CN113916983B - 用于检测铺粉式金属3d打印设备刮刀损伤的装置 - Google Patents
用于检测铺粉式金属3d打印设备刮刀损伤的装置 Download PDFInfo
- Publication number
- CN113916983B CN113916983B CN202111166073.4A CN202111166073A CN113916983B CN 113916983 B CN113916983 B CN 113916983B CN 202111166073 A CN202111166073 A CN 202111166073A CN 113916983 B CN113916983 B CN 113916983B
- Authority
- CN
- China
- Prior art keywords
- vibration
- scraper
- sequence
- waveform
- damage
- 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
- 238000010146 3D printing Methods 0.000 title claims abstract description 18
- 239000002184 metal Substances 0.000 title claims abstract description 17
- 238000003892 spreading Methods 0.000 title claims description 12
- 239000000843 powder Substances 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 abstract description 13
- 230000007847 structural defect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- 230000007480 spreading Effects 0.000 description 8
- 238000002844 melting Methods 0.000 description 6
- 230000008018 melting Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000007639 printing Methods 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004372 laser cladding Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910001092 metal group alloy Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Abstract
本发明提供一种用于检测铺粉式金属3D打印设备刮刀损伤的装置,包括:至少一个压电振动传感器,固定安装在刮刀上;数据采集卡,用于接收压电振动传感器输出的振动信号;数据处理终端,与所述数据采集卡数据连接,所述数据处理终端内设置有处理器,用于将压电振动传感器感应输出的振动信号与刮刀在标准状态下的振动信号进行比对,基于比对结果输出刮刀损伤检测数据;刮刀在标准状态下的振动信号是指刮刀在完好状态下进行铺粉作业时通过压电振动传感器所采集的振动信号。本发明采用基于在线无感检测的方式,通过3D打印过程中刮刀的振动特性来持续在线监测,对于细微损伤以及刮刀的内部结构缺陷、损伤均可实现精确的检测,而且不受现场粉末飞溅的环境影响,对于损伤的判断更加全面和客观。
Description
技术领域
本发明涉及铺粉式增材制造技术领域,具体而言涉及一种用于检测铺粉式金属3D打印设备刮刀损伤的装置与方法。
背景技术
增材制造技术是通过3D模型为基础,采用逐层堆积的方式,将三维对象的制造过程简化为二维的截面制备过程,实现三维零件的降维制造成型,不仅提高效率,而且针对复杂形状和多种材料的适应性上,相对于传统的铸造、压铸等制备过程,具有独特的优势,在航空航天、汽车等工业领域具有重要的应用前景。
金属增材制造是增材制造的关键方向,尤其是激光选区熔化技术SLM,得到广泛的研究和应用。首先在加工平面上铺好一层原料粉末,然后根据零件截面形状对粉末进行分区作业,成形出零件的截面轮廓。如SLS/SLM技术采用激光作为热源,对铺好粉末进行烧结/熔化,黏附成形;EBM技术采用电子束对粉末原料进行完全熔化,快速成形。在一层粉末成形完毕,送铺粉装置在成形工作面再铺上一层粉末,再次进行选区作业,并完成新生成层片与原有部分之间的连接,如此循环逐层堆积制造,最后再经机加工等处理获得打印的零部件。
