CN113588074B - 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 - Google Patents
基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 Download PDFInfo
- Publication number
- CN113588074B CN113588074B CN202110798660.9A CN202110798660A CN113588074B CN 113588074 B CN113588074 B CN 113588074B CN 202110798660 A CN202110798660 A CN 202110798660A CN 113588074 B CN113588074 B CN 113588074B
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- lded
- photoelectric detector
- molten pool
- optical information
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000007547 defect Effects 0.000 title claims abstract description 37
- 238000012806 monitoring device Methods 0.000 title claims abstract description 20
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 239000013307 optical fiber Substances 0.000 claims abstract description 93
- 239000000523 sample Substances 0.000 claims abstract description 59
- 238000004519 manufacturing process Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 35
- 239000000654 additive Substances 0.000 claims abstract description 30
- 230000000996 additive effect Effects 0.000 claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 230000001360 synchronised effect Effects 0.000 claims abstract description 7
- 230000001681 protective effect Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 31
- 239000000843 powder Substances 0.000 claims description 30
- 238000003066 decision tree Methods 0.000 claims description 22
- 230000008021 deposition Effects 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 239000002184 metal Substances 0.000 description 14
- 238000000151 deposition Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000005137 deposition process Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000155 melt Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 238000005272 metallurgy Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 238000004544 sputter deposition Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000010953 base metal Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
Abstract
