CN115125532A - 一种钛合金材料激光熔覆控制方法 - Google Patents

一种钛合金材料激光熔覆控制方法 Download PDF

Info

Publication number
CN115125532A
CN115125532A CN202211067623.1A CN202211067623A CN115125532A CN 115125532 A CN115125532 A CN 115125532A CN 202211067623 A CN202211067623 A CN 202211067623A CN 115125532 A CN115125532 A CN 115125532A
Authority
CN
China
Prior art keywords
repaired
value
gray
area
damaged
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.)
Granted
Application number
CN202211067623.1A
Other languages
English (en)
Other versions
CN115125532B (zh
Inventor
王涛
王建新
徐静
田广奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Taihe Energy Stock Co ltd
Original Assignee
Shandong Taihe Energy Stock Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Taihe Energy Stock Co ltd filed Critical Shandong Taihe Energy Stock Co ltd
Priority to CN202211067623.1A priority Critical patent/CN115125532B/zh
Publication of CN115125532A publication Critical patent/CN115125532A/zh
Application granted granted Critical
Publication of CN115125532B publication Critical patent/CN115125532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C24/00—Coating starting from inorganic powder
    • C23C24/08—Coating starting from inorganic powder by application of heat or pressure and heat
    • C23C24/10—Coating starting from inorganic powder by application of heat or pressure and heat with intermediate formation of a liquid phase in the layer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种钛合金材料激光熔覆控制方法，涉及智能控制技术领域。包括：获取待修复钛合金图像中的所有待修复损伤区域和历史数据；计算所有已修复钛合金图像中每个已修复区域与所有待修复损伤区域的匹配程度值，得到与待修复损伤区域匹配度高的已修复区域，进一步计算第一激光功率；计算每个待修复损伤区域以形心为中心点的不同大小的窗口内的边缘灰度差异值判断该待修复损伤区域的损伤类型；计算每个待修复损伤区域的激光强度增量对激光器的激光强度进行控制。本发明对待修复的钛合金的图像进行区域划分并计算各区域的钛合金的损伤类型与损伤程度，对第一功率进行自适应调整，实现对损伤区域的自适应修复，提升了对钛合金的修复效果。

Description

一种钛合金材料激光熔覆控制方法
技术领域
本发明涉及智能控制技术领域，具体涉及一种钛合金材料激光熔覆控制方法。
背景技术
自80年代以来，耐蚀钛合金和高强钛合金得到进一步发展，钛合金材料具有强度大，重量轻、耐高温以及焊接性能良好等优点，由于钛合金具有强度高而密度又小，机械性能好，韧性和抗蚀性能很好，因此钛合金材料主要用于制作飞机发动机压气机部件，其次为火箭、导弹和高速飞机的结构件，而航空航天领域属于国家重要领域，所以对于航空航天领域应用的金属材料的质量要求极为严格。
但是在实际的生产过程中因为各种意外因素和人为原因导致钛合金材料出现凹痕、裂纹等质量问题，所以就需要利用激光熔覆技术对钛合金材料进行熔覆修复。
现有技术中利用激光熔覆修复钛合金材料的过程中，是通过对机床设定相应的程序让激光熔覆装置按照一定的规格参数进行机械化的工作，而在激光熔覆的过程中，由于待修复的部位的损伤的凹凸性不同，使用统一的激光功率，对损伤位置进行机械化熔覆，容易出现激光因为凹凸聚光反光原理导致修复程度不够或者激光过强对周围的正常组织造成二次损伤的情况。
发明内容
针对上述技术问题，本发明提供了一种钛合金材料激光熔覆控制方法，具体包括：
获取待修复钛合金图像和历史数据，所述历史数据包括多张已修复钛合金图像中的已修复区域对应的钛合金修复过程中的激光功率；
对待修复钛合金图像进行超像素分割得到多个超像素块，根据每个超像素块的灰度值均值得到待修复钛合金图像中的待修复损伤区域；
根据待修复损伤区域中所有像素点的灰度值和相同灰度值中的每个像素点及其邻域像素点分别计算每个待修复损伤区域的灰度信息值和待修复损伤区域中每个灰度值的邻域灰度信息值，以相同的方法获取所有已修复区域的灰度信息值和所有已修复区域中每个灰度值的邻域灰度信息值；
利用得到的待修复损伤区域与已修复区域的灰度信息值和待修复损伤区域与已修复区域中每个灰度值的邻域灰度信息值得到待修复损伤区域与每个已修复区域的匹配程度值；
设置匹配度阈值，将匹配程度值在匹配度阈值范围内的已修复区域对应的钛合金修复过程中的激光功率的均值作为待修复损伤区域的初始激光功率；
得到每个待修复损伤区域的初始激光功率，将每个待修复损伤区域的初始激光功率的均值作为待修复钛合金在修复过程中的第一激光功率；
获取每个待修复损伤区域的形心，根据每个待修复损伤区域中形心像素点与各像素点的灰度值，计算每个待修复损伤区域以形心为中心点的不同大小的窗口的边缘灰度差异值；
根据每个待修复损伤区域以形心为中心点的不同大小的窗口内的边缘灰度差异值绘制每个待修复损伤区域的边缘灰度差异折线图，根据每个损伤区域的边缘灰度差异折线图中每段折线的斜率判断该待修复损伤区域的损伤类型；
根据每个待修复损伤区域中以形心为中心的每一层的像素点的灰度值均值以及每个待修复损伤区域的层数计算每个待修复损伤区域的损伤程度；
利用每个待修复损伤区域的损伤程度、损伤类型计算待修复钛合金图像中每个待修复损伤区域的激光强度增量；
根据待修复钛合金图像中每个待修复损伤区域的激光强度增量在第一激光功率的基础上对激光器的激光强度进行自适应控制。
待修复损伤区域与每个已修复区域的匹配程度值的计算方法如下：
将待修复损伤区域的灰度信息值分别与每个已修复区域的灰度信息值的比值作为待修复损伤区域与每个已修复区域的第一匹配程度；
利用待修复损伤区域中每个灰度值的邻域灰度信息值和所有已修复区域中每个灰度值的邻域灰度信息值，计算待修复损伤区域与每个已修复区域的第二匹配程度，所述待修复损伤区域与每个已修复区域的第二匹配程度的计算方法如下：