激光选区熔化技术主要包括铺粉和选区熔化成型两方面,激光选区熔化系统通常由激光扫描系统、粉末供应系统、刮刀、成型腔、成型缸。激光扫描系统,用于实现激光能量输入,入射到铺好的粉末上,完成金属合金粉末的熔化烧结;粉末供应系统(含送粉桶)用于存储和输送金属粉末;刮刀,用以将粉末供应系统输送的粉末进行铺平整平;成型缸,用于容纳待加工粉末,与激光作用烧结形成零件。其中粉末的铺粉过程直接影响铺粉的平整度和均匀性,也直接影响激光选区熔化成型的结果,铺粉过程中,刮刀的质量以及是否损坏是影响铺粉质量的关键因素。
发明内容
根据本发明目的的第一方面提出一种用于检测铺粉式金属3D打印设备刮刀损伤的装置,包括:
至少一个压电振动传感器,固定安装在刮刀上;
数据采集卡,与压电振动传感器电连接,用于接收压电振动传感器输出的振动信号;
数据处理终端,与所述数据采集卡数据连接,所述数据处理终端内设置有处理器,用于将压电振动传感器感应输出的振动信号与刮刀在标准状态下的振动信号进行比对,基于比对结果输出刮刀损伤检测数据;刮刀在标准状态下的振动信号是指刮刀在完好状态下进行铺粉作业时通过压电振动传感器所采集的振动信号。
优选地,所述装置具有三个压电振动传感器,分别安装在刮刀的质心位置,以及以质心位置为中心、并成对称分布的两个端部位置。
优选地,所述数据处理终端设置有处理器和存储器,所述存储器被设置用于存储某一型号刮刀在标准状态下的振动信号以及实时采集的该同样型号刮刀在工作时的振动信号,所述处理器被设置用于进行振动信号对应的振动特性的比对,并基于压电振动传感器所实时采集的振动信号的幅值在一定时间周期内的呈现异常状态,判定刮刀存在损伤风险,输出报警信号。
优选地,所述处理器被设置成按照以下方式进行振动信号对应的振动特性的比对:
对于任一压电振动传感器所实时采集的振动信号,转换为振动波形;
对振动波形按照预设的时间周期T进行连续的时序划分,获得实际的振动时序波形序列Q,Q=[Q1,Q2,Q2,...,Qn],Qn表示第n个振动时序波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P1,P2,P2,...,Pn],Pn表示第n个参考波形序列;
对每一个振动时序波形序列,以参考波形序列为基准,计算序列幅值相对差Ai,Ai={|pi1-qi1|+|pi2-qi2|+|pi3-qi3|…|pim-qim|}/m,m表示第i个振动时序波形序列中采样点的总数;其中i=1,2,3,...,n;pim表示第i个振动时序波形序列中第m个采样点的幅值;qim第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的振动时序波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险。
优选地,所述处理器被设置成按照以下方式进行振动信号对应的振动特性的比对:
对于多个压电振动传感器所实时采集的振动信号,转换为振动波形;
将多个压电振动传感器对应的振动波形进行幅值均值处理,获得均值化后的振动波形;
对均值化后的振动波形按照预设的时间周期T进行连续的时序划分,获得实际的均值振动波形序列U,U=[U1,U2,U2,...,Un],Un表示第n个均值振动波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P1,P2,P2,...,Pn],Pn表示第n个参考波形序列;
对每一个均值振动波形序列,以参考波形序列为基准,计算序列幅值相对差Ai,Ai={|ui1-qi1|+|ui2-qi2|+|ui3-qi3|…|uim-qim|}/m,m表示第i个均值振动波形序列中采样点的总数;其中i=1,2,3,...,n;uim表示第i个均值振动波形序列中第m个采样点的幅值均值;qim第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的均值振动波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险。
由以上本发明的技术方案可见,本发明提出的检测铺粉式金属3D打印设备刮刀损伤的装置,通过压电振动传感器进行刮刀的振动信号感应,基于现场的无感、无损传感技术,获得刮刀的内部结构的响应,以实时监测其结构损伤和内部退化,可实现刮刀损坏的在线、无感、非接触式的检测,而且在刮刀正常工作过程中进行实时检测,即可实现连续不间断作业的持续监测,同时还不受现场激光熔覆或者铺粉过程中粉末飞溅的影响,实现自动化、对环境依赖程度低的检测,获得刮刀的实时健康检测数据,而且还可以通过网络进行远程报告。