本发明提出一种基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法，其中装置包括三个光纤探头，第一、二光纤探头靠近熔池的一端分别设有带通滤波片和陷波滤波片，另一端通过光学光纤分别向第一、二近红外光电探测器传输光学信息，第三光纤探头靠近熔池的一端设有保护镜片，另一端分别向可见光光电探测器和紫外光电探测器传输光学信息，三个光纤探头通过同步机构与LDED激光头保持同步运动，四个光电探测器分别与对应的电流电压转换模块相连，各个电流电压转换模块与数据采集卡相连，数据采集卡还与计算机相连。上述基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法能对增材制造过程进行实时监测，并根据异常信号判断缺陷的类型。
Description
技术领域
本发明涉及金属激光增材制造技术领域，尤其涉及一种基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法。
背景技术
增材制造(Additive manufacturing，AM)技术融合了冶金学、机器人学和计算机学等，以离散、堆积为原理，能够快速制造出具有复杂形状和结构的零件，广泛应用于航空航天、医学和建筑等领域，与传统的减材制造技术相比，具有巨大的商业潜力和使用价值。在以金属粉末为原料的增材制造技术中，激光定向能量沉积(Laser directed energydeposition，LDED)具有广泛的应用。
激光定向能量沉积技术是以激光为热源在基材上形成熔池，通过送粉装置将粉末输送至熔池，按照预设模型进行沉积的增材制造技术。虽然激光定向能量沉积技术具有诸多优点，但是沉积过程中激光、粉末和金属基体同时发生交互作用，使得化学冶金和热物理过程十分复杂，快速加热和快速冷却的熔凝固过程容易导致工件产生微观裂纹、气孔、球化、飞溅和下榻等缺陷，这种冶金缺陷和成型质量差对零件的显微组织和力学性能造成严重影响，制约着该技术的发展。因此在激光定向能量沉积过程中，对零件进行实时监测具有重要意义。
发明内容
为了解决现有技术中存在的问题，本申请提出了一种基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法，以便能够对增材制造过程进行实时监测，并根据异常信号判断缺陷的类型。
为了实现上述目的，本申请一方面提出了一种基于熔池多元光学信息的LDED在线监测装置，包括三个光纤探头，分别记做第一光纤探头、第二光纤探头和第三光纤探头，所述第一光纤探头靠近基于同轴送粉的激光增材制造系统中的熔池的一端设有带通滤波片，其远离熔池的一端通过光学光纤向第一近红外光电探测器传输光学信息，所述第二光纤探头靠近熔池的一端设有陷波滤波片，其远离熔池的一端通过光学光纤向第二近红外光电探测器传输光学信息，所述带通滤波片和陷波滤波片的工作波长与基于同轴送粉的激光增材制造系统中的LDED激光头发射的激光的工作波长相同，所述第三光纤探头靠近熔池的一端设有保护镜片，其远离熔池的一端分别向可见光光电探测器和紫外光电探测器传输光学信息，所述三个光纤探头通过同步机构与所述LDED激光头保持同步运动，使得所述第一光纤探头始终聚焦于熔池上方6～10mm处，所述第二光纤探头始终聚焦于熔池中心，所述第三光纤探头的焦点始终位于熔池上方2～4mm处；所述第一近红外光电探测器、第二近红外光电探测器、可见光光电探测器和紫外光电探测器分别与对应的电流电压转换模块相连接，所述电流电压转换模块由电源进行供电，各个电流电压转换模块通过数据传输线与数据采集卡相连接，所述数据采集卡还通过数据传输线与计算机相连接。
在一些实施例中，所述第三光纤探头远离熔池的一端通过Y型光纤分别向可见光光电探测器和紫外光电探测器传输光学信息。
在一些实施例中，所述同步机构包括三个支架，分别记做第一支架、第二支架和第三支架，所述第一光纤探头通过所述第一支架与所述LDED激光头固定连接，所述第二光纤探头通过所述第二支架与所述LDED激光头固定连接，所述第三光纤探头通过所述第三支架与所述LDED激光头固定连接。
在一些实施例中，所述电流电压转换模块由线性电源进行供电。
在一些实施例中，电压信号输入至数据采集卡的方式为差分输入，所述电流电压转换模块的输出端作为差分输入的正极，所述数据采集卡的接地端作为差分输入的负极。
在一些实施例中，所述电流电压转换模块固定在支撑板上，所述第一近红外光电探测器、第二近红外光电探测器、可见光光电探测器和紫外光电探测器分别固定在对应的电流电压转换模块上，并与电流电压转换模块上的电路相连接；所述光学光纤以及Y型光纤通过光纤法兰固定在所述支撑板的侧壁处，并使所述光学光纤以及Y型光纤端口的轴线方向与对应的光电探测器的感光面相垂直，且保证从光学光纤以及Y型光纤端口辐射出的光作用在对应的光电探测器的感光面上。
本申请的该方案的有益效果在于相比于通过单一光电探测器进行监测的装置，本申请所涉及的基于熔池多元光学信息的LDED在线监测装置涉及紫外光、可见光和近红外光光电探测器，基于熔池附近的光学特性，能够精确采集熔池及其附近特定位置的光学信息，综合分析多种光学信息，宜于揭示激光增材制造过程中缺陷产生的物理机制。
