CN116060642A - 一种激光选区熔化成型质量监测分析方法 - Google Patents

一种激光选区熔化成型质量监测分析方法 Download PDF

Info

Publication number
CN116060642A
CN116060642A CN202310076598.1A CN202310076598A CN116060642A CN 116060642 A CN116060642 A CN 116060642A CN 202310076598 A CN202310076598 A CN 202310076598A CN 116060642 A CN116060642 A CN 116060642A
Authority
CN
China
Prior art keywords
printing
parameters
quality
layer
defects
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.)
Pending
Application number
CN202310076598.1A
Other languages
English (en)
Inventor
陈根余
韦怡
周云龙
陈聪
刘旭飞
李玮
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202310076598.1A priority Critical patent/CN116060642A/zh
Publication of CN116060642A publication Critical patent/CN116060642A/zh
Pending legal-status Critical Current

Links

Images

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
    • B22F10/28—Powder bed fusion, e.g. selective laser melting [SLM] or electron beam melting [EBM]
    • 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
    • B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
    • B22F12/90—Means for process control, e.g. cameras or sensors
    • 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
    • B33Y40/00—Auxiliary operations or equipment, e.g. for material handling
    • 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)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)

Abstract

本申请属于激光选区熔化成型技术领域，具体而言，涉及一种激光选区熔化成型质量监测分析方法，包括步骤1：启动设备，加载自学习补正文件，对默认工艺参数进行补正；步骤2：将3D模型文件输入设备中，选择打印模式获取打印参数，合理性检验补偿修正参数，生成打印任务；步骤3：智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印；步骤4：智能分析模块实施自学习，打印完成，输出整体打印质量报告；本申请的方法能够实时数据采集、数据分析和打印效果评判，对应不同特征位置的不同参数能够使打印层质量均匀统一，提升打印效果质量。

