图书馆-报告库-中国机械工程学会表面工程分会

Oral Presentation基于视觉监测和混合深度学习模型的激光熔覆表面质量预测

编号：203 访问权限：Participants Only 更新：2024-04-12 12:48:49 浏览：79次收藏取消收藏

2024-05-12 17:05

15min

[F] 论坛5：三束/热扩渗表面加工强化技术 [F-2] 论坛5下午

暂无文件

摘要

激光熔覆技术作为一种先进的表面修复和增材技术，是利用高功率激光束将材料精确熔化并沉积在预定的位置，进行损伤件修复或加工具有复杂几何形状的零件，目前已广泛运用于航空航天、冶金机械等各个领域。熔覆层表面质量对于工件性能和材料利用率具有重要影响，较好的熔覆层表面质量可以减少后续的车削，提高生产效率。然而，在工艺过程中监测成形表面质量是非常具有挑战性的，因为尚未有合适的检测方法可在加工过程中直接测量熔覆层表面质量。为解决这一问题，本文提出了一种以熔池视觉图像和工艺参数为输入的混合深度学习模型，通过构建包含图像特征提取和时序变化特征建模的混合神经网络模型，获得熔池几何形态和黏附颗粒数量随时间的变化特征，并结合所提取的特征和过程工艺参数，输入多层神经网络实现对过程局部表面质量的预测。同时，将该模型与其他多种模型进行预测效果对比，实验结果表明，所提出的方法结合了熔池和黏附颗粒的动态特征，能更有效地预测单道激光熔覆层表面质量。同时，本模型基于视觉监测的方式为后续激光熔覆工艺表面质量的在线监测提供了可靠技术支持。