[发明专利]一种激光金属增材沉积融合状态实时预测方法及系统

说明书

本发明公开了一种激光金属增材沉积融合状态实时预测方法及系统，该方法包括如下步骤：（1）建立实时预测初模型，所述实时预测初模型包括用于将工艺参数数据集转换为图像数据的stackGAN网络、与stackGAN网络连接的多路并行用于提取图像数据中的特征数据的卷积神经网络、与多路并行卷积神经网络连接的用于将多路卷积神经网络输出的特征数据进行特征融合的特征融合层、以及特征融合层后依次连接的全连接层和分类层；（2）训练实时预测初模型形成实时预测终模型；（3）输入工艺参数数据集至实时预测终模型实时预测激光金属增材沉积融合状态；本发明通过构建stackGAN网络+VGG19网络的预测模型，可满足通过工艺参数预测熔池状态，形成有监督学习的神经网络，成本低。

技术领域

本发明属于金属增材制造技术领域，具体涉及一种激光金属增材沉积融合状态实时预测方法及系统。

背景技术

因易成形复杂零件和良好的涂层加工，激光金属增材制造技术被广泛应用于医疗、航空航天和国防等领域。在激光金属增材制造技术中，单道单层的沉积融合状态是影响零件成形质量的的重要因素，而在影响沉积融合状态的诸多工艺参数中，激光功率、扫描速度、光斑直径、送粉量和载气速度是目前激光金属增材制造领域研究的重点。因此研究激光金属增材制造过程中上述工艺参数的变化对单道单层沉积融合状态的影响对保证零件的成形质量有重要意义。

目前，常通过速度或位移传感器以及从实验平台的工控机直接获取后台数据来采集激光功率、扫描速度、光斑直径、送粉量和载气速度等工艺参数，再构建逻辑回归模型来实现对沉积融合状态的实时预测，或者通过熔池状态图像进行预测，这种预测方式都需要从打印机上获取数据，在对数据进行处理后进行预测，在数据传输过程必然会存在时间差，就会造成沉积融合状态的实时预测往往泛化性能差，鲁棒性不足。

发明内容

本发明的目的在于提供一种直接通过工艺参数进行融合状态的实时预测的激光金属增材沉积融合状态实时预测方法及系统。

为实现上述目的，本发明采用如下技术方案：

一种激光金属增材沉积融合状态实时预测方法，包括如下步骤：

(1)建立实时预测初模型

所述实时预测初模型包括用于将工艺参数数据集转换为图像数据的stackGAN网络、与stackGAN网络连接的多路并行用于提取图像数据中的特征数据的卷积神经网络、与多路并行卷积神经网络连接的用于将多路卷积神经网络输出的特征数据进行特征融合的特征融合层、以及特征融合层后依次连接的全连接层和分类层；

(2)训练实时预测初模型形成实时预测终模型

一定的时间序列下连续采集激光功率、扫描速度、光斑直径、送粉量、载气速度和熔池图像，采用激光功率、扫描速度、光斑直径、送粉量、载气速度构建为工艺参数数据集，采用熔池图像构建为图像数据集；将工艺参数数据集和图像数据集分别分为训练集和测试集，将训练集输入实时预测模型进行训练，并通过测试集测试训练后的实时预测模型，直到测试的预测精度达到设定的阈值时，此时的实时预测模型为实时预测终模型；

(3)输入工艺参数数据集至实时预测终模型实时预测激光金属增材沉积融合状态。

进一步地，步骤(1)中所述卷积神经网络为VGG19网络。

进一步地，步骤(2)所述训练集和测试集按照7:3的比例划分。

本发明还提供了一种激光金属增材沉积融合状态实时预测系统，包括工控机和激光金属增材打印机，工控机包括处理器和显示器，所述工控机的处理器加载并执行用于实现上述的激光金属增材沉积融合状态实时预测方法的软件程序，所述激光金属增材打印机上安装有用于采集熔池状态的图像信息的图像采集装置和用于采集工艺参数的数据采集装置，所述工控机与图像采集装置和数据采集装置连接，用于获取图像信息和工艺参数，再进行实时预测激光金属增材沉积融合状态，预测的激光金属增材沉积融合状态通过工控机的显示器显示。