Description

一种激光选区熔化成型质量监测分析方法
技术领域
本发明属于激光选区熔化成型技术领域，具体而言，涉及一种激光选区熔化成型质量监测分析方法。
背景技术
激光选区熔化(SLM)是通过层层堆叠成型零件的，在成型过程中，不可避免地会产生缺陷。如何尽早地发现这些缺陷，是增材制造技术所面临的重大挑战。近年来，关于增材制造在线监测的呼声越来越高，实现在线监测，可在第一时间发现制造问题，解决问题，保证成型质量。随着技术的发展，对增材制造质量的要求越来越高，现有的检测方法已无法满足现代化制造的高自动化、快速响应要求。因此，需要一种新的在线监测增材制造质量的方法。
发明内容
本发明针对现有技术缺陷，提出一种激光选区熔化成型质量监测分析方法，将3D模型文件输入计算机控制系统，通过选择自适应打印模式或人工输入打印模式，生成打印参数，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，相对于传统数据管理数据目标更加具体、精确，对应不同特征位置的不同参数能够使打印层质量均匀统一，同时具备自学习功能，能够优化打印参数，提升打印效果质量。
为达到上述目的，本发明采用的技术方案提供了一种激光选区熔化成型质量监测分析方法，所述激光选区熔化成型质量监测分析方法包括：
步骤1：启动激光选区熔化成型设备，设备初始化设置，工艺参数设置恢复默认值，加载自学习补正文件，对默认工艺参数进行补正；
步骤2：所述步骤1的工艺参数补正完成后，将3D模型文件输入设备的计算机控制系统中，根据打印模式类型和打印需求，选择自适应打印模式或人工输入打印模式获取模型参数，通过合理性检验补偿修正，生成打印任务；
步骤3：根据所述步骤2生成的打印任务，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印，重复单层打印过程至打印完成；
步骤4：在所述步骤3整体打印过程中，将打印过程中的各项数据记录在数据库中，结合过往打印记录，对默认打印参数进行调整，实现智能分析模块的自学习，整体打印完成后，输出整体打印质量报告。
进一步地，所述步骤2中生成打印任务具体包括：
步骤2.1：选择自适应打印模式获取3D模型文件的基本参数，根据基本参数进行模型的智能分析，生成自适应打印模式的打印参数；选择人工输入打印模式获取3D模型文件的打印参数，并对人工输入打印模式的打印参数实施默认值补全；
步骤2.2：智能分析模块根据所述步骤2.1中自适应打印模式生成的打印参数或人工输入打印模式生成的打印参数实施合理性检验，并根据所述步骤1设置的相关工艺参数实施补偿修正，补偿修正完成后打印就绪。
进一步地，所述步骤3在所述步骤2的基础上实现智能打印和打印质量评判，具体包括：
步骤3.1：单层打印开始，智能打印模块控制设备铺粉，智能分析模块对单层打印进行数据采集，实时采集熔池图像，获得熔池尺寸、熔池温度场和飞溅等信息，采集已成型表面图像，获得成型表面形貌、成型表面温度场、成型尺寸和相关信息，采集铺粉表面图像；
步骤3.2：计算机控制系统中的智能分析模块对单层打印的铺粉质量、熔池、飞溅、温度场的数据和成型表面进行实时分析；
步骤3.3：单层打印完成，激光扫描停止，智能分析模块对单层打印效果进行评判，根据成型的Ⅱ类缺陷的数量和Ⅲ类缺陷的数量采用10分制对打印质量进行打分；
步骤3.4：重复所述步骤3.1至所述步骤3.3，每层打印质量评判合格后进行下一层的打印，直至整体打印完成。
进一步地，所述步骤3.2中智能分析模块分析具体包括：
步骤3.2.1：首先对铺粉质量分析是铺粉前后图像对比，通过铺粉视觉监测、铺粉力、加速度和振动监测，计算粉末覆盖面积百分比，若铺粉不合格则重新铺粉；
步骤3.2.2：所述步骤3.2.1检测铺粉合格后，智能分析模块对环境参数分析判断，通过对环境参数监测分析环境参数是否满足打印条件，若判断不合格则等待满足条件；
步骤3.2.3：所述步骤3.2.2环境参数满足打印条件后，打印机开始激光扫描，并对打印功率、成形视觉和成形温度场实时监测，若打印过程监测到Ⅰ类缺陷问题，打印终止；若打印过程监测正常，打印机持续打印直至当前层打印完成。
进一步地，所述步骤3.3中的打印质量打分方法具体包括：
若10分＞分值≥8分则当前层打印结束，进入下一层打印；
若8分＞分值≥4分，则系统自行处理；
若4分＞分值≥2分，则中止打印并报警，提示由人工干预修改打印参数，根据打印质量人工修改工艺参数进行打印，并显示已修改后的参数；
若分值＜2分，则终止打印并报警，提示出现严重缺陷，需要人工处理；
当8分＞打分≥4分和2分＞打分≥4分的问题缺陷处理后，智能分析模块对当前层质量重新打分，打分≥8进入下一层打印。
进一步地，智能分析模块记录的缺陷类型包括Ⅰ类缺陷、Ⅱ类缺陷和Ⅲ类缺陷；
Ⅰ类缺陷为需要停机操作才能解决，对成形质量造成重大影响，使打印无法继续的缺陷，包括层间断裂、宏观裂纹、局部严重翘曲和相关缺陷；