根据待修复损伤区域中相同灰度值中的每个像素点及其邻域像素点，计算待修复损伤区域中该灰度值的邻域灰度信息值，得到待修复损伤区域中每个灰度值的邻域灰度信息值，以相同的方法获取所有已修复区域中每个灰度值的邻域灰度信息值；
计算待修复损伤区域和该已修复区域中每个灰度值对应的邻域灰度信息值的商值之和，将待修复损伤区域和该已修复区域中每个灰度值对应的邻域灰度信息值的商值之和，与待修复损伤区域和该已修复区域中相同灰度值的最大灰度值的商作为待修复损伤区域与该已修复区域的第二匹配程度；
将待修复损伤区域与该已修复区域的第一匹配程度和第二匹配程度之积作为待修复损伤区域与该已修复区域的匹配程度值，得到待修复损伤区域与每个已修复区域的匹配程度值。
待修复损伤区域中每个灰度值的邻域灰度信息值的计算方法为：
获取待修复损伤区域中每个灰度值对应的像素点，将获取的每个像素点的灰度值以及该像素点的邻域像素点的灰度值均值组成的二维信息数组；
获取该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，根据该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，计算该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组的信息熵，将得到的二维信息数组的信息熵作为该灰度值的二维信息数组的信息熵；
将该灰度值对应的二维信息数据的信息熵与该灰度值对应的像素点的数量的商作为该灰度值的邻域灰度信息值，得到所有灰度值的邻域灰度信息值。
得到待修复损伤区域的过程如下：
获取待修复钛合金图像中所有非损伤超像素块的像素点的灰度值，计算所有非损伤超像素块中的像素点的灰度值均值作为待修复钛合金图像中非损伤区域灰度值；
将所有损伤超像素块中所有的像素点的灰度值均值与非损伤区域灰度值的差值作为合并阈值；
将每个损伤超像素块中的像素点的灰度值与非损伤区域灰度值的差值作为该损伤超像素块的合并参考值，筛选出合并参考值的绝对值小于合并阈值的损伤超像素块；
若相邻的两个损伤超像素块的合并参考值的正负号相同，则将相邻的两个损伤超像素块进行合并直至相邻的损伤超像素块不符合符号相同的条件时，停止合并，并进行下一个损伤区域的合并操作，得到待修复钛合金图像中所有的损伤区域。
损伤超像素块与非损伤超像素块的获取方法如下：
统计待修复钛合金图像中每个灰度值的频数，绘制待修复钛合金图像的灰度直方图，获取待修复钛合金图像的灰度直方图中波峰值最小的两段曲线对应的灰度值范围；
计算待修复钛合金图像中每个超像素块的灰度值均值，将灰度值均值处于波峰值最小的两段曲线对应的灰度值范围中的超像素块作为待修复钛合金图像中的损伤超像素块，其余超像素块即为待修复钛合金图像中的非损伤超像素块。
计算每个损伤区域以形心为中心点的不同大小的窗口内的边缘灰度差异值的方法为：
获取每个损伤区域的形心，以形心为中心点进行不同大小的滑窗，获取不同大小的滑窗的边缘像素点的灰度值，对每种大小的窗口进行以下计算：
获取该窗口边缘像素点的灰度值，计算该窗口内属于该损伤区域的边缘像素点的灰度值和形心像素点的灰度值的差值平均值作为该窗口大小对应的边缘灰度差异值。
损伤区域的损伤类型的判断方法如下：
在每个损伤区域的边缘灰度差异折线图上建立直角坐标系，获取每段折线在直角坐标系上的表达式并获取每段折线的斜率；
对每个损伤区域的边缘灰度差异折线图上每段折线的斜率进行统计，将斜率小于零的折线的损伤类型参考值以-1表示，将斜率大于零的折线的损伤类型参考值以1表示；
若该损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和大于零，则该损伤区域为凹陷损伤；
若该损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和小于零，则该损伤区域为凸出损伤。
计算每个损伤区域的损伤程度的过程如下：
获取每个损伤区域以形心为中心的每一层像素点的灰度值均值，根据损伤区域每一层像素点的灰度值均值计算该损伤区域的损伤程度，损伤区域的损伤程度的计算公式如下：
Figure DEST_PATH_IMAGE001
式中：
Figure 225214DEST_PATH_IMAGE002
表示第
Figure DEST_PATH_IMAGE003
个损伤区域的损伤程度，
Figure 2546DEST_PATH_IMAGE004
表示损伤区域以形心为中心的像素点所在层的序号，
Figure DEST_PATH_IMAGE005
表示损伤区域的层数，
Figure 559298DEST_PATH_IMAGE006
表示以形心为中心的第
Figure DEST_PATH_IMAGE007
层的像素点灰度值均值，
Figure 387577DEST_PATH_IMAGE008
表示以形心为中心的第
Figure DEST_PATH_IMAGE009
层的像素点灰度值均值。
待修复钛合金图像中每个损伤区域的修复激光功率的计算方法如下：
计算待修复钛合金图像中每个损伤区域对应的激光强度增量，根据每个损伤区域对应的激光强度增量对该损伤区域的修复激光强度进行自适应调控；
对于凹陷损失区域，在第一激光功率的基础上增加该待修复损失区域对应的激光强度增量对该待修复损伤区域进行修复；
对于凸出损失区域，在第一激光功率的基础上减少该待修复损失区域对应的激光强度增量对该待修复损伤区域进行修复。
待修复钛合金图像中每个损伤区域对应的激光强度增量的计算方法如下：
其中每个损伤区域对应的激光强度增量的计算公式如下：
Figure 371582DEST_PATH_IMAGE010
式中：
Figure DEST_PATH_IMAGE011
为待修复钛合金图像中第
Figure 918101DEST_PATH_IMAGE012
个损伤区域的激光轻度增量，
Figure DEST_PATH_IMAGE013
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最大值，
Figure 544124DEST_PATH_IMAGE014
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最小值，
Figure DEST_PATH_IMAGE015
表示待修复钛合金图像中第
Figure 492488DEST_PATH_IMAGE012
个损伤区域的损伤程度，
Figure 929286DEST_PATH_IMAGE016
为调节参数。
相比于现有技术，本发明实施例的有益效果在于：
1.本发明通过获取历史数据中已修复钛合金材料中的已修复区域和待修复损伤区域的匹配程度，获取已修复区域和待修复损伤区域匹配程度符合条件的已修复区域在修复过程中的修复激光功率，计算待修复钛合金进行激光熔覆过程中的第一激光功率，利用已修复的高质量钛合金修复时的数据计算得到第一激光功率具有一定的参考意义，能够避免自适应设置初始值更加接近修复激光功率，并且对钛合金进行激光熔覆时多数都是批量修复，因此设置最接近的初始值能够降低对机器进行调控的调控范围。
2.本发明通过对待修复的钛合金的图像进行区域划分，通过得到的每个待修复损伤区域的损伤类型以及损伤程度，对第一激光功率进行自适应调整，避免由于使用统一的激光功率对不同程度的待修复损伤区域进行修复时能够更好的对钛合金材料的待修复损伤区域进行修复，避免出现修复程度不够或者激光过强对周围的正常组织造成二次损伤的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种钛合金材料激光熔覆控制方法提供的方法流程图；