在SLM打印系统中,传统在刮刀铺粉的过程中,会通过摄像机采集刮刀的现场照片,通过计算机视觉识别的方式判断刮刀是否损坏,但在激光熔覆的打印现场,会由于铺粉过程中以及激光熔覆过程中的粉末飞溅对现场环境造成影响,导致拍摄的现场照片不能完整的展现刮刀的实际情况,对其健康状态的判断存在误判,而且由于视觉识别技术本身的限制,对于刮刀内部的缺陷或者细微的损伤是难以检测出来的,最终可能会影响3D打印的精度。
本发明采用基于在线无感检测的方式,通过3D打印过程中刮刀的振动特性来持续在线监测,对于细微损伤以及刮刀的内部结构缺陷、损伤均可实现精确的检测,而且不受现场粉末飞溅的环境影响,对于损伤的判断更加全面和客观。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明示例性实施例用于检测铺粉式金属3D打印设备刮刀损伤的装置的示意图。
图2是本发明示例性实施例用于检测铺粉式金属3D打印设备刮刀损伤的装置的探伤原理示意图。
图3是本发明示例性实施例用于检测铺粉式金属3D打印设备刮刀损伤的装置的另一示例性探伤原理示意图。
图4是根据本发明实施例的某型号刮刀在标准状态下的振动信号的振动波形示意图。
图5是某型号刮刀在工作状态下实际采集的振动信号的振动波形示意图。
图6是某型号刮刀的人工检测结果示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示的示例的用于检测铺粉式金属3D打印设备刮刀损伤的装置,包括压电振动传感器(11,12,13)、数据采集卡20以及数据处理终端30。
如图1所示,以三个压电振动传感器为例,分别为第一压电传感器11、第二压电传感器12以及第三压电传感器13,三个压电传感器分别固定安装在刮刀100的表面,用于感应刮刀的振动,输出振动信号。
数据采集卡20,例如Ni数据采集卡,用于接收压电振动传感器输出的振动信号。
优选的实施例中,由于增材制造打印现场的复杂性,为保证振动信号传输的实时性和有效性,数据采集卡20采用有线连接的方式与压电振动传感器进行数据通信,即通过线缆与压电振动传感器电连接,实现数据通信。
在另外的实施例中,还可以通过无线信号传输的方式实现数据通信,则不需通过线缆进行物理上的电连接。
数据处理终端30,可采用计算机系统,而不论是台式计算机系统、膝上型计算机系统或者手持式计算机系统,也不论其采用嵌入式系统或者非嵌入式系统,其旨在与数据采集卡数据连接,用于进行数据接收、存储和运算处理。本发明的下述实施例中,以台式计算机系统为例进行说明。尤其优选的是,台式计算机系统配置有至少一个显示器以及键鼠输入装置。
在本发明的示例性实施例中,数据处理终端内设置有至少一个处理器和至少一个存储器,存储器采用非易失性存储器。
处理器,用于将压电振动传感器感应输出的振动信号与刮刀在标准状态下的振动信号进行比对,基于比对结果输出刮刀损伤检测数据。其中,刮刀在标准状态下的振动信号是指刮刀在完好状态下进行铺粉作业时通过压电振动传感器所采集的振动信号。
可选的实施例中,数据采集卡20设置有与数据处理终端电连接的数据接口,例如PCI总线和/或USB接口、232总线接口、485总线接口、RJ45接口等。
可选的实施例中,结合图1所示,为了能够准确并且客观地采集振动信息,在本发明的实施例中,使得三个压电振动传感器分别安装在刮刀的质心位置,以及以质心位置为中心、并成对称分布的两个端部位置。由此,如果损伤部位距离质心位置较近或者位于质心位置,则通过质心位置的振动分析可进行实时的探测和表征,而且对应一侧的端部的压电振动传感器也会获得一定的振动响应,利于同时检出。同理,如果损伤发生在距离端部位置较近时,对应一侧的端部的压电振动传感器的振动分析可进行实时的探测和表征,同时位于质心位置的压电振动传感器也会获得一定的振动响应,利于同时检出。
在具体的检测过程中,前述的存储预先存储某一型号刮刀在标准状态下的振动信号。如前述的,刮刀在标准状态下的振动信号是指刮刀在完好状态下进行铺粉作业时通过压电振动传感器所采集的振动信号。例如,对某一个型号的刮刀来说,选择尚未进行过铺粉作业的刮刀作为标准体,按照本发明实施例的方式按照压电振动传感器之后,进行第一次铺粉作业,采集其作业过程中的振动信号进行存储,作为后续对该型号的刮刀进行健康监控和监测的参考基准。
前述的存储器还被用于存储实时采集的该同样型号刮刀在工作时的振动信号。
由此,处理器以参考基准作为比对基础,将振动信号对应的振动特性进行比对,并基于任一压电振动传感器所实时采集的振动信号的幅值在一定时间周期内的呈现异常状态,判定刮刀存在损伤风险,输出报警信号。
结合图2所示,在一个可选的实施例中,处理器被设置成按照以下方式进行振动信号对应的振动特性的比对:
对于任一压电振动传感器所实时采集的振动信号,转换为振动波形;