Ⅱ类缺陷为对成形件力学性能、致密度、表面质量造成中度影响的缺陷，包括气孔、未熔合、微裂纹凸起和相关缺陷；
Ⅲ类缺陷为对成形件力学性能、致密度、表面质量造成轻度影响的缺陷，包括表面粘粉、飞溅和相关缺陷。
进一步地，所述步骤2.1的自适应打印模式中的基本参数包括激光功率、扫描速度、扫描间距、层厚、基板温度和相关参数；
人工输入打印模式中的打印参数包括基础参数、打印角度、层旋转角度、体积补偿系数和打印层深度系数。
进一步地，所述步骤2.1的模型的智能分析包括模型特征识别分类、模型风险评估和智能支撑；
特征识别分类包括支撑和实体，实体包括薄壁、非薄壁、外表面、过渡层和内部层特征；模型风险评估识别模型在打印过程中出现问题的位置并提出警告；智能支撑在原有支撑上或风险位置添加支撑加强结构。
进一步地，所述步骤2.2中打印参数实施合理性检验基于智能分析模块读取3D模型文件，对模型特征自动分析，分析模型的不同特征部位所匹配的工艺参数，根据模型的材料类型从数据库中自主选择匹配的工艺参数实施打印；若数据库中无匹配的工艺参数则激光选区熔化成型设备提示人工干预，手动输入相关特征所使用的工艺参数，并记录打印结果及相关数据，补充录入数据库；
智能分析模块通过读取设备的计算机控制系统中的切片软件以层结构模式输出的3D模型文件，获取3D模型的打印参数，对所述步骤1设置的相关工艺参数补偿修正，控制完成打印，记录打印结果和相关数据并录入数据库。
进一步地，所述步骤4中自学习模块是根据成型特征记录打印工艺参数，并根据此特征的成型结果对工艺参数进行判断，并对比数据库中已有的相关参数，若判断结果更优则更新相关数据，并记录修改日志，评判打印结果，定期生成自学习补正文件，校正打印机长期使用的损耗带来的偏差。
本发明的有益效果是：
第一、本发明通过在设备中加载自学习文件，将3D模型文件输入计算机控制系统，通过选择自适应打印模式或人工输入打印模式，生成打印参数，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，通过添加支撑、切片、路径规划和参数分配，相对于传统数据管理数据目标更加具体、精确，对应不同特征位置的不同参数能够使打印层质量均匀统一，提升打印效果质量，单层打印质量评判合格后进行下一层的打印，重复单层打印过程至打印完成，打印后输出打印过程的完整报告，智能分析模块将本次打印报告结合过往打印记录实施分析自学习，优化打印参数，能够自行对比数据库中的相似案例，对当前打印效果进行评判，并得出推荐参数，同时进行自我升级，丰富数据库，输出参数补正文件，优化工艺的同时计算损耗，补偿机器磨损、老化的影响，优化下一次打印，能够提升打印质量；
第二、本发明全方位地监测激光选区熔化的成型过程，监测数据接入智能分析模块，可对打印过程进行干预，智能分析将缺陷按影响程度分为3大类，依据打印质量自行判断并进行相应的处理；智能分析模块可处理实时监测数据，对熔池、飞溅、温度场、成型表面质量、铺粉质量等进行分析，包括测量熔池尺寸、存在时间、匙孔情况、飞溅尺寸和飞行方向；
第三、本发明的方法能够把控激光选区熔化制造的全流程，从原始模型分析、添加支撑、模型切片、路径规划、控制打印生产、打印全过程监测、打印过程质量反馈，到最终成型质量记录，全过程独立完成；能够将部分内容如建模、添加支撑、切片与路径规划、打印机控制等交付其他计算机控制系统，本发明的系统作为接口与核心分析处理单元工作。
附图说明
图1是本发明激光选区熔化成型质量监测分析方法的整体流程图；
图2是本发明的步骤2的生成打印任务的流程图；
图3是本发明的智能分析模块对单层打印效果评判流程图；
图4是本发明的实施例的待打印零件结构简图；
图5是本发明的实施例的待打印零件的打印层划分图；
图6是本发明的实施例的待打印零件的打印区域划分图；
图7是本发明的实施例的单层质量打分评判图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
本发明提供的一种激光选区熔化成型质量监测分析方法，该分析方法基于激光选区熔化成型设备实现，激光选区熔化成型设备具有机械系统、光学系统和计算机控制系统。其中，机械系统主要由机架、升降工作台、自动铺粉装置、集料箱和相关零部件组成，光学系统主要由指示器、光束合成器、反射镜、扩束镜、聚焦镜、扫描器和相关零部件组成，计算机控制系统包括智能打印模块、智能分析模块、实时成型视觉监测模块、自学习模块、数据库和相关模块控制单元。
本发明的激光选区熔化成型质量监测分析方法通过采用一个计算机控制系统或多个计算机控制系统控制机械系统和光学系统协调工作，实现原始模型分析、添加支撑、模型切片、路径规划、控制打印生产、打印全过程监测、打印过程质量反馈和成型质量记录，自动完成制件的加工成型。
如图1所示，本发明的激光选区熔化成型质量监测分析方法包括：
步骤1：启动激光选区熔化成型设备，设备初始化设置，工艺参数设置恢复默认值，加载自学习补正文件，对默认工艺参数进行补正。
