CN114985768B - 一种基于图论结构和视觉实时检测的增材路径规划方法 - Google Patents
一种基于图论结构和视觉实时检测的增材路径规划方法 Download PDFInfo
- Publication number
- CN114985768B CN114985768B CN202210650202.5A CN202210650202A CN114985768B CN 114985768 B CN114985768 B CN 114985768B CN 202210650202 A CN202210650202 A CN 202210650202A CN 114985768 B CN114985768 B CN 114985768B
- Authority
- CN
- China
- Prior art keywords
- layer
- path
- contour point
- information
- difference
- 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
- 239000000654 additive Substances 0.000 title claims abstract description 35
- 230000000996 additive effect Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011897 real-time detection Methods 0.000 title claims abstract description 12
- 230000000007 visual effect Effects 0.000 title claims abstract description 12
- 239000002184 metal Substances 0.000 claims abstract description 51
- 238000004372 laser cladding Methods 0.000 claims abstract description 26
- 239000000463 material Substances 0.000 claims abstract description 24
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 239000007769 metal material Substances 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 9
- 238000007639 printing Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000007648 laser printing Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000155 melt Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
- B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/20—Direct sintering or melting
- B22F10/25—Direct deposition of metal particles, e.g. direct metal deposition [DMD] or laser engineered net shaping [LENS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/30—Process control
- B22F10/36—Process control of energy beam parameters
- B22F10/366—Scanning parameters, e.g. hatch distance or scanning strategy
-
- 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
- B33Y10/00—Processes of additive manufacturing
-
- 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
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于图论结构和视觉实时检测的增材路径规划方法，包括：根据逐层分解的层厚参数，对金属结构件的三维STL模型进行逐层分解；根据轮廓点采集间隔，对三维STL模型进行轮廓点信息采集；提出一种融合了温度权重的轮廓点信息矩阵；计算轮廓点之间的信息差；获取轮廓点信息差值矩阵，计算绝对路径长度并选取最优路径；根据选取的最优路径控制激光发射器对金属材料进行增材；实时检测激光熔覆熔池的实际位置，与选择的最优路径对比形成闭环反馈，最终完成金属结构件的增材。本发明融合了金属结构件物理形状信息和增材温度信息，通过图论结构遍历所有可能的增材路径后选取最优增材路径，使金属增材效率更高、耗材更少。