对振动波形按照预设的时间周期T进行连续的时序划分,获得实际的振动时序波形序列Q,Q=[Q1,Q2,Q2,...,Qn],Qn表示第n个振动时序波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P1,P2,P2,...,Pn],Pn表示第n个参考波形序列;
对每一个振动时序波形序列,以参考波形序列为基准,计算序列幅值相对差Ai,Ai={|pi1-qi1|+|pi2-qi2|+|pi3-qi3|…|pim-qim|}/m,m表示第i个振动时序波形序列中采样点的总数;其中i=1,2,3,...,n;pim表示第i个振动时序波形序列中第m个采样点的幅值;qim第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的振动时序波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险。
由此,在铺粉过程中,当检测到连续2个周期内的幅值跳动超过预设范围,即预设允许的误差范围时,则判定刮刀存在损伤的风险,从而提醒作业人员停机进行细致检查,以排除风险。尤其是在打印过程中,通过数据处理终端的显示器可实时显示参考基准的振动波形和实时检测的振动信号的振动波形,以及二者的对比结果,可直观的进行分析和结果判断,实现打印效果偏差的预先判断,减少损失。
同时,当发现打印件的质量出现异常时,可通过本发明的方式快速进行刮刀影响因素的判断和排除,判断是否是因为刮刀的因素造成的质量异常。
应当理解,结合图2示例的对比判断,所划分振动序列的周期间隔范围内,采样点数据越多,所获得的数据越客观反应实际刮刀的实际情况,但同时也会带来计算过程复杂性和效率降低,为了实现在线、持续和实时的监测,前述预设的时间周期T取值范围在2s~5s。
振动时序波形序列中的采样点m满足:m≥24。即,在一个振动时序波形序列中,采样点选择大于24个。对采样的频率提出一定的要求,即至少5ms采集一个数据。
如图4和图5所示的示例中,将三个压电振动传感器安装在没有损坏的某一型号刮刀上,采样周期定位25s,以5s的时间周期间隔为例,将刮刀动作时的振动波形记录下来,作为参考基准,选择质心位置的传感器采集的数据为表征,如图4所示。
将同样型号的三个压电振动传感器安装在同一型号的刮刀上,刮刀已经工作累积100h以上,采集刮刀动作时的振动波形,选择质心位置的传感器采集的数据为表征,如图5所示,通过本发明上述实施例的对比分析,在0~5s以及5~10s连续段,5~10s以及10~15s连续段,10~15s以及15~20s连续段,15~20s以及20~25s连续段的幅值相对差均超过允许的范围,判定为刮刀异常,发生损伤报警。
我们将刮刀拆除之后,进行人工观察和检查确认,在刮刀上出现多处细微的表面结构损伤,对打印结果和质量造成影响,如图6所示。因此,在本发明的实施例中,通过压电振动传感器的检测,可以实现刮刀实时监测,针对刮刀动作时的振动特性分析比基于相机观测得出的结果更加精确,并可发现传统通过相机观测无法发现以及难以发现的损伤。
结合图3所示,在另外的实施例中,所述处理器被设置成按照以下方式进行振动信号对应的振动特性的比对:
对于多个压电振动传感器所实时采集的振动信号,转换为振动波形;
将多个压电振动传感器对应的振动波形进行幅值均值处理,获得均值化后的振动波形;
对均值化后的振动波形按照预设的时间周期T进行连续的时序划分,获得实际的均值振动波形序列U,U=[U1,U2,U2,...,Un],Un表示第n个均值振动波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P1,P2,P2,...,Pn],Pn表示第n个参考波形序列;
对每一个均值振动波形序列,以参考波形序列为基准,计算序列幅值相对差Ai,Ai={|ui1-qi1|+|ui2-qi2|+|ui3-qi3|…|uim-qim|}/m,m表示第i个均值振动波形序列中采样点的总数;其中i=1,2,3,...,n;uim表示第i个均值振动波形序列中第m个采样点的幅值均值;qim第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的均值振动波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险。
由此,在该实施例中,我们通过将多个压电振动传感器的振动波形进行均值化处理,获得均值化后的振动波形,以均值化后的振动波形的均值幅值及其计算的序列幅值相对差进行判断,同样可实现上述图2所示的比对分析过程的效果,实现刮刀损伤的非接触式、无感、实时在线监测和健康评估,相对于传统的相机检测来说,可克服激光熔覆现场环境因素的不利影响,而且可检测出相机检测难以检测和无法检测出的细微损伤和内部损伤,如损坏或者磨损。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (5)