图2为本发明实施例一种钛合金材料激光熔覆控制方法提供的激光熔覆过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明实施例提供了一种钛合金材料激光熔覆控制方法，如图1所示，具体内容包括：
S101、获取数据
激光熔覆装置在对钛合金材料的修复过程中，需要利用激光熔覆装置中的激光发射模块提供能量使得钛合金材料的待修复区域形成熔池和对供粉器模块送出的粉末进行融化，使其在对处于惰性气体保护工作室的钛合金材料进行修复，激光熔覆过程的示意图如图2所示，本实施例为了实现对钛合金材料修复过程的自适应控制，所以需要对上述修复过程中需要用到的数据进行收集，包括修复过程中的激光发射模块的功率以及修复过程中的实时图像信息（特殊的，所示相机采集图像频率为至少每秒30帧）。
本实施例是根据已经修复的历史钛合金材料中与待修复钛合金材料中的待修复损伤区域匹配程度高的已修复区域在修复过程中的激光功率，计算待修复损伤区域在修复过程中的初始激光功率，根据每个待修复损伤区域的初始激光功率得到待修复钛合金材料的第一激光功率，通过第一激光功率结合待修复的钛合金材料的特征信息在第一激光功率的技术上进行调节实现激光熔覆过程中对修复钛合金材料的激光强度的自适应控制。因此需要获取待修复钛合金图像和多张已修复钛合金图像中的所有已修复区域，以及每张已修复钛合金图像对应的钛合金修复过程中的激光功率，根据获取的这些数据进行后续数据分析及计算。
S102、得到待修复钛合金图像的待修复损伤区域
本实施例需要对待修复钛合金进行激光熔覆对其中的损伤区域进行修复，因此需要先获取待修复损伤区域，本实施例通过对待修复钛合金图像进行超像素分割，筛选出损伤超像素块，利用损伤超像素块中的灰度值对损伤超像素块进行融合得到待修复损伤区域，方便后续对待修复钛合金的损伤区域进行自适应修复的参数的计算。
1.获取待修复损伤区域对应的灰度值范围
获取待修复钛合金图像中各灰度值以及各灰度值的频数，根据得到的数据信息绘制待修复钛合金图像的灰度直方图，由于待修复钛合金的主体非损伤区域占比较多，待修复损伤区域的占比较少，且待修复损伤区域的不同损伤类型对应的灰度值不同，本实施例针对待修复钛合金的凹陷与凸出损伤，因此得到的待修复钛合金图像的灰度直方图呈现“三峰”的分布，其中较小的两个峰对应的灰度值范围即为待修复损伤区域对应的灰度值范围。
2. 得到待修复损伤区域
对待修复钛合金图像进行超像素分割得到多个超像素块，获取每个超像素块内的像素点的灰度值计算每个超像素块的灰度值均值作为该超像素块的统一灰度值，若该超像素块的统一灰度值属于损伤区域对应的灰度值范围，则该超像素块为损伤超像素块，根据此方法对待修复钛合金图像中的所有超像素块进行分析判断，得到待修复钛合金图像中的所有损伤超像素块。
获取待修复钛合金图像中所有非损伤超像素块的像素点的灰度值，计算所有非损伤超像素块中的像素点的灰度值均值作为待修复钛合金图像中非损伤区域灰度值；
将所有损伤超像素块中所有的像素点的灰度值均值与非损伤区域灰度值的差值作为合并阈值；
将每个损伤超像素块中的像素点的灰度值与非损伤区域灰度值的差值作为该损伤超像素块的合并参考值，筛选出合并参考值的绝对值小于合并阈值的损伤超像素块；
若相邻的两个损伤超像素块的合并参考值的正负号相同，则将相邻的两个损伤超像素块进行合并直至相邻的损伤超像素块不符合符号相同的条件时，停止合并，并进行下一个损伤区域的合并操作，得到待修复钛合金图像中所有的待修复损伤区域。
至此，得到待修复钛合金图像中的所有的待修复损伤区域。
S103、计算待修复损伤区域与每个已修复区域的匹配程度值
本实施例通过获取历史数据中已修复钛合金材料中的已修复区域和待修复损伤区域的匹配程度，获取已修复区域和待修复损伤区域匹配程度符合条件的已修复区域在修复过程中的修复激光功率，计算待修复钛合金进行激光熔覆过程中的第一激光功率，利用已修复的高质量钛合金修复时的数据计算得到第一激光功率具有一定的参考意义，能够避免自适应设置初始值更加接近修复激光功率，因此需要得到待修复损伤区域与每个已修复区域的匹配程度值。
匹配度计算的逻辑为：以两个方面进行已修复区域与待修复损伤区域的匹配度计算，第一个方面为整体损伤区域的图像的像素点的整体灰度值信息，第二个方面为不同灰度值与邻域内像素点的灰度值信息。
1.计算待修复损伤区域与每个已修复区域的第一匹配程度
（1）计算待修复损伤区域的灰度信息值
获取待修复损伤区域中所有像素点的灰度值，将待修复损伤区域中所有像素点的灰度值均值作为该待修复损伤区域的灰度信息值，计算公式如下：
Figure DEST_PATH_IMAGE017
式中：
Figure 212368DEST_PATH_IMAGE018
表示待修复损伤区域的灰度信息值，
Figure DEST_PATH_IMAGE019
表示待修复损伤区域中第
Figure DEST_PATH_IMAGE021
个像素点的灰度值，
Figure 783027DEST_PATH_IMAGE022
表示待修复损伤区域中像素点的序号，
Figure DEST_PATH_IMAGE023
表示待修复损伤区域中像素点的数量；
由于待修复损伤区域的损伤程度不同，从而导致待修复损伤区域中像素点的灰度值不同，所有用待修复损伤区域中整体的像素点的灰度值均值作为该待修复损伤区域的灰度信息值；
以相同的方法得到所有已修复区域的灰度信息值
Figure 585898DEST_PATH_IMAGE024
。
（2）计算待修复损伤区域与每个已修复区域的第一匹配程度
将待修复损伤区域的灰度信息值分别与每个已修复区域的灰度信息值的比值作为待修复损伤区域与每个已修复区域的第一匹配程度，计算公式如下：
Figure DEST_PATH_IMAGE025
式中：
Figure 911706DEST_PATH_IMAGE026
表示待修复损伤区域与第
Figure DEST_PATH_IMAGE027
个已修复区域的第一匹配程度，
Figure 698396DEST_PATH_IMAGE028
为待修复损伤区域的灰度信息值，
Figure DEST_PATH_IMAGE029
表示第
Figure 338325DEST_PATH_IMAGE027
个已修复区域的灰度信息值，
Figure 792440DEST_PATH_IMAGE027
表示已修复区域的序号；
Figure 820308DEST_PATH_IMAGE026
的值越接近于1，表示第
Figure 359874DEST_PATH_IMAGE027
个已修复区域的像素点的灰度值均值与待修复损伤区域的整体像素点灰度值均值越相等，而不同损伤程度的已修复区域和待修复损伤区域在图像上的表示为灰度值的不同，所以待修复损伤区域与每个已修复区域的第一匹配程度的值越接近于1，二者的损伤程度越相似。
2. 计算待修复损伤区域与每个已修复区域的第二匹配程度
（1）计算待修复损伤区域的邻域灰度信息值
获取待修复损伤区域中每个灰度值对应的像素点，将获取的每个像素点的灰度值（该步骤中的灰度值是针对大小不同的灰度值，即对每种大小不同的灰度值进行计算）以及该像素点的邻域像素点的灰度值均值组成的二维信息数组；
获取该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，根据该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，计算该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组的信息熵，将得到的二维信息数组的信息熵作为该灰度值的二维信息数组的信息熵；