步骤2：步骤1的工艺参数补正完成后，将3D模型文件输入设备的计算机控制系统中，根据打印模式类型和打印需求，选择自适应打印模式或人工输入打印模式获取模型参数，通过合理性检验补偿修正，生成打印任务。
步骤3：根据步骤2生成的打印任务，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印，重复单层打印过程至打印完成，实现智能打印。
步骤4：在步骤3整体打印过程中，将打印过程中的各项数据记录在数据库中，结合过往打印记录，对默认打印参数进行调整，实现智能分析模块的自学习，整体打印完成后，输出整体打印质量报告。
具体的，步骤1中的工艺参数包括激光参数、机床运行参数、成型过程参数、外环境参数和结果输入参数；其中，机床运行参数包括循环气流量、内环境气密性和机械系统运行精度，结果输入参数包括成型致密度、表面粗糙度、缺陷和相关参数。内环境气密性包括温湿度和氧含量，机械系统运行精度包括铺粉平整度和层厚均匀稳定度。
自学习补正文件的内容设置基于出厂调试、使用老化和其他因素。每台设备在出厂时设置的工艺参数存在差异，通过对设备工艺参数的出厂调试设置匹配补偿参数。设备长期使用造成老化和磨损问题，自学习文件中的设置随设备使用持续更新补偿参数，减小设备老化和磨损问题对产品的影响，使加工质量控制在工艺范围内。实际加工与理论加工存在差异，根据经验将工艺补偿参数在设置自学习文档中。
如图2所示，步骤2的打印模式类型包括自适应打印模式或人工输入打印模式，两种打印模式独立作业。步骤2生成打印任务具体包括：
步骤2.1：选择自适应打印模式获取3D模型文件的基本参数，根据基本参数进行模型的智能分析，生成自适应打印模式的打印参数；选择人工输入打印模式获取3D模型文件的打印参数，并对人工输入打印模式的打印参数实施默认值补全。
自适应打印模式中的基本参数用于满足成形目标要求的参数，决定打印效率和特殊效果，根据打印需求将基本参数选择性输入至设备中，基本参数包括激光功率、扫描速度、扫描间距、层厚、基板温度和相关参数；人工输入打印模式中的打印参数用于决定打印成形质量，打印参数不仅包括基础参数，还包括打印角度、层旋转角度、体积补偿系数和打印层深度系数。
自适应打印模式的3D模型的智能分析包括模型特征识别分类、模型风险评估和智能支撑。特征识别分类包括支撑和实体，实体包括薄壁、非薄壁、外表面、过渡层和内部层特征；模型风险评估用于识别模型在打印过程中出现问题的位置并提出警告；智能支撑用于在原有支撑上或风险位置添加支撑进行加强结构。
步骤2.2：智能分析模块根据步骤2.1中自适应打印模式生成的打印参数或人工输入打印模式生成的打印参数实施合理性检验，并根据步骤1设置的相关工艺参数实施补偿修正，补偿修正完成后打印就绪。
智能分析模块读取3D模型文件，并对模型特征自动分析，分析模型的不同特征部位所匹配的工艺参数，并根据模型的材料类型从数据库中自主选择匹配的工艺参数实施打印。若数据库中无匹配的工艺参数则激光选区熔化成型设备提示人工干预，手动输入相关特征所使用的工艺参数，并记录打印结果及相关数据，补充录入数据库。
智能分析模块通过读取设备的计算机控制系统中的切片软件以层结构模式输出的3D模型文件，获取3D模型的打印参数，对所述步骤1设置的相关工艺参数补偿修正，控制完成打印，记录打印结果和相关数据并录入数据库。
如图3所示，步骤3在步骤2的基础上实现智能打印和打印质量评判，具体包括：
步骤3.1：单层打印开始，智能打印模块控制设备铺粉，智能分析模块对单层打印进行数据采集，实时采集熔池图像，获得熔池尺寸、熔池温度场和飞溅等信息，采集已成型表面图像，获得成型表面形貌、成型表面温度场、成型尺寸和相关信息，采集铺粉表面图像。
本发明中智能分析模块对采集的图像进行处理，识别并记录熔池、飞溅和缺陷信息。熔池信息是计算熔池长度、宽度，测量熔池最高温度，并记录其连续变化情况；飞溅信息是计算飞溅颗粒中心位置，并记录飞溅颗粒的飞行方向、起始位置与落地位置；缺陷信息是识别打印缺陷类型，记录缺陷类型、位置和尺寸。
智能分析模块记录的缺陷类型包括Ⅰ类缺陷、Ⅱ类缺陷和Ⅲ类缺陷。Ⅰ类缺陷为需要停机操作才能解决，对成形质量造成重大影响，使打印无法继续的缺陷，包括层间断裂、宏观裂纹、局部严重翘曲和相关缺陷；Ⅱ类缺陷为对成形件力学性能、致密度、表面质量造成中度影响的缺陷，例如气孔、未熔合、微裂纹凸起和相关缺陷；Ⅲ类缺陷为对成形件力学性能、致密度、表面质量造成轻度影响的缺陷，包括表面粘粉、飞溅和相关缺陷。
步骤3.2：计算机控制系统中的智能分析模块对单层打印的铺粉质量、熔池、飞溅、温度场的数据和成型表面进行实时分析。
需要说明的是，铺粉分析检查铺粉完整性、均匀性，若出现未铺满、不均匀则重新铺粉，若重复多次不均匀则记录铺粉缺陷，并进行下一步；若发现零件翘曲较高导致铺不满、并根据铺粉臂传感器数据异常判断零件存在Ⅰ类缺陷，并停机等待处理。
