乎实时地进行的随之发生的层融合过程。更具体地，激光束被选择性地定位成在每一层上跨越粉末床，以使得聚焦的激光光点(典型地，直径为70微米)熔化金属粉末，从而在局部形成液体熔池(典型地，直径为120微米)。在这个熔池内的热激发是由以下各项的组合来确定的：基本输入激光器参数(例如功率、曝光时间/占空比、焦距)、扫描参数(例如点距离、阴影线距离、扫描速度)、金属粉末(例如材料、晶粒尺寸分布)、熔池上方的氛围状况以及零件的局部几何形状(即热沉)。在确定AM构建过程的质量和后来的AM零件的微观结构特性(例如，就最小孔隙率、不存在微裂纹或分层而言)时，考虑在熔化过程中在动态熔池内诱发的热激发活动以及在固化过程中的即时热耗散。所激发的熔池周围的局部热活动引起可被测量到的气体传播声发射和结构传播声发射。本质上，气体传播传感器阵列通过测量来自熔池激发来的即时物理效应(该效应引起可检测的气体传播声响应)来监测初始熔化过程。这些效应包括在熔池内与激光频率一致的稳定共振、以及由更随机从熔池发出的火花和熔化粉末的喷发所诱发的瞬态声波两者。此外，AE传感器在熔融零件发生再固化时继续测量熔池，其中发生结构传播的AE脉冲串或应力波活动的更显著的集合，其可以容易地通过AM零件和基底传播到定位在远处的AE传感器。

在一个实施例中，SLM机器结合有激光器，该激光器用于以适当降低的脉冲宽度、停留时间和/或功率来递送短持续时间的激光脉冲(例如20纳秒)，以用于AM构建内每个新的附加层的在制过程去应力或加工硬化(例如激光喷丸)。本文描述的两个声感测模态都提供了用于监测这样的构建内激光喷丸过程的有益的感测方法。更具体地，先前已知AE传感器可以容易地检测在脉冲激光喷丸过程期间产生的内部结构传播冲击波。由激光喷丸引入的重复瞬态表面产生的冲击波序列将产生AE脉冲串波形序列，该AE脉冲串波形序列可由本发明提出的AE传感器检测到以便：-(1)评估在AM过程期间由激光器递送的加工硬化、以及(2)评估AM零件本身的完整性。通过检测AE脉冲串活动中的任何意外的波形扰动(例如来自构建中的微裂纹的二次反射)和/或来自飞行时间信息的跨层声速剖面测量结果来检查AM零件，该飞行时间信息可以与零件孔隙率线性相关。等同地，这样的基于激光的层喷丸将产生强烈的气体传播冲击波序列，可以由本发明内提出的麦克风阵列来检测和分析该气体传播冲击波序列。这特别适用于AM机器(其中针对该零件不使用牺牲层)内的喷丸，这表明气体传播冲击波响应对于加工硬化过程的质量来说将是干净的和非常敏感的/富有信息的。

连续波(CW)和调制激光(脉冲激光加热)两者都被用作金属粉末选择性激光熔化机器中的加热源。尽管本发明可以有效地应用于CW激光熔化AM机器，但是当与脉冲激光加热源(例如，如Renishaw AM250中所应用的)一起使用时，本发明具有一些额外的优点。列举了本发明的对脉冲激光加热的声学监测的三个益处。首先，该声系统适合于所测量的声波波形的低延时时间和/或谱处理，从而对于激光脉冲的确定性作用的可靠过程控制而言是可行的，该激光脉冲诱发跨粉末床的加热。其次，激光脉冲频率用于对所测量的声波波形进行调制，起到自然载波的作用，该自然载波编码了关于与熔池热激发相关的更随机发生的事件(即，跳火花或熔融微喷发)的有用附加信息。第三，注意到可以在商用AM机器中进一步利用脉冲频率调制，从而同时采用多于一个的激光加热源。这尤其和用所测量到的作为对熔化反应的气体传播响应来使用谱处理相关，其中在构建过程中可以针对独立的激光器使用先验已知的频率调制模式(CW或FM)。

在系统层面上，进一步注意到对于进行的每一个构建中的监测任务，其中两个声感测模态独立地提供有用的感测数据或推断信息，存在若干种方式将这样的有用的传感器数据或所提取的信息定量地组合，以便获得对AM过程条件的更具鲁棒性的和/或更准确的评估，或者甚至为AM系统提供准确的实时感测反馈控制。高价值的传感器数据融合可以直接在监测系统内的声波波形或信号电平上进行。例如，来自时间离散事件(例如，嘈杂的分层事件)的瞬态波形特征可以由每个模态的传感器进行报告(提高诊断的置信度)。同样地，熔池内的演变状况或状态可以基于来自两个传感器模态的原始或特征提取测量结果而近乎实时地进行连续估计和更新，这两个传感器模态可以在线性或无迹卡尔曼滤波器中组合，从而提供实时无偏置状态估计。然而，来自每个模态的有用传感器数据还可以在轨迹/位置或决策级别进行组合，以提高对缺陷或故障状况检测、识别或位置决定的置信度。

由两个感测模态测量出的波形呈现确定性变化(例如在熔化响应的声能中)，该确定性变化可以象征特定的物理现象并且在不同的时间尺度上建模。气体传播声响应中的非常短期的可变性构成了横跨单层的测量到的声信号的变化(揭示了有关熔化过程的即时高保真信息)。然而，长期可变性也由本发明测量并用于监测目的。例如，可以使用任何时间序列建模方法(例如，AR、MA、ARMA模型)来对在声学测量中展示的短期层间可变性进行观察和建模。可以对由本发明、特别是气体传播系统测量到的原始声学数据的层间可变性进行监测/处理/建模，以在构建过程中的规格条件或机器性能的较长期劣化之外进行检测。无源声系统可以用于检测和诊断由本发明测量的无源声学数据中的这种确定性的且可预测的可变性。例如，可以生成用于具有已知几何形状和材料类型以及诱发孔隙率的AM构建零件的声学指纹数据库，并且可以将未来构建中记录的声学数据与保留在数据库中的声学指纹进行比较，以判定构建是否完成/机器运行是否令人满意。

通过本发明在任何特定的AM机器或AM过程上测量到的声学数据可以比用于特定机器或过程的进程内监测被更广泛地利用。在本发明中提出的麦克风和AE感测系统都可以永久安装在适应于一系列设计特征的任何新型或现有AM机器(例如适应于多于一个的同时运行的热源激光器的机器)内。同样地，该系统可以改装成任何现有的AM机器。然而，本发明实际上并不需要被部署在用于制造对AM构建过程有用的复杂几何形状金属零件的所有商业生产机器中。也就是说，本发明可以被部署在开发机器的子集上，以便提供关键的过程控制或特定的AM构建信息来优化输入构建参数(即脉冲激光输入参数)。也就是说，本发明可以用于针对任何定制的复杂几何形状零件，即关于制造该零件的许多生产AM机器的后续使用来在研制机器上优化过程参数。在这种背景下，本发明可以用于研制经验导出的或客观存在的声波波形模拟模型，该模型提供构建过程中的合成声环境。

麦克风阵列设备

现在详细描述无源声感测模态中的第一模态。如所陈述的，第一模态涉及一个或多个气体传播麦克风，该麦克风有利地被定位在构建室内的粉末床上方，从而可以测量和分析在机器运行期间入射到麦克风阵列处的气体传播声响应，以推断出AM机器的若干个操作方面。

可以在构建室内孤立地采用单个麦克风，以基于由单个装置测量到的单独时域波形来监测AM机器内的多于一个的关键操作。然而，在已知的几何阵列中部署若干个相同的麦克风(即，频率和/或相位响应相匹配)是有利的，该阵列被分布在光栅扫描的激光束的观测场之外的构建腔室的末端周围。这样的麦克风阵列可以被有目的地配置为相对于粉末床具有已知的阵列间距和取向，以便：(1)通过复杂的滤波方法(例如，自适应LMS滤波、盲源分离(ICA)、匹配滤波)来优化在混响卷积构建室环境内感兴趣的声波波形的SNR；(2)有助于有用的空间滤波或动态声源定位。进程内空间位置估计基于到达方向(DOA)估计、飞行时间事件位置。尽管本文描述的气体传播系统的优选实施例涉及相对稀疏的阵列(例如阵列内的4-16个元件)的声源定位方法，但应当指出，本发明的更复杂且更高成本的实施例将涉及采用相控阵列射束形成方法(例如，如在声学相机或声纳系统中发现的那样)的紧密间隔的传感器的更大的平面阵列。

在本发明的这个实施例中使用的特定声传感器是能够对声场进行高保真宽带测量的高动态范围的仪器麦克风(例如，来自GRAS的外部极化式40BF)。然而，可以采用能够充分测量感兴趣频带内的气体传播声响应的任何声传感器。气体传播麦克风阵列感兴趣的主要测量频带的范围从DC到140Khz，然而在某些应用和条件下(例如测量来自激光喷丸的冲击波或更多的定量高频熔池火花测量)频率范围可以进一步朝向1MHz扩展。此外，取决于AM机器的构建室内呈现的信噪比(SNR)，可以使用低成本的预极化驻极体装置和/或甚至经IC制造的MEMS麦克风(例如，Knowles)。在本发明中可采用的这些感测元件中的大多数是相对于已知的校准参考压力(典型地，例如20微帕)精确地转换声压差(以分贝(对数刻度上的dB)为单位)的全向或定向传感器。然而，可采用的另一种类型的声学测量装置测量出在从粉末床(例如Microflown MEMS风速计装置)的单个向量方向上的声粒子速率。

如同使用高保真仪表麦克风的任何精确的声音测量一样，有利的是使用已知声压级(SPL)和频率的正弦声源对本发明内的每个阵列通道进行SPL校准，作为不时进行的内置测试或重新校准程序的一部分。这样，所测量的波形电压信号可以相对于在麦克风阵列处入射的已知声压级进行校准。然而，由于麦克风阵列此外可以在启动真空产生期间和氩气氛围产生期间用于测量室内的绝对空气/气体压力，因此可能是必要/有利的是对麦克风阵列和采集系统进行更常规的校准。因此，设备可以结合有音调型声源致动器/扬声器以使这种校准自动化，和/或在氛围的麦克风测量期间(如稍后所述)用作声源。

现在描述气体传播系统的采集系统(如图3所示意性示出的)。入射到阵列中的每个麦克风的声压级被转换为成比例的电信号波形，该电信号波形然后可以在源(即，具有前置放大器和模拟滤波器电子器件的信号调理单元)处被放大和滤波，然后被传输到数字采集和处理器单元进行进一步的信号处理和解释。如同任何这样的数字采集硬件一样，本发明结合了模数转换器(ADC)，该ADC以足够高的采样率(即通常远高于奈奎斯特速率的过采样)和位分辨率将模拟测量波形转换成数字样本序列，以适应测量波形的动态范围。应强调的是，对于结合了多于一个感测通道的所有阵列而言，ADC是时间同步的，以使得可以使用适当的信号处理方法来估计阵列内的麦克风对之间的时间离散的瞬态和空间相干的伪CW噪声两者的精确的到达时间差。

在ADC之前，ADC电子器件还可以结合有带通数字滤波器(例如HP FIR)以及可能的模拟抗混叠滤波器(例如Butterworth、Chebychev)。采集硬件还可以包括用于自动增益控制的电压增益放大器(VGA)，如可以在许多声学采集系统中应用的那样。然后每个测量通道上的经数字化和编码的波形流可以被处理(例如，使用微处理器、DSP单元或FPGA)并且以数字方式存储，以用于数据库中的进一步分析。以下部分将论述如何处理气体传播声信号并如何提取关于选择性激光熔化过程的有用信息。

简要描述了在任何AM过程(例如，线和弧沉积AM)期间使用的本发明的简单、低成本和便携的实施例或简单地作为辅助人类进行电弧或MIG焊接的低成本工具。这将为操作者提供与构建质量相关联的有用的实时可听信息。与所描述的用于AM机器中的安装的数字系统不同，这种低成本的实施例不需要任何数字电子器件。相反，它将采用基本的模拟外差电路系统，以便将超声波熔化响应信息向下偏移或基带下降到可听频带(即通过与已知的正弦振荡器混合)。因此，可以使用耳机或扬声器向人类操作者以任何速度播放对激光熔化的纯粹可听响应，使得操作者可以评估沉积、点焊或电弧焊的质量。类似地，可听波形可以被馈送到简单的阈值检测器电路系统或一组相匹配的滤波器，以影响沉积质量的明显变化的自动检测。