将该灰度值对应的二维信息数据的信息熵与该灰度值对应的像素点的数量的商作为该灰度值的邻域灰度信息值，得到所有灰度值的邻域灰度信息值，灰度值的邻域灰度信息值的计算公式如下：
Figure 882122DEST_PATH_IMAGE030
式中：
Figure DEST_PATH_IMAGE031
表示待修复损伤区域中灰度值的邻域灰度信息值，
Figure 174432DEST_PATH_IMAGE032
表示待修复损伤区域中第
Figure DEST_PATH_IMAGE033
个灰度值的邻域灰度信息值，
Figure 796037DEST_PATH_IMAGE033
表示待修复损伤区域中的灰度值的序号，
Figure 806587DEST_PATH_IMAGE034
表示待修复损伤区域中的灰度值的数量，
Figure DEST_PATH_IMAGE035
表示第
Figure 601368DEST_PATH_IMAGE033
个灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，
Figure 764496DEST_PATH_IMAGE036
表示第
Figure 145885DEST_PATH_IMAGE033
个灰度值对应的所有像素点及其邻域像素点组成的二维信息数组的频率，
Figure DEST_PATH_IMAGE037
表示待修复损伤区域中的第
Figure 925622DEST_PATH_IMAGE033
个灰度值，
Figure 992935DEST_PATH_IMAGE038
表示待修复损伤区域中的第
Figure 259838DEST_PATH_IMAGE033
个灰度值对应的像素点的8邻域像素点的灰度值均值；
以每个灰度值为
Figure 816721DEST_PATH_IMAGE037
的像素点与其周围8邻域内像素点的灰度值的平均值作为一个二维信息数组，然后在对待修复损伤区域的二维信息数组的信息熵进行计算，以此来反映不同位置的灰度值为g的像素点周围8邻域的像素点的灰度值的变化情况。
Figure 552596DEST_PATH_IMAGE032
的值越大，说明第
Figure 220337DEST_PATH_IMAGE033
个灰度值对应的所有像素点周围8邻域的像素点的灰度值的排列与分布越复杂。
根据计算待修复损伤区域的邻域灰度信息值的方法计算每个已修复区域的所有灰度值的邻域灰度信息值
Figure DEST_PATH_IMAGE039
。
（2）计算待修复损伤区域与每个已修复区域的第二匹配程度
利用待修复损伤区域中每个灰度值的邻域灰度信息值和所有已修复区域中每个灰度值的邻域灰度信息值，计算待修复损伤区域与每个已修复区域的第二匹配程度，计算公式如下：
Figure 810588DEST_PATH_IMAGE040
式中：
Figure 538372DEST_PATH_IMAGE041
表示待修复损伤区域与第
Figure 27122DEST_PATH_IMAGE027
个已修复区域的第二匹配程度，
Figure DEST_PATH_IMAGE042
表示待修复损伤区域与第
Figure 951085DEST_PATH_IMAGE027
个已修复区域中灰度值交集的最小值，
Figure 943312DEST_PATH_IMAGE043
表示待修复损伤区域与第
Figure 841998DEST_PATH_IMAGE027
个已修复区域中灰度值交集的最大值，
Figure DEST_PATH_IMAGE044
表示待修复损伤区域中灰度值
Figure 208257DEST_PATH_IMAGE037
的邻域灰度信息值，
Figure 217801DEST_PATH_IMAGE045
表示已修复损伤区域中灰度值
Figure 579381DEST_PATH_IMAGE037
的邻域灰度信息值。
以每个灰度值的与周围8邻域内像素点灰度值的变化情况来作为不同灰度值与周围8邻域内像素点的灰度值信息匹配程度
Figure 383389DEST_PATH_IMAGE041
，可以反映每个灰度值与其周围8邻域内像素点的灰度值的分布的差异性，
Figure 581152DEST_PATH_IMAGE041
越接近于1，说明第
Figure 128808DEST_PATH_IMAGE027
个已修复区域与待修复损伤区域的差异越小，即损伤程度相差越小，损伤程度越相似。
举例说明：待修复损伤区域中所有像素点的灰度值为[15，16，18，19，20，35]，已修复区域中所有像素点的灰度值为[16，17，18，19，20，35，36]，则
Figure DEST_PATH_IMAGE046
。
3.计算待修复损伤区域与每个已修复区域的匹配程度值
将待修复损伤区域与该已修复区域的第一匹配程度和第二匹配程度之积作为待修复损伤区域与该已修复区域的匹配程度值，得到待修复损伤区域与每个已修复区域的匹配程度值，待修复损伤区域与每个已修复区域的匹配程度值的计算公式如下：
Figure 813736DEST_PATH_IMAGE047
式中：
Figure DEST_PATH_IMAGE048
表示待修复损伤区域与第
Figure 257487DEST_PATH_IMAGE027
个已修复区域的匹配程度值，
Figure 191814DEST_PATH_IMAGE049
表示待修复损伤区域与第
Figure 808740DEST_PATH_IMAGE027
个已修复区域的第一匹配程度，
Figure 630066DEST_PATH_IMAGE041
表示待修复损伤区域与第
Figure DEST_PATH_IMAGE050
个已修复区域的第二匹配程度。
Figure 759565DEST_PATH_IMAGE051
越接近于1，说明待修复损伤区域与第
Figure 666341DEST_PATH_IMAGE027
个已修复区域的损伤程度越相似，得到待修复损伤区域与每个已修复区域的匹配程度值。
重复S102的过程直至计算完待修复钛合金图像中所有待修复损伤区域与每个已修复区域的匹配程度值时停止，得到待修复钛合金图像中所有待修复损伤区域与每个已修复区域的匹配程度值。
S104、计算待修复钛合金修复过程中的第一激光功率
常规的激光熔覆装置对钛合金材料进行修复是根据经验设置初始的参数进行修复，这种方式在对钛合金材料进行修复的时候，因为经验值问题会造成对于不同类型和不同程度的损伤区域的初始送粉量过多或过少以及第一激光功率判断失误从而导致修复粉的浪费和钛合金材料的损伤，因此通过待修复损伤区域与已修复区域之间的匹配度，选择与待修复损伤区域匹配度较高的已修复区域在修复过程中的激光功率计算待修复钛合金修复过程中的第一激光功率，通过对第一激光功率进行自适应调整，对每个待修复损伤区域的修复激光功率进行自适应控制，能够在降低修复材料的浪费的同时避免对正常区域造成损伤。
设置匹配度阈值，实施者可根据具体情况进行设置，本实施例设置的匹配度阈值范围为
Figure DEST_PATH_IMAGE052
，将匹配程度值在匹配度阈值范围内的已修复区域对应的钛合金修复过程中的激光功率的均值作为待修复钛合金材料的第一激光功率，匹配程度值在匹配度阈值范围内的已修复区域为与待修复损伤区域的匹配度较高，待修复钛合金修复过程中的第一激光功率的计算公式如下：
Figure 477171DEST_PATH_IMAGE053
式中：
Figure DEST_PATH_IMAGE054
为待修复钛合金修复过程中的第一激光功率，