熔池分析是根据熔池长度、宽度及最高温度变化情况，分析熔池形貌随时间的变化情况，根据熔池尺寸及温度判断当前熔池状态是否合格。
飞溅分析是根据飞溅颗粒中心位置记录飞溅的飞行情况，计算单位时间内生成飞溅颗粒数量，根据飞溅颗粒起始位置分辨飞溅种类，同时，温度场监测辅助判断，根据飞溅颗粒落地位置判断对成型质量的影响。
温度场分析是分析熔池温度场与成型面温度场，根据温度场情况定性分析残余应力，并辅助判断表面缺陷数量、尺寸与出现位置。
成型表面分析是通过判断单层的成形表面的温度场分布有无异常，并辅助判断缺陷位置，提取成型表面轮廓与模型截面对比分析成型尺寸精度，统计当前层打印缺陷位置、大小、数量和打印面尺寸。
步骤3.2.1：首先对铺粉质量分析是铺粉前后图像对比，通过铺粉视觉监测、铺粉力、加速度和振动监测，计算粉末覆盖面积百分比，若铺粉不合格则重新铺粉。
本发明的铺粉质量分析能够同时判断打印层与层之间的结合质量，出现长期单侧铺粉覆盖率差导致层间结合不良，层间结合不良导致的翘曲缺陷，若出现此缺陷则判断为Ⅰ类缺陷，打印终止。
步骤3.2.2：步骤3.2.1检测铺粉合格后，智能分析模块对环境参数分析判断，通过对环境参数监测分析环境参数是否满足打印条件，若判断不合格则等待满足条件。
环境参数包括环境温湿度监测、吹风气流监测和基板温度。
步骤3.2.3：步骤3.2.2环境参数满足打印条件后，打印机开始激光扫描，并对打印功率、成形视觉和成形温度场实时监测，若打印过程监测到Ⅰ类缺陷问题，打印终止；若打印过程监测正常，打印机持续打印直至当前层打印完成。
需要说明的是，步骤3.2在单层打印中当智能分析模块实时监测到打印缺陷为Ⅰ类缺陷问题，则判断为打印失败，终止打印。
步骤3.3：单层打印完成，激光扫描停止，智能分析模块对单层打印效果进行评判，根据成型的Ⅱ类缺陷的数量和Ⅲ类缺陷的数量采用10分制对打印质量进行打分。
若10分＞分值≥8分则当前层打印结束，进入下一层打印；若8分＞分值≥4分，则系统自行处理；若4分＞分值≥2分，则中止打印并报警，提示由人工干预修改打印参数，根据打印质量人工修改工艺参数进行打印，并显示已修改后的参数；若分值＜2分，则终止打印并报警，提示出现严重缺陷，需要人工处理。
当8分＞打分≥4分和2分＞打分≥4分的问题缺陷处理后，智能分析模块对当前层质量重新打分，打分≥8进入下一层打印。
步骤3.4：重复步骤3.1至步骤3.3，每层打印质量评判合格后进行下一层的打印，直至整体打印完成。
步骤4中的打印质量报告包括打印各项参数、打印质量预估、报告监测到的打印缺陷及其出现位置等异常情况、报告打印机的异常情况和打印建议与维护建议。
需要说明的是打印质量报告中打印的各项参数包括整个打印过程中的变化情况。
自学习模块是根据成型特征记录打印工艺参数，并根据此特征的成型结果对工艺参数进行判断，并对比数据库中已有的相关参数，若判断结果更优则更新相关数据，并记录修改日志。综合评判打印结果，定期生成自学习补正文件，校正打印机长期使用的损耗带来的偏差。
自学习模块包括工艺参数相同或相近时对比打印质量，统计分析引起质量差异的影响因素；分析当前打印任务各部分的特征分类，与数据库中数据对比，判断后对数据库进行修改或补充；评判参补文档的校正效果，对其进行修改；评判智能模型分析效果，记录并反馈，修改智能特征、模型风险、智能支撑等模块的判定方式。
数据库包括缺陷数据库和其他数据库。缺陷数据库为Ⅰ类缺陷、Ⅱ类缺陷和Ⅲ类缺陷的问题数据库。其他数据库包括打印报告、数据库修改日志、模型特征、过程监测典型数据、质量评判典型数据、激光功率、扫描速度、扫描间距、层厚、扫描模式、填充模式、循环风量、加热温度、环境氧含量等工艺参数；熔池尺寸、实际搭接率、温度等成形效果数据；致密度、粗糙度、缺陷等成形质量数据和其他相关数据。
实施例：
如图4所示，为待打印零件的3D模型图，以自适应打印模式为例。
步骤1：启动激光选区熔化成型设备，设备初始化设置，工艺参数设置恢复默认值，加载自学习补正文件。
步骤2：将3D模型文件输入设备的计算机控制系统中，选择自适应打印模式，为快速获得零件，在自适应打印模式中选择使用较大层厚进行打印，获取材料316L和层厚0.05mm两个基本参数。
系统根据自学习补正文件输入的参数要求对打印零件进行模型智能分析，识别到该零件包括由底部结构件、中部悬臂结构件、两个上部结构件和支撑构成，将底部结构件、中部悬臂结构件和两个上部结构件按照多层和打印路径划分区域。
如图5所示，底部结构件包括基底层、过渡层和中间层，中部悬臂结构件和两个上部结构件均包括过渡层、表面层和中间层。基底层为底部与基板的结合层，过渡层为相邻特征、且不同构件之间的结合层，中间层为构件的主体部分，表面层为构件与构件之间无结合的层。
如图6所示，将基底层、过渡层和中间层均分为轮廓区域、散热良好区域和散热不良区，需要说明的是，不同部分之间的打印路径区域划分不同，各区域占比位置存在差别。