麦克风阵列处理

由麦克风阵列检测到的气体传播声波波形初始被处理，以从背景噪声源(即，机器内的机械噪声)中分离出感兴趣的信号分量(即，同激光束与粉末床/熔池之间的物理相互作用有关的进程内信息)。图4描绘了用于在一层简单几何形状的6mm直径的Ti6A14V柱体上的单个麦克风响应测量结果的时域图和频域图。如所示，包括激光脉冲频率的较高频率的信号分量可以归因于熔化响应。然而，这受到构建室内的机械部件(即循环泵)的明显的低频噪声的调制。由于这两个信号分量之间的谱差异，本发明实现了截止频率为～6-10kHz的高通数字滤波器，以去除低频机械噪声，然而滤波器截止频率可以针对每种类型的定制AM机器进行优化。如图5所示，低阶高通FIR滤波器(即具有线性相位)有效地去除了对用于在制过程监测的主要感兴趣的原始熔化响应进行调制的所有低频机械噪声。

归因于在AM机器内移动机械组件(例如，气流泵、粉末刮板109)的低频可听噪声分量还可以使用简单的低通数字滤波器(例如，FIR滤波器设计)来隔离，并且在本发明内被利用。可以有效地分析这样的机械噪声信号，以用于AM机器内的长期有用部件的状况监测或内置测试。由循环泵、粉末刮板109和/或光学模块106的检流计机构产生的独特的可听声音可以被记录并存储为原始波形数据、或充分表征机构的工作状况的所提取信号特征。这样的波形描述符包括谱描述符(例如FFT、AR、倒谱、小波或STFT系数)、信号振幅/能量相关描述符(RMS、峰值电压)和/或统计描述符(例如峰度、KS统计)。该系统可以基于来自AM机器内的机械部件的测量到的声波波形的自动分类来使用状况监测方法。这些方法可以基于简单的决策规则(例如硬阈值)或用于自动故障状况诊断的统计或模式识别方法，用于统计或模式识别方法基于输入波形或从输入波形推导出的所提取特征与先验已知测量结果的数据库或模型之间的比较。

无源监测系统的主要益处在于，它为发生在粉末床熔池上的实际激光脉冲相互作用提供了清晰、准确和明确的记录(即滚动时间报告)。本发明特别适用于采用脉冲激光加热的AM机器，其中提供了一系列精细的感测，并且因此提供了(比采用连续波(CW)激光源的任何AM机器能够容易实现的)那些更微妙的加热控制能力。这主要是因为脉冲激光器在所测量的声响应内诱发可检测的信号调制效应，该声响应可以以谱的方式进行实时处理以提取：-(1)与实际激光相对于粉末床的相互作用相关联的确定性信息反馈(即，在AM构建期间以声学方式识别复杂的激光脉冲轮廓)；(2)关于随后的熔化状况(即，熔池的加热状态和作为结果的动态分析)的随机信息反馈，该随机信息反馈可以与随后的AM构建零件有关。在本发明的背景下，认为脉冲激光SLM AM机器在闭环系统内对加热过程提供更精细的控制。

本发明可以与通常在SLM AM机器内发现的各种脉冲激光加热源和相关的机械‘光栅’扫描系统一起使用。这些脉冲激光加热源和机械‘光栅’扫描系统在不同的模式下工作。在一个实施例中，控制激光脉冲以在声响应(例如，啁啾或扫掠频率响应)内诱发可变频率调制，其也可以由本发明有利地利用；不管采用何种类型的激光器和扫描检流计-镜系统，所测量的声响应(即最值得注意地是演变频率)都可靠地描绘出激光器的脉冲事件。此外，动态熔池构成传播到构建室内的麦克风的感兴趣的声波的主要来源。

本发明在检测确定性加热激光参数方面的若干用途被发现。改变加热源的一种方式是改变聚焦光学器件并因此改变激光束强度分布。由本发明提供的有用的监测功能涉及通过在复杂的AM构建期间改变光学焦距来自动检测任何意外的或故意的激光束的散焦。焦距中的正或负位移(例如+/-4mm)导致入射到粉末床上的加热光点不太强烈。结果表明，气体传播声响应可以检测到加热源焦距的显著变化。举例而言，声响应波形是在商用SLM机器内的光纤激光器的焦距从焦点对准(0mm)设置变化到正4mm和负4mm设置的情况下测量出的。在图8中示出了在这三个焦距设置的情况下，从来自6mm测试柱体的连续层中的十个声波波形提取的RMS信号水平。在焦点位于粉末床上方4mm的情况下，观察到平均声信号能量中的可测量减少，这表明经散焦的射束发散，从而导致加热源较不集中。但是，焦点设置在粉末床下方4mm处产生了与焦点对准情况非常相似的声响应。因此，提供了一种方法，用于检测加热激光射束何时聚焦在粉末床上方并产生较差能量。声系统还可以基于相似的声信号处理(例如，高斯分布或高帽分布)来区分不同的射束形状。

在AM机器内改变由激光递送的加热能量的另一种途径是简单地修改激光源功率(单位：瓦特)。气体传播响应对任何这样的激光功率的变化都很敏感。这样，本发明至少提供了一种用于估计激光功率的有用的近似方法，其中其他相关的输入激光参数是已知的或者可以被推导出。然而，需要指出的是，通过求平均方法和/或校准测试以及传播损耗(氛围衰减模型)，测量同一熔化响应的若干个麦克风的阵列将提高激光功率估计的准确度和置信度。图6示出了单个麦克风对用设定在三个递增功率(40瓦、120瓦和180瓦)的激光来构建的Ti6Al4V柱体进行测量而得到的气体传播响应的三个示例。如时域图中所示的，信号中的振幅和能量随着输入激光功率增大而明显增大。如STFT谱图所示，宽带能量和窄带音调能量随着激光功率增大而增大。关于该40瓦的低功率情况，需要指出的是，本发明不必要求粉末完全熔化以在麦克风阵列处诱发可检测的声响应，并且因此本发明的另一益处是监测在热弹性范围内(即低于熔化)激光与粉末床的相互作用。同样地，还提到了通过本发明还可以容易地监测到在AM机器中使用的经高得多的功率的激光诱发的烧蚀过程。

因此，用于估计所测量的气体传播信号响应中的能量的若干种信号处理方法可以用于直接推断激光功率。可以采用的信号能量的描述符包括在时域的任何积分周期内计算出的峰值电压、方差和RMS。同样地，可以根据Parsavel定理(通过FFT系数，STFT)或者通过任何波形包络方法(例如，希尔伯特(Hilbert)变换系数)来将声能量处理为谱能量密度。应进一步指出的是，声信号功率的任何类型的带限估计可以同样用于估计激光功率。

图7示出了在商用SLM机器上在Ti6Al4V测试柱体AM构建期间，从40W到180W范围内的输入激光功率与气体传播响应的RMS电压(作为在每个功率下的10个连续层上的平均值)之间的凭经验推导出的关系。如所示，RMS电压随激光功率增大而单调递增。在图6中进一步指出的是，在每个信号响应结束处看到的较大的更高能量的瞬态信号对应于以下过渡：横跨柱体层的激光传导体积阴影线熔化与限定柱体外表面的随后零件轮廓熔化之间的过渡。呈现较高振幅的气体传播声响应的轮廓信号归因于较小的点距离(即，沿着阴影线路径的连续加热点之间的以微米为单位的距离)。任何构建内的这种轮廓熔化(其形成生成AM零件的表面)常常被选择为具有比大体积阴影线更短的点距离，并且由于在周界附近更靠近的加热点和到熔合AM零件的更差的热量耗散，导致周界熔池内的加热效果增强。轮廓熔化可以涉及可能具有不同的点距离和/或曝光时间的内部和外部周界熔化模式。本发明提供了用于监测有效性(即，确定性点模式的直接测量)和轮廓的质量(即与麦克风响应中的振幅信息交叉参考以确保均匀热量分布的谱扩散)的有用方法。还应指出的是，在层的受限区域上的经拖延轮廓操作可以诱发可由本发明的数据处理方案(即，自动分类器)检测和解释的声振幅的差异。

为了说明这一点，图9示出了在具有标准输入参数(即200瓦激光功率、50微秒曝光时间以及75微米点距离)的商用SLM机器上构建的单层6mm Ti6Al4V测试柱体所采用的熔点模式。如所指示的，加热激光(即，以绿色示出的光点)用设定的点距离沿每个相邻的阴影线路径侧向移动，其中正交旋转向量在每一行之后改变(例如67°)。在沿阴影线动作完成之后，激光以不同的激光参数组合围绕周界熔化轮廓，以诱发所需的表面光洁度或表面孔隙率效应。在时域和谱域两者中表示出通过本发明对测试柱体实例测量得到的气体传播声响应。如所指示的，阴影线范围与轮廓熔化范围之间的谱含量有明显的差别。在这种情况下，熔点模式涉及内部圆形轮廓(其处于与体积阴影线相同的点距离处)和外部轮廓(其具有较短点距离周期)。这些不同的熔化范围在图9的STFT中清晰可见。在这种情况下，内部轮廓首先以相同的阴影线点距离出现，然而应指出的是，移动是圆形的而不是线性的。归因于更精细的节距点距离，外部圆形轮廓在其熔化操作中诱发相对于阴影线频率的向上的频移(从～16.8kHz至～20kHz)。这样，本发明基于频谱分析提供了在大体积阴影线熔化操作和零件轮廓操作之间进行区分的可靠的实时方法¹。而且，STFT中的阴影线熔化和轮廓熔点之间的谱边界和间距可以额外地用作有用标记，该有用标记自动识别和/或唯一地标识来自构建物内的特定AM零件或特定区域/区段的声学信息。

本发明提供了用于基于时间演进的STFT谱处理或任何时间频率变换来估计和/或跟踪SLM机器内的加热点之间的点距离模式的鲁棒方法。提供了另一示例，其对来自不同点距离情况下的Ti6A14V测试柱体的熔化响应波形进行比较。图10(a)示出了在两个完全不同的点距离设置(55微米和95微米)的情况下就单层Ti6A14V测试柱体所产生的气体传播响应的波形信息。STFT指示在设定为55微米的短点距离的情况下的熔化响应产生高的谱峰值(-16.5kHz)。相比之下，图10(b)关于在扩展到95微米的点距离的情况下的熔化响应，并揭示了较低的频谱峰(-14.25kHz)，即再次证实了可用于区分的谱差。进一步指出的是，对于不同的点距离和曲率半径几何形状，在峰内的精细尺度的谱宽度或局部谱能量散布存在可测量的差异。如在本发明中实施的高分辨率谱分析表明，对于55PD的情况，谱含量较少受到限制并且散布在更宽的局部频带上。因此，本发明可以通过音调能量幅的精细尺度的谱分析来直接识别和/或标识特定的熔化几何形状(例如，扫描点熔化模式)。此外，分析谱峰或局部形状分布如何演变可能与扫描模式和随后的曝光时间有关，如后面所讨论的。本发明可以实现用于通过任何合适的高分辨率谱(例如，用于对音调、谱平坦度等进行测量/或分类的频域中的所有量度或信噪比SNR)来量化跨谱噪声的音调峰值信息的分布、求和或散布的任何已知的信号处理算法。

应强调的是，本发明中可以采用若干种已知的时频变换方法来进行谱识别，即包括谱图。重要的是，这样的高分辨率谱分析所需的较高的FFT分辨率(即所计算的FFT系数的数量)必须具有适当的时间窗口和重叠分辨率，以免违反海森堡的不确定性原理(即谱泄漏或模糊)。此外，还可以选择时间积分周期(即使用跨时域求平均)以优化后续数据处理中的自动音调检测/识别-和/或提供适当的视觉积分周期以便显示给任何人类操作者(即人在环中(human-in-the-loop)识别)。进一步指出的是，除了基于跨正交基函数(例如，用于DFT的正弦曲线、用于小波分解的母尺度函数)的相关变换的任何常规谱方法之外，一类另外的自相关谱方法在本发明中可以同样地应用于高分辨率谱识别-包括在所测量的熔化响应的带限部分采用的Wigner-Ville分布，并使用已知的方法来抑制这种高分辨率自相关时频方法中的不可避免的交叉项。