本申请的另一方面提出了一种基于熔池多元光学信息的LDED缺陷诊断方法，包括以下步骤：
步骤1、当基于同轴送粉的激光增材制造系统开始工作时，通过所述第一近红外光电探测器实时采集熔池上方6～10mm处的光学信息，该光学信息指的是激光，通过所述第二近红外光电探测器实时采集熔池中心的光学信息，该光学信息指的是熔池的热辐射，通过所述可见光光电探测器以及紫外光电探测器实时采集熔池上方2～4mm处的光学信息，该光学信息分别指的是熔池或飞溅辐射出的可见光以及等离子体辐射出的紫外光，在每个光电探测器中产生电流信号，共计在四个通道中产生电流信号；
步骤2、所述四个通道的电流信号经对应的电流电压转换模块转换为电压信号，之后通过所述电流电压转换模块将电压信号传输至数据采集卡；四个通道的电压信号经数据采集卡转换为数字信号，之后传输至计算机中；
步骤3、在所述计算机中，提取紫外光、可见光、热辐射和激光各自所对应的数字信号所形成的时域曲线；
步骤4、对一个制件周期内的四条时域曲线中的数字信号进行滤波和降噪处理；
步骤5、选取能够反映步骤4处理后得到的信号波动程度或异常的特征参数，得到z个特征参数，其中12≤z≤20，计算四个通道信号相应的特征参数值；
步骤6、通过所述基于同轴送粉的激光增材制造系统进行k次LDED过程，收集每次LDED过程得到的四个通道的数字信号，为随机森林分类算法创建训练集；
步骤7、根据上述LDED过程，设定每个特征参数的阈值；
步骤8、从所述z个特征参数中随机选取x个特征参数，构建一棵决策树，其中z/4≤x≤z；
步骤9、重复步骤8，直至构建n棵决策树，其中x/2≤n≤z；
步骤10、将训练集随机分为n个子集，每个子集包含m组数据，其中n*m＝k，对于每一棵决策树，随机选取一个子集，并对该子集中的m组数据进行随机有放回地抽样，对决策树进行训练；
步骤11、通过训练后的n棵决策树对LDED过程进行缺陷诊断：缺陷的有无以及缺陷的类型是所有决策树输出的类别的众数。
在一些实施例中，在所述步骤6中，将一个10～30mm长的单道单层沉积记为一次LDED过程，每次LDED过程只对应一种工况，工况分为正常沉积和有缺陷沉积，其中缺陷又分为激光功率降低、飞溅、下榻和球化。
在一些实施例中，在所述步骤10以及步骤11之间，还设有以下步骤：根据训练后的决策树，以所述步骤6中一次LDED过程所需的时间为时间窗口的长度，对当前采集的四个通道的数字信号进行加窗，其中所述步骤6中的k次LDED过程所需的时间相同。
本申请所涉及的基于熔池多元光学信息的LDED缺陷诊断方法结合了机器学习算法，在面对多通道信号以及多特征参数的数据集时，能够判断不同特征参数的权重，能够判断激光增材制造过程是否发生，能够对异常信号所对应的缺陷类型较好地识别。
附图说明
图1示出了实施例中基于熔池多元光学信息的LDED在线监测装置的局部结构示意图。
图2示出了实施例中基于熔池多元光学信息的LDED在线监测装置的局部结构示意图。
图3示出了实施例中基于熔池多元光学信息的LDED在线监测装置的局部结构示意图。
图4示出了实施例中四个通道电压信号的示意图。
图5示出了实施例中随机森林分类算法的示意图。
附图标记：1-LDED激光头，2-第一支架，3-第二支架，4-第三支架，5-第一光纤探头，6-第二光纤探头，7-第三光纤探头，8-带通滤波片，9-陷波滤波片，10-保护镜片，11-第一近红外光电探测器，12-第二近红外光电探测器，13-可见光光电探测器，14-紫外光电探测器，15-Y型光纤，16-金属基板，17-激光束，18-送粉喷嘴，19-墙体，20-电流电压转换模块，21-线性电源，22-数据采集卡，23-数据传输线，24-计算机，25-支撑板，26-光纤法兰，27-光学光纤。
具体实施方式
下面结合附图对本申请的具体实施方式作进一步的说明。
在本申请的描述中，需要理解的是，术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
光电探测器受到其相应工作波长范围的光照射时，根据光的强度，会产生相应大小的电流。而在激光定向能量沉积过程中，在激光作用下，金属母材和粉末熔化形成熔池，液态熔池的温度超过1000K，熔池会以红外光的形式向外进行辐射。根据辐射定律可知物体辐射的能量与其温度、表面积和黑度等因素有关，而在制造工艺参数不变的情况下，熔池的面积在某一数值上下浮动，熔池的黑度取决于金属粉末的材料。因此，熔池的温度是其热辐射量的主要影响因素，根据近红外光电探测器所测得信号的数值变换大小和变化趋势可近似反映熔池温度的波动程度和变化趋势。