Figure 887423DEST_PATH_IMAGE055
表示与待修复损伤区域的匹配度较高的已修复区域的数量，
Figure DEST_PATH_IMAGE056
表示与待修复损伤区域的匹配度较高的已修复区域的序号，
Figure 187824DEST_PATH_IMAGE057
为与待修复损伤区域的匹配度较高的第
Figure 581896DEST_PATH_IMAGE056
个已修复区域对应的已修复钛合金的激光功率。
选择与待修复损伤区域的匹配度较高的已修复区域对应的钛合金材料在进行激光熔覆过程中的参数的平均值作为新的钛合金材料的损伤的激光熔覆的初始值。
S105、确定各待修复损伤区域的损伤类型
对于待修复钛合金图像中的所有待修复损伤区域，部分待修复损伤区域为凹陷损伤，另一部分待修复损伤区域为凹凸损伤，针对不同的损伤类型需要对待修复损伤区域的修复激光功率进行不同的调整，因此需要判断待修复钛合金图像中每个待修复损伤区域的损伤类型。
确定每个待修复损伤区域的形心像素点，由于凹陷损伤的待修复损伤区域的灰度值比非待修复损伤区域的灰度值相较偏小，且以形心为中心，越往外扩散的灰度值与非损伤区域的灰度值的差异越小，而凸出损伤的待修复损伤区域的灰度值比非损伤区域的灰度值相较偏大，且以形心为中心，越往外扩散的灰度值与非损伤区域的灰度值的差异越小，因此本实施例通过对待修复损伤区域的形心像素点周围不同范围内像素点的灰度值的差异对待修复损伤区域的损伤类型进行判断。
获取每个待修复损伤区域的形心，以形心为中心点进行不同大小的滑窗，获取不同大小的滑窗的边缘像素点的灰度值，对每种大小的窗口进行以下计算：
获取该窗口边缘像素点的灰度值，计算该窗口内属于该待修复损伤区域的边缘像素点的灰度值和形心像素点的灰度值的差值平均值作为该窗口大小对应的边缘灰度差异值。
具体方式如下：
获取该待修复损伤区域中每个像素点的灰度值，形心像素点的灰度值以
Figure DEST_PATH_IMAGE058
表示；
以3×3大小的窗口大小为例，则以该待修复损伤区域的形心像素点为中心像素点3×3大小的窗口的边缘灰度差异值计算方法为：
Figure 743887DEST_PATH_IMAGE059
式中：
Figure DEST_PATH_IMAGE060
表示第
Figure 257914DEST_PATH_IMAGE061
个待修复损伤区域中以形心像素点为中心像素点3×3大小的窗口的边缘灰度差异值，
Figure DEST_PATH_IMAGE062
表示以形心像素点为中心像素点3×3大小的窗口的边缘像素点的序号，
Figure 479948DEST_PATH_IMAGE063
表示以形心像素点为中心像素点3×3大小的窗口内且属于第
Figure 813846DEST_PATH_IMAGE061
个待修复损伤区域中的边缘像素点的数量，
Figure DEST_PATH_IMAGE064
表示以形心像素点为中心像素点3×3大小的窗口内且属于第
Figure 513949DEST_PATH_IMAGE061
个待修复损伤区域中的边缘像素点的灰度值，
Figure 413640DEST_PATH_IMAGE065
为形心像素点的灰度值。
以5×5大小的窗口大小为例，则以该待修复损伤区域的形心像素点为中心像素点5×5大小的窗口的边缘灰度差异值计算方法为：
Figure DEST_PATH_IMAGE066
式中：
Figure 993526DEST_PATH_IMAGE067
表示第
Figure 627770DEST_PATH_IMAGE061
个待修复损伤区域中以形心像素点为中心像素点5×5大小的窗口的边缘灰度差异值，
Figure 662722DEST_PATH_IMAGE062
表示以形心像素点为中心像素点5×5大小的窗口的边缘像素点的序号，
Figure 167653DEST_PATH_IMAGE063
表示以形心像素点为中心像素点5×5大小的窗口内且属于第
Figure 511915DEST_PATH_IMAGE061
个待修复损伤区域中的边缘像素点的数量，
Figure 571138DEST_PATH_IMAGE064
表示以形心像素点为中心像素点5×5大小的窗口内且属于第
Figure 144202DEST_PATH_IMAGE061
个待修复损伤区域中的边缘像素点的灰度值，
Figure 295784DEST_PATH_IMAGE065
为形心像素点的灰度值。
根据上述方法对以该待修复损伤区域的形心像素点为中心像素点不同大小的窗口的边缘灰度差异值进行计算，直至窗口的边缘像素点都不在该待修复损伤区域之内时，停止计算，得到多个不同窗口大小对应的边缘灰度差异值序列
Figure DEST_PATH_IMAGE068
，其中，
Figure 30522DEST_PATH_IMAGE069
表示第
Figure DEST_PATH_IMAGE070
个待修复损伤区域中以形心像素点为中心像素点
Figure 29571DEST_PATH_IMAGE071
大小的窗口的边缘灰度差异值。
根据上述方法得到每个待修复损伤区域对应的边缘灰度差异值序列，利用每个待修复损伤区域对应的边缘灰度差异值序列对其待修复损伤区域的损伤类型进行判断，判断过程如下：
根据各待修复损伤区域对应的边缘灰度差异值序列绘制边缘灰度差异折线图，其中边缘灰度差异折线图的横坐标为窗口大小，无实际意义，纵坐标为不同窗口大小对应的边缘灰度差异值；
对边缘灰度差异折线图中每段折线的斜率进行计算，在每个待修复损伤区域的边缘灰度差异折线图上建立直角坐标系，获取每段折线在直角坐标系上的表达式并获取每段折线的斜率；
对每个待修复损伤区域的边缘灰度差异折线图上每段折线的斜率进行统计，将斜率小于零的折线的损伤类型参考值以-1表示，将斜率大于零的折线的损伤类型参考值以1表示；
若该待修复损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和大于零，则该待修复损伤区域为凹陷损伤；
若该待修复损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和小于零，则该待修复损伤区域为凸出损伤。
举例说明：
若该待修复损伤区域的边缘灰度差异折线图上每段折线的斜率分别为（-1,-2,-0.5,1,-1,1,1.5,-1.4,-1），则该待修复损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值为（-1，-1，-1，1，-1，1，1，-1，-1），则该待修复损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和为-3，由于该待修复损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和小于零，因此该待修复损伤区域的损伤类型为突出损伤。
以形心与每个待修复损伤区域的边缘像素点的灰度差异的均值来进行凹凸性的判断是基于钛合金材料的凹凸特征，以形心像素点为起始量，向周围360°范围内呈放射性的延伸，表现在图像上具体为像素点的像素值的规律变化（不排除有个别像素点或者多个像素点异常）。所以利用每一个待修复损伤区域的边缘像素点与形心像素点的灰度值的差异值进行凹凸性的判断，但是为了排除个别像素点不规律现象对于整个待修复损伤区域的凹凸性的影响，所以利用多组边缘灰度差异值进行斜率的正负判断并进行求和算整体的凹凸性，旨在削弱个别异常像素点对于整体待修复损伤区域凹凸性判断的影响。
利用上述方法对所有待修复损伤区域的损伤类型进行判断，至此，所有待修复损伤区域的损伤类型性判断完成。