图10所示的示例还展示了本发明中的另一重要方法。该方法涉及振幅统计描述符的广泛使用，例行地从气体传播响应测量结果中提取出该振幅统计描述符作为输入，其与所提取的谱特征一起用于后续自动检测算法(例如CFAR)和/或自动分类引擎(如线性判别、ANN、聚类算法、贝叶斯(Baysian)分类器)中。可以从原始气体传播熔化响应中提取若干种类型的波形描述符，并且本发明可以针对特定情形(例如零件几何形状、粉末类型)来微调该向量。例如，如图10所示，从所测量的波形流中提取的RMS值的连续或时移缓冲器可以提供信号能量的有用的滚动估计(尽管任何这样的与振幅有关的描述符就足够了)。还示出了本发明中采用的另一组重要的波形描述符，该波形描述符提供了振幅分布形状(例如直方图、PDF或CDF)的简明低噪声演变估计。这样的波形描述符是无量纲的，因此可以较少地受到绝对测量波形中的一些可变性源(例如，取决于频率的衰减)的影响。例如，峰度(即第四矩)在适合的有待连续估计的窗口大小上描绘所测量的声波波形的总体尖峰(或分布中的极端异常值的估计)。偏斜度(即，第三矩)表示波形对称性，并且Kologormorov-Smirnov(KS)统计量是对波形CDF和合适的模型(例如，高斯)之间的最大距离进行量化的拟合优度量度。如图10所示，RMS和峰度特征检测55微米点距离波形中普遍存在的振幅调制。这展示了本发明所做的一般观察，即具有较短点距离的AM构建物通常可以另外与(使用任何信号处理方法随时间推移观测到的)所测量的气体传播响应中更明显的振幅调制相关联。此外，调制峰值通常恰好与激光光点到达阴影线路径末端所在的点一致(这可以通过加热效应的增强来证明)，但应强调的是，这表示了用于指示点距离模式的另一种组合方法。事实上，据称²所测量的气体传播熔化响应的滚动谱和振幅统计记录可以用来标识/识别点距离和曝光时间的组合。

图11示出了在三个不同的点距离(PD)设置(即75、55和95微米)的情况下跨十个连续熔化响应的来自FFT的主导频率峰值之间的关系。如所示，谱峰值是点距离的相当特性，特别是对于标准偏差＜15Hz的55PD和95PD(75PD为190Hz)的情况。比较55和95微米波形，得出用于55PD的频率应更高，因为熔池的连续激发之间的时间周期更短，即激光光点到达较近加热点所需的时间比PD95的情况更少。该论点站得住脚，因为两者的曝光时间(即设定在50微秒)。然而，75微米PD是相当低的。这是因为对于75微米PD波形的曝光时间(即每个点处的停留时间)被选择为更长，为70微秒。该示例说明，在气体传播麦克风的熔化波形中观测到的音调峰值是由点距离和曝光时间(ET)的组合来确定的-但这些可以直接从气体传播熔化响应中的时间和频率信息推导出来。

对于设定为75微米的恒定点距离(PD)和设定为200瓦的激光功率，在每个扫描点上的激光曝光时间(ET)改变的情况下，也考虑气体传播熔化响应的波形特性，再次使用从6mm测试柱体测量到的波形。图12(a)示出了在一层的全部持续时间以及每层的前52ms(即恒定持续时间积分周期)两者内的所测量的气体传播响应的FFT内，暴露时间与最大峰值之间的关系。如所示，在每个熔点处的主要谱峰值频率与激光曝光时间之间存在明显的反比例关系。当点距离恒定时，这可以通过在较长的曝光时间内递送到熔池的激发脉冲之间的较长有效周期来证明。然而，应进一步指出的是，峰值优势频率的可变性随着曝光时间的增加而逐渐减小。这可能与熔池激发中可检测的物理差异有关(即较短的激发导致熔池的振动模式或其频率响应的可测量的差异)。图12(a)是在整个熔化响应波形上取得的，而12(b)是在短得多的积分周期内取得的，以便指示峰值是稳定的-证明了本发明能够从非常短的持续时间内积分的谱信息中区分不同的激光曝光时间(即曝光时间的几乎瞬时的ID可以是可能的)的能力的不变性。

为了说明本发明在选择激光熔化AM机器内，完全基于峰值谱分布(经由高分辨率频率分析)的精细尺度的差异来区分不同曝光时间设置的能力，图13示出了来自在图12中使用的曝光时间设定范围内(即30、40、50、60、70微秒)测量到的波形的主要谱峰值。所示出的精细分辨率STFT(即8192pt FFT)试图示出在不同频率情况下来自波形的谱幅内总是存在的差异。一般认为，较短的曝光时间脉冲推断出更多的瞬态熔池激发，并且因此推断出可测量的频带更宽的谱峰值分布。因此，本发明、尤其是结合有极高保真度和高带宽仪器麦克风(例如GRAS40BF)的任何实施例的重要特征和益处在于，其能够测量和解决频率含量的极微妙的差异。图13还示出了轮廓(即，每种情况下跟随同一熔点模式)的谱特性及其相对于主要谱峰值的一致频率。在图14中进一步指示了在所测量的熔化声波波形响应内跨带限能量的总和的使用。通过将谱能量的总和的频带限制在激光频率附近，可以推导出声波波形能量和激光曝光时间之间的有用关系，然而可以同样考虑若干种提取气体传播熔化响应的能量相关量度的方式。例如，RMS或平方律积分能量或信号包络的任何量度(例如由H变换提供的)。

为了进一步说明本发明，考虑了在图15中所示的输入激光构建参数的组合的情况下结合有大样本的10mm测试立方体的AM构建过程中测量到的声学熔化响应。在此，输入参数立方体的十五个组合的集合在粉末床基底上重复十三次。在时域和STFT域中都进行绘制的图16中示出了前十五个立方体的气体传播响应。由此可以推断，在本发明中可以采用谱信息和振幅分布的独特组合来标识激光与粉末床的相互作用。还应指出的是，每个立方体上的声响应的振幅分布是不均匀的，与接下来在阴影线上的熔化响应相比，具有更大的初始能量脉冲串。这可以直接归因于检流计机构的实际惯性响应，这表明在每个体积阴影线操作开始时的有效激光光点停留时间不是线性的，并且开始时加热增强，因为少量的(例如5个或6个)连续激光脉冲将在检流计开始移动之前在相同/相似的点递送到粉末床。图17示出了对于在跨度＞16cm乘16cm的基底上的整层的完整声响应，展示了由15个立方体集合的十三个重复序列中的所有立方体的单个麦克风测量到的响应。这表明，在基底上重复每组15个立方体的谱序列信息。因此，应强调的是，这样的谱标识可以横跨粉末床相对空间位置而有效地不变。进一步地，图18扩展了测量时间窗口，以包含横跨测试立方体构建物对四个连续层的气体传播响应。再一次，这证实了在每一层上重复横跨构建物的谱模式。然而，该构建物中的每一层涉及在每个新层上阴影线角被旋转某一设定角度(即67°)。这解释了可测量的频移发生在每个新层感兴趣的窄带谱信息中，并且可以与检流计系统硬件内的确定性影响完全一致。

尽管通常可以预期在所测量的声学熔化响应信号的能量或振幅和与加热能量有关的激光参数(即功率、射束强度分布、停留时间或曝光时间)之间总是存在正相关，但是这并不总是本发明的情况。这可能是因为：-首先，如将要讨论的那样，气体传播声响应信号不仅具有与由阴影线末端处的加热增强引起的熔池激发和振幅调制相关的确定性分量，而且还结合了主要与熔体喷射火花相关的大的随机分量(即，对另外两个确定性分量的依赖性，以及若干个其他驱动器/原因，如粉粒、氛围状况、再循环)。与音调信息不同，随机信号分量可以是非常宽频带的。然而，所测量的信号内的音调和宽频带信息的有效分离可以提供改进的解译。还可能的是，横跨若干个麦克风阵列的熔池发射的时间同步测量可以有助于用于改进盲源分离的复杂的去卷积方法(例如ICA)。此外，如已经提到的那样，当绝对振幅相关的信号描述符在被证明在表征熔池响应方面无效时，可以采用基于相对振幅分布的描述符来用于信号分类而不是直接与绝对SPL相关的描述符(例如与振幅分布统计和波形直方图、PDF、CDF或所提取的度量，如对任何候选分布进行建模的峰度、偏斜度、Kologormorov-Smimov(KS)统计相关)。

其次，应强调的是，熔池声源与麦克风阵列之间的声衰减或传播损耗影响声响应的绝对振幅。此外，构建室内的这种衰减同时具有恒定的几何扩散分量(例如，球形扩散1/r²、柱形扩展扩散1/r或其中的某一程度等)和取决于频率的吸收分量，其中衰减在越高的频带(例如低超声波)内变得越普遍。因此，所测量的熔化响应的频率含量与绝对振幅之间的关系可能并不总是一致的。本发明也可以包括在建造室氛围内呈现的传播损耗的取决于频率的经验或物理模型(即，通过经验推导出的传播损耗曲线)，以校准或否定由取决于频率的衰减诱发的对绝对SPL测量结果的任何着色影响。还应指出的是，超声波波形可以在近场氛围中非线性地解调(如参数扬声器的功能所述)。

总之，本发明所测量的对于熔化的气体传播响应对于监测激光输入参数或‘激光真实数据验证’是有用的。激光器正在做什么的这个瞬时记录然后可以与来自推断出熔池状况信息(例如振幅调制、能量分布等)的信号中的其他提取特征结合使用。对于任何类型的经调制的加热源，可以从所测量的麦克风响应的时间演变谱含量推导出曝光时间、占空比、停留时间³和/或点距离的滚动记录，只需要适度的时滞等待时间以允许将声波源传播到麦克风阵列并对所测量的波形进行基本的谱处理。对跨阵列中的若干个麦克风的熔化响应波形进行处理可以提高估计准确性或估计的确定性。如现在所讨论的，用于及时估计或跟踪激光相互作用的基本谱处理由适当的声信号特征向量补充，该声信号特征向量也是通过本发明从原始测量到的熔化响应或麦克风阵列上的多个时间同步响应中提取出的。这样的信号特征向量与上述谱系数(即，主要用于上述激光相互作用和熔池定位的谱系数)并行地产生。该特征向量包含用于对熔化响应波形进行识别或分类的所有信号描述符，以便该熔化响应波形可以适当地与熔池的状况相关-从而本发明可以用于熔化过程的高分辨率闭环系统控制。特征向量中突出的是表征振幅分布和包络形状的描述符。然而，应进一步指出的是，信号特征向量实际上可以包括从谱处理中直接提取的描述符(例如，时间戳谱峰值或峰值之间的相对量度)。

除了在稳定的最佳熔化状况构建期间识别时变确定性激光参数之外，本发明还将检测并自动评估激光诱发的金属粉末熔化的随机出现的副产物，这可以对次优熔化状况提供强有力的因果证据。应强调的是，本发明可以揭示与最佳熔化状况的显著偏离，并且可以几乎立即进行。这样，可以提供关键的信息反馈，使得可以实时地调整控制入射动态热源的输入激光参数，以保持稳定的熔化状态。这样的闭环系统是本发明的主要用途。

当输入系统参数(包括激光参数)和零件几何形状的组合在熔池内诱发局部的严重过热(起泡或沸腾)时，可能出现最不希望的熔化状况。这可能发生在AM零件中复杂特征或突出物(spur)的位置，并且可能归因于加热点的时间或空间集中以及到零件的不良导热性。瞬时熔池加热能量的这种瞬态增加可能诱发不稳定的热搅动，导致更多的熔化粉末颗粒从其表面喷出-从而产生由本发明自动检测和分类的随机间歇瞬态声发射。

熔体喷射出现的增加构成类似于焊接中的溅射的不稳定的熔化状况。然而，SLMAM机器内的熔体喷射体积增加的另一个不希望的结果是，熔化颗粒更可能返回到刚刚或即将熔化成AM零件的位置处的粉末床上。这对后续构建零件是不利的(例如诱发孔隙率)。如上所述，熔体喷射可以通过所提出的气体传播声学监测来检测。应指出的是，熔体喷射火花的分布是从熔池发射出的。这种火花的物理特性(即质量、速度和温度分布)可能对后续构建的质量、特别是其孔隙率具有直接的因果影响。例如，孔隙率可忽略不计的高密度AM零件可能与高速的低质量熔化火花相关联，该熔化火花投射在远离熔池的高轨迹紧密羽流中。相比之下，高孔隙率AM构建可能通常与熔化颗粒质量的更广泛分布有关，许多熔化颗粒质量遵循源自熔池的低速低轨迹。本发明提供了用于自动区分这两种跳火花情形的有用方法。

如上所述，平稳和稳定的熔化在气体传播响应内诱发特征性的音调振铃分量，本发明检测并直接涉及熔池中激光脉冲频率诱发的共振激发模式。这样，可以使用窄带检测器和陷波带通滤波器来从宽带背景中提取该分量(例如，带限平方律CFAR)。一般认为，在波形内不存在较大振幅的随机发生的瞬变的情况下，由构建室内的一个或所有麦克风测量的声响应(时间或频率)内的低振幅和均匀分布的能量可能与更均匀和稳定的熔化状况相关。然而，除了结合有根据阴影线末端事件的振幅调制的激光诱发音调信息之外，本发明还适合于自熔池发出的熔化熔体喷射所发射的高频宽带冲击波活动集合的自动检测和分类。也就是说，本发明不仅对所测量的熔化响应(即，基本声学指纹信息)内的音调峰值周围/附近的谱分布进行测量和分类，而且还对较宽的频带噪声(包括出现的最高达～140kHz的所有频率(即SW瞬态上升时间的N个波))进行测量和解析。