此外，激光作为加工热源，自身即可辐射出1060～1070nm的近红外光，因此近红外光电探测器所测得信号的数值稳定性也可以反映出热源在加工过程中是否稳定。熔池热输入过高和过低都会引发影响零件组织和成型质量的缺陷。高密度激光能量使金属材料熔融气化，在液态熔池的上方形成金属原子云团，云团中的原子吸收能量发生电离形成等离子体，等离子体辐射出的光可以被光纤探头接收。在局部热力学平衡状态下以及金属材料不变的情况下，电子密度和电子温度是等离子体辐射强度高低的主要影响因素。与激光焊接相似，激光增材制造过程中也常出现飞溅行为，飞溅行为严重影响了制造过程的稳定性，容易导致夹渣等缺陷的产生。飞溅行为往往伴随着可见光的产生和变化，飞溅的数量是其产生可见光强度高低的主要影响因素。综合激光辐射出的近红外光、熔池辐射出的近红外光、等离子体辐射的紫外光和金属飞溅辐射的可见光的动态变化特征，可进一步揭示增材制造过程的物理机制，对激光增材制造过程实现在线监测，为指导制造过程和提高零件的质量打下基础，基于此，本申请提出了一种基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法。
激光定向能量沉积过程是基于同轴送粉技术进行的，基于同轴送粉的激光增材制造系统属于现有技术，在本实施例中只给出局部结构示意图，如图1所示，基于同轴送粉的激光增材制造系统包括LDED激光头1，从所述LDED激光头1发射的激光束17垂直照射在金属基板16的表面，激光束17的聚焦平面位于金属基板16表面，金属粉末在送粉器的控制和载粉器的推动下，通过送粉喷嘴18以预定速率进行同轴送粉，进行金属激光定向能量沉积，形成墙体19，在沉积过程中，将保护气以预定的流量进行输送，以防止沉积样件的表面氧化。上述制造过程属于现有技术，在此不做详尽的说明。
如图1-2所示，本申请所涉及的基于熔池多元光学信息的LDED在线监测装置包括三个光纤探头，分别记做第一光纤探头5、第二光纤探头6和第三光纤探头7，所述第一光纤探头5靠近熔池的一端设有带通滤波片8，其远离熔池的一端通过光学光纤向第一近红外光电探测器11传输光学信息，所述第二光纤探头6靠近熔池的一端设有陷波滤波片9，其远离熔池的一端通过光学光纤向第二近红外光电探测器12传输光学信息，所述带通滤波片8和陷波滤波片9的工作波长与基于同轴送粉的激光增材制造系统中的LDED激光头1发射的激光的工作波长相同，所述带通滤波片8用于滤除激光工作波长范围之外的光；所述陷波滤波片9用于滤除激光对采集的熔池热辐射信息的影响；所述第三光纤探头7靠近熔池的一端设有保护镜片10，其远离熔池的一端通过Y型光纤15分别向可见光光电探测器13和紫外光电探测器14传输光学信息，所述三个光纤探头通过同步机构与所述基于同轴送粉的激光增材制造系统中的LDED激光头1保持同步运动，使得所述第一光纤探头5始终聚焦于熔池上方6～10mm处，所述第二光纤探头6始终聚焦于熔池中心，所述第三光纤探头7的焦点始终位于熔池上方2～4mm处。
在本实施例中，所述同步机构包括三个支架，分别记做第一支架2、第二支架3和第三支架4，所述第一光纤探头5通过所述第一支架2与所述LDED激光头1固定连接，所述第二光纤探头6通过所述第二支架3与所述LDED激光头1固定连接，所述第三光纤探头7通过所述第三支架4与所述LDED激光头1固定连接。
所述第一近红外光电探测器11、第二近红外光电探测器12、可见光光电探测器13和紫外光电探测器14分别与对应的电流电压转换模块20相连接，所述电流电压转换模块20由电源进行供电，在本实施例中，由线性电源21进行供电，所述线性电源21的输出电压稳定性好且调节精度高，可降低所采集电压信号的底噪，在本实施例中每一个线性电源21为两个电流电压转换模块20进行供电。所述线性电源21的输出电压为±5～±10V，所述电流电压转换模块20的最大输出电压始终小于线性电源21的输出电压，并随其增加而增加。
各个电流电压转换模块20通过数据传输线23与数据采集卡22相连接，在本实施例中，电压信号输入至数据采集卡22的方式为差分输入，所述电流电压转换模块20的输出端作为差分输入的正极，所述数据采集卡22的接地端作为差分输入的负极；差分输入的方式可降低外界的电磁干扰，从而进一步降低底噪。所述数据采集卡22的采样频率依据光电探测器的数量设定。所述数据采集卡22还通过数据传输线23与计算机24相连接。
如图3所示，在本实施例中，所述电流电压转换模块20通过螺栓固定在支撑板上25，所述第一近红外光电探测器11、第二近红外光电探测器12、可见光光电探测器13和紫外光电探测器14分别固定在对应的电流电压转换模块20上，并与电流电压转换模块20上的电路相连接；所述光学光纤27以及Y型光纤15通过光纤法兰26固定在所述支撑板25的侧壁处，并使所述光学光纤27以及Y型光纤15端口的轴线方向与对应的光电探测器的感光面相垂直，且保证从光学光纤27以及Y型光纤15端口辐射出的光作用在对应的光电探测器的感光面上。
在本实施例中，光纤探头采用Avantes公司生产的可变光程浸入式透过探头，工作波长范围为200～2500nm；光学光纤27的工作波长范围为200～2500nm；所述紫外光电探测器14的工作波长范围为220～380nm，所述可见光光电探测器13的工作波长范围为380～750nm，近红外光电探测器的工作波长为800～2100nm；所述带通滤波片8的中心波长为1064nm，带宽为10nm；所述陷波滤波片9的中心波长为1064nm，带宽为10nm。所述数据采集卡22为NI USB-6003，每通道数据采集频率10kHz。
