一种激光选区熔化成形件力学性能预测方法及系统

本公开涉及激光选区熔化在线监控，具体涉及一种激光选区熔化成形件力学性能预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、激光选区熔化是一种利用激光束将粉末材料迅速加热至熔点再迅速凝固的增材制造技术，其优点包括高精度、非接触加工、可编程性等。但是目前的激光选区熔化技术为开环控制，其铺粉质量难以保证，制造的可重复性和质量的一致性成为一大瓶颈。铺粉质量是决定成形力学性能的关键因素，此外加工过程中出现的铺粉缺陷会导致零件的部分层内部产生气孔、未熔合孔等，从而间接影响零件力学性能。

3、传统的经验模型和有限数据的激光增材制造金属力学性能预测方法的效率和准确性面临着严峻挑战。近年来，随着大数据和人工智能的发展，机器学习(machinelearning,ml)方法成为必然产物，将激光选区熔化设备与机器学习相结合，对铺粉状态进行监控并预测零件的力学性能，并对缺粉等情况做出一定的反馈，对于改善零件的力学性能具有重要意义。

4、但是，当前大多数用于激光选区熔化的机器学习技术仅涉及单层铺粉缺陷的识别，无法结合孔隙率根据相邻层粉床状态进行力学性能的预测，对于单层铺粉缺陷对力学性能影响较小，而累积多层导致力学性能大幅下降的情况无法进行预测。

技术实现思路

1、本公开为了解决上述问题，提出了一种激光选区熔化成形件力学性能预测方法及系统，通过多层缺粉缺陷与孔隙率、拉伸性能关系，利用力学性能预测算法，实现零件打印过程中力学性能的预测，并针对力学性能下降时做出及时反馈。

2、根据一些实施例，本公开采用如下技术方案：

3、一种激光选区熔化成形件力学性能预测方法，包括：

4、获取铺粉缺陷与孔隙率以及铺粉缺陷与拉伸性能的关系式，根据铺粉缺陷与孔隙率、铺粉缺陷与拉伸性能的关系式，构建力学性能预测模型；

5、获取当前成型件的每一层铺粉图像，并对铺粉图像进行预处理；

6、识别预处理后铺粉图像中的铺粉缺陷层数，并计算铺粉缺陷面积；

7、根据铺粉缺陷层数以及铺粉缺陷面积，利用所述力学性能预测模型进行预测，得到当前成形件力学性能预测结果；

8、将力学性能预测结果与设定的力学性能降低阈值进行比较，判断是否进行重熔及重铺粉操作。

9、根据一些实施例，本公开采用如下技术方案：

10、一种激光选区熔化成形件力学性能预测系统，包括：

11、模型构建模块，用于获取铺粉缺陷与孔隙率以及铺粉缺陷与拉伸性能的关系式，根据铺粉缺陷与孔隙率、铺粉缺陷与拉伸性能的关系式，构建力学性能预测模型；

12、图像采集模块，用于获取当前成型件的每一层铺粉图像；

13、图像处理模块，用于对铺粉图像进行预处理，识别预处理后铺粉图像中的铺粉缺陷层数，并计算铺粉缺陷面积；

14、力学性能预测模块，用于根据铺粉缺陷层数以及铺粉缺陷面积，利用所述力学性能预测模型进行预测，得到当前成形件力学性能预测结果。

15、根据一些实施例，本公开采用如下技术方案：

16、一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现所述的一种激光选区熔化成形件力学性能预测方法。

17、根据一些实施例，本公开采用如下技术方案：

18、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的一种激光选区熔化成形件力学性能预测方法。

19、与现有技术相比，本公开的有益效果为：

20、本公开的一种激光选区熔化成形件力学性能预测方法，搭建硬件系统并通过其中的图像采集模块进行铺粉图像采集，对图像进行预处理并通过算法进行缺陷分割、缺陷面积计算，然后根据前期实验表征得到的力学性能预测算法，输出当前力学性能预测值。解决了对于单层铺粉缺陷对力学性能影响较小，而累积多层导致力学性能大幅下降无法进行预测的问题。通过使用机器学习方法，有效处理了金属激光增材制造中铺粉缺陷-力学性能之间的复杂非线性关系，对于高端装备主承力件制造的可重复性、质量的一致性提供了方法。