S106、计算待修复钛合金图像各待修复损伤区域的损伤程度
针对待修复钛合金图像中的每个待修复损伤区域，部分待修复损伤区域损伤的并不严重，部分待修复损伤区域的损伤又很严重，针对不同的损伤程度需要对待修复损伤区域的修复激光功率的大小进行不同的调整，因此需要判断待修复钛合金图像中每个待修复损伤区域的损伤程度。
获取每个待修复损伤区域以形心为中心的每一层像素点的灰度值均值，根据待修复损伤区域每一层像素点的灰度值均值计算该待修复损伤区域的损伤程度，待修复损伤区域的损伤程度的计算公式如下：
Figure 671905DEST_PATH_IMAGE073
式中：
Figure DEST_PATH_IMAGE074
表示第
Figure 135116DEST_PATH_IMAGE070
个待修复损伤区域的损伤程度，
Figure 571913DEST_PATH_IMAGE007
表示待修复损伤区域以形心为中心的像素点所在层的序号，
Figure 136887DEST_PATH_IMAGE075
表示待修复损伤区域的层数，
Figure DEST_PATH_IMAGE076
表示以形心为中心的第
Figure 441966DEST_PATH_IMAGE007
层的像素点灰度值均值，
Figure 41575DEST_PATH_IMAGE077
表示以形心为中心的第
Figure DEST_PATH_IMAGE078
层的像素点灰度值均值。
从待修复损伤区域的形心开始，依次计算每一个不同窗口大小的边缘像素点与前一层像素点的灰度差异作为待修复损伤区域的损伤程度，并且每一层与相邻层进行灰度差异的计算时，添加该层像素点在所有像素点中的占比权重
Figure 632962DEST_PATH_IMAGE079
，倘若在整体为凹陷损伤或者为凸出损伤时，某一层或者某几层中有异常像素点也可以通过占比权重有效的表达出来。
在整个待修复损伤区域整体损伤程度不变的情况下，深入对每一层中的每一个像素点的凹陷或凸出进行考察，在不改变整体损伤程度的情况下，利用待修复损伤区域内的少数区域的凹陷或凸出结合整体大多数区域的凹陷或凸出的分布情况来决定整个待修复损伤区域的损伤程度。
利用上述方法对待修复钛合金图像中所有待修复损伤区域的损伤程度进行计算，得到待修复钛合金图像中所有待修复损伤区域的损伤程度。
S107、计算待修复钛合金图像中各待修复损伤区域的激光强度增量
本实施例对每个待修复损伤区域的损伤类型和损伤程度进行判断，根据每个待修复损伤区域的损伤类型和损伤程度在上述计算的第一激光功率的基础上对每个待修复损伤区域中的损伤进行激光功率的调节来解决常规技术中的问题。
首先根据每个待修复损伤区域的损伤程度计算该损伤区域的激光强度增量，计算公式如下：
Figure 685232DEST_PATH_IMAGE081
式中：
Figure DEST_PATH_IMAGE082
为待修复钛合金图像中第
Figure 121898DEST_PATH_IMAGE070
个待修复损伤区域的激光轻度增量，
Figure 779276DEST_PATH_IMAGE083
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最大值，
Figure DEST_PATH_IMAGE084
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最小值，
Figure 275985DEST_PATH_IMAGE074
表示待修复钛合金图像中第
Figure 81130DEST_PATH_IMAGE070
个待修复损伤区域的损伤程度，
Figure 603378DEST_PATH_IMAGE085
为调节参数。
根据已修复钛合金在修复过程中的激光功率得到损伤区域的激光强度增量的权重值，再结合每个待修复损伤区域的损伤程度确定每个损待修复伤区域的激光强度增量，使激光熔覆装置在对待修复钛合金材料进行修复过程中的激光功率更加精确，进一步提高了修复钛合金材料的质量。
S108、对钛合金激光熔覆过程的激光强度进行调整
以上步骤得到了待修复钛合金的损伤区域以及各损伤区域的损伤类型与激光强度增量，根据不同类型的损伤区域以及得到的对应损伤区域的激光强度增量对激光熔覆过程中的修复激光强度进行调整，达到对待修复钛合金材料激光熔覆过程的自适应控制，操作过程如下：
对于凹陷损失区域，在第一激光功率的基础上增加该待修复损失区域对应的激光强度增量对该待修复损伤区域进行修复；
对于凸出损失区域，在第一激光功率的基础上减少该待修复损失区域对应的激光强度增量对该待修复损伤区域进行修复；
根据得到的待修复钛合金材料中每个待修复损失区域对应的激光强度增量对激光熔覆装置进行自适应控制完成对待修复钛合金的修复工作。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种钛合金材料激光熔覆控制方法，其特征在于，包括：
获取待修复钛合金图像和历史数据，所述历史数据包括多张已修复钛合金图像中的已修复区域对应的钛合金修复过程中的激光功率；
对待修复钛合金图像进行超像素分割得到多个超像素块，根据每个超像素块的灰度值均值得到待修复钛合金图像中的待修复损伤区域；
根据待修复损伤区域中所有像素点的灰度值和相同灰度值中的每个像素点及其邻域像素点分别计算每个待修复损伤区域的灰度信息值和待修复损伤区域中每个灰度值的邻域灰度信息值，以相同的方法获取所有已修复区域的灰度信息值和所有已修复区域中每个灰度值的邻域灰度信息值；
利用得到的待修复损伤区域与已修复区域的灰度信息值和待修复损伤区域与已修复区域中每个灰度值的邻域灰度信息值得到待修复损伤区域与每个已修复区域的匹配程度值；
设置匹配度阈值，将匹配程度值在匹配度阈值范围内的已修复区域对应的钛合金修复过程中的激光功率的均值作为待修复损伤区域的初始激光功率；
得到每个待修复损伤区域的初始激光功率，将每个待修复损伤区域的初始激光功率的均值作为待修复钛合金在修复过程中的第一激光功率；
获取每个待修复损伤区域的形心，根据每个待修复损伤区域中形心像素点与各像素点的灰度值，计算每个待修复损伤区域以形心为中心点的不同大小的窗口的边缘灰度差异值；
根据每个待修复损伤区域以形心为中心点的不同大小的窗口内的边缘灰度差异值绘制每个待修复损伤区域的边缘灰度差异折线图，根据每个损伤区域的边缘灰度差异折线图中每段折线的斜率判断该待修复损伤区域的损伤类型；
根据每个待修复损伤区域中以形心为中心的每一层的像素点的灰度值均值以及每个待修复损伤区域的层数计算每个待修复损伤区域的损伤程度；
利用每个待修复损伤区域的损伤程度、损伤类型计算待修复钛合金图像中每个待修复损伤区域的激光强度增量；
根据待修复钛合金图像中每个待修复损伤区域的激光强度增量在第一激光功率的基础上对激光器的激光强度进行自适应控制。
2.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述待修复损伤区域与每个已修复区域的匹配程度值的计算方法如下：
将待修复损伤区域的灰度信息值分别与每个已修复区域的灰度信息值的比值作为待修复损伤区域与每个已修复区域的第一匹配程度；
利用待修复损伤区域中每个灰度值的邻域灰度信息值和所有已修复区域中每个灰度值的邻域灰度信息值，计算待修复损伤区域与每个已修复区域的第二匹配程度，所述待修复损伤区域与每个已修复区域的第二匹配程度的计算方法如下：
根据待修复损伤区域中相同灰度值中的每个像素点及其邻域像素点，计算待修复损伤区域中该灰度值的邻域灰度信息值，得到待修复损伤区域中每个灰度值的邻域灰度信息值，以相同的方法获取所有已修复区域中每个灰度值的邻域灰度信息值；