本申请所涉及的基于熔池多元光学信息的LDED缺陷诊断方法，其包括以下步骤：
步骤1、当基于同轴送粉的激光增材制造系统开始工作时，通过所述第一近红外光电探测器11实时采集熔池上方6～10mm处的光学信息，该光学信息指的是激光，通过所述第二近红外光电探测器12实时采集熔池中心的光学信息，该光学信息指的是熔池的热辐射，通过所述可见光光电探测器13以及紫外光电探测器14实时采集熔池上方2～4mm处的光学信息，该光学信息分别指的是熔池或飞溅辐射出的可见光以及等离子体辐射出的紫外光，在每个光电探测器中产生电流信号，共计在四个通道中产生电流信号。
在本实施例中，所述基于同轴送粉的激光增材制造系统中的金属基板16采用316L不锈钢；LDED粉末采用316L粉末，送粉器型号为GTVPF 2/2，送粉速率为14.6g/min；保护气采用Ar保护气，流量为15L/min；LDED激光器采用由德国IPG Photonics公司生产的YLS-6000型掺镱光纤激光器，激光束17的波长范围为1060～1070nm，输出功率设定在1400W，扫描速率为500mm/min。
步骤2、所述四个通道的电流信号经对应的电流电压转换模块20转换为电压信号，之后通过所述电流电压转换模块20将电压信号传输至数据采集卡22；四个通道的电压信号经数据采集卡22转换为数字信号，之后传输至计算机24中，如图4所示。
步骤3、在所述计算机24中，提取紫外光、可见光、热辐射和激光各自所对应的数字信号所形成的时域曲线。
步骤4、对一个制件周期内的四条时域曲线中的数字信号进行滤波和降噪处理。
步骤5、选取能够反映步骤4处理后得到的信号波动程度或异常的特征参数，得到z个特征参数，其中12≤z≤20，计算四个通道信号相应的特征参数值。
在本实施例中，选取了16个特征参数，见表1。
表1特征参数表
步骤6、通过所述基于同轴送粉的激光增材制造系统进行k次LDED过程，其中k的取值根据需要进行设定，例如500，收集每次LDED过程得到的四个通道的数字信号，为随机森林分类算法创建训练集。例如将一个10～30mm长的单道单层沉积记为一次LDED过程，每次LDED过程只对应一种工况，工况分为正常沉积和有缺陷沉积，其中缺陷又分为激光功率降低、飞溅、下榻和球化。
步骤7、根据上述LDED过程，设定每个特征参数的阈值，当超过(或者低于)该阈值时，则认定在LDED过程中存在缺陷。
步骤8、从所述z个特征参数中随机选取x个特征参数，构建一棵决策树，其中z/4≤x≤z。例如从所述16个特征参数中随机选取10个特征参数，构建一棵决策树。
步骤9、重复步骤8，直至构建n棵决策树，其中x/2≤n≤z。
步骤10、将训练集随机分为n个子集，每个子集包含m组数据，其中n*m＝k，对于每一棵决策树，随机选取一个子集，并对该子集中的m组数据进行随机有放回地抽样，对决策树进行训练。
步骤11、通过训练后的n棵决策树对LDED过程进行缺陷诊断：缺陷的有无以及缺陷的类型是所有决策树输出的类别的众数，如图5所示。
在本实施例中，在所述步骤10以及步骤11之间，还可以设有以下步骤：根据训练后的决策树，以所述步骤6中一次LDED过程所需的时间为时间窗口的长度，对当前采集的四个通道的数字信号进行加窗，其中所述步骤6中的k次LDED过程所需的时间相同。若当前LDED过程持续时间大于步骤6中一次LDED过程持续的时间，加窗处理可以对当前沉积过程进行分段诊断，提高诊断结果的准确率和分辨率。
相比于通过单一光电探测器进行监测的装置，本申请所涉及的基于熔池多元光学信息的LDED在线监测装置涉及紫外光、可见光和近红外光光电探测器，基于熔池附近的光学特性，能够精确采集熔池及其附近特定位置的光学信息，综合分析多种光学信息，宜于揭示激光增材制造过程中缺陷产生的物理机制。
本申请所涉及的基于熔池多元光学信息的LDED缺陷诊断方法结合了机器学习算法，在面对多通道信号以及多特征参数的数据集时，能够判断不同特征参数的权重，能够判断激光增材制造过程是否发生，能够对异常信号所对应的缺陷类型较好地识别。
本申请所涉及的基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法为金属激光增材制造技术的发展提供了指导手段，监测结果对于制件的内部结构和性能稳定性具有重要意义。本申请所涉及的基于熔池多元光学信息的LDED在线监测装置及缺陷诊断方法还可应用于其他激光加工领域，具有较高的使用价值和商业价值。
以上所述，仅为本申请较佳的具体实施方式，但本申请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申请揭露的技术范围内，根据本申请的技术方案及其构思加以等同替换或改变，都应涵盖在本申请的保护范围之内。