在本发明中可以采用多种不同的谱、能量和统计方法来对包含传播到麦克风的这种跳火花波的集合的较宽频带声波波形分量进行检测和/或分类。应指出的是，这种从熔体喷射和跳火花发出的更宽频带的声能可以支配入射到麦克风阵列处的所测量的声信号。在本发明中可以采用任何形式的宽带谱处理来测量和评估跳火花/熔体喷射噪声。这可以从周围的宽带响应中滤除高SNR音调信息(例如，比如主动声纳中的混响)。除简单测量信号能量(例如，RMS，Int能量)之外，本发明内的一种对宽带噪声进行评估和证明合格的方法包括，相对于一个或多个候选分布来对噪声振幅分布进行建模。更具体地，在过度跳火花期间发射的宽带噪声的振幅统计具有振幅分布(PDF，CDF)，可以用评估拟合的度量对该振幅分布进行建模(例如针对封闭形式的分布)，该振幅统计可以用于简明表征噪声-甚至可能将经建模的分布与物理跳火花过程联系起来。也就是说，尽管来自熔池的主要音调噪声可能是非高斯信号，但是来自暂时卷积的跳火花集合的宽带噪声更可能遵循高斯分布族-根据中心极限定理(即独立噪声源的总和，无论每个单独噪声源的幅度分布如何，火花都可能趋向于高斯分布)。这样，能够评估拟合优度的任何度量(例如KS、峰度)可以用于对来自所测量的声响应的跳火花水平进行量化。应强调的是，实际上可以通过其他一些噪声分布(例如，具有正弦和高斯噪声分量的复合分布的莱斯(Rician)分布)更准确地描述以激光频率(音调)为中心的宽带噪声，然而，这也可以在本发明内进行有效地表征。

除了这种用于对在不同构建情形中的跳火花或熔体喷射噪声的集合进行量化的宽带或带限噪声分布建模方法，应指出的是，本发明还检测AM构建物上的各种单独的时间离散的瞬态波形。这可以归因于在复杂构建物的复杂孤立区段上的非常短持续时间的融化，其中激光在短时间内跳来跳去，仅在非常局部的区域融化。图19(a)和(b)示出了在这样的复杂AM零件上测量到的瞬态声波波形的两个示例。如所示，由本发明检测到的信号的周期性也可以用作评估构建和/或激光扫描系统(例如检流计)的功能/性能的方法。

在本发明内可以将这样的瞬态进行隔离、标准化和离线分析。本发明中的一种大功率的非监督式分类方法涉及分层聚类，该方法用于评估结合有重复的紧密靠近的结构特征(例如，精细尺度的蜂窝结构)的构建零件上的任何大量的重复的瞬态声波波形。在这种情况下，从正在检查的每个编译波形中提取适当选择的简洁(即，在维度灾难方面)而又有特色的特征向量，并且将这些特征向量作为输入数据提供给任何非监督式聚类算法，该聚类算法基于一些度量(例如，向量对之间的欧几里德距离)来自动评估这些波形。这样，没有与其他波形自然聚集的任何波形都可能被诊断为来自次优熔化过程，即使没有关于最佳熔化过程应该看起来像什么的先验知识。

除了所有这样的离线多变量非监督式分类方法之外，本发明还基于监督式分类对瞬态信号采用⁴实用的进程内自动识别方法。许多这样的短持续时间波形模式识别或信号分类方法可以与本发明一起用于单独瞬态的层内分类。例如，最简单的自动瞬态检测形式可能涉及具有硬阈值设置的恒虚警率(CFAR)平方律检测器。可用于促进/辅助已知瞬态的自动检测(即通过诱发相干处理SNR增益)的另一种途径将涉及副本相关器或AR谱匹配滤波器(IIR)。这样的副本相关器在本发明的硬件中是实用的，因为它通过频域中的乘法(即快速卷积)执行相关-利用来自谱处理器(即，FFT)的输出。用于对已知波形进行自动分类的更常规的监督式信号分类方法可以基于黄金部分上的先前AM构建物来在特征向量空间中采用简单的线性判别规则。同样地，可以使用ANN或模糊逻辑分类器(即‘黑盒子’AI方法)来确定分类规则。与任何这样的自动波形分类方法一样，所选择的特征向量决定了其对未知信号进行分类的能力。本发明内用于表征这种瞬态特征的波形特征向量可能非常依赖于AM零件几何形状、粉末类型等。然而，在特征向量内选择的数据约简信号描述符可以包括参数：例如，自回归建模系数(精细尺度的形状)、Prony方法系数(即作为复杂的衰减指数正弦曲线系列的建模波形)、小波系数(即通常对瞬态滤波有用)和/或振幅统计描述符(例如峰度、KS、偏斜度)。同样众所周知的基于隐马尔可夫模型的或梅尔频率倒谱系数(MFCC)声模式识别方法也可以应用于已知的波形或熔化‘剪辑’(即如在语音识别算法中)。

除了这样的用于与层内单独的重复特征上的熔化有关联的短持续时间波形的监督式和非监督式自动分类算法之外，本发明被更广泛地用于分类和比较任何整个AM构建物或AM构建物内的单独层。这可以基于对原始声学数据的比较，但更常见的是本发明涉及在整个构建物上将限定气体传播声学熔融响应的所提取的谱特征向量与统计特征向量进行比较。应指出的是，在一些情况下，多维特征向量空间可以采用一些进一步的数据约简预处理来简化/最小化特征向量(例如，主分量分析PCA)内的方差，该方差从‘黄金部分X’的AM构建物向前传播(例如，在受控条件下的开发机器上进行)，以自动与构建在任何其他生产机器上的部分X进行比较。这样，安装在两台机器上的本发明用作有用的监控系统。

如所描述的，在任何复杂几何形状AM构建物内的每个新层上测量到的气体传播声响应可以构成高度特征性的、并且在一些情况下独特的时间/持续时间的演变声学指纹、频率含量以及可用于自动识别的振幅分布，或者对输入构建参数进行比较和/或对当前构建层质量进行分类。在本发明中，这可以使用几种不同的声学模式识别算法来实现，包括从众所周知的现有技术的音频匹配谱图(STFT)技术所采用的概念导出的声学模式识别算法。这样的方法可以通过将用于未知音频的STFT内的局部峰值的相对位置/‘星座’模式与用于已知ID音乐文件的这种谱/时间信息模式的大数据库(例如商业音频识别软件，如Shazam，Midomi或Echoprint)相匹配来快速地标识任何位置的ID音乐文件。然而，本发明中采用的模式识别扩展了这些概念，需要进一步的统计描述符维度来限定这样提取的STFT峰值位置之间的振幅/能量或相对振幅统计量，该峰值位置限定AM构建物声响应的确定性分量。

然而，可以引用许多不基于傅立叶变换的其他方法来对用本发明测量到的声响应进行唯一地表征或分类。例如，基于过零编码的数据约简或信号分类方法(例如，TESPAR是使用过零和局部极值最大/最小特征来对复杂波形进行分类的用于对带限信号进行编码的时域数字语言)。这样的模式识别方法适用于来自复杂的AM构建零件的特征向量的长期表征和有效的特征性存储。

本发明提供了用AM零件自动而灵敏地检测熔化状况中的微妙扰动的方法，但是具有能够跨机器比较全部大构建物的宽范围。然而，气体传播系统还可以检测到由于供应到粉末床的异常低的粉末体积而可能发生的另外的不希望的熔化状况。这样的低粉末剂量情形对AM构建是不利的。与稍后描述的AE系统不同，气体传播系统无法直接检测由移动金属粉末产生的声响应，因为可检测的气体传播噪声不会传播(如稍后将确定的，对移动金属粉末的结构传播响应是AE/应力波系统的主要补充益处之一)。然而，如果发生粉末剂量不足的情况，可以通过激光将未覆盖的先前已固化的层重新熔化。经确定，气体传播系统可以可靠地且自动地检测AM机器内的这种不希望的状况。还可以使用类似的方法来检测正在构建的物体的翘曲，该翘曲导致在最上面的粉末层上方的固体材料突出。

气体传播系统还可以允许AM机器的人类操作者接近实时地或者在随构建物的后期分析中观察声学数据，以便影响人在环中故障检测决定或者作为评估构建零件程序的辅助，然而本发明的主要目的是全自动监测检测和闭环反馈控制。本发明涵盖了用于所测量的熔化响应的多种不同声学显示方法。如在被动式声纳中使用的，LOFAR谱图是随着时间推移所收集的谱显示，示出了信号的谱含量的时间演变(即基于FFT或其他)。为了提取准确的谱含量和低信号电平，它们通常采用在大的FFT大小情况下的高水平的时间积分。这些LOFAR谱图通常显示为瀑布谱图。游标谱图显示器适用于选定的频带以便采用更高的频率分辨率，并且通常用于精细的频率测量并对信号进行谱分离。守护程序(Demon)是一种用在宽带信号上以测量其振幅波动率的解调技术。除了可视化显示之外，人类操作者还可以使用气体传播系统实时地或者在对开发AM机器的后期分析中听到超声波熔化响应(即通过耳机或扬声器进行基带播放)。这样，应指出的是，人耳是正弦音调波形的最佳检测器，因此可以在熔化响应内提供音调信息的有效确认，该音调信息可以以任何可听的速度播放并可能与使用高速相机或热成像传感器录制的影像时间同步。

图20展示了使用商用SLM机器的Ti6A14V的更复杂的AM构建物，其中每个层的熔化持续超过40秒，并且该部分结合有多个不同的沿阴影线动作模式和轮廓范围。气体传播系统提供了用于标识不同范围之间的过渡并和对它们进行单独地或整体地评估的有效方法。如上所述，气体传播声响应中的突然瞬态频率含量变化用作有用的标记，通过这些标记可以将每个构建层内的这些标记之间的离散区段隔离以用于分析或评估(例如横跨层的比较)。为了说明本发明对这种复杂构建物的不同熔化范围进行标识的能力，图21示出了横跨一时间周期的来自如图20所示的长持续时间层的时间提取，在该时间周期内通过若干个加热点模式来变换熔化。图21中所示的时域图和频谱图指示了以下转变：在最后转变到另一阴影线操作之前，较宽的阴影线操作到具有不同的点距离的两个连续的阴影线操作之间的转变，其中激光横跨非常复杂的小蜂窝状特征而进行熔化。这些不同的熔化范围可以通过频谱信息和振幅分布的组合来区分和评估。此外，为了将更有用的信息从信号处理器传递到另外的数据处理模块，可以适当地使可能为噪声的振幅信息平滑。

如上所述，针对气体传播熔化响应感兴趣的所限定的声学测量频带可以是特别宽频带的并且特定于特定情形(例如，SLM机器的输入激光加热源参数和粉末材料类型等)。本发明可以利用这样的声能，该声能从任何地方从粉末床传播到麦克风阵列，在低频机械噪声(例如5-10kHz)以上一直到由于衰减而消除传播路径并且将导致无法使用的非常低的SNR的频率。在许多方面，针对任何特定AM机器，本发明所选择的具体带宽是所需性能规格和成本折衷的函数。图22示出了具有能够测量超过140kHz的麦克风的商用SLM机器所采用的较宽带宽的示例，如Ti6A14V测试柱体构建的谱图所示。

在气体传播系统内的时间同步阵列中采用空间分离的麦克风有几个原因。中心原因是对由多于一个的加热激光源横跨粉末床同时诱发的熔化响应进行空间上分离、定位和追踪。然而，这样的熔池定位实际上可能有益于仅具有单一加热激光器的用于改进对并发的跳火花/熔体喷射事件的监测的AM机器(即，熔池冷却需要超过0.5毫秒，但是跳火花可能继续，因此可能在紧密接近的熔化点之间)。图23示出了本发明中仅分隔开80mm的一对麦克风的时间同步声学熔化响应。如清楚所示，当熔池稍微靠近ch-1麦克风时，熔化响应的开始指示两个时间同步的测量信号之间的明确的相位差或到达时间差(TDOA)。当熔池占据超过250mm粉末床时，这两个通道之间的TDOA的相位与熔池和传声器之间的相对距离成比例地变化。这样，本发明包括用于使用成对的或全部单一的麦克风之间的TDOA(例如特别是基于谱相关性的TDOA)来估计熔池位置的方法。在构建室内以适当配置分布的时间同步的麦克风阵列允许气体传播系统以若干不同的方式影响有用的源位置的估计。首先，在四个单个麦克风的广泛分布阵列的情况中，横跨阵列通过基本或经校准的三角化算法而经由常规事件到达时间(TOA)的2D声源位置估计是有可能的，例如使用通过LMS优化搜索最可能的源位置。这种途径可以用于估计来自与AM构建物内的缺陷相关联的粉末床的任何瞬态时间离散声事件(例如分层、微裂化或相双晶事件)的位置。本发明可以记录在任何特定构建层上的任何这种未计划事件的时间戳检测和定位。因此，所存储的有用位置信息可以被报告给任何后续的零件检查过程，指示具有潜在缺陷的单独AM零件上的特定区域或层。另一种低复杂度和近似宽阵列定位方法仅涉及对用于XY粉末床上诱发的校准源的阵列上的相对峰值振幅进行校准。尽管搜索可能限于单个XY平面，但基于构建室体积内的优化搜索算法的这种TOA定位算法可能在计算上是昂贵的并且不完全适合于实时事件定位。此外，在若干个事件同时发生的情况下(例如，跨若干个激光器的源定位)和/或由于构建室内的反射出现二次寄生事件的情况下，这样的仅基于TOA信息的定位算法可能变得较不可靠(即，难以将横跨阵列的许多时间延迟瞬态波形关联到事件/源的正确组合)。由于阵列内间隔超出了感兴趣的声源信号的空间相干长度(例如，熔化响应)，所以TOA估计误差也可能发生在低SNR范围。