Description
技术领域
本发明属于增材制造技术领域，涉及复杂金属零件增材路径规划，具体涉及一种基于图论结构和视觉实时检测的增材路径规划方法。
背景技术
随着我国制造业转型的不断深入，金属增材制造技术领域的发展也逐渐迅速，为大型桥梁、高层楼宇、航天器材等重大工程项目提供了有力技术支撑。近几年的资金投入与实际应用，为我国的金属增材制造技术提供了丰富的技术积累，已能够独立自主完成高强度、高精度、复杂的金属结构件制造，但是，增材效率问题却依然低下，难以满足日益增长的工业需求。增材路径规划是金属增材过程中重要环节之一，对于金属结构件的顺利成型和增材效率至关重要。
目前，广泛使用的金属零件增材路径规划方法主要有往复直线填充路径、分区填充路径、分形线填充路径等方法，这些方法主要考虑金属增材的形状精度和通用性，强调将形状各异的金属结构件顺利成型并满足强度要求。但是，现有的这些方法忽视了增材过程中金属结构件不同部位所需温度的变化，导致了大量的冷却等待时间或加温等待时间，直接导致了金属结构件的增材效率问题。同时，忽视增材过程中的温度变化，不仅会增加金属材料耗材，更会使得金属材料积累过度，增加后期金属结构件减材的工作量，间接降低了金属结构件的成型效率。
因此，需要一种新的增材路径规划方法来弥补现有方法的缺陷，解决上述问题。
发明内容
发明目的：为了解决现有技术中存在的增材制造路径规划中的复杂问题，提供一种基于图论结构和视觉实时检测的增材路径规划方法，可实现复杂金属零件模型的高效增材，充分考虑金属结构件的形状与温度因素，具有在高精度、高强度的要求下提高增材效率的优点。
技术方案：为实现上述目的，本发明提供一种基于图论结构和视觉实时检测的增材路径规划方法，包括如下步骤：
S1：将金属结构件的三维STL模型导入切片软件，根据用户输入的逐层分解的层厚参数对金属结构件进行逐层轮廓点信息的提取，并对轮廓点的信息进行记录；
S2：遍历每两个轮廓点，并记录每两个轮廓点之间的信息差，具体包括x坐标差，y坐标差和增材温度差；
S3：基于图论结构搜索所有路径，提出一种融合了温度权重的绝对路径计算方法，通过比较所有路径的绝对长度选取最优路径；
S4：按照选取的最优路径，进行金属材料激光打印，并通过单目视觉传感器，实时检测激光熔覆熔池的实际位置；
S5：对比选取的最优路径和单目视觉检测的激光熔覆熔池的实际位置，并进行闭环反馈，使得打印路径严格符合选取的最优路径，最终完成增材。
进一步地，所述步骤S1包括如下步骤：
A1：对导入的金属结构件的三维STL模型进行逐层分解；
A2：对逐层分解后的金属结构件的三维STL模型进行轮廓点信息的提取，并对轮廓点信息进行记录。
进一步地，所述步骤A1具体为：
A1-1：用户在切片软件中，输入逐层分解的层厚参数，记用户输入的逐层分解的层厚参数为sh；
A1-2：根据sh，对金属结构件的三维STL模型进行逐层分解，将分解后得到的切面进行标号，具体如以下公式(1)所示；
Q＝{qm|m＝1，2，...，n} (1)
式中，Q为代指金属结构件的三维STL模型逐层分解后的切面集合，qm为代指金属结构件的三维STL模型逐层分解后的第m个切面，n为代指金属结构件的三维STL模型逐层分解后的切面的个数。
进一步地，所述步骤A2具体为：
A2-1：用户在切片软件中，输入轮廓点采集间隔，记用户输入的轮廓点采集间隔为sd；
A2-2：根据sd，对qm进行轮廓点的信息采集，信息采集具体如以下公式(2)所示：
其中，Am代指qm的轮廓点信息矩阵，r代指qm上轮廓点的个数，am.s代指qm上的第s个轮廓点的单点信息，am.s包含xm，s、ym，s和tm，s，分别表示切面qm上第s个轮廓点的x坐标、y坐标和增材温度。
进一步地，所述步骤S2具体为：
B1：沿垂直于塑性要求高的方向，即一般取Z轴方向作为成形方向，在复杂金属零件的Z轴方向上按对不同精度的要求进行非等距划分；
B2：根据步骤B1中的非等距划分对参考曲面进行非等距偏移，用以确定切片曲面。
进一步地，所述步骤B1具体为：
使用DFS算法对am.s进行遍历，计算每两个轮廓点之间的信息差，信息差具体如以下公式(3)、(4)、(5)所示：
xm，c，d＝xm，c-xm，d (3)
ym，c，d＝ym，c-ym，d (4)
tm，c，d＝tm，c-tm，d (5)
其中，xm，c，d代指xm，c与xm，d的x坐标差，ym，c，d代指ym，c与ym，d的y坐标差，tm，c，d代指tm，c与tm，d的增材温度差，c与d均为正整数且满足1≤c＜d≤r；
所述步骤B2具体为：
记录Am中每两个轮廓点之间的信息差，具体如以下公式(6)所示：
其中，Bm代指qm的轮廓点信息差值矩阵，bm.c，d代指qm上的第c个轮廓点和第d个轮廓点的组合信息差值，bm，c，d包含xm，c，d、ym，c，d和tm，c，d。
进一步地，所述步骤S3具体为：
C1：根据Dijkstra对Am中的am.1，am.2，…，am.r进行全排列生成不同路径，共r！种不同路径，具体如以下公式(7)所示：
Cm＝{cm，l[l＝1，2，...，r！} (7)
其中，Cm代指为对Am中的am.1，am.2，…，am.r全排列后所有不同路径的集合，cm，l代指为Am中的am.1，am.2，…，am.r全排列后第l种路径；