Claims (4)
1.一种基于熔池多元光学信息的LDED在线监测装置，其特征在于：包括三个光纤探头，分别记做第一光纤探头、第二光纤探头和第三光纤探头，所述第一光纤探头靠近基于同轴送粉的激光增材制造系统中的熔池的一端设有带通滤波片，其远离熔池的一端通过光学光纤向第一近红外光电探测器传输光学信息，所述第二光纤探头靠近熔池的一端设有陷波滤波片，其远离熔池的一端通过光学光纤向第二近红外光电探测器传输光学信息，所述带通滤波片和陷波滤波片的工作波长与基于同轴送粉的激光增材制造系统中的LDED激光头发射的激光的工作波长相同，所述第三光纤探头靠近熔池的一端设有保护镜片，其远离熔池的一端分别向可见光光电探测器和紫外光电探测器传输光学信息，所述三个光纤探头通过同步机构与所述LDED激光头保持同步运动，使得所述第一光纤探头始终聚焦于熔池上方6～10mm处，所述第二光纤探头始终聚焦于熔池中心，所述第三光纤探头的焦点始终位于熔池上方2～4mm处；所述第一近红外光电探测器、第二近红外光电探测器、可见光光电探测器和紫外光电探测器分别与对应的电流电压转换模块相连接，所述电流电压转换模块由电源进行供电，各个电流电压转换模块通过数据传输线与数据采集卡相连接，所述数据采集卡还通过数据传输线与计算机相连接；其中，所述第三光纤探头远离熔池的一端通过Y型光纤分别向可见光光电探测器和紫外光电探测器传输光学信息；电压信号输入至数据采集卡的方式为差分输入，所述电流电压转换模块的输出端作为差分输入的正极，所述数据采集卡的接地端作为差分输入的负极；所述电流电压转换模块固定在支撑板上，所述第一近红外光电探测器、第二近红外光电探测器、可见光光电探测器和紫外光电探测器分别固定在对应的电流电压转换模块上，并与电流电压转换模块上的电路相连接；所述光学光纤以及Y型光纤通过光纤法兰固定在所述支撑板的侧壁处，并使所述光学光纤以及Y型光纤端口的轴线方向与对应的光电探测器的感光面相垂直，且保证从光学光纤以及Y型光纤端口辐射出的光作用在对应的光电探测器的感光面上。
2.根据权利要求1所述的基于熔池多元光学信息的LDED在线监测装置，其特征在于：所述同步机构包括三个支架，分别记做第一支架、第二支架和第三支架，所述第一光纤探头通过所述第一支架与所述LDED激光头固定连接，所述第二光纤探头通过所述第二支架与所述LDED激光头固定连接，所述第三光纤探头通过所述第三支架与所述LDED激光头固定连接。
3.根据权利要求1所述的基于熔池多元光学信息的LDED在线监测装置，其特征在于：所述电流电压转换模块由线性电源进行供电。
4.一种基于权利要求1所述的基于熔池多元光学信息的LDED在线监测装置的基于熔池多元光学信息的LDED缺陷诊断方法，其特征在于：包括以下步骤：
步骤1、当基于同轴送粉的激光增材制造系统开始工作时，通过所述第一近红外光电探测器实时采集熔池上方6～10mm处的光学信息，该光学信息指的是激光，通过所述第二近红外光电探测器实时采集熔池中心的光学信息，该光学信息指的是熔池的热辐射，通过所述可见光光电探测器以及紫外光电探测器实时采集熔池上方2～4mm处的光学信息，该光学信息分别指的是熔池或飞溅辐射出的可见光以及等离子体辐射出的紫外光，在每个光电探测器中产生电流信号，共计在四个通道中产生电流信号；
步骤2、所述四个通道的电流信号经对应的电流电压转换模块转换为电压信号，之后通过所述电流电压转换模块将电压信号传输至数据采集卡；四个通道的电压信号经数据采集卡转换为数字信号，之后传输至计算机中；
步骤3、在所述计算机中，提取紫外光、可见光、热辐射和激光各自所对应的数字信号所形成的时域曲线；
步骤4、对一个制件周期内的四条时域曲线中的数字信号进行滤波和降噪处理；
步骤5、选取能够反映步骤4处理后得到的信号波动程度或异常的特征参数，得到z个特征参数，其中12≤z≤20，计算四个通道信号相应的特征参数值；
步骤6、通过所述基于同轴送粉的激光增材制造系统进行k次LDED过程，收集每次LDED过程得到的四个通道的数字信号，为随机森林分类算法创建训练集；将一个10～30mm长的单道单层沉积记为一次LDED过程，每次LDED过程只对应一种工况，工况分为正常沉积和有缺陷沉积，其中缺陷又分为激光功率降低、飞溅、下榻和球化；
步骤7、根据上述LDED过程，设定每个特征参数的阈值；
步骤8、从所述z个特征参数中随机选取x个特征参数，构建一棵决策树，其中z/4≤x≤z；
步骤9、重复步骤8，直至构建n棵决策树，其中x/2≤n≤z；
步骤10、将训练集随机分为n个子集，每个子集包含m组数据，其中n*m＝k，对于每一棵决策树，随机选取一个子集，并对该子集中的m组数据进行随机有放回地抽样，对决策树进行训练；
步骤11、通过训练后的n棵决策树对LDED过程进行缺陷诊断：缺陷的有无以及缺陷的类型是所有决策树输出的类别的众数；