中部悬臂结构件具有悬臂结构，悬臂梁底部具有支撑，系统对零件原有支撑结构进行分析，判断原有支撑结构的面积无法满足结构需求，通过系统的智能支撑模块对零件补加支撑。
自适应打印模式分析并划分好区域后对零件进行切片和路径规划，并按照不同层与区域生成不同的打印参数。以不同层的散热良好区域的参数为例：
中间层的散热良好区域的参数为：激光功率160W、扫描速度900mm/s、扫描间距0.08mm；底部层的散热良好区域的参数为：激光功率180W、扫描速度850mm/s、扫描间距0.09mm，表面层的散热不良区域的参数为：激光功率150W、扫描速度875mm/s、扫描间距0.08mm。
步骤3：根据步骤2生成的打印任务，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印，重复单层打印过程至打印完成，实现智能打印。
如图7所示，通过铺粉分析未发现铺粉缺陷、不良，即铺粉阶段不存在Ⅰ类缺陷。通过熔池分析，熔池温度有轻微波动，平均与参考值偏差未6.1％，此项打7分；熔池长宽值偏差4.7％，此项打8分。通过飞溅分析，飞溅产生速率为20个/ms，此项打8分；飞溅掉落在表面上的数量为7个，此项打7分。通过成形面分析，外轮廓尺寸偏差3％，此项打9分；最大微裂纹长度0.015mm，此项打6分；最大球化、凸起尺寸0.01，此项打8分，数量5个，此项打8分；未熔粉末占比面积0.05％，此项打9分。
各项打分结束后计算综合得分为8.6分，智能打印模块判断进入下一层打印，每层打印质量评判合格后进行下一层的打印，直至整体打印完成。
步骤4：在步骤3整体打印过程中，将打印过程中的各项数据记录在数据库中，结合过往打印记录，对默认打印参数进行调整，实现智能分析模块的自学习，整体打印完成后，输出整体打印质量报告。
本次打印的效果与存储库中数据对比，并根据过往打印记录生成曲线，根据曲线进行补偿。根据分析结果分析熔池温度与熔池长宽变化较大，飞溅数量偏多且表面微裂纹较长，未熔粉末偏少，判断输入的激光功率偏高，并结合过往打印情况，对默认打印参数进行调整，将激光功率由160W调整为157W，扫描速度由900mm/s调整为890mm/s。
整体打印完成后输出报告，该零件打印各项参数为激光功率160W、扫描速度900mm/s、扫描间距0.08mm。预估本次打印致密度为99.82％，报告中显示检测到第i层打印存在微裂纹缺陷，长度0.015mm，该缺陷在零件上位置坐标为(x，y，z)，打印机存在激光功率偏移情况，通过维护校正。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种激光选区熔化成型质量监测分析方法，其特征在于，所述激光选区熔化成型质量监测分析方法包括：
步骤1：启动激光选区熔化成型设备，设备初始化设置，工艺参数设置恢复默认值，加载自学习补正文件，对默认工艺参数进行补正；
步骤2：所述步骤1的工艺参数补正完成后，将3D模型文件输入设备的计算机控制系统中，根据打印模式类型和打印需求，选择自适应打印模式或人工输入打印模式获取模型参数，通过合理性检验补偿修正，生成打印任务；
步骤3：根据所述步骤2生成的打印任务，智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印，重复单层打印过程至打印完成；
步骤4：在所述步骤3整体打印过程中，将打印过程中的各项数据记录在数据库中，结合过往打印记录，对默认打印参数进行调整，实现智能分析模块的自学习，整体打印完成后，输出整体打印质量报告。
2.根据权利要求1所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤2中生成打印任务具体包括：
步骤2.1：选择自适应打印模式获取3D模型文件的基本参数，根据基本参数进行模型的智能分析，生成自适应打印模式的打印参数；选择人工输入打印模式获取3D模型文件的打印参数，并对人工输入打印模式的打印参数实施默认值补全；
步骤2.2：智能分析模块根据所述步骤2.1中自适应打印模式生成的打印参数或人工输入打印模式生成的打印参数实施合理性检验，并根据所述步骤1设置的相关工艺参数实施补偿修正，补偿修正完成后打印就绪。
3.根据权利要求1所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤3在所述步骤2的基础上实现智能打印和打印质量评判，具体包括：
步骤3.1：单层打印开始，智能打印模块控制设备铺粉，智能分析模块对单层打印进行数据采集，实时采集熔池图像，获得熔池尺寸、熔池温度场和飞溅等信息，采集已成型表面图像，获得成型表面形貌、成型表面温度场、成型尺寸和相关信息，采集铺粉表面图像；
步骤3.2：计算机控制系统中的智能分析模块对单层打印的铺粉质量、熔池、飞溅、温度场的数据和成型表面进行实时分析；
步骤3.3：单层打印完成，激光扫描停止，智能分析模块对单层打印效果进行评判，根据成型的Ⅱ类缺陷的数量和Ⅲ类缺陷的数量采用10分制对打印质量进行打分；
步骤3.4：重复所述步骤3.1至所述步骤3.3，每层打印质量评判合格后进行下一层的打印，直至整体打印完成。
4.根据权利要求3所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤3.2中智能分析模块分析具体包括：
步骤3.2.1：首先对铺粉质量分析是铺粉前后图像对比，通过铺粉视觉监测、铺粉力、加速度和振动监测，计算粉末覆盖面积百分比，若铺粉不合格则重新铺粉；
步骤3.2.2：所述步骤3.2.1检测铺粉合格后，智能分析模块对环境参数分析判断，通过对环境参数监测分析环境参数是否满足打印条件，若判断不合格则等待满足条件；
步骤3.2.3：所述步骤3.2.2环境参数满足打印条件后，打印机开始激光扫描，并对打印功率、成形视觉和成形温度场实时监测，若打印过程监测到Ⅰ类缺陷问题，打印终止；若打印过程监测正常，打印机持续打印直至当前层打印完成。
5.根据权利要求3所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤3.3中的打印质量打分方法具体包括：
若10分＞分值≥8分则当前层打印结束，进入下一层打印；
若8分＞分值≥4分，则系统自行处理；
若4分＞分值≥2分，则中止打印并报警，提示由人工干预修改打印参数，根据打印质量人工修改工艺参数进行打印，并显示已修改后的参数；
若分值＜2分，则终止打印并报警，提示出现严重缺陷，需要人工处理；
当8分＞打分≥4分和2分＞打分≥4分的问题缺陷处理后，智能分析模块对当前层质量重新打分，打分≥8进入下一层打印。
6.根据权利要求3所述的激光选区熔化成型质量监测分析方法，其特征在于，智能分析模块记录的缺陷类型包括Ⅰ类缺陷、Ⅱ类缺陷和Ⅲ类缺陷；
Ⅰ类缺陷为需要停机操作才能解决，对成形质量造成重大影响，使打印无法继续的缺陷，包括层间断裂、宏观裂纹、局部严重翘曲和相关缺陷；
Ⅱ类缺陷为对成形件力学性能、致密度、表面质量造成中度影响的缺陷，包括气孔、未熔合、微裂纹凸起和相关缺陷；
Ⅲ类缺陷为对成形件力学性能、致密度、表面质量造成轻度影响的缺陷，包括表面粘粉、飞溅和相关缺陷。
7.根据权利要求2所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤2.1的自适应打印模式中的基本参数包括激光功率、扫描速度、扫描间距、层厚、基板温度和相关参数；
人工输入打印模式中的打印参数包括基础参数、打印角度、层旋转角度、体积补偿系数和打印层深度系数。
8.根据权利要求2所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤2.1的模型的智能分析包括模型特征识别分类、模型风险评估和智能支撑；
特征识别分类包括支撑和实体，实体包括薄壁、非薄壁、外表面、过渡层和内部层特征；模型风险评估识别模型在打印过程中出现问题的位置并提出警告；智能支撑在原有支撑上或风险位置添加支撑加强结构。
9.根据权利要求2所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤2.2中打印参数实施合理性检验基于智能分析模块读取3D模型文件，对模型特征自动分析，分析模型的不同特征部位所匹配的工艺参数，根据模型的材料类型从数据库中自主选择匹配的工艺参数实施打印；若数据库中无匹配的工艺参数则激光选区熔化成型设备提示人工干预，手动输入相关特征所使用的工艺参数，并记录打印结果及相关数据，补充录入数据库；
智能分析模块通过读取设备的计算机控制系统中的切片软件以层结构模式输出的3D模型文件，获取3D模型的打印参数，对所述步骤1设置的相关工艺参数补偿修正，控制完成打印，记录打印结果和相关数据并录入数据库。
10.根据权利要求1所述的激光选区熔化成型质量监测分析方法，其特征在于，所述步骤4中自学习模块是根据成型特征记录打印工艺参数，并根据此特征的成型结果对工艺参数进行判断，并对比数据库中已有的相关参数，若判断结果更优则更新相关数据，并记录修改日志，评判打印结果，定期生成自学习补正文件，校正打印机长期使用的损耗带来的偏差。
CN202310076598.1A 2023-01-28 2023-01-28 一种激光选区熔化成型质量监测分析方法 Pending CN116060642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310076598.1A CN116060642A (zh) 2023-01-28 2023-01-28 一种激光选区熔化成型质量监测分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310076598.1A CN116060642A (zh) 2023-01-28 2023-01-28 一种激光选区熔化成型质量监测分析方法

Publications (1)

Publication Number Publication Date
CN116060642A true CN116060642A (zh) 2023-05-05

Family

ID=86176550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310076598.1A Pending CN116060642A (zh) 2023-01-28 2023-01-28 一种激光选区熔化成型质量监测分析方法

Country Status (1)

Country Link
CN (1) CN116060642A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744281A (zh) * 2024-02-19 2024-03-22 北京航空航天大学 一种轴承类产品制造质量提升分析方法
CN117961089A (zh) * 2024-04-01 2024-05-03 西安空天机电智能制造有限公司 面区域激光粉末床增材制造方法、装置、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744281A (zh) * 2024-02-19 2024-03-22 北京航空航天大学 一种轴承类产品制造质量提升分析方法
CN117744281B (zh) * 2024-02-19 2024-04-26 北京航空航天大学 一种轴承类产品制造质量提升分析方法
CN117961089A (zh) * 2024-04-01 2024-05-03 西安空天机电智能制造有限公司 面区域激光粉末床增材制造方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN116060642A (zh) 一种激光选区熔化成型质量监测分析方法
EP3308945B1 (en) Method and system for topographical based inspection and process control for additive manufactured parts
CN114041168A (zh) 自动化360度密集点对象检验
US6701615B2 (en) Inspection and sorting system and method for part repair
CN111024736B (zh) 一种激光增材制造的缺陷在线监测方法
US20200082278A1 (en) Soldering process parameter suggestion method and system thereof
JP6194044B1 (ja) 三次元造形方法
EP3659727A1 (en) Method for automatic identification of material deposition deficiencies during an additive manufacturing process and manufacturing device
CN110579241A (zh) 自动化复合材料制造质量检查的系统和方法
CN112557445B (zh) 一种基于增材制造的缺陷在线检测方法、装置和系统
CN114564880A (zh) 一种增材制造过程数字孪生模块构建方法
Vahabli et al. Hybrid estimation of surface roughness distribution in FDM parts using analytical modeling and empirical investigation
CN115546125A (zh) 一种基于点云信息的增材制造熔敷层的误差检测并对轨迹纠偏的方法
CN115775249A (zh) 一种增材制造造件成形质量监测方法、系统及存储介质
JPH11298200A (ja) プリント基板の部品実装プロセスにおける自動品質管理方法およびその装置
CN117161582B (zh) 一种基于计算机视觉的激光切割方法
CN116909211B (zh) 一种高精密数控机床的智能调控方法及系统
CN114997038B (zh) 一种选区激光熔化区域温度预测及变参数扫描方法
US20220016848A1 (en) System and method for the additive manufacture of components
EP3434393A1 (en) Three-dimensional shaping method
CN113884013A (zh) 基于cmos传感器的激光增材形貌在线检测补偿方法
Reiff et al. Smart centering for rotation-symmetric parts in multi-stage production systems for zero-defect manufacturing
CN116117169B (zh) 一种slm工艺过程缺陷检测方法及装置
Islier et al. Powder coater monitoring for detection of anomalies in DMLM process
CN118162756B (zh) 一种基于视觉引导的电池模组激光焊接系统及方法

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