C2：计算路径cm，l的绝对长度，具体如以下公式(8)所示：
其中，dm，l为路径cm，l的绝对长度，e与f均为正整数且满足1≤e＜f≤r；
C3：选择绝对长度最短的路径，记为第m层切面的最优路径cm，o。
进一步地，所述步骤S4具体为：
D1：控制激光发射器，按照cm，o对金属材料进行激光打印；
D2：单目视觉传感器实时激光熔覆熔池的实际位置，具体如以下公式(9)所示：
fm，s＝(x′m，s，y′m，s) (9)
其中，fm，s代指为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置，x′m，s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的x坐标，y′m，s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的y坐标。
进一步地，所述步骤S5具体为：
E1：对比选取的cm，o和单目视觉检测到的fm，s，计算二者的差值，具体如以下公式(10)所示：
em，s＝(x″m，s，y″m，s) (10)
其中，em，s为cm，o和fm，s之间的差值，x″m，s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间x值的差值，y″m，s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间y值的差值；
E2：根据em，s调节激光熔覆熔池的实际位置，具体为控制激光发射器使得x″m，s＝0，且y″m，s＝0，最终完成增材。
对于一些大型金属结构件，例如大型船舶零部件、高层建筑零部件等，恰当的金属增材路径规划至关重要。现有的方法，主要依据金属结构件的三维STL模型的物理形状信息来进行增材路径规划。为了进一步提高金属增材过程中的生产效率，减少金属材料加温时间与冷却时间，降低非必要的材料损耗，本发明提出了一种将物理形状信息和温度信息共同考虑的增材路径规划方法，利用图论结构Dijkstra列举了所有可行的路径并进行比较，选择出绝对长度最短的路径作为最优路径，能够让金属增材效率更高、增材损耗更少，满足大批次生产大型金属结构件的需求。
有益效果：本发明与现有技术相比，具备如下优点：
1、对于金属结构件的三维STL模型，逐层分解的层厚参数由用户自行设定，该参数影响增材的效率与精度，因此用户能够针对不同需求进行针对性的调整。
2、将金属结构件的三维STL模型的物理形状信息和温度信息共同考虑，计算出绝对长度，降低增材过程中的加温与降温时间，提高增材效率。
3、通过视觉传感器实时检测、对比选取的最优路径和激光熔覆熔池的实际位置之间的差值，并进行闭环反馈，使打印路径严格符合选取的最优路径。
附图说明
图1是本发明方法的工作流程示意图；
图2是本发明实施例提供的高层建筑多向钢结构三维STL模型图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于图论结构和视觉实时检测的增材路径规划方法，如图1所示，其包括如下步骤：
步骤1：将金属结构件的三维STL模型导入切片软件，根据用户输入的逐层分解的层厚参数对金属结构件进行逐层轮廓点信息的提取，并对轮廓点的信息进行记录；
步骤2：遍历每两个轮廓点，依据步骤1中记录的轮廓点的信息计算每两个轮廓点之间的信息差，具体包括x坐标差，y坐标差和增材温度差，同时生成进轮廓点信息差值矩阵用来存放每两个轮廓点之间的信息差；
步骤3：基于图论结构搜索所有路径，提出一种融合了温度权重的绝对路径计算方法，同时考虑金属结构件的三维STL模型的形状信息和温度信息，通过比较所有路径的绝对长度选取最优路径；
步骤4：按照选取的最优路径，进行金属材料激光打印，并通过单目视觉传感器，实时检测激光熔覆熔池的实际位置；
步骤5：对比选取的最优路径和单目视觉检测的激光熔覆熔池的实际位置，并进行闭环反馈，使得打印路径严格符合选取的最优路径，最终完成增材。
基于上述金属材料增材路径规划方法，本实施例中将上述金属材料增材路径规划方法应用于如图2所示的高层建筑多向钢结构三维STL模型，具体的过程如下：
步骤1包括：
步骤1.1：对导入的金属结构件的三维STL模型进行逐层分解；
步骤1.2：对逐层分解后的金属结构件的三维STL模型进行轮廓点信息的提取，并对轮廓点信息进行记录。
步骤1.1具体为：
用户在切片软件中，输入逐层分解的层厚参数，记用户输入的逐层分解的层厚参数为sh；sh的大小影响这金属结构件的加工效率和加工精度，sh过小会使加工精度高但效率慢，sh过大虽然能够提高加工效率但是降低了精度；将sh由用户自行输入可进行定制化、针对性的增材；根据sh，对金属结构件的三维STL模型进行逐层分解，将分解后得到的切面进行标号，具体如以下公式(1)所示；
Q＝{qm|m＝1，2，...，n} (1)
式中，Q为代指金属结构件的三维STL模型逐层分解后的切面集合，qm为代指金属结构件的三维STL模型逐层分解后的第m个切面，n为代指金属结构件的三维STL模型逐层分解后的切面的个数。
步骤1.2具体为：
用户在切片软件中，输入轮廓点采集间隔，记用户输入的轮廓点采集间隔为sd；根据sd，对步骤1.1中的qm进行轮廓点的信息采集，信息采集具体如以下公式(2)所示：
其中，Am代指qm的轮廓点信息矩阵，r代指qm上轮廓点的个数，am.s代指qm上的第s个轮廓点的单点信息，am.s包含xm，s、ym，s和tm，s，分别表示切面qm上第s个轮廓点的x坐标、y坐标和增材温度。
步骤2包括：
步骤2.1：使用DFS算法(刘汝佳，算法竞赛入门经典[M]，第2版，清华大学出版社，162-164)对步骤1中的am.s进行遍历，计算每两个轮廓点之间的信息差，信息差具体如以下公式(3)、(4)、(5)所示：
xm，c，d＝xm，c-xm，d (3)
ym，c，d＝ym，c-ym，d (4)
tm，c，d＝tm，c-tm，d (5)
其中，xm，c，d代指xm，c与xm，d的x坐标差，ym，c，d代指ym，c与ym，d的y坐标差，tm，c，d代指tm，c与tm，d的增材温度差，c与d均为正整数且满足1≤c＜d≤r；
步骤2.2：记录步骤2.1中每两个轮廓点之间的信息差，具体如以下公式(6)所示：
其中，Bm代指qm的轮廓点信息差值矩阵，bm.c，d代指qm上的第c个轮廓点和第d个轮廓点的组合信息差值，bm，c，d包含xm，c，d、ym，c，d和tm，c，d。
步骤3包括：
步骤3.1：对Am中的am.1，am.2，…，am.r进行全排列生成不同路径，本发明中不同路径的生成采用图论结构中的Dijkstra方法(刘汝佳，算法竞赛入门经典[M]，第2版，清华大学出版社，359-363)，可以避免遗漏或重复，最后总共生成r！种不同路径，并进行标记，具体如以下公式(7)所示：
Cm＝{cm，l|l＝1，2，...，r！} (7)
其中，Cm代指为对Am中的am.1，am.2，…，am.r全排列后所有不同路径的集合，cm，l代指为Am中的am.1，am.2，…，am.r全排列后第l种路径；
步骤3.2：计算步骤3.1中cm，l的绝对长度，具体如以下公式(8)所示：
其中，dm，l为路径cm，l的绝对长度，e与f均为正整数且满足1≤e＜f≤r；
步骤3.3：选择绝对长度最短的路径，记为第m层切面的最优路径cm，o，该最优路径cm，o即为本发明提出的融合了温度信息和物理形状信息而计算出来的最短绝对路径，根据该最优路径可提高金属材料增材效率、降低材料损耗。
步骤4包括：
步骤4.1：控制激光发射器，按照步骤3.3中的cm，o对金属材料进行激光打印；
步骤4.2：单目视觉传感器实时检测激光熔覆熔池的实际位置，具体如以下公式(9)所示：
fm，s＝(x′m，s，y′m，s) (9)
其中，fm，s代指为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置，x′m，s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的x坐标，y′m，s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的y坐标。
步骤5包括：
步骤5.1：对比选取的cm，o和单目视觉检测到的fm，s，计算二者的差值，具体如以下公式(10)所示：
em，s＝(x″m，s，y″m，s) (10)
其中，em，s为cm，o和fm，s之间的差值，x″m，s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间x值的差值，y″m，s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间y值的差值；
步骤5.2：根据em，s调节激光熔覆熔池的实际位置，具体为控制激光发射器使得x″m，s＝0，且y″m，s＝0，最终完成增材。
本实施例还提供一种计算机存储介质，该计算机存储介质存储有计算机程序，在处理器执行所述计算机程序时可实现以上所描述的方法。所述计算机可读介质可以被认为是有形的且非暂时性的。非暂时性有形计算机可读介质的非限制性示例包括非易失性存储器电路(例如闪存电路、可擦除可编程只读存储器电路或掩膜只读存储器电路)、易失性存储器电路(例如静态随机存取存储器电路或动态随机存取存储器电路)、磁存储介质(例如模拟或数字磁带或硬盘驱动器)和光存储介质(例如CD、DVD或蓝光光盘)等。计算机程序包括存储在至少一个非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/输出系统(BIOS)、与专用计算机的特定设备交互的设备驱动程序、一个或多个操作系统、用户应用程序、后台服务、后台应用程序等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (5)
1.一种基于图论结构和视觉实时检测的增材路径规划方法，其特征在于，包括如下步骤：
S1：将金属结构件的三维STL模型导入切片软件，根据用户输入的逐层分解的层厚参数对金属结构件进行逐层轮廓点信息的提取，并对轮廓点的信息进行记录；
S2：遍历每两个轮廓点，并记录每两个轮廓点之间的信息差，具体包括x坐标差，y坐标差和增材温度差；
S3：基于图论结构搜索所有路径，提出一种融合了温度权重的绝对路径计算方法，通过比较所有路径的绝对长度选取最优路径；
S4：按照选取的最优路径，进行金属材料激光增材制造，并通过单目视觉传感器，实时检测激光熔覆熔池的实际位置；
S5：对比选取的最优路径和单目视觉检测的激光熔覆熔池的实际位置，并进行闭环反馈，使得增材路径严格符合选取的最优路径，最终完成增材；
所述步骤S1包括如下步骤：
A1：对导入的金属结构件的三维STL模型进行逐层分解；
A2：对逐层分解后的金属结构件的三维STL模型进行轮廓点信息的提取，并对轮廓点信息进行记录；
所述步骤A1具体为：
A1-1：用户在切片软件中，输入逐层分解的层厚参数，记用户输入的逐层分解的层厚参数为sh；
A1-2：根据sh，对金属结构件的三维STL模型进行逐层分解，将分解后得到的切面进行标号，具体如以下公式(1)所示；
Q＝{qm|m＝1，2，...，n} (1)
式中，Q为代指金属结构件的三维STL模型逐层分解后的切面集合，qm为代指金属结构件的三维STL模型逐层分解后的第m个切面，n为代指金属结构件的三维STL模型逐层分解后的切面的个数；
所述步骤A2具体为：
A2-1：用户在切片软件中，输入轮廓点采集间隔，记用户输入的轮廓点采集间隔为sd；
A2-2：根据sd，对qm进行轮廓点的信息采集，信息采集具体如以下公式(2)所示：
其中，Am代指qm的轮廓点信息矩阵，r代指qm上轮廓点的个数，am.s代指qm上的第s个轮廓点的单点信息，am.s包含xm,s、ym,s和tm,s，分别表示切面qm上第s个轮廓点的x坐标、y坐标和增材温度。
2.根据权利要求1所述的一种基于图论结构和视觉实时检测的增材路径规划方法，其特征在于，所述步骤S2具体为：
B1：使用DFS算法对am.s进行遍历，计算每两个轮廓点之间的信息差，信息差具体如以下公式(3)、(4)、(5)所示：
xm,c,d＝xm,c-xm,d (3)
ym,c,d＝ym,c-ym,d (4)
tm,c,d＝tm,c-tm,d (5)
其中，xm,c,d代指xm,c与xm,d的x坐标差，ym,c,d代指ym,c与ym,d的y坐标差，tm,c,d代指tm,c与tm,d的增材温度差，c与d均为正整数且满足1≤c<d≤r；
B2：记录Am中每两个轮廓点之间的信息差，具体如以下公式(6)所示：
其中，Bm代指qm的轮廓点信息差值矩阵，bm.c,d代指qm上的第c个轮廓点和第d个轮廓点的组合信息差值，bm,c,d包含xm,c,d、ym,c,d和tm,c,d。
3.根据权利要求1所述的一种基于图论结构和视觉实时检测的增材路径规划方法，其特征在于，所述步骤S3具体为：
C1：根据Dijkstra对Am中的am.1，am.2，…，am.r进行全排列生成不同路径，共r！种不同路径，具体如以下公式(7)所示：
Cm＝{cm,l|l＝1,2,...,r！} (7)
其中，Cm代指为对Am中的am.1，am.2，…，am.r全排列后所有不同路径的集合，cm,l代指为Am中的am.1，am.2，…，am.r全排列后第l种路径；
C2：计算路径cm,l的绝对长度，具体如以下公式(8)所示：
其中，dm,l为路径cm,l的绝对长度，e与f均为正整数且满足1≤e<f≤r；
C3：选择绝对长度最短的路径，记为第m层切面的最优路径cm,o。
4.根据权利要求1所述的一种基于图论结构和视觉实时检测的增材路径规划方法，其特征在于，所述步骤S4具体为：
D1：控制激光发射器，按照cm,o对金属材料进行激光打印；
D2：单目视觉传感器实时检测激光熔覆熔池的实际位置，具体如以下公式(9)所示：
fm,s＝(x′m,s,y′m,s) (9)
其中，fm,s代指为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置，x′m,s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的x坐标，y′m,s为打印到第m层切片的第s个轮廓点时激光熔覆熔池的实际位置的y坐标。
5.根据权利要求1所述的一种基于图论结构和视觉实时检测的增材路径规划方法，其特征在于，所述步骤S5具体为：
E1：对比选取的cm,o和单目视觉检测到的fm,s，计算二者的差值，具体如以下公式(10)所示：
em,s＝(x″m,s,y″m,s) (10)
其中，em,s为cm,o和fm,s之间的差值，x″m,s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间x值的差值，y″m,s为第m层选取的最优路径和单目视觉检测的第s个轮廓点激光熔覆熔池的实际位置之间y值的差值；
E2：根据em,s调节激光熔覆熔池的实际位置，具体为控制激光发射器使得x″m,s＝0，且y″m,s＝0，最终完成增材。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210650202.5A CN114985768B (zh) | 2022-06-10 | 2022-06-10 | 一种基于图论结构和视觉实时检测的增材路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210650202.5A CN114985768B (zh) | 2022-06-10 | 2022-06-10 | 一种基于图论结构和视觉实时检测的增材路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114985768A CN114985768A (zh) | 2022-09-02 |
| CN114985768B true CN114985768B (zh) | 2024-02-09 |
Family
ID=83033334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210650202.5A Active CN114985768B (zh) | 2022-06-10 | 2022-06-10 | 一种基于图论结构和视觉实时检测的增材路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114985768B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6370679B1 (en) * | 1997-09-17 | 2002-04-09 | Numerical Technologies, Inc. | Data hierarchy layout correction and verification method and apparatus |
| EP3159910A1 (en) * | 2015-10-20 | 2017-04-26 | FEI Company | Adaptive control for charged particle beam processing |
| CN109509181A (zh) * | 2018-10-29 | 2019-03-22 | 南京师范大学 | 一种基于串行轮廓搜索的熔覆池形状视觉检测方法 |
| EP3603854A1 (en) * | 2018-07-31 | 2020-02-05 | United Technologies Corporation | Path planning for additive manufacturing |
| DE102020001399A1 (de) * | 2020-03-04 | 2021-09-09 | Amsis Gmbh | Verfahren zur additiven Fertigung eines dreidimensionalen Bauteils und System zur Reparatur |
| WO2021186723A1 (ja) * | 2020-03-19 | 2021-09-23 | 三菱電機株式会社 | 積層造形経路生成装置、積層造形経路生成方法、および機械学習装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220032376A1 (en) * | 2020-07-29 | 2022-02-03 | University Of South Florida | Metals-based additive manufacturing methods and systems with thermal monitoring and control |
-
2022
- 2022-06-10 CN CN202210650202.5A patent/CN114985768B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6370679B1 (en) * | 1997-09-17 | 2002-04-09 | Numerical Technologies, Inc. | Data hierarchy layout correction and verification method and apparatus |
| EP3159910A1 (en) * | 2015-10-20 | 2017-04-26 | FEI Company | Adaptive control for charged particle beam processing |
| EP3603854A1 (en) * | 2018-07-31 | 2020-02-05 | United Technologies Corporation | Path planning for additive manufacturing |
| CN109509181A (zh) * | 2018-10-29 | 2019-03-22 | 南京师范大学 | 一种基于串行轮廓搜索的熔覆池形状视觉检测方法 |
| DE102020001399A1 (de) * | 2020-03-04 | 2021-09-09 | Amsis Gmbh | Verfahren zur additiven Fertigung eines dreidimensionalen Bauteils und System zur Reparatur |
| WO2021186723A1 (ja) * | 2020-03-19 | 2021-09-23 | 三菱電機株式会社 | 積層造形経路生成装置、積層造形経路生成方法、および機械学習装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114985768A (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Turner et al. | A review of melt extrusion additive manufacturing processes: II. Materials, dimensional accuracy, and surface roughness | |
| Lalehpour et al. | Surface roughness of FDM parts after post-processing with acetone vapor bath smoothing process | |
| Jin et al. | Quantitative analysis of surface profile in fused deposition modelling | |
| Zhu et al. | Investigation of part distortions as a result of hybrid manufacturing | |
| Chen et al. | Using orthogonal experimental method optimizing surface quality of CO 2 laser cutting process for PMMA microchannels | |
| Sahebrao Ingole et al. | Rapid prototyping–a technology transfer approach for development of rapid tooling | |
| Sealy | Additive manufacturing as a disruptive technology: how to avoid the pitfall | |
| CN106020122B (zh) | 基于牛顿迭代的数控轨迹控制方法 | |
| Iftikhar et al. | Turbine blade manufacturing through rapid tooling (RT) process and its quality inspection | |
| Jiang et al. | A novel strategy for multi-part production in additive manufacturing | |
| Mago et al. | Modeling of linear shrinkage in PLA parts fabricated by 3D printing using TOPSIS method | |
| CN104959599A (zh) | 一种采用激光快速成形复杂曲面金属薄壁件的方法 | |
| CN114985768B (zh) | 一种基于图论结构和视觉实时检测的增材路径规划方法 | |
| CN100458801C (zh) | 一种铸件凝固模拟中预测缩松的方法 | |
| Zhu et al. | A novel process planning approach for hybrid manufacturing consisting of additive, subtractive and inspection processes | |
| Suresh et al. | Internet of things and additive manufacturing: Toward intelligent production systems in industry 4.0 | |
| CN114918370A (zh) | 一种适用于增减材制造自适应切片的砂型成型方法 | |
| Buican et al. | Influence of layer thickness on internal structure of parts manufactured from 316-L steel using SLM technology | |
| CN107368041B (zh) | 一种基于移动平均算法的s曲线加减速控制方法 | |
| Jauhar et al. | Cost benefit analysis of rapid manufacturing in automotive industries | |
| Mak et al. | Hybrid metal 3D printing for selective polished surface | |
| Brajlih et al. | Study of the complementary usages of selective laser sintering during the high volume production of plastic parts | |
| Patil | Development of complex patterns: scope and benefits of rapid prototyping in foundries | |
| CN110083139A (zh) | 一种基于二维lqg基准的工业过程性能确定方法 | |
| JP2007323241A (ja) | 数値解析モデル作成方法およびその装置 |
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 |