在所述步骤10以及步骤11之间，还设有以下步骤：根据训练后的决策树，以所述步骤6中一次LDED过程所需的时间为时间窗口的长度，对当前采集的四个通道的数字信号进行加窗，其中所述步骤6中的k次LDED过程所需的时间相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110798660.9A CN113588074B (zh) | 2021-07-15 | 2021-07-15 | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110798660.9A CN113588074B (zh) | 2021-07-15 | 2021-07-15 | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113588074A CN113588074A (zh) | 2021-11-02 |
| CN113588074B true CN113588074B (zh) | 2024-04-19 |
Family
ID=78247479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110798660.9A Active CN113588074B (zh) | 2021-07-15 | 2021-07-15 | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113588074B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115415549B (zh) * | 2022-09-05 | 2024-03-08 | 苏州中科煜宸激光智能科技有限公司 | 基于非线性自回归神经网络的激光熔覆平整化控制系统与方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1709631A (zh) * | 2005-07-04 | 2005-12-21 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种高能束流焊接过程多信号融合监测仪 |
| CN107153237A (zh) * | 2017-06-20 | 2017-09-12 | 华中科技大学 | 一种多通道硅基波分复用高速光收发一体器件 |
| CN109507187A (zh) * | 2018-11-23 | 2019-03-22 | 哈尔滨工业大学（威海） | 一种激光增材制造缺陷诊断方法及其装置 |
| CN111089647A (zh) * | 2020-01-06 | 2020-05-01 | 东南大学 | 一种激光熔覆质量的实时监测装置 |
| CN111566563A (zh) * | 2017-10-26 | 2020-08-21 | Asml荷兰有限公司 | 用于监测等离子体的系统 |
| CN112654448A (zh) * | 2018-05-28 | 2021-04-13 | Beam公司 | 用于检测激光束的位置的装置和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112041148B (zh) * | 2018-02-21 | 2022-03-04 | 西格马实验室公司 | 用于在增材制造操作期间测量辐射热能的系统和方法 |
-
2021
- 2021-07-15 CN CN202110798660.9A patent/CN113588074B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1709631A (zh) * | 2005-07-04 | 2005-12-21 | 中国航空工业第一集团公司北京航空制造工程研究所 | 一种高能束流焊接过程多信号融合监测仪 |
| CN107153237A (zh) * | 2017-06-20 | 2017-09-12 | 华中科技大学 | 一种多通道硅基波分复用高速光收发一体器件 |
| CN111566563A (zh) * | 2017-10-26 | 2020-08-21 | Asml荷兰有限公司 | 用于监测等离子体的系统 |
| CN112654448A (zh) * | 2018-05-28 | 2021-04-13 | Beam公司 | 用于检测激光束的位置的装置和方法 |
| CN109507187A (zh) * | 2018-11-23 | 2019-03-22 | 哈尔滨工业大学（威海） | 一种激光增材制造缺陷诊断方法及其装置 |