计算待修复损伤区域和该已修复区域中每个灰度值对应的邻域灰度信息值的商值之和，将待修复损伤区域和该已修复区域中每个灰度值对应的邻域灰度信息值的商值之和，与待修复损伤区域和该已修复区域中相同灰度值的最大灰度值的商作为待修复损伤区域与该已修复区域的第二匹配程度；
将待修复损伤区域与该已修复区域的第一匹配程度和第二匹配程度之积作为待修复损伤区域与该已修复区域的匹配程度值，得到待修复损伤区域与每个已修复区域的匹配程度值。
3.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述待修复损伤区域中每个灰度值的邻域灰度信息值的计算方法为：
获取待修复损伤区域中每个灰度值对应的像素点，将获取的每个像素点的灰度值以及该像素点的邻域像素点的灰度值均值组成的二维信息数组；
获取该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，根据该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组，计算该灰度值对应的所有像素点及其邻域像素点组成的二维信息数组的信息熵，将得到的二维信息数组的信息熵作为该灰度值的二维信息数组的信息熵；
将该灰度值对应的二维信息数据的信息熵与该灰度值对应的像素点的数量的商作为该灰度值的邻域灰度信息值，得到所有灰度值的邻域灰度信息值。
4.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述得到待修复损伤区域的过程如下：
获取待修复钛合金图像中所有非损伤超像素块的像素点的灰度值，计算所有非损伤超像素块中的像素点的灰度值均值作为待修复钛合金图像中非损伤区域灰度值；
将所有损伤超像素块中所有的像素点的灰度值均值与非损伤区域灰度值的差值作为合并阈值；
将每个损伤超像素块中的像素点的灰度值与非损伤区域灰度值的差值作为该损伤超像素块的合并参考值，筛选出合并参考值的绝对值小于合并阈值的损伤超像素块；
若相邻的两个损伤超像素块的合并参考值的正负号相同，则将相邻的两个损伤超像素块进行合并直至相邻的损伤超像素块不符合符号相同的条件时，停止合并，并进行下一个损伤区域的合并操作，得到待修复钛合金图像中所有的损伤区域。
5.根据权利要求4所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述损伤超像素块与非损伤超像素块的获取方法如下：
统计待修复钛合金图像中每个灰度值的频数，绘制待修复钛合金图像的灰度直方图，获取待修复钛合金图像的灰度直方图中波峰值最小的两段曲线对应的灰度值范围；
计算待修复钛合金图像中每个超像素块的灰度值均值，将灰度值均值处于波峰值最小的两段曲线对应的灰度值范围中的超像素块作为待修复钛合金图像中的损伤超像素块，其余超像素块即为待修复钛合金图像中的非损伤超像素块。
6.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述计算每个损伤区域以形心为中心点的不同大小的窗口内的边缘灰度差异值的方法为：
获取每个损伤区域的形心，以形心为中心点进行不同大小的滑窗，获取不同大小的滑窗的边缘像素点的灰度值，对每种大小的窗口进行以下计算：
获取该窗口边缘像素点的灰度值，计算该窗口内属于该损伤区域的边缘像素点的灰度值和形心像素点的灰度值的差值平均值作为该窗口大小对应的边缘灰度差异值。
7.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述损伤区域的损伤类型的判断方法如下：
在每个损伤区域的边缘灰度差异折线图上建立直角坐标系，获取每段折线在直角坐标系上的表达式并获取每段折线的斜率；
对每个损伤区域的边缘灰度差异折线图上每段折线的斜率进行统计，将斜率小于零的折线的损伤类型参考值以-1表示，将斜率大于零的折线的损伤类型参考值以1表示；
若该损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和大于零，则该损伤区域为凹陷损伤；
若该损伤区域的边缘灰度差异折线图上每段折线的损伤类型参考值之和小于零，则该损伤区域为凸出损伤。
8.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述计算每个损伤区域的损伤程度的过程如下：
获取每个损伤区域以形心为中心的每一层像素点的灰度值均值，根据损伤区域每一层像素点的灰度值均值计算该损伤区域的损伤程度，损伤区域的损伤程度的计算公式如下：
Figure DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE004
表示第
Figure DEST_PATH_IMAGE006
个损伤区域的损伤程度，
Figure DEST_PATH_IMAGE008
表示损伤区域以形心为中心的像素点所在层的序号，
Figure DEST_PATH_IMAGE010
表示损伤区域的层数，
Figure DEST_PATH_IMAGE012
表示以形心为中心的第
Figure 738217DEST_PATH_IMAGE008
层的像素点灰度值均值，
Figure DEST_PATH_IMAGE014
表示以形心为中心的第
Figure DEST_PATH_IMAGE016
层的像素点灰度值均值。
9.根据权利要求1所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述待修复钛合金图像中每个损伤区域的修复激光功率的计算方法如下：
计算待修复钛合金图像中每个损伤区域对应的激光强度增量，根据每个损伤区域对应的激光强度增量对每个损伤区域的修复激光强度进行自适应调控；
对于凹陷损失区域，在第一激光功率的基础上增加每个待修复损失区域对应的激光强度增量对每个待修复损伤区域进行修复；
对于凸出损失区域，在第一激光功率的基础上减少每个待修复损失区域对应的激光强度增量对每个待修复损伤区域进行修复。
10.根据权利要求9所述的一种钛合金材料激光熔覆控制方法，其特征在于，所述待修复钛合金图像中每个损伤区域对应的激光强度增量的计算方法如下：
其中每个损伤区域对应的激光强度增量的计算公式如下：
Figure DEST_PATH_IMAGE018
式中：
Figure DEST_PATH_IMAGE020
为待修复钛合金图像中第
Figure DEST_PATH_IMAGE022
个损伤区域的激光轻度增量，
Figure DEST_PATH_IMAGE024
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最大值，
Figure DEST_PATH_IMAGE026
表示历史数据中多张已修复钛合金图像对应的钛合金修复过程中的激光功率的最小值，
Figure DEST_PATH_IMAGE028
表示待修复钛合金图像中第
Figure 468145DEST_PATH_IMAGE022
个损伤区域的损伤程度，
Figure DEST_PATH_IMAGE030
为调节参数。
CN202211067623.1A 2022-09-02 2022-09-02 一种钛合金材料激光熔覆控制方法 Active CN115125532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211067623.1A CN115125532B (zh) 2022-09-02 2022-09-02 一种钛合金材料激光熔覆控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211067623.1A CN115125532B (zh) 2022-09-02 2022-09-02 一种钛合金材料激光熔覆控制方法