1.一种用于检测铺粉式金属3D打印设备刮刀损伤的装置,其特征在于,包括:
至少一个压电振动传感器,固定安装在刮刀上;
数据采集卡,用于接收压电振动传感器输出的振动信号;
数据处理终端,与所述数据采集卡数据连接,所述数据处理终端内设置有处理器,用于将压电振动传感器感应输出的振动信号与刮刀在标准状态下的振动信号进行比对,基于比对结果输出刮刀损伤检测数据;刮刀在标准状态下的振动信号是指刮刀在完好状态下进行铺粉作业时通过压电振动传感器所采集的振动信号;
所述装置具有三个压电振动传感器,分别安装在刮刀的质心位置,以及以质心位置为中心、并成对称分布的两个端部位置;
所述数据处理终端设置有处理器和存储器,所述存储器被设置用于存储某一型号刮刀在标准状态下的振动信号以及实时采集的该同样型号刮刀在工作时的振动信号,所述处理器被设置用于进行振动信号对应的振动特性的比对,并基于压电振动传感器所实时采集的振动信号的幅值在一定时间周期内的呈现异常状态,判定刮刀存在损伤风险,输出报警信号;
其中,所述处理器被设置成按照以下第一方式或者第二方式进行振动信号对应的振动特性的比对:
第一方式:
对于任一压电振动传感器所实时采集的振动信号,转换为振动波形;
对振动波形按照预设的时间周期T进行连续的时序划分,获得实际的振动时序波形序列Q,Q=[Q 1 ,Q 2 ,Q 2 ,..., Q n ], Q n 表示第n个振动时序波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P 1 ,P 2 ,P 2 ,..., P n ], P n 表示第n个参考波形序列;
对每一个振动时序波形序列,以参考波形序列为基准,计算序列幅值相对差A i ,A i ={| p i1 - q i1 |+|p i2 - q i2 |+|p i3 - q i3 |…|p im - q im |}/m,m表示第i个振动时序波形序列中采样点的总数;其中i=1,2,3,...,n;p im 表示第i个振动时序波形序列中第m个采样点的幅值;q im 第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的振动时序波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险;
第二方式:
对于多个压电振动传感器所实时采集的振动信号,转换为振动波形;
将多个压电振动传感器对应的振动波形进行幅值均值处理,获得均值化后的振动波形;
对均值化后的振动波形按照预设的时间周期T进行连续的时序划分,获得实际的均值振动波形序列U,U=[U 1 ,U 2 ,U 2 ,..., U n ], U n 表示第n个均值振动波形序列;
以刮刀在标准状态下的振动信号对应的标准振动波形为基础,按照预设的时间周期T进行连续的时序划分,获得参考的振动时序波形序列P,P=[P 1 ,P 2 ,P 2 ,..., P n ], P n 表示第n个参考波形序列;
对每一个均值振动波形序列,以参考波形序列为基准,计算序列幅值相对差A i ,A i ={| u i1 - q i1 |+|u i2 - q i2 |+|u i3 - q i3 |…|u im - q im |}/m,m表示第i个均值振动波形序列中采样点的总数;其中i=1,2,3,...,n;u im 表示第i个均值振动波形序列中第m个采样点的幅值均值;q im 第i个参考波形序列中第m个采样点的幅值;
当出现任意两个连续的均值振动波形序列的序列幅值相对差均超过预设的阈值,则判定刮刀存在损坏风险。
2.根据权利要求1所述的用于检测铺粉式金属3D打印设备刮刀损伤的装置,其特征在于,所述数据采集卡设置有与数据处理终端电连接的数据接口。
3.根据权利要求1所述的用于检测铺粉式金属3D打印设备刮刀损伤的装置,其特征在于,所述预设的时间周期T取值范围在2s~5s。
4.根据权利要求1所述的用于检测铺粉式金属3D打印设备刮刀损伤的装置,其特征在于,所述第i个均值振动波形序列中采样点的总数m满足:m≥24。
5.根据权利要求1所述的用于检测铺粉式金属3D打印设备刮刀损伤的装置,其特征在于,所述数据处理终端设置有显示装置,用于显示压电振动传感器感应输出的振动信号对应的振动波形与刮刀在标准状态下的振动信号对应的振动波形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166073.4A CN113916983B (zh) | 2021-09-30 | 用于检测铺粉式金属3d打印设备刮刀损伤的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166073.4A CN113916983B (zh) | 2021-09-30 | 用于检测铺粉式金属3d打印设备刮刀损伤的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113916983A CN113916983A (zh) | 2022-01-11 |