因此，本发明中采用的另一种有益的源定位策略结合有宽带麦克风的一个或多个空间分离的紧凑阵列。每个紧凑阵列将基于在每个组合传感器对上的实时TDOA估计来影响其自己的到达方向(DOA)方位估计。在这种情况下，在感兴趣的声源的已知空间相干性/相关性长度内间隔开的每一对麦克风上的准确的具鲁棒性的实时TDOA估计，是基于谱互相关处理以及众所周知的广义互相关算法(Knapp和Carter，1976年)的明确知道的形式，该广义互相关算法结合有预白化权重函数，以提高TDOA精度并减少计算时间。应强调的是，用于跟踪熔化响应(或多个响应)的DOA/方位的多于一个的紧凑阵列针对动态移动的熔池(即，感兴趣的主要声音来源)的一般空间定位和时间跟踪提供了具鲁棒性且实用的实时定位解决方案。

可以应用任何DOA算法来跟踪本发明内横跨粉末床的移动熔池(例如基于谱的DOA算法)。对于放置在熔池响应的空间相干/相关长度内的N个麦克风，可以对关于声速(Vs)和跨多对的TDOA(ΔT)的N-1个方程的方程组进行求解，以便找到所需的DOA向量(uvw)：-

在构建室内有多于四个的传感器的情况下，该方程组是过度约束的，并且可以使用伪逆算法来找到答案。然而，还可以使用非线性最小二乘LS平面入射波算法来估计DOA(例如，⁵ Levenberg-Marquardt(LM)算法)。对于紧凑的单一位置的阵列的这种处理引起由传感器位置不准确性造成的可忽略的错误。考虑阵列中的更多的传感器对可以允许推导出一贯建议的优势DOA。使用谱域互相关处理(例如具有相位变换GCC-PHAT的广义互相关)来实现跨传感器对的时间同步的TDOA。基于计算效率和混响构建室环境内的TDOA准确度，通过频域中的乘法(即，快速卷积)与预白化的包含的互相关是经证明合理的。

适用于多个并发气体传播源的有效估计和跟踪的另一窄带DOA估计技术是MUSIC算法。这提供了来自由麦克风阵列检测到的响应的多个并发的方位估计。窄带方法再次需要阵列中的麦克风之间的空间相干性水平。MUSIC将来自每个通道的记录的向量模型化为：-y(t)＝A(θ)s(t)+n(t)；其中s(t)是窄带源信号的向量，n(t)是高斯白噪声的向量，并且A(θ)是阵列响应矩阵，其中θ是来自每个源的波前的DOA向量。阵列响应矩阵表征了来自分布式源的信号的组合方式。A(θ)的第n列由下式给出

其中τ_nm(θ)是传感器1和传感器m之间的第n个源的波前的TDOA，f是波前的频率。TDOA可以用声速、传感器位置(x_m，y_m)以及源方位表示为：-

使用该模型，可以通过信号协方差矩阵R的特征值分解(例如奇异值分解和PCA)来直接计算方位，假设协方差矩阵可以被分解为正交噪声子空间U(即维度为M-N*M)和信号子空间S(即维度为N*M)。通过对N个特征值和相应的特征向量进行排序，来源的数量可以通过Akaike的信息标准(AIC)来确认。信号特征值支配着接近噪声方差n(t)的噪声特征值。阵列响应矩阵A(θ)的列由信号子空间跨越。因此它们将投射到噪声子空间的零空间中。在信号子空间和所谓的阵列流形⁶a(θ)(即，转向向量)的交点处找到源位置的估计。这可以通过θ扫描并绘制射束模式p^music(θ)来实现：-

其中

MUSIC算法中的到达时间差(TDOA)的计算再次通过广义互相关算法来实现。MUSIC假定该来源是窄带的。因此，可以采用通过FFT和自适应频率选择将宽带熔化信号分成一组感兴趣的窄带分量的宽带预处理(例如IMUSIC算法)。可以被实现用于计算有效的DOA估计和空间跟踪熔池的另一众所周知的DOA算法是ESPRIT算法。然而，还可以采用各种更复杂的信号处理方法来在混响构建室环境内进行准确和实时的到达方向(DOA)估计。在气体传播声系统中也还可以应用较不常规的DOA方法。例如，基于梯度流的DOA估计使用非常紧密间隔开的具有宽带宽的MEMS麦克风阵列。基于到达时间差TDOA的定位方法可以被应用于可从粉末床发出的单独时间离散事件，如表面穿透微裂化、相双晶或严重分层事件。在构建期间定位这样的高强度瞬态事件的来源的优点在于，缺陷的XY位置的层/构建高度可以提供关于在随后的NDT检查(例如，用X射线或超声波探头)期间可被调查的潜在空隙或孔隙率位置的有用位置信息。

大多数AM机器中的构建室是封闭的具有平面反射表面(即内壁)的混响声环境，杂散声学回声可以从所述平面反射表面反射。本发明中包括的一种用于物理地减少构建室内的这种混响回声的方法是将内壁镶有能够吸收感兴趣的测量频带内的声音的已知声学消声覆层材料。然而，在这种消声室覆层不是实际的设施的情况下，可以采用更复杂的信号处理方法。一种这样的用于有效分离来自一个或多个同时激光器的卷积气体传播声响应的附加信号处理方法被称为盲源分离或独立分量分析(例如众所周知的快速ICA算法)。

描述了本发明内的麦克风设备的另一个优点，该麦克风设备不直接连接到熔化过程，而是连接到在室内的粉末床上方形成的惰性氛围。据发现，在初始的空气/O2提取阶段测量到的后退气体传播声响应可以用来直接监测构建室内的氛围。更具体地，在任何麦克风通道中寄存的声学声压(即作为相对于参考压力的dB水平进行测量)或声强度与随着构建室氛围中提取氧气和产生密封的真空而成比例地减小。图24示出了在用氩气氛围代替O2氛围之前，在产生真空时由构建室内的麦克风测量到的声响应。这样，通过麦克风测量到的声压或声强度(P²)可以通过适当的校准来直接用于推断出真空的质量和/或构建腔室内的氧气的％量。可以采用若干种信号处理方法来校准声波波形，以便推断出构建室内的真空状况。

AE设备

现在更详细地描述第二结构传播被动式声感测模态。这涉及远离地安装在基底下方的方便位置的一个或多个声发射(AE)传感器，粉末层被构建在该基底上。例如，如图1所示，一个或多个紧凑型宽带和敏感的压电PZT传感器(例如，来自MISTRAS的差分输入WD传感器)可以直接安装抵靠AM升降机构102或构建板110下面的任何方便的位置。

AE传感器通常结合有内部耦合到压电陶瓷主感测元件的刚性耐磨板，该压电陶瓷主感测元件被完全封装在保护金属外壳内。这种传统的敏感AE传感器可以检测各种各样的微小的瞬态弹性应力波模式，这些模式可能在AM系统的运行过程中通过AM系统表面传播并横跨该表面传播(例如，椭圆表面瑞利波、板内Lamb波、P波模和S波模)，以便在AE传感器耐磨面上可检测到。尽管大多数商业上可获得的AE传感器是将耐磨板中的位移线性地转换为成比例的AC电压信号(例如在50kHz-2MHz频带内)的PZT陶瓷装置，但是本发明还包括其他类型的AE测量装置，其测量AM机器内产生的结构传播应力波、导波或声波-超声波。替代性传感器包括与感兴趣的AE活动相匹配的谐振高Q因子PZT(例如来自Mistras的R6传感器)、差分和单端AE PZT、PVDF装置、MEMS AE传感器、光纤传感器(例如Bragg光栅)以及基于激光的干涉传感器。

在传统的基于宽带PZT的AE传感器(例如来自Mistras的WD或Pico传感器)的情况下，传感器耐磨面可以使用任何已知的声学耦合方法(即超声波凝胶、脂、刚性粘合剂)附接到AM机器的任何适合的平坦平面。替代性耦合途径可以涉及AE传感器通过合适的固体弹性体材料耦合剂(例如硅树脂)而机械地夹紧抵靠构建板基底就位，固体弹性体材料耦合剂在AE传感器耐磨板与基底之间形成固体压缩层。在这种情况下，在零件被构建时，所附接的AE装置可以通过机械手段与构建板一起移动。

由于良好的信噪比，附接到各种各样的具有移动部件的动态机器(例如，AM机器具有许多移动零件)的AE传感器通常在低超声频带(即50kHz到2MHz)内是敏感的，并且这是本发明感兴趣的主要频带。在安装时，由附接到AM机器的AE传感器产生的AE响应可以使用已知的AE校准源(例如Hsu-Nielsen)进行校准。同样，AE系统的永久安装很可能需要不时重新校准。由于与AM机器耦合的差异，本发明的改型安装可能需要考虑在AE级别预期到的10AEdB可变性。图25示出了采集系统的示例，该采集系统需要以数字方式记录来自附接到AM机器上的AE传感器的AC电压波形。与任何这样的AE硬件一样，通常需要前置放大器来放大来自AE传感器的微小测量电压(即，微伏信号)，因此该微小测量电压可以容易地通过传输电缆传输到采集系统，以便数字波形记录和分析。图25示出了可在AE系统内采用的双通道AE采集系统示意图。用于AE采集的ADC需要适应AE波形的高动态范围(例如，对于16位分辨率，＞85dB)和足够高的采样率(例如，以10MHz过采样)。然后使用DSP、FPGA或微处理器来处理由数字系统捕获的AE波形。需要注意的是，AE系统采集硬件在监测AM机器和所产生的AM零件时可以结合有两种正常的操作模式。首先，在监测横跨床的激光熔化和粉末散布的进程内操作时，采集系统需要在每次操作期间对连续的AE数据流进行采集、数字化和存储。因此，对于复杂的AE构建物，可能需要将相当长(例如几分钟)的连续波形流到所附接的存储装置(例如，固态硬盘驱动器/快闪存储器)。该AE数据可以被实时处理(即数据约简)，以避免必须存储大量的原始‘rf’AE数据(即，原始AE可以被覆写在每个新层上，只有必不可少的提取特征(例如包络)被存储)。然而，第二种操作模式可以结合在AE系统中，以便在构建完成后进行AM零件的长得多的最高达几个小时的持续时间的监测。该阈值触发采集模式将涉及ADC将数字AE波形数据连续采集到循环存储器缓冲器中，但不存储它以进行进一步处理，直到通过硬振幅阈值(即V_峰值＞V_阈值)检测到感兴趣的AE信号为止，从而触发系统处理和记录波形。在该阈值触发模式中，循环缓冲器的长度只需足以连续地采集感兴趣的已知脉冲串AE波形的持续时间，即循环缓冲器从时间离散的缺陷(例如，AM零件内的裂缝)捕获单独AE或AE系列。

AE波形处理

与气体传播声学监测系统一样，AE系统除熔化过程的进程内监测外还有多种用途。AE系统的一种应用是如在所有SLMAM机器内在新层熔化之前需要的在金属粉末散布过程中的构建内测量和自动评估。本发明确定，粉末散布动作导致金属粗糙触点的集合，该金属粗糙触点在粉末床上诱发明显的AE活动，该AE活动可以容易地传播到远离基底安装在下方的AE传感器。图26和图27示出了在商用SLM机器(即，Renishaw AM250)上测量到的特征性AE响应波形的两个示例，而Ti6Al4V粉末(直径为X微米)通过刮板109被散布在各层之间。本发明采用在刮板动作期间所测量的AE波形内观察到的两个信号特征，以自动评估粉末散布过程和随后的粉末沉积。

首先，涉及在AE活动中逐渐构建然后快速下落的每次刮涂内周期性地(～0.04秒的重复周期)重复几次的特征性振幅调制可以直接归因于稳定的粉末散布(即，刮板下的犁削和粉末压缩/摩擦拖曳动作)。也就是说，特征性AM形状可以在系统的信号处理(平方律求和、希尔伯特变换、积分能量、RMS等)内以任何方式提取、滤波(例如，LPF、小波滤波器)并且直接与用于特定粉末材料和尺寸的已知模板进行比较。其次，具有变化振幅的间歇瞬态特征可以被标识并且直接与次优粉末散布状况(例如次优粉末流动特性)相关。可以使用用于检测和分类噪声中的声学瞬态信号的任何已知的信号处理方法(例如平方律阈值检测器、Canny滤波器、小波分解、STFT、Prony方法)来在AE系统内检测和处理这样的不希望的瞬态。可以采用包括带通滤波在内的多种不同初步方法来将瞬态与AM趋势分开以便进行详细的分析。一种用于将瞬态信息与调制趋势分开的方法是在包络AE响应上应用小波滤波器(例如具有适当母函数的硬阈值滤波器或软阈值滤波器)-以便平滑噪声提取正常粉末趋势，但保留表征不希望的散布事件的瞬态特征的形状和振幅。然而，同样地，由于本发明所测量的粉末散布波形是由移动诱发的多个单独的摩擦粗糙触点AE脉冲串的结果，所以根据特征性波形的振幅分布推导出的纯粹的统计信号处理方法可以用于对散布过程进行分类。用于对这样的复杂波形进行分类的有用的统计描述符包括峰度(即第四矩)或KS统计量，其中噪声分布关于一个或多个候选分布(例如高斯)被量化。无量纲振幅分布和AM形状参数具有不依赖于绝对AE信号水平的优点。如果采用任何绝对AE能量或振幅相关的描述符来评估具有远离基底定位在其在下方的AE传感器的AM机器内的粉末散布，可以采用某种形式的跨过特定粉末的物理或经验衰减模型来校准所测量的AE响应。

进一步确定的是，在粉末散布响应内出现强瞬态(例如分布中的异常值)或在特征性散布波形的振幅分布或形状中存在显著转变处的AM构建层可以由AE系统记录，以便随后与用于检测增大的孔隙率或甚至检测更大的空隙/孔/气孔的存在的任何零件检查系统(例如超声波或X射线)空间交叉参考。对于具有在空间上定位在基底周围的至少三个AE传感器的AE系统，在本发明内可以通过校准TDOA位置估计(例如，传感器对之间的TDOA双曲线投影、校准ΔT定位、分区能量定位)来估计在不希望的空间上离散的粉末散布事件(或粉末床中的不想要的轨道/凹槽，或任何不均匀的散布事件)的非常近似的XY位置。

应进一步指出的是，安装在任何AM机器内的AE系统还可以用于对进入和离开构建室的金属粉末流进行计量以及在AM系统内或外的存储瓶内的体积粉末水平的估计(例如，使用声发射仪器来监测粉末流)。还可以用本发明来测量粉末尺寸分布。绝对AE活动(以dB为单位的AE为20log(V/Vref))可以随着刮板速度、粉末的质量或颗粒密度的增大而增大。随着颗粒尺寸的增加，随着在较低频率下强度的相对较大地增加，AE活动趋于增大。这样，粉末散布故障状况(包括装载杂散粉末类型或尺寸)的自动检测和/或粉末处理诊断需要信号处理方案针对特定的粉末和刮板设置进行优化。还与AM机器内金属粉末的监测直接相关的AE系统的另一益处在于，在AM构建过程中可能出现对低剂量或超剂量状况的自动检测，和/或在构建开始之前对没有加载粉末的自动检测。

像气体传播系统一样，AE系统主要用于直接监测任何脉冲式SLMAM机器内的粉末熔化过程。现在描述这一点。本发明证明，在低超声波频带中敏感的AE传感器能够有效地检测由在动态移动的熔池内进行的粉末熔化过程和再固化过程的组合诱发的热弹性应力波。在熔化和再固化过程中发射的AE活动的集合足够强，足以从熔池-固体零件边界通过零件和基底容易地传播，以由一个或多个远离地安装的AE传感器进行检测。此外，应指出的是，远距离测量到的AE响应向先前描述的气体传播麦克风提供补充信息。最值得注意的是，所产生的AE波形更多地受到内部热搅动以及长期再固化动力而不是由粉末到熔化液体的突然转变最初引起的AE活动的支配。图28示出了由AE系统记录的示例性原始AE响应，该原始AE响应是由横跨6mm直径的测试柱体的单层上的纤维激光熔化的钛粉末诱发⁷，如气体传播系统中所使用的那样。

时域图描绘了在单层测试柱体的整个持续时间内测量到的可用高SNR AE响应的一般形式。根据对数关系AE＝20*log10(V/1mV)，以dB为单位，用于放大所测量信号的前置放大器所记录的原始AE响应V(以mV为单位)同样可以以AE dB刻度显示。AE信号是复杂的，结合有构成将进一步讨论的重要振幅调制的结构化瞬态特征。而且，体积阴影线波形与以下仿真波形之间存在明显的区别-气体传播系统就是如此。再次在图28中可以清楚地标识出内部和接着的外部轮廓AE响应。如图28中的谱图和FFT图所示，原始AE响应的频率含量主要在100kHz至～0.9MHz频带内，因为来自AM机器的低频噪声和低于100kHz的相关谐波在采集系统内被完全滤除(即ADC的高通数字滤波器)。在本发明中由宽带AE传感器测量到的谱含量可以用于某些情况下的熔化响应的自动分类。例如，在原始AE响应上执行FFT计算可以提供一些有用的AE描述符(例如FFT峰值)，该AE描述符可以表征熔化响应AE波形(即，就基本数据约简过程而言)和对熔化状况进行分类。然而，来自熔化的原始AE波形的FFT谱可以包含复杂的谐波峰值-主要是由于强烈的振幅调制以及通常在对激光熔化的AE响应内观察到的变化的周期性的影响。

与气体传播系统一样，原始AE熔化响应波形中的特征性振幅调制可以归因于随后的扫描模式和激光参数。在任何AM构建物的体积阴影线操作中，激光光点以沿每个相邻的阴影线行换向的等速单位向量来光栅扫描跨过零件截面。如前所述，由于激光器在外形附近的停留时间增加以及通过零件散热效率较低⁸，在阴影线路径的末端附近形成的熔池趋于常常变热。因此，与气体传播响应一样，对激光熔化的原始AE响应表现出强烈的振幅调制，其峰值与在其中激光光点到达阴影线两端的周期相匹配。原始AE的这种低频振幅调制通常是在熔化过程中测量到的AE响应内的优势特征-如图28的时域图中的大峰值所示。AE系统提取并测量原始‘载体’AE响应中的振幅调制程度，以评估或比较随后的熔化状况。更具体地，粉末加热以形成熔池、快速冷却以及金属再固化⁹(即融合)的连续物理过程产生可以由AE传感器测量到的成比例的AE脉冲串活动的集合。应强调的是，结构传播AE系统提供了与气体传播系统互补的感测能力。也就是说，AE响应更多地是由再固化过程产生的应力波活动(例如包括任何不需要的裂纹启动)来支配，而气体传播系统测量对熔化的直接响应(即，跳火花、熔体喷射以及熔池共振激发)。

阴影线末端和可能的外形位置诱发的振幅调制是熔池的温度分布的高度特性，并且因此对于监测构建物的每层内的粉末熔融过程和/或跨若干层的熔池温度分布或甚至完整构建物是有利的。该振幅调制还可以用来比较跨不同机器上的AM构建物的外形的热分布。然而，当阴影线取向在每个新层上旋转(例如～67°)时，应指出的是，在所产生的AM零件体积中没有两个连续层将具有相同的阴影线角度(即，在67°的阴影线角度返回到1°内之前需要42层)。因此，在每个层上展现的确切的振幅调制模式在大多数构建物中一般不会紧密重复。阴影线角度旋转在SLM机器中是通常的做法，并且AE系统提供了另一种方法来标识构建物中的独特层和/或跟踪从一层到下一层的变化。可以以若干种方式从原始‘rf’AE波形中提取确定性包络信息。图28中的谱图还清楚地示出了在具有增加调制周期性的信号开始处的不同的阴影线模式，该调制周期性正好与柱体层开始处的增加的阴影线路径长度相关。振幅调制在从阴影线到柱体末端(具有不同曝光时间和/或点距离的内部轮廓和外部轮廓)的外形的过渡之前，该振幅调制朝向横跨柱体的体积阴影线的末端逐渐靠近在一起。这在图29中通过这种熔化反应的结束的更详细视图加以强调。在此，在谱图中清楚地看到阴影线路径内的周期性，作为示出明显的瞬态过渡的竖直线。

现在描述AE系统内从原始高频AE响应提取较低频调制信息的信号处理方法。与气体传播响应一样，归因于由AE系统测量的熔化响应的振幅调制(AM)信息可以通过用于分类目的的合适的波形特征提取来处理，以便将信息直接与熔化过程相关联。然而，与气体传播熔化响应不同，用作用于重要熔池信息的载波的高频原始AE响应(即高于100kHz)不直接受激光脉冲频率(～10-20kHz)的支配。但是，如将要示出的那样，仍然可以通过对经包络的或绝对平方律信号的FFT进行常规检测。相反，高频宽带AE响应在感兴趣的AE测量频带(即朝向1MHz)上扩展得更为广泛。因此，已知AE响应包含与熔化的热后果有关的整体高频瞬态应力波活动，其可能不直接被激光频率着色(但是可以通过AE传感器频率响应着色，特别是对于高Q因子谐振AE传感器)。

用于提取平滑化的有用版本的AE波形包络的方法是对绝对波形(即平方律)进行低通滤波或者应用已知的包络方法(例如希尔伯特变换)或者设计一些其他滤波方法(例如峰度滤波)。使用的任何平滑处理应该确保感兴趣的信息(例如振幅调制峰值)不被滤波破坏(平均化)。AE系统中可以使用几种解调方法。无论选择哪一种，振幅调制信息的平滑化代表需要通过一些形状度量(例如，AR系数可以表示精细尺度形状)或统计或相关度量(例如，将调制与该层的已知解调波形进行比较)进行分类或对比。还假定在AM中理想的加热场景可能是在阴影线和外形操作期间随着时间的推移具有完全均匀的声能分布，而没有这种调制发生。

应强调的是，在原始AE响应中编码了另外的重要信息。最应注意的是，从原始AE信号中提取的平滑化包络波形包含有效的激光脉冲频率，对于气体传播用气体，可以将其定义为许多SLM机器的曝光时间和点距离的线性函数。图30描绘了五个不同曝光时间(即30、40、50、60、70微秒)的低通平滑化绝对(平方)版本的AE响应波形的。还示出了每种情况下该平滑化包络信号的FFT图。这表明，可以将有效激光频率提取为超出初始极低频率峰值的第一峰值，这可以归因于在每一层上变化的阴影线调制。同样，与气体传播系统一样，这个提取的峰值频率(尽管来自包络)也可以看作随着曝光时间的增加而减少，如图30中的FFT所证实的那样。图31进一步展示了在各个曝光时间下来自Ti6A14V测试柱体的几个AE波形。再一次强调的是，在峰值频率内展现的振荡可变性可以完全归因于本文进行的测试的已知硬件设置，并不表示声学测量中的不确定性。以与使用AE数据的曝光时间测试类似的方式，设置三个不同的点距离用于测试柱体的不同层(即55、95和75微米)上的进一步AE测量。再次，如图32所示，经解调的AE响应包含确定性谱信息，其可以精确地分离这些点距离模式。因此，AE系统还提供了激光‘真实数据’的实时验证。由于本发明中的被动式声学模态都提供了横跨粉末床提取有效激光脉冲频率的连续功能，因此可以推断额外的系统灵活性和测量可靠性。应强调的是，通过所描述的谱处理连续提取确定性激光真实数据与从原始AE进一步统计提取并行发生，以便推断熔池状况。

与气体传播系统一样，AE系统试图提供有关特定输入激光加热参数的有用信息反馈。对于恒定点距离和曝光时间，气体传播系统通过所测量的熔化响应信号能量(例如RMS)提供对激光功率的近似估计。这是可能的，因为功率相对于声频是不变的，并且从熔池源到麦克风的传播路径中的变化可以忽略不计。然而，随着每层的添加，通过从熔池源到AE传感器的变化传播路径，在整个构建中将激光输入功率与所测量的AE响应相关联由于在AE熔化响应波形中诱发的扰动而变得相当复杂。虽然受到复杂的演化传播路径影响非常小的一些波形描述符可能会有用，但是很难直接根据绝对能量相关的AE波形描述符(例如RMS、计数、上升时间、衰荡、积分能量)对输入激光参数或实际上的激光束焦距进行分类。然而，在AE系统中进一步确定，已知和精确的可重复AE dB水平的校准源可以在构建物内以某个特定间隔应用于AM零件以校准诱发可变性。理论上，各种宽带AE校准源可以应用于构建物内的AM零件的顶部，例如压电、磁致伸缩致动器(例如terfenol-D)或者甚至是机械卡扣式屈曲致动器。然而，理想的是，在熔化过程中(例如在熔体的末端)应用经过校准以在源头产生已知水平的声应力波的持续时间非常短的激光脉冲，从而不显著减缓构建过程。

可以使用几种方法来表示在绝对振幅水平不变的所测量的熔化响应内的AE活动。对AE熔化响应(即将AE测量结果与熔池物理状况相关联)进行分类的强大方法是振幅分布形状建模，因为其他领域的研究(例如AE的摩擦学应用，用于诊断金属摩擦)表明：振幅分布参数受到复杂非均匀传播路径的扰动的影响小于受到AE波形的谱或参数模型描述符的影响。来自在较长的积分时间获得的熔化的AE波形的任何纯粹的FFT推导出的谱描述符可能不足以代表构成瞬态AE脉冲串的整体的AE响应波形的演变的非固定性质。因此，现有技术的时频变换在本发明中可以证明更多的信息，同时对于实时计算(即STFT Gabor谱图、小波变换)也是实用的。时频变换(例如STFT、小波)在本发明中是有用的。首先，AE响应内的瞬态时间离散特征(例如来自再固化过程中的微裂纹的爆裂特征)是烧结过程的关键描述符，其需要被准确地保存和测量以推断关于熔池状况的信息。因此，这些信号可能被FFT处理破坏(平均化或低通滤波)，从而消除重要的形状或振幅内容。在本发明中可以使用具有经验导出的基函数的小波滤波器，以有效地从构建物内的缺陷状况中提取时间离散的AE瞬态。其次，应强调的是，AM构建是时间演变的过程，结合了沿阴影线动作和外形点熔化操作以及可能的多种加热范围(由输入激光器限定)。因此，相应的AE响应是复杂的，并且同样是时间演变的，其方式为使得可以在时域内明确地解决不同的加热范围。专业，诸如STFT等时频方法提供了一种理想的方法，用于在不同熔化状况之间的具鲁棒性的自动判别，包括通过谱峰值或谱峰值分布(例如声波波形指纹识别)对曝光时间和/或点距离激光参数的标识。自动评估熔化的AE响应谱的另一种方法是¹⁰倒谱分析，通常在机器状况监测、地震学和语音分析中使用。它涉及计算AE波形的对数谱并将其作为经受进一步傅立叶分析的波形。该方法可以在原始AE熔化响应FFT谱中、或更经常地在AE响应的任何包络估计(例如，时间积分RMS、H变换)的FFT谱中检测复杂周期和它们的频率间隔，从而区分否则在主谱(例如FFT、阶数、包络和增强谱)中难以解释的多个调制模式。

除了粉末散布监测和熔化状况监测(即仅在AM机器操作期间的设定时间发生)的时间特定应用之外，AE系统还可以用于对每个在AM机器内部构建的AM零件进行更普遍和更长时间的被动式AE监测。更具体地，应强调的是，AE系统对在构建期间和/或构建完成之后间歇性地在任何时间构建的每个AM零件内可能发生的几种类型的不想要的结构缺陷事件的检测极其敏感。

在构建过程中可能发生的且可以通过AE系统检测到的结构缺陷包括已知用于产生可检测的脉冲串AE波形的体积或表面起始裂缝。AE系统还可以可靠地检测融合层之间的任何程度的层离(通常已知会产生极大的AE脉冲串)。结构相变(例如在Ti6Al4V金属构建物中普遍存在的相双晶)也产生可以通过本发明检测和分类的非常大振幅的AE脉冲串。图35示出了使用更高功率的激光加热源在AM构建物内有意引起的这种大振幅缺陷的示例。如所指示的那样，随机发生的相变脉冲串(即锡呜)实际上明显大于在前的激光熔化过程AE响应。AE系统包括自动检测算法(例如CFAR检测器)和自动分类算法(例如k-均值非分层或分层聚类算法)，以对这样的单独一次性的大AE脉冲串事件进行检测和分类。然而，它可以同样适应许多较小的AE脉冲串事件的累积或序列，这些事件在长得多的持续时间内从缺陷中随机辐射(例如，使用脉冲串AE方法进行长期资产监测，例如累积的相对时间的AE HIT、能量、计数、上升时间、衰荡等)来自动监测AM零件的状况。

在本发明中使用在基底下方附接到机器结构的时间同步AE传感器阵列可以提供关于在构建期间和/或构建完成之后可能发生的这种AE脉冲串产生缺陷的位置的估计的另一重要功能。这样，可以确定大致的位置，或实际上标识构建物内的哪个AM零件引起了缺陷。例如，在任何构建物中，其中使用或不使用支撑结构，在相同的XY基底上构建若干个相同的AM零件，可以在构建开始之前使用校准源(例如Hsu-Nielsen)来确定TDOA估计，使观察到的AE校准信号从基底上的每个位置传播到基底下方的AE传感器的每对组合。增加的校准源事件可以在支撑结构或实际的AM零件要在层1上开始的已知位置(即更多的AE校准源平均值或校准点之间的更精细的空间粒度)周围引入。在构建期间，在可与单个一致缺陷事件或者一系列时间延迟的重复事件相关联的多于一个AE传感器上检测到的AE脉冲串，将跨传感器具有一致的TDOA，这些传感器可以对应于构建开始的位置或相邻支撑结构的位置(即，零件和构建结构可以充当用于传播缺陷应力波的中继器站，从中可以估计缺陷的位置-因为来自缺陷的AE快速扩展模式将更快)。应指出的是，将针对定位的任何大量的时间延迟AE事件相关联可能涉及聚类。几种现有技术AE定位方法可以适用于在AE系统内进行这种位置估计(例如，初至TOA方法、经由构建板基底的网格校准的ΔT定位或任何类型的双曲线投影或区域AE定位方法)。

如上所述，AM零件内的这些缺陷可以在构建过程中检测到。然而，重要的是，AE系统在构建完成后对AM零件的继续监测也非常有用。附接到基底的AM零件内的任何这种内部缺陷将持续几个小时产生显著的AE活动-在这个时间段内AE系统仍然可以进行监测，可能以前面描述的阈值触发模式下操作。应指出的是，通过SLM构建的AM零件是粉末中数百万个单独的高能量点焊的产物，因此，在所得到的构建零件中存在相当大的热弹性残余应力积聚，其在构建完成后的几分钟、甚至几个小时内继续发出AE活动。AE系统允许捕获和分析与AM零件中存储的与残余应力水平相关联的每个AE事件(例如，使用已知的AE脉冲串自动检测和统计AE方法来长期监测资产，即累积的相对于时间的AE Hit、能量、集群等)，同时仍然附接到构建基底上。

例如，被动地采集在构建期间和构建之后(例如构建完成后1小时)的某个恒定时间段内产生的所有脉冲串活动(例如图35所示的脉冲串活动)允许对AE脉冲串的总分布进行分析并与某个可接受的背景AE级别进行比较。可以使用AE系统进行这种较长期的一般性监测，以评估所附接的单独AM零件中的残余应力(例如可能使用AE定位)-以确定何时和/或如何处理AM零件(即，何时应该从基底上去除AM零件以进行热处理而不翘曲)。由AE传感器阵列测量到的AE脉冲串的累计计数或振幅分布可以用作AM零件内在应力下的损伤量化的信息比较器，即，其可用于比较在相同或不同基底上的一个或多个AM零件中产生的质量或残余应力(即，使用AE定位或数据关联/聚类算法)。同样，它可以用来比较使用同一台机器构建的许多相同SLMAM零件的残余应力或缺陷零件质量。此外，本发明提供的构建后被动式AE监测还可以在更广泛的AM过程控制领域内使用。表2对候选输入参数、环境状况和几何形状的组合进行了分类，该组合可能会确定性地影响产生的AM构建零件或过程的质量。因此，AE系统的AM零件的长期被动式监测功能可以提供一种有用的方法，通过该方法，可以基于测量长时间的AE活动，使用简单的质量度量来有意义地表征任何构建的质量，并且完全被动地推导出，例如不使用昂贵且耗时的检查系统(例如X射线或主动超声探测)。这样，长期的AE监测提供了改善AM构建过程的洞察力、知识和证据。此外，使用本发明测量到的长时间的AE活动与通过使用高分辨率X射线照相的检查后确认的所得孔隙率之间可以建立直接相关/因果关系。至少，长期的AE监测提供了经济的合理性检查，通过该检查，任何新的AM零件构建都可以在‘黄金’构建零件的先验知识的基础上进行定量比较。这可以用于比较特定的任何一组输入参数的一般构建质量。

材料	激光	扫描	环境
				组成	模式	扫描速度	预加热
粉体密度	波长	沿阴影线间隔	压力
				形态	功率	层厚度	气体类型
粒径	频率	扫描策略	氧气水平
				分布	脉宽或ET	扫描区段	氩气水平
热性能	偏置	点距离
				流动性能	光点大小	比例因子

表2影响AM零件的AM构建参数和构建后由AE系统测量到的AE活动。

数据融合

除了本文描述的信号和数据处理方法，其中两个感测模态分别监测SLM AM机器过程的几个方面和操作，在本发明中使用了另外的处理方法，其在形式上和/或数学上将传感器数据或所提取的信息在每个模态的系统级上组合-可能在分开的专用融合硬件处理器(例如FPGA、微处理器等)中，然而集中式或分布式融合硬件设计未被规定用于本发明。本发明包括任何信号处理和/或信息或概率理论方法，通过该方法可以组合所提取的信息的时间信号以推断出对AM机器或过程的统计上更可信或更准确的估计(例如改进的缺陷检测和定位或次优熔化状况)，在本发明中采用的三种传感器数据融合方法/构思被简要描述：(1)历史/时间数据融合(2)信号级数据融合(3)决策级数据关联/融合。

可单独地或组合地应用于本发明的两种传感模态的主要数据融合构思在本文中被描述为时间或历史数据融合。这涉及随机时间序列模型的发展，其描述了可由被动式声学系统观察到的AM机器/系统或AM过程的固有可变性，同时在单台AM机器上或跨多台AM机器安装被动式声学系统。由此可知，增材制造过程本质上是如本发明所观察的随机噪声过程，而不是完全确定性的(例如混沌)。关于改进的即时诊断(即，使用历史模型来稳健地检测一台或多台SLM AM机器上的进程内AM构建故障)或更宽的AM过程控制(即理解过程控制)，本发明内考虑的重要可变性时间尺度定义为：-

在层可变性(非常短期的VSTV)内：-如上所述，两种声感测模态的主要功能是测量固有噪声的原始声学信号，这是关于激光熔化和/或粉末散布过程质量的即时信息的来源，如前所述。关于横跨床的熔点的层内建模可变性需要知道阴影线的旋转方向，以便对在横跨床的网格点处发生熔化的顺序进行去卷积。本发明内试图匹配层内的声时响应(例如来自AM零件中的传播裂缝)中的大的未计划的瞬态事件的数据关联算法应考虑到熔点在层内被加热的旋转/变化顺序。然而，层内可变性建模还可以构成同一层中的相同特征之间的声响应内的固有随机分量，然而这可以更典型地被简单视为本发明的模式识别过程，如本文所详述的。

层间可变性(短期STV)：-还应强调的是，如被动式声学系统描绘的从一层到下一层展现的可变性也可以用于诊断故障或监测构建过程。对于气体传播的麦克风数据，源和接收机之间的传播路径在层与层之间不会发生变化的情况下，该STV固有地更容易建模。在这种情况下，通过从一层到下一层(例如在激光熔体响应的峰值电压、RMS、峰度、时间积分能量等等)中对声信号可变性时间序列进行编译，可以实现更高精度和置信度的故障诊断。通过来自层间STV的某些声学度量展现的可变性可以被建模为完全不相关的随机过程(例如白噪声过程)。因此，对所测量的声信号或所推导出的特征/度量的振幅分布进行建模可能是足够的(例如，足以提供由方差、峰度或任何更高阶矩的变化所指示的诱发振幅分布变化的改善的/更合格的故障指示)。

然而，在其他情况下，可以更精确地将气体传播声学数据的可变性建模为相关的随机过程，其中在一层的声学噪声测量结果线性地依赖于一个或多个先前的测量结果，例如，高斯-马尔可夫过程(AR)。在这种情况下，来自时间序列模型的任何扰动都可以推断状况的‘因果’变化。可替代地，相关噪声模型可以遵循包含自回归(AR)和移动平均(MA)模型分量(或积分移动平均ARIMA)的更复杂的两个多项式形式。应强调的是，针对气体传播声学测量建模层间STV从而为理解AM构建过程提供了强有力的工具，甚至可能用于完全基于经验导出的随机模型来预测机器中的未来故障。当随机可变性超过一些经验导出的阈值时，STV模型有助于自动检测故障/预测故障(例如，可能使用CFARNeyman-Pearson标准来限定，用于暂停由声学可变性模型引起的任何AM构建，因为暂停它来调查这一事实证明不存在的潜在问题在操作上是可以接受的(即，诊断模型将适应设定的误报率))。