21、本公开的一种激光选区熔化成形件力学性能预测方法，根据铺粉缺陷面积及层数，预测成形件当前力学性能，解决了传统方法仅涉及单层铺粉缺陷的识别的问题。在激光选区熔化过程中，缺粉缺陷会导致力学性能的下降，同时缺粉缺陷导致的气孔、未熔合，也会导致成形件孔隙率上升，重熔、大层厚等会影响微观组织，进而影响力学性能。本公开结合铺粉缺陷-孔隙率关系式与铺粉缺陷-拉伸性能关系式，得到力学性能预测算法，缺陷分割算法的识别精度达到97％，为得到力学性能更优异、微观组织更致密的成形件提供新思路。

技术特征：

1.一种激光选区熔化成形件力学性能预测方法，其特征在于，包括：

2.如权利要求1所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，获取铺粉缺陷与孔隙率关系式的方法为：打印不同缺粉层数的异形件，获取不同缺陷层数成形的异形件的金相图，通过金相法分别计算不同层数铺粉缺陷的孔隙率，得到孔隙率缺陷面积与铺粉缺陷层数的关系，对不同缺粉层数与孔隙率拟合回归模型，测得铺粉缺陷-孔隙率的关系公式。

3.如权利要求1所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，获取铺粉缺陷与拉伸性能关系式的方法为：打印不同缺粉层数的拉伸样板，通过线切割获得拉伸试样，使用常温拉伸试验机进行拉伸试验，得到拉伸性能与铺粉缺陷层数的关系，并拟合出回归模型，测得铺粉缺陷-拉伸性能的关系公式。

4.如权利要求1所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，所述对铺粉图像进行预处理，包括：对铺粉图像进行线性畸变的矫正过程以及连通域滤波去噪操作，所述线性畸变的矫正过程是对铺粉图像进行透视变换，将铺粉图像中的每个像素点依次映射到新的平面，再通过使用连通域滤波去噪的方式，将铺粉图像中一个像素点附近的像素区域作为该像素点的连通邻域，再将面积小于10个像素的连通邻域滤除。

5.如权利要求1所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，利用u-net分割算法对铺粉图像中的铺粉缺陷进行识别，识别铺粉缺陷层数并计算铺粉缺陷面积，根据铺粉缺陷层数以及铺粉缺陷面积，利用铺粉缺陷与孔隙率以及铺粉缺陷与拉伸性能的关系式进行力学性能预测。

6.如权利要求5所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，根据力学性能下降程度与铺粉缺陷层数关系，设定阈值为30mpa，打印过程中将力学性能预测结果与设定的力学性能降低阈值进行比较，若超过阈值，则进行重熔及重铺粉操作，若未超过设定阈值，则不进行干预。

7.如权利要求1所述的一种激光选区熔化成形件力学性能预测方法，其特征在于，获取当前成型件的每一层铺粉图像，包括：采用安装在激光选区设备成形仓顶部的图像采集模块，来采集每一层铺粉后的铺粉图像，所述图像采集模块包括光信号捕捉模块、光电转化模块和光学模块，所述光信号捕捉模块通过cmos传感器采集铺粉后的光线，所述光电转化模块将光信号捕捉模块采集的光线转换为电信号，按照一定排列方式将拍摄物体分解为一个个像素点，这些像素点经过模数转换器及图像处理器，得到铺粉图像。

8.一种激光选区熔化成形件力学性能预测系统，其特征在于，包括：

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-7任一项所述的一种激光选区熔化成形件力学性能预测方法。

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-7任一项所述的一种激光选区熔化成形件力学性能预测方法。

技术总结本公开提供了一种激光选区熔化成形件力学性能预测方法及系统，涉及激光选区熔化在线监控技术领域，包括：获取铺粉缺陷与孔隙率以及铺粉缺陷与拉伸性能的关系式，根据铺粉缺陷与孔隙率、铺粉缺陷与拉伸性能的关系式，构建力学性能预测模型；获取当前成型件的每一层铺粉图像，并对铺粉图像进行预处理；识别预处理后铺粉图像中的铺粉缺陷层数，并计算铺粉缺陷面积；根据铺粉缺陷层数以及铺粉缺陷面积，利用所述力学性能预测模型进行预测，得到当前成形件力学性能预测结果；将力学性能预测结果与设定的力学性能降低阈值进行比较，判断是否进行重熔及重铺粉操作。技术研发人员：韩泉泉,朱敏,王瑞,王丽乔,张振华,武猛,赵鹏,黄传真受保护的技术使用者：山东大学技术研发日：技术公布日：2024/8/20