CN113916983B true CN113916983B (zh) | 2024-07-16 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110340733A (zh) * | 2019-07-19 | 2019-10-18 | 南京理工大学 | 一种清洁切削环境下刀具损伤在线与在位检测系统及方法 |
CN112720071A (zh) * | 2021-01-27 | 2021-04-30 | 赛腾机电科技(常州)有限公司 | 多能域信号智能化融合的刀具实时状态监测指标构造方法 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110340733A (zh) * | 2019-07-19 | 2019-10-18 | 南京理工大学 | 一种清洁切削环境下刀具损伤在线与在位检测系统及方法 |
CN112720071A (zh) * | 2021-01-27 | 2021-04-30 | 赛腾机电科技(常州)有限公司 | 多能域信号智能化融合的刀具实时状态监测指标构造方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100451895C (zh) | 用于控制工业过程的质量的方法 | |
CN100464269C (zh) | 一种用于控制工业过程的质量的方法和系统 | |
CN109014544B (zh) | 微型电阻点焊质量在线监测方法 | |
CN115077425B (zh) | 一种基于结构光三维视觉的产品检测设备及方法 | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CA2432469A1 (en) | Roll defect management process | |
CN101476876B (zh) | 瓷砖外形检测装置及检测方法 | |
CN109975314A (zh) | 一种基于三维激光点云数据的木材表面检测系统及检测方法 | |
CN115815367B (zh) | 一种基于成型参数的弯管壁厚质量预测方法和系统 | |
CN109669391A (zh) | 一种轮毂刀具管理系统和方法 | |
CN113916983B (zh) | 用于检测铺粉式金属3d打印设备刮刀损伤的装置 | |
CN115791830A (zh) | 一种钢板检测系统、钢板检测方法及电子设备 | |
US20230219140A1 (en) | Detection and location of powder spreading anomalies using acoustic emission measurements | |
CN209496276U (zh) | 一种轮毂刀具管理系统 | |
CN215966311U (zh) | 用于检测铺粉式金属3d打印设备刮刀损伤的装置 | |
CN113916983A (zh) | 用于检测铺粉式金属3d打印设备刮刀损伤的装置 | |
CN115578429B (zh) | 一种基于点云数据的模具在线精度检测方法 | |
CN107087024A (zh) | 基于云计算的楼房变形监测方法及系统、云终端 | |
CN113516091B (zh) | 一种识别变电站电火花图像的方法 | |
CN112034048A (zh) | 基于多重频响函数估计的梁类结构裂纹定位方法 | |
CN115615992A (zh) | 一种耐火砖尺寸测量及缺陷检测方法 | |
CN114549453A (zh) | 一种接触线拉出导高值检测方法和系统 | |
Kayabaşi et al. | On-line surface roughness prediction by using a probabilistic approach for end-milling | |
CN103605321A (zh) | 用于切削质量监控的批量工步质量一致性控制检测方法 | |
CN110567422B (zh) | 一种起重机吊钩扭转角自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |