CN118067692A - 一种slm制件缺陷的检测方法及装置 - Google Patents
一种slm制件缺陷的检测方法及装置 Download PDFInfo
- Publication number
- CN118067692A CN118067692A CN202410477231.5A CN202410477231A CN118067692A CN 118067692 A CN118067692 A CN 118067692A CN 202410477231 A CN202410477231 A CN 202410477231A CN 118067692 A CN118067692 A CN 118067692A
- Authority
- CN
- China
- Prior art keywords
- slm
- detected
- defect
- defects
- spectrum data
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000008021 deposition Effects 0.000 title claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 89
- 230000003595 spectral effect Effects 0.000 claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 22
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 239000000843 powder Substances 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 10
- 238000002844 melting Methods 0.000 claims description 7
- 230000008018 melting Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000007711 solidification Methods 0.000 claims description 6
- 230000008023 solidification Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005253 cladding Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000010309 melting process Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims 3
- 239000002184 metal Substances 0.000 description 11
- 238000001514 detection method Methods 0.000 description 8
- 239000013307 optical fiber Substances 0.000 description 7
- 230000002950 deficient Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本申请提供了一种SLM制件缺陷的检测方法及装置,根据监测的SLM熔池的工作状态,确定待检测SLM制件;利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;对所述等离子体光谱数据进行预处理,得到待检测光谱数据;根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。根据所述方法能够实现对SLM制件的缺陷进行在线检测,以提高SLM制件质量。
Description
技术领域
本申请涉及SLM增材制造技术领域,尤其是涉及一种SLM制件缺陷的检测方法及装置。
背景技术
选择性激光熔化(Selective laser melting,以下简称为SLM)作为一种增材制造技术,利用金属粉末在激光束的热作用下完全熔化,经冷却凝固而成型,再层层累积出三维实体,由于其能够直接成型出接近完美致密度、力学性能良好的金属零件,而被广泛应用。虽然SLM工艺过程不断完善,但是SLM制件仍然常常存在缺陷,例如:球化,气孔、夹杂物、裂纹及未熔合等,这些缺陷使SLM制件质量降低,进而影响其在实际生产实践中的应用。
现有技术通常对SLM离线制件进行图像分析,判断其是否具有缺陷,再经由人工优化SLM工艺参数,但是这种方法具有局限性,不能够及时有效的发现SLM制件缺陷,从而降低SLM制件质量。
发明内容
有鉴于此,本申请的目的在于提供一种SLM制件缺陷的检测方法及装置,通过激光诱导击穿光谱技术,获得SLM制件的等离子体光谱,再利用缺陷识别模型,对SLM制件的缺陷进行识别,能够实现对SLM制件的缺陷进行在线检测,以提高SLM制件质量。
本申请提供了一种SLM制件缺陷的检测的方法,所述方法包括:
根据监测的SLM熔池的工作状态,确定待检测SLM制件;
利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;
对所述等离子体光谱数据进行预处理,得到待检测光谱数据;
根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;
若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;
若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
进一步的,所述SLM熔池的工作状态,包括:铺设粉末过程、粉末熔化过程及粉末凝固过程;
所述根据监测的SLM熔池的工作状态,确定待检测SLM制件,包括:在所述SLM熔池的所述粉末凝固过程结束后,将凝固而成的熔覆层确定为所述待检测SLM制件。
进一步的,所述对所述等离子体光谱数据进行预处理,得到待检测光谱数据,包括:
对所述等离子体光谱数据进行基线校正;
对基线校正后的所述等离子体光谱数据进行主成分分析,得到所述待检测光谱数据;
所述待检测光谱数据包括:等离子体电子密度和等离子体电子温度。
进一步的,所述根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷,包括:
获取无缺陷SLM制件的特征光谱数据;
将所述待检测光谱数据和所述特征光谱数据进行误差计算,得到所述数据差值;
判断所述数据差值是否满足特定条件;
当所述数据差值满足所述特定条件时,判断所述待检测SLM制件不存在缺陷;
当所述数据差值不满足所述特定条件时,判断所述待检测SLM制件存在缺陷。
进一步的,所述缺陷类别包括:球化缺陷,气孔缺陷、夹杂物缺陷、裂纹缺陷及未熔合缺陷;
所述缺陷识别模型通过以下方式进行训练:
利用所述激光诱导击穿光谱技术,获取多个缺陷SLM制件的缺陷等离子体光谱数据;
对每个所述缺陷等离子体光谱数据进行预处理,得到多个缺陷光谱数据;
针对每个所述缺陷光谱数据,进行缺陷类别的标识,得到缺陷标识数据集;
根据所述缺陷标识数据集,训练所述缺陷识别模型。
进一步的,在识别出所述待检测SLM制件的缺陷类型之后,所述检测方法还包括:
根据所述待检测SLM制件的缺陷类型,确定SLM熔池的工作参数;
所述SLM熔池的工作参数包括:粉末层厚度,保护气体流动速度、激光功率及激光扫描速度。
本申请还提供了一种SLM制件缺陷的检测装置,所述装置包括:
SLM制件确定模块,用于根据监测的SLM熔池的工作状态,确定待检测SLM制件;
光谱获取模块,用于利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;
光谱预处理模块,用于对所述等离子体光谱数据进行预处理,得到待检测光谱数据;
缺陷判断模块,用于根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;
SLM熔池监测模块,用于若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;
缺陷识别模块,若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
本申请还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存 储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的SLM制件缺陷的检测方法的步骤。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的SLM制件缺陷的检测方法的步骤。
本申请提供的SLM制件缺陷的检测方法及装置,根据监测的SLM熔池的工作状态,确定待检测SLM制件;利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;对所述等离子体光谱数据进行预处理,得到待检测光谱数据;根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型;根据所述待检测SLM制件的缺陷类型,确定SLM熔池的工作参数。与现有技术相比,能够实现对SLM制件的缺陷进行在线检测,以提高SLM制件质量。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种SLM制件缺陷的检测方法的流程图。
图2示出了本申请实施例所提供的一种SLM制件缺陷的检测装置的结构示意图。
图3示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
选择性激光熔化(Selective laser melting,以下简称为SLM)作为一种增材制造技术,利用金属粉末在激光束的热作用下完全熔化,经冷却凝固而成型,再层层累积出三维实体,由于其能够直接成型出接近完美致密度、力学性能良好的金属零件,而被广泛应用。虽然SLM工艺过程不断完善,但是SLM制件仍然常常存在缺陷,例如:球化,气孔、夹杂物、裂纹及未熔合等,这些缺陷使SLM制件质量降低,进而影响其在实际生产实践中的应用。
现有技术通常对SLM离线制件进行图像分析,判断其是否具有缺陷,再经由人工优化SLM工艺参数,但是这种方法具有局限性,不能够及时有效的发现SLM制件缺陷,从而降低SLM制件质量。
基于此,本申请实施例提供了一种SLM制件缺陷的检测方法,能够对SLM制件缺陷进行在线检测,以提高SLM制件质量。
请参阅图1,图1为本申请实施例所提供的一种SLM制件缺陷的检测方法的流程图。如图1中所示,本申请实施例提供的SLM制件缺陷的检测方法,包括:
S101、根据监测的SLM熔池的工作状态,确定待检测SLM制件。
该步骤中,激光束对铺设的金属粉末进行激光扫描,在激光束的作用下金属粉末完全熔化,形成SLM熔池,由于SLM熔池内的金属具有流动性,当激光束停止扫描后,SLM熔池经散热凝固形成熔覆层。在SLM熔池的正上方安装高精度伺服驱动控制系统,该系统通过驱动光纤检测探头跟踪SLM熔池的完成速度,以监测SLM熔池的工作状态。
其中,所述SLM熔池的工作状态,包括:铺设粉末过程、粉末熔化过程及粉末凝固过程。
所述根据监测的SLM熔池的工作状态,确定待检测SLM制件,包括:在所述SLM熔池的所述粉末凝固过程结束后,将凝固而成的熔覆层确定为所述待检测SLM制件。
这里,当SLM熔池的工作状态为铺设粉末过程时,表示激光束还未对金属粉末进行激光扫描;当SLM熔池的工作状态为粉末熔化过程时,表示激光束正在对金属粉末进行激光扫描;当SLM熔池的工作状态为粉末凝固过程时,表示激光束停止对金属粉末进行激光扫描,此时,SLM熔池中已经熔化的金属粉末开始凝固成型,将凝固而成的熔覆层确定为SLM制件。
需要说明的时,将凝固而成的熔覆层确定为SLM制件,是在下一次铺设粉末过程开始之前,这样做的目的是当检测出当前的SLM制件存在缺陷时,则可以对SLM熔池的工作参数进行实时调整,以提高下一个SLM制件的质量。
S102、利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据。
激光诱导击穿光谱学(Laser Induced Breakdown Spectroscopy,以下简称为LIBS技术)是利用激光诱导待检测材料表面产生的等离子体的发射光谱定量测量元素组分、力学参数等的测量技术。光纤LIBS技术对LIBS技术进行改进与创新,更加适应极端场合的检测任务,利用光纤传输激光聚焦于样品表面形成等离子体,同时对等离子体发射的光谱进行收集,并采用光谱后处理算法分析以确定待检测样品的物质成分及含量。
该步骤中,基于光纤LIBS技术,利用光纤传输激光聚焦于待检测SLM制件表面形成等离子体,同时对等离子体光谱数据进行收集。作为示例,可以使用Nd:YAG1064nm、脉宽10ns的脉冲激光聚焦于待检测SLM制件表面。需要说明的是,本步骤中利用的激光不同于SLM熔池的激光,本步骤中利用的光纤不同于高精度伺服驱动控制系统所用的光纤。
S103、对所述等离子体光谱数据进行预处理,得到待检测光谱数据。
具体的,对所述等离子体光谱数据进行基线校正。
该步骤中,在对等离子体光谱数据进行收集的过程中,可能有干扰光源、噪音信号的影响,所以,需要对等离子体光谱数据进行基线校正,以去除等离子体光谱数据中不属于待检测SLM制件的干扰数据。作为示例,可以使用多次测量法、光谱本身法、多项式拟合法以及光谱归一化法等对等离子体光谱数据进行基线校正。
对基线校正后的所述等离子体光谱数据进行主成分分析,得到所述待检测光谱数据。其中,所述待检测光谱数据包括:等离子体电子密度和等离子体电子温度。
该步骤中,主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。对于等离子体光谱数据,可以通过主成分分析法得到等离子体电子密度和等离子体电子温度两种待检测光谱数据。
S104、根据所述检测光谱数据,判断所述待检测SLM制件是否存在缺陷。
具体的,判断待检测SLM制件是否存在缺陷的步骤,包括:
步骤1041、获取无缺陷SLM制件的特征光谱数据。
该步骤中,无缺陷SLM制件可以是以往根据SLM技术制得的,也可以是期望通过SLM技术制得的标准件。无论是何种途径获得的无缺陷SLM制件,都可利用激光诱导击穿光谱技术,获得无缺陷SLM制件的等离子体光谱数据,再对无缺陷SLM制件的等离子体光谱数据进行预处理,得到无缺陷SLM制件的特征光谱数据,即无缺陷SLM制件的特征等离子体电子密度和特征等离子体电子温度。得到特征光谱数据的具体方法与前文得到待检测光谱数据的方法类似,在此不做赘述。
进一步的,建立数据库,用于存储多种无缺陷SLM制件的特征光谱数据。当需要判断待检测SLM制件是否存在缺陷时,仅需要从数据库中提取出待检测SLM制件对应的无缺陷SLM制件的特征光谱数据进行比对即可。
步骤1042、将所述待检测光谱数据和所述特征光谱数据进行误差计算,得到所述数据差值。
该步骤中,将待检测光谱数据的等离子体电子密度与特征等离子体电子密度进行误差计算,得到等离子体电子密度差值;将待检测光谱数据的等离子体电子温度与特征等离子体电子温度进行误差计算,得到等离子体电子温度差值;等离子体电子密度差值和等离子体电子温度差值共同作为数据差值,判断待检测SLM制件是否存在缺陷。
步骤1043、判断所述数据差值是否满足特定条件。
该步骤中,特定条件是根据同一SLM制件的多个特征光谱数据,求得的标准误差。具体的,根据同一SLM制件的多个特征等离子体电子密度计算出等离子体电子密度标准误差,根据同一SLM制件的多个特征等离子体电子温度计算等离子体电子温度标准误差。
步骤1044、当所述数据差值满足所述特定条件时,判断所述待检测SLM制件不存在缺陷。
该步骤中,当等离子体电子密度差值小于等离子体电子密度标准误差,且等离子体电子温度差值小于等离子体电子温度标准误差时,则认为数据差值满足特定条件,从而判断待检测SLM制件不存在缺陷。
步骤1045、当所述数据差值不满足所述特定条件时,判断所述待检测SLM制件存在缺陷。
该步骤中,当等离子体电子密度差值小于等离子体电子密度标准误差,而等离子体电子温度差值不小于等离子体电子温度标准误差时;或者,当等离子体电子密度差值不小于等离子体电子密度标准误差,而等离子体电子温度差值小于等离子体电子温度标准误差时;或者,当等离子体电子密度差值不小于等离子体电子密度标准误差,且等离子体电子温度差值不小于等离子体电子温度标准误差时,均认为数据差值不满足特定条件,从而判断待检测SLM制件存在缺陷。
若所述待检测SLM制件不存在缺陷,则执行步骤S105、继续监测SLM熔池的工作状态。
该步骤中,若待检测SLM制件不存在缺陷,则SLM熔池会继续下一轮工作状态,即重新进行铺设粉末过程、粉末熔化过程及粉末凝固过程。那么,继续监测SLM熔池的工作状态,可以实现对SLM制件缺陷的在线检测。
若所述待检测SLM制件存在缺陷,则执行步骤S106、根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
其中,所述缺陷类别包括:球化缺陷,气孔缺陷、夹杂物缺陷、裂纹缺陷及未熔合缺陷。
具体的,可以使用LDA、ANN、KNN、SVM及LSSVM等机器学习算法对缺陷识别模型进行训练。作为示例,本实施例以SVM机器学习算法为例。
所述缺陷识别模型通过以下方式进行训练:
步骤1061、利用所述激光诱导击穿光谱技术,获取多个缺陷SLM制件的缺陷等离子体光谱数据。
该步骤中,仅针对有缺陷的SLM制件,利用激光诱导击穿光谱技术,获得多个缺陷SLM制件的缺陷等离子体光谱数据。具体的获取方法与上述获取待检测SLM制件的等离子体光谱数据的方法类似,在此不做赘述。
步骤1062、对每个所述缺陷等离子体光谱数据进行预处理,得到多个缺陷光谱数据。
该步骤中,对每个缺陷等离子体光谱数据进行基线校正,对每个基线校正后的缺陷等离子体光谱数据进行主成分分析,得到多个缺陷光谱数据,其中,缺陷光谱数据包括:缺陷等离子体电子密度和缺陷等离子体电子温度。
步骤1063、针对每个所述缺陷光谱数据,进行缺陷类别的标识,得到缺陷标识数据集。
该步骤中,针对每个缺陷光谱数据,标识其缺陷类别为:球化缺陷,气孔缺陷、夹杂物缺陷、裂纹缺陷及未熔合缺陷,得到具有缺陷光谱数据与缺陷类别的对应关系的缺陷标识数据集。
步骤1064、根据所述缺陷标识数据集,训练所述缺陷识别模型。
该步骤中,将缺陷标识数据集中三分之二的数据作为训练集,三分之一的数据作为测试集。针对每个缺陷类别,构建相应的缺陷识别子模型,利用训练集,对每个缺陷识别子模型进行监督学习,利用测试集,对每个缺陷识别子模型进行优化,最终得到训练好的包含多个缺陷类别的缺陷识别模型。
在识别出所述待检测SLM制件的缺陷类型之后,所述检测方法还包括:根据所述待检测SLM制件的缺陷类型,确定SLM熔池的工作参数。
其中,所述SLM熔池的工作参数包括:粉末层厚度,保护气体流动速度、激光功率及激光扫描速度。
经研究发现,SLM制件的缺陷由多种因素造成,针对每一个缺陷类型的原因进行分析,进一步调整SLM熔池的工作参数,可以提升SLM制件质量。作为示例,球化缺陷是金属粉末熔化后凝固成球状产生的,这和激光功率有关,因此,当SLM制件存在球化缺陷时,则可以相应的调整SLM工作参数中的激光功率。气孔缺陷是金属粉末迅速熔化和凝固,或者SLM熔池波动导致的,则可以相应的调整SLM工作参数中的激光功率或者保护气体流动速度。
本申请实施例提供的SLM制件缺陷的检测方法,根据监测的SLM熔池的工作状态,确定待检测SLM制件;利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;对所述等离子体光谱数据进行预处理,得到待检测光谱数据;根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。与现有技术相比,能够实现对SLM制件的缺陷进行在线检测,以提高SLM制件质量。
请参阅图2,图2为本申请实施例所提供的一种SLM制件缺陷的检测装置的结构示意图。如图2中所示,所述SLM制件缺陷的检测装置200包括:
SLM制件确定模块201,用于根据监测的SLM熔池的工作状态,确定待检测SLM制件;
光谱获取模块202,用于利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;
光谱预处理模块203,用于对所述等离子体光谱数据进行预处理,得到待检测光谱数据;
缺陷判断模块204,用于根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;
SLM熔池监测模块205,用于若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;
缺陷识别模块206,若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
本申请实施例提供的SLM制件缺陷的检测装置,根据监测的SLM熔池的工作状态,确定待检测SLM制件;利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;对所述等离子体光谱数据进行预处理,得到待检测光谱数据;根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。与现有技术相比,能够实现对SLM制件的缺陷进行在线检测,以提高SLM制件质量。
请参阅图3,图3为本申请实施例所提供的一种电子设备的结构示意图。如图3中所示,所述电子设备300包括处理器301、存储器302和总线303所述存储器320存储有所述处理器301可执行的机器可读指令,当电子设备300运行时,所述处理器301与所述存储器302之间通过总线303通信,所述机器可读指令被所述处理器301执行时,可以执行如上述图1所示方法实施例中的SLM制件缺陷的检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的SLM制件缺陷的检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种SLM制件缺陷的检测方法,其特征在于,包括:
根据监测的SLM熔池的工作状态,确定待检测SLM制件;
利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;
对所述等离子体光谱数据进行预处理,得到待检测光谱数据;
根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;
若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;
若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
2.如权利要求1所述的检测方法,其特征在于,所述SLM熔池的工作状态,包括:铺设粉末过程、粉末熔化过程及粉末凝固过程;
所述根据监测的SLM熔池的工作状态,确定待检测SLM制件,包括:在所述SLM熔池的所述粉末凝固过程结束后,将凝固而成的熔覆层确定为所述待检测SLM制件。
3.如权利要求1所述的检测方法,其特征在于,所述对所述等离子体光谱数据进行预处理,得到待检测光谱数据,包括:
对所述等离子体光谱数据进行基线校正;
对基线校正后的所述等离子体光谱数据进行主成分分析,得到所述待检测光谱数据;
所述待检测光谱数据包括:等离子体电子密度和等离子体电子温度。
4.如权利要求1所述的检测方法,其特征在于,所述根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷,包括:
获取无缺陷SLM制件的特征光谱数据;
将所述待检测光谱数据和所述特征光谱数据进行误差计算,得到所述数据差值;
判断所述数据差值是否满足特定条件;
当所述数据差值满足所述特定条件时,判断所述待检测SLM制件不存在缺陷;
当所述数据差值不满足所述特定条件时,判断所述待检测SLM制件存在缺陷。
5.如权利要求1所述的检测方法,其特征在于,所述缺陷类别包括:球化缺陷,气孔缺陷、夹杂物缺陷、裂纹缺陷及未熔合缺陷;
所述缺陷识别模型通过以下方式进行训练:
利用所述激光诱导击穿光谱技术,获取多个缺陷SLM制件的缺陷等离子体光谱数据;
对每个所述缺陷等离子体光谱数据进行预处理,得到多个缺陷光谱数据;
针对每个所述缺陷光谱数据,进行缺陷类别的标识,得到缺陷标识数据集;
根据所述缺陷标识数据集,训练所述缺陷识别模型。
6.如权利要求1所述的检测方法,其特征在于,在识别出所述待检测SLM制件的缺陷类型之后,所述检测方法还包括:
根据所述待检测SLM制件的缺陷类型,确定SLM熔池的工作参数;
所述SLM熔池的工作参数包括:粉末层厚度,保护气体流动速度、激光功率及激光扫描速度。
7.一种SLM制件缺陷的检测装置,其特征在于,所述装置包括:
SLM制件确定模块,用于根据监测的SLM熔池的工作状态,确定待检测SLM制件;
光谱获取模块,用于利用激光诱导击穿光谱技术,获取所述待检测SLM制件的等离子体光谱数据;
光谱预处理模块,用于对所述等离子体光谱数据进行预处理,得到待检测光谱数据;
缺陷判断模块,用于根据所述待检测光谱数据,判断所述待检测SLM制件是否存在缺陷;
SLM熔池监测模块,用于若所述待检测SLM制件不存在缺陷,则继续监测SLM熔池的工作状态;
缺陷识别模块,若所述待检测SLM制件存在缺陷,则根据缺陷识别模型,识别出所述待检测SLM制件的缺陷类型。
8.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1-6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410477231.5A CN118067692A (zh) | 2024-04-19 | 2024-04-19 | 一种slm制件缺陷的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410477231.5A CN118067692A (zh) | 2024-04-19 | 2024-04-19 | 一种slm制件缺陷的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118067692A true CN118067692A (zh) | 2024-05-24 |
Family
ID=91097686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410477231.5A Pending CN118067692A (zh) | 2024-04-19 | 2024-04-19 | 一种slm制件缺陷的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118067692A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262076A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于谱线组合的激光诱导击穿光谱元素浓度测量方法 |
CN107402193A (zh) * | 2017-07-25 | 2017-11-28 | 华中科技大学 | 一种基于libs的激光选区熔化成形过程在线检测设备 |
CN107598163A (zh) * | 2017-09-01 | 2018-01-19 | 华中科技大学 | 一种适用于铺粉式增材制造的质量无损在线检测装备及方法 |
CN111504980A (zh) * | 2020-04-26 | 2020-08-07 | 长春工业大学 | 一种金属增材制造过程的libs在线监测装置及方法 |
CN111795977A (zh) * | 2020-06-08 | 2020-10-20 | 武汉大学 | 金属增材制造多种监测设备在线实时监控系统 |
CN114397244A (zh) * | 2022-01-14 | 2022-04-26 | 长春工业大学 | 一种金属增材制造制件缺陷的识别方法及相关设备 |
CN115753743A (zh) * | 2022-11-11 | 2023-03-07 | 中国航发北京航空材料研究院 | 一种基于libs的机匣铸造缺陷检测装置及方法 |
CN117849026A (zh) * | 2023-12-26 | 2024-04-09 | 长春工业大学 | 一种libs半定量识别金属增材制造构件孔洞缺陷的方法和电子设备 |
-
2024
- 2024-04-19 CN CN202410477231.5A patent/CN118067692A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262076A (zh) * | 2011-07-26 | 2011-11-30 | 清华大学 | 基于谱线组合的激光诱导击穿光谱元素浓度测量方法 |
CN107402193A (zh) * | 2017-07-25 | 2017-11-28 | 华中科技大学 | 一种基于libs的激光选区熔化成形过程在线检测设备 |
CN107598163A (zh) * | 2017-09-01 | 2018-01-19 | 华中科技大学 | 一种适用于铺粉式增材制造的质量无损在线检测装备及方法 |
CN111504980A (zh) * | 2020-04-26 | 2020-08-07 | 长春工业大学 | 一种金属增材制造过程的libs在线监测装置及方法 |
CN111795977A (zh) * | 2020-06-08 | 2020-10-20 | 武汉大学 | 金属增材制造多种监测设备在线实时监控系统 |
CN114397244A (zh) * | 2022-01-14 | 2022-04-26 | 长春工业大学 | 一种金属增材制造制件缺陷的识别方法及相关设备 |
CN115753743A (zh) * | 2022-11-11 | 2023-03-07 | 中国航发北京航空材料研究院 | 一种基于libs的机匣铸造缺陷检测装置及方法 |
CN117849026A (zh) * | 2023-12-26 | 2024-04-09 | 长春工业大学 | 一种libs半定量识别金属增材制造构件孔洞缺陷的方法和电子设备 |
Non-Patent Citations (2)
Title |
---|
杨江飞: "基于LIBS的金属增材制造缺陷检测方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 2, 15 February 2024 (2024-02-15), pages 38 - 52 * |
苏成科: "基于光谱分析的激光沉积增材制造质量监测研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 3, 15 March 2022 (2022-03-15), pages 29 - 39 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11267047B2 (en) | Material qualification system and methodology | |
CN112334264B (zh) | 激光加工装置 | |
CN111815572B (zh) | 一种基于卷积神经网络对锂电池焊接质量的检测方法 | |
US6701615B2 (en) | Inspection and sorting system and method for part repair | |
US20160199911A1 (en) | Material qualification system and methodology | |
KR101882925B1 (ko) | 납땜 이음의 품질을 검사하는 방법 | |
EP3623097A1 (en) | Soldering process parameter suggestion method and system thereof | |
Saludes Rodil et al. | Laser welding defects detection in automotive industry based on radiation and spectroscopical measurements | |
CN111504980A (zh) | 一种金属增材制造过程的libs在线监测装置及方法 | |
Bamberg et al. | In-process control of selective laser melting by quantitative optical tomography | |
Akhavan et al. | Sensory data fusion using machine learning methods for in-situ defect registration in additive manufacturing: a review | |
CN112557445B (zh) | 一种基于增材制造的缺陷在线检测方法、装置和系统 | |
Park et al. | Estimation of weld bead size in CO 2 laser welding by using multiple regression and neural network | |
CN115008006B (zh) | 一种激光焊接检测评估系统及方法 | |
US11975410B2 (en) | Laser welding quality inspection method and laser welding quality inspection apparatus | |
CN116500086B (zh) | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 | |
Zhang et al. | In situ monitoring of direct energy deposition via structured light system and its application in remanufacturing industry | |
CN115035092A (zh) | 基于图像的瓶体检测方法、装置、设备及存储介质 | |
CA3158524A1 (en) | Systems and methods for analyzing weld quality | |
Tang et al. | A new method to assess fiber laser welding quality of stainless steel 304 based on machine vision and hidden Markov models | |
CN118067692A (zh) | 一种slm制件缺陷的检测方法及装置 | |
Wang et al. | A machine vision based monitoring system for the LCD panel cutting wheel degradation | |
CN116460495A (zh) | 一种焊接加工方法 | |
CN117984491B (zh) | 一种光学镜片的溯源方法及系统 | |
TWI793883B (zh) | 用於線材皮膜的缺陷檢測方法及系統 |
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 |