| CN111089647A (zh) * | 2020-01-06 | 2020-05-01 | 东南大学 | 一种激光熔覆质量的实时监测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 光纤激光器在金属增材制造中的应用进展及展望;杨永强等;中国激光;第47卷(第5期);0500012 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113588074A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bi et al. | Study on influential factors for process monitoring and control in laser aided additive manufacturing | |
| CN106353284B (zh) | 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 | |
| CN106984813A (zh) | 一种激光选区熔化加工过程同轴监测方法及装置 | |
| CN105643110B (zh) | 一种精密激光切割系统 | |
| CN109269985B (zh) | 金属移动熔池内部缺陷的高频超声在线监测方法 | |
| CN113245693B (zh) | 一种光学弱相干成像的激光焊接熔深信息监测设备及其检测方法 | |
| CN113588074B (zh) | 基于熔池多元光学信息的lded在线监测装置及缺陷诊断方法 | |
| Bi et al. | Investigation on the direct laser metallic powder deposition process via temperature measurement | |
| Sokolov et al. | Applying optical coherence tomography for weld depth monitoring in remote laser welding of automotive battery tab connectors | |
| CN101328584A (zh) | 激光熔覆实时监测系统 | |
| CN109269439B (zh) | 金属熔池内部轮廓在线测量设备及方法 | |
| CN111174915A (zh) | 一种用于铺粉式激光增材制造的非接触式熔池温度测量系统和测量方法 | |
| Zuric et al. | Multi-Sensor System for Real-Time Monitoring of Laser Micro-Structuring. | |
| CN110702686B (zh) | 基于相干成像的定向能量沉积过程无损检测设备及方法 | |
| Gusarov et al. | Means of optical diagnostics of selective laser melting with non-Gaussian beams | |
| Xie et al. | A defects detection method based on infrared scanning in laser metal deposition process | |
| CN116558648A (zh) | 一种粉末床激光熔融熔池的温度测量系统及方法 | |
| CN106841177B (zh) | 激光熔覆过程中的缺陷在线诊断方法 | |
| Chen et al. | Microphone signal specialities in laser powder bed fusion: single-track scan and multi-track scan | |
| Scholz et al. | Investigation of the formation of nanoparticles during laser remote welding | |
| CN115046988A (zh) | 一种基于libs技术的熔体浸入式探针及在线检测装置及检测方法 | |
| Will et al. | Laser welding of different pure copper materials under consideration of shielding gas influence and impact on quality relevant surface topographical features | |
| CN117983845A (zh) | 选区激光熔化3d打印过程熔池温度同轴实时监测系统及方法 | |
| Maffiaa et al. | Laser Metal Deposition as a means for repairing, hybrid, and Additive Manufacturing | |
| CN117718618B (zh) | 一种焊接质量检测系统及其方法 |
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 |