Publications (2)

Publication Number Publication Date
CN115125532A true CN115125532A (zh) 2022-09-30
CN115125532B CN115125532B (zh) 2022-11-29

Family

ID=83387395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211067623.1A Active CN115125532B (zh) 2022-09-02 2022-09-02 一种钛合金材料激光熔覆控制方法

Country Status (1)

Country Link
CN (1) CN115125532B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117070939A (zh) * 2023-10-13 2023-11-17 盐城奥凯明通阀门有限公司 一种视觉引导的阀门球体自动修复方法及修复设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040133298A1 (en) * 2002-10-31 2004-07-08 Ehsan Toyserkani System and method for closed-loop control of laser cladding by powder injection
CN102323756A (zh) * 2011-08-16 2012-01-18 上海交通大学 基于激光熔覆的稀释率均匀性控制方法及其装置
US20130178952A1 (en) * 2010-06-28 2013-07-11 Precitec Itm Gmbh Method for closed-loop controlling a laser processing operation and laser material processing head using the same
CN104674210A (zh) * 2013-12-02 2015-06-03 齐欢 一种工件激光自动化修复方法
CN108873700A (zh) * 2018-07-13 2018-11-23 中国科学院力学研究所 一种基于立体视觉的激光熔覆闭环控制方法
CN109308705A (zh) * 2018-09-27 2019-02-05 上海交通大学 一种焊接熔池图像轮廓实时提取方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040133298A1 (en) * 2002-10-31 2004-07-08 Ehsan Toyserkani System and method for closed-loop control of laser cladding by powder injection
US20130178952A1 (en) * 2010-06-28 2013-07-11 Precitec Itm Gmbh Method for closed-loop controlling a laser processing operation and laser material processing head using the same
CN102323756A (zh) * 2011-08-16 2012-01-18 上海交通大学 基于激光熔覆的稀释率均匀性控制方法及其装置
CN104674210A (zh) * 2013-12-02 2015-06-03 齐欢 一种工件激光自动化修复方法
CN108873700A (zh) * 2018-07-13 2018-11-23 中国科学院力学研究所 一种基于立体视觉的激光熔覆闭环控制方法
CN109308705A (zh) * 2018-09-27 2019-02-05 上海交通大学 一种焊接熔池图像轮廓实时提取方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117070939A (zh) * 2023-10-13 2023-11-17 盐城奥凯明通阀门有限公司 一种视觉引导的阀门球体自动修复方法及修复设备
CN117070939B (zh) * 2023-10-13 2024-02-09 盐城奥凯明通阀门有限公司 一种视觉引导的阀门球体自动修复方法及修复设备

Also Published As

Publication number Publication date
CN115125532B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN115125532B (zh) 一种钛合金材料激光熔覆控制方法
CN110363781B (zh) 基于深度神经网络的熔池轮廓检测方法
CN110789128B (zh) 一种增材制造制件成形质量预测与控制系统及方法
CN115511889A (zh) 一种太阳能电池板支架表面焊接缺陷检测方法
CN116071363B (zh) 一种自动化型钢智能生产监测系统
CN113506286A (zh) 基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法
CN114943848B (zh) 镍网激光熔覆过程中的裂纹识别方法
CN111192273A (zh) 一种基于计算机视觉技术的数字化喷丸覆盖率测量方法
CN114581428B (zh) 一种基于光学手段的粉末涂料粘合度检测方法
CN117576086B (zh) 一种金属电子束焊缺陷检测方法及系统
CN115222735B (zh) 一种基于麻点缺陷的金属模具质量检测方法
CN116486091B (zh) 基于人工智能的风机叶片缺陷区域快速分割方法及系统
CN115908410B (zh) 基于机器视觉的压力容器激光焊接控制方法
CN113706423A (zh) 基于人工智能的机械零件腐蚀裂纹检测方法
CN115631116A (zh) 基于双目视觉的飞行器电力巡检系统
CN117078676B (zh) 基于图像处理的破碎锤外壳视觉检测方法
CN118470015A (zh) 一种钛合金棒生产质量视觉检测方法及系统
CN118134062A (zh) 数控机床铸件质量追踪系统
CN102169520B (zh) 基于mlfma的舰船短波电磁环境仿真误差控制方法
CN112200755A (zh) 一种图像去雾方法
CN116228798A (zh) 基于机器视觉的铁塔智能切割检测方法
CN114997038B (zh) 一种选区激光熔化区域温度预测及变参数扫描方法
CN113362296B (zh) 一种隧道裂缝提取方法及系统
CN107330869B (zh) 重叠细胞分割后的异常像素点重构方法
Paulic et al. Intelligent system for prediction of mechanical properties of material based on metallographic images

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