还应指出的是，开发有用的稳定的和/或通用的随机时间序列模型以便解释特定几何形状的AM零件上的结构传播AE数据的声学可变性可能需要更复杂的非线性模型，其中AM零件本质上在涂覆每层之后都不断发生几何形状的改变。然而，对AE响应中的时间和/或能量相关的可变性进行测量和建模本身可以提供估计特定零件几何形状的构建过程质量的有用方法。例如，使用应用于每个新层上的零件的适当的校准源对AE传播时间中的变化进行建模可能是有用的，从而估计零件内的声速，并且因此估计零件内的孔隙率(即，通过AM结构在L波和S波声速之间存在众所周知的线性关系，并且这可以扩展到包括任何非弥散和弥散瑞利或兰姆波模式)。

AM构建间可变性(中期MTV)：-还可以发现，在被动式声学系统附接到任何生产机器时，还可以考虑可由其有效地测量的和表现在被动式声系统的声学数据中的从一个相同几何形状的AM构建零件到下一个之间展现的可变性。对这样的零件对零件或构建间声学数据进行编译可以提供一种有用的和信息丰富的方法来量化和/或比较AM机器中的零件质量或构建质量(即，与可靠性和再现性(R&R)构思相比较)。构建间可变性是AM行业的关键问题，尤其是在构建安全关键零件(如航空航天)时，因此，声学监测系统本身可用于针对特定的AM机器评估/量化这样的AM构建间或零件间可变性。应进一步指出的是，这种时间序列可变性不需要限于考虑从本发明测量的声学数据中提取的单个声学度量或声学参数的可变性。相反，可以从每个感测模态(一起或分别)中提取几个潜在的依赖或独立的度量，并对其进行建模，以改善监测诊断或改进工艺理解。这样，可以在本发明内的任何时间尺度上采用多变量建模方法，并行地产生大量的声学变量。充分表示相关变异性的数学数据约简方法可用于优化重要声学变量(例如主成分分析(PCA))。

AM机器间(长期可变性LTV)：-还应指出的是，在声学数据中观察到的随机可变性可能在不同AM机器硬件之间固有地发生。对跨机器的相同构建的声学数据和建模可变性的编译还可以用于评估AM构建过程控制。应指出的是，对于这种机器间可变性，在较长恒定时间基本周期(例如六个月到一年)内观察同一台机器上的构建物的声音数据相当于用同一AM构建物对兄一台AM机器到另一台AM机器的可变性进行建模。参考由任一感测系统测量到的声学数据，应强调的是，这样的可被分开处理或组合在一起的历史时间序列数据(即多变量估计)是潜在信息性的，并且可以提供一种可靠的诊断方法，甚至可能预测单个构建物内的缺陷或次优熔化状况和/或为SLM行业提供有用的质量控制工具。

现在讨论第二种传感器数据融合。SLM AM机器通常是开环系统，其中在CAD软件包内定义的任何新的AM零件设计都需要使用专门的AM零件编程软件进行一定程度的进一步分析，以使得一组激光加热参数和其他构建参数(即参考表2)可以在构建开始之前被计算出，并且AM机器确定性地执行这些参数，而不需要在构建期间调整参数。更可控和更灵活的系统将涉及适当的监测感测系统，实时提供关于加热/熔化过程状态的低噪声传感器信息，该信息被反馈到系统输入，使得加热源可以响应于测量结果而进行适配，从而有利于闭环系统。所描述的被动式声学监测系统提供了实现这种闭环控制的实用方法。已经采用成像和谱学方法来监测和了解包括热成像相机和高速固态可见光相机在内的研究/开发SLM AM机器中的熔池动态。这样的途径在计算进入闭环AM系统的有用实时反馈所需的图像处理时间以及提供高分辨率信息(例如熔池的TI饱和)所需的灵敏度方面存在限制。尽管当前的被动式声学系统提供了用于时间和视觉数据融合方法，由此声响应在时间上自动与视觉证据或线索相关，本文仅描述了两种声感测模态之间的传感器数据融合。

参考图36，基于来自两种传感器模态的原始或特征提取的测量结果，通过连续地估计和更新熔池的状态，可以最有效地监测在实际实时闭环在线系统内使用的演变的AM构建状况，或者更具体地熔池内的状态，该传感器模态可以在线性或无色卡尔曼滤波器内组合，提供实时无偏融池状态估计。来自任一模态的测量信号可以是具有适当滤波的原始波形(一个或多个)，以促进其中包含的关于熔池状况(例如振幅调制)变化方面的信息。可以通过带限谱信息信号(例如，围绕有效的激光激发频率)或简单地通过原始数据内的振幅调制或从宽带声响应噪声提取的统计特征向量信号来传送气体传播系统信息输入，其中宽带声响应噪声对跳火花/熔池喷射进行量化(例如，如图10所示的经滤波的峰度测量)。用于输入到卡尔曼滤波器的AE熔化响应波形更可能构成平滑化(即低通滤波)包络(例如H变换或平方律)，从而还涉及熔池状况的可变性。然而，还可以在统计学上处理对熔化的原始AE响应，使得输入信息信号构成振幅分布的一些窗口估计(例如峰度或KS滤波器)。对于这两种模态，如本文所述观察到的振幅调制可能与熔池移动穿过粉末床时熔池内的温度分布和热稳定性有关。重要的是，对于这两个传感器，假设滚动实时传感器测量结果形成的和/或推导出的、对到卡尔曼滤波器状态估计器的熔池状态信息进行表征的特征向量输入总是引发某一水平的测量噪声。卡尔曼滤波器用作自适应滤波器(例如，基于LMS FIR滤波器结构)，其可以用于随机系统模型的优化状态估计，该随机系统模型利用一个或多个噪声传感器测量输入来描述熔池状态。这样，卡尔曼结构构成传感器数据融合引擎，其中来自每个声学感测模态的噪声特征向量数据可以被最佳地组合以将预测状态保持为已知/所需的可变性。卡尔曼结构涉及递归操作序列的执行，递归操作序列涉及到状况估计模型(更新方程)的传感器测量结果更新的，并且卡尔曼滤波器结构内的前馈状态预测更新涉及声传感器输入(噪声测量数据)。本发明的一种方法将具有自适应卡尔曼滤波器结构内的线性滤波器加权系数(即FIR系数)的自适应组合，其构成完全可控且可变的激光输入参数，该激光输入参数可以在卡尔曼框架内进行适配，以使状态估计保持在给定噪声声学测量数据的设定水平。

来自每个模态的有用传感器数据还可以在轨迹/位置或决策级别进行组合，以提高对缺陷或故障状况检测、识别或位置决定的置信度。在系统层面上，应进一步指出的是，对于进行构建内监测任务中的每一个，其中两个声学感测模态独立地提供一定程度的有用时间同步感测数据或推断的信息，

高价值的传感器数据融合可以直接在监测系统内的声波波形或信号电平上进行。例如，来自时间离散事件(例如，嘈杂的分层事件)的瞬态波形特征可以由每个模态的传感器进行报告-提高了诊断的置信度。

在决策级别(即组合概率)，使用正式的数学传感器数据融合可以同样地进行更可靠的(即，在统计置信度PoD、PFA方面)故障或缺陷检测决策。贝叶斯推断可以被用来在决策级别对两种模态的传感器数据进行组合。

本文使用的术语“数据载体”包括：非瞬态数据载体，例如易失性存储器(如RAM)、非易失性存储器(如ROM)、闪速存储器以及数据存储设备(如硬盘、光盘)；或者瞬态数据载体，如电子或光学信号。

Claims (17)

1.一种用于通过材料的分层固结来构建物体的增材制造设备，所述设备包括：

构建外壳(101)，所述构建外壳包含用于在构建过程中支撑所述物体的构建支撑件(102，110)；，

材料源，所述材料源提供用于固结的材料；

辐射装置(105，106)，所述辐射装置用于产生和引导辐射以将所述材料固结在所述选定位置处；以及

声感测系统(191，192，193，194)，其特征在于：所述声感测系统(191，192，193，194)被布置成检测在所述构建外壳(101)中，由用所述辐射来固结材料而产生的声信号。

2.根据权利要求1所述的增材制造设备，其中，所述声感测系统包括声传感器(191，192，193)，其被布置成用于检测气体传播声波。

3.根据权利要求1或权利要求2所述的增材制造设备，其中，所述材料源包括刮板(109)，所述刮板用于将所分配的材料散布成层以形成由构建平台(102，110)支撑的材料床(104)，用于检测气体传播声波的所述声传感器(191，192，193)在所述构建外壳(101)内被定位在所述材料床(104)的上方。

4.根据前述任一权利要求所述的增材制造设备，其中，所述声感测系统包括声传感器阵列(191，192，193，194)。

5.根据前述任一权利要求所述的增材制造设备，其中，所述声感测系统包括多个时间同步的声传感器(191，192，193，194)，其中，所述时间同步的声传感器可以包括被布置成检测气体传播声波的声传感器(191，192，193)和被布置成检测结构传播波的声发射传感器(194)。

6.根据前述任一权利要求所述的增材制造设备，其中，所述声感测系统包括信号处理模块，所述信号处理模块用于确定声信号的特性，该特性指示在固结所述材料期间熔池的状况。

7.根据权利要求6所述的增材制造设备，其中，所述熔池的状况为是否已经实现熔池；和/或从所述熔池中跳火花的量度；和/或所述熔池的温度；和/或所述熔池的尺寸；和/或所述熔池的位相变换。

8.根据权利要求6或权利要求7所述的增材制造设备，其中，所述信号处理模块包括滤波器，所述滤波器用于将由移动所述增材制造设备的机械组件而生成的较低频率的声信号与在所述材料的固结期间由所述辐射与所述材料的相互作用而生成的较高频率的声信号中分开。

9.根据权利要求6至8中任一权利要求所述的增材制造设备，其中，所述信号处理模块被安排成对所述声信号中的振幅调制进行解调、并且根据经解调的振幅来确定所述熔池的状况和/或辐射束的扫描参数。

10.根据权利要求6至9中任一权利要求所述的增材制造设备，其中，所述信号处理模块被布置成确定所述声信号的频率分量，和所述信号处理模块可以被布置成i)确定诸如火花数量的由材料固结而生成的副产物的特性；和/或ii)根据所述频率分量的振幅和持续时间来估计由脉冲辐射赋予的加热能量；和/或iii)将所述声信号的确定性频率分量与随机分量分开，其中，所述信号处理模块可以被布置成根据所述随机分量来判定所述材料是否已经发生过加热。

11.根据权利要求1至5中任一权利要求所述的增材制造设备，包括信号处理模块，所述信号处理模块被布置成确定所述声信号的特性，该特性指示经固结材料的分层和/或经固结材料中的微裂纹。

12.根据权利要求4所述的增材制造设备，包括信号处理模块，所述信号处理模块被布置成将由所述声传感器(191，192，193)的阵列中的不同声传感器在不同的时间检测到的时间离散事件与所述事件在所述构建外壳(101)中的空间位置相关联。

13.根据权利要求12所述的增材制造设备，包括信号处理器，所述信号处理器被布置成确定所述声信号的特性，该特性指示经固结材料的分层和/或经固结材料中的微裂纹。

14.根据权利要求1至5中任一权利要求所述的增材制造设备，其中，所述声感测系统包括信号处理模块，所述信号处理模块被布置成确定所述声信号的特性，该特性指示所述构建过程的至少一个状况，其中所述辐射装置(105，106)被布置成产生多个辐射束以同时在多个位置处使材料固结，其中所述信号处理模块被布置成对在每个位置处生成的气体传播声信号加以区分。

15.根据前述任一权利要求所述的增材制造设备，包括控制器(160)，所述控制器被布置成响应于所述声信号来控制所述辐射设备和/或所述材料源，其中所述材料源可以被布置成用于将可流动材料散布成横跨材料床的层，所述辐射设备可以被布置成将辐射束扫过每层的选定区域以使所述材料固结，和所述控制器可以被布置成响应于所述声信号来控制所述辐射装置以改变扫描参数，其中能被所述控制器改变的所述扫描参数可以包括以下各项中的一项或多项：辐射束的功率、所述扫描的曝光点之间的距离、每个点的曝光时间、扫描速度、光点大小和/或所述辐射束的焦点位置。

16.一种用于监测增材制造过程的方法，包括：接收由根据权利要求1至13中任一项所述的增材制造设备的声传感器(191，192，193，194)记录的声信号，以及分析所述声信号以确定所检测到的声信号的特性，所述特性指示材料固结期间所生成的熔池的状况和/或确定经固结材料的分层和/或所述经固结材料中的微裂纹。

17.一种具有存储在其上的指令的数据载体，所述指令在被处理器执行时致使所述处理器实施如权利要求16所述的方法。

Images