[发明专利]一种激光选区熔化技术原位质量综合评价方法

权利要求书

1.一种激光选区熔化技术原位质量综合评价方法，其特征在于，包括以下步骤，

S1：采集激光选区熔化过程中的激光辐射强度数据和熔池图像；

S2：利用激光辐射强度数据分析系统对步骤S1中采集的激光辐射强度数据进行分析；

S3：利用基于卷积神经网络的激光选区熔化熔池图像分析系统对步骤S1中采集的熔池图像进行分析；

S4：结合步骤S2和步骤S3的分析结果，对激光选区熔化的原位质量进行综合评价；

步骤S2中所述的激光辐射强度数据分析系统包括数据预处理模块、用户输入模块和数据分析模块；

所述数据预处理模块使用MATLAB中的convertTDMS函数读取激光辐射强度数据的.tdms文件，提取出其中的开关数据和强度数据，对应输入激光信号和辐射强度信号，并将开关数据和强度数据保存为MATLAB可读取的一维数据；对输入激光信号的脉冲边沿进行识别，利用脉冲边沿位置对对应熔池辐射强度信号进行精准切分，输出脉冲总个数；

所述用户输入模块用于提供用户对相关参数进行选择输入；

所述数据分析模块根据所述数据预处理模块输出的数据以及用户输入模块输入的相关参数进行分析计算；

所述数据预处理模块对输入激光信号的脉冲边沿进行识别，利用脉冲边沿位置对对应辐射激光信号进行精准切分的具体方法包括以下步骤，

S101：设置切分阈值为x；

S102：使用阈值x与输入激光信号序列值进行逐个比较；

S103：若输入激光信号序列x(1,2,…,n)中前一个数据点x(i)的值小于x，且与之相邻后一个数据点x(i+1)的值大于x，则数据点x(i)所在位置i就判定为脉冲上升边沿；

S104：记录输入激光信号序列中所有脉冲上升边沿位置，此位置即对应辐射强度信号上升沿位置，进而对应激光选区熔化中的一个熔化道的起始点；

S105：将辐射强度激光信号序列在每个上升沿位置分割成段，每段序列即表示一个激光脉冲，一个激光脉冲对应激光选区熔化中的一个熔化道；

所述用户输入模块中提供用户输入的相关参数包括：文件类型选择、滤波器种类、脉冲信号类型选择、滤波系数、脉冲信号区间数据和分析操作类型；

所述文件类型选择项包括强度文件和对应的开关文件；所述文件的数据类型为MATLAB可读取的一维信号序列的.mat文件；

所述滤波器种类包括均值滤波器、中值滤波器、高斯滤波器、heursure阈值滤波、rigrsure阈值滤波器、sqtwolog阈值滤波器、minimaxi阈值滤波器；

所述脉冲信号选择项包括原始信号和去噪信号；

所述滤波系数的定义由不同滤波器决定，数值由用户输入决定，若用户不输入则默认为10；

所述脉冲信号区间数据包括要截取的起始脉冲数、间隔脉冲数和取样个数；

所述分析操作类型包括概率分析、绘制箱图、时频分析和小波分析；

所述数据分析模块包括激光强度的时间域分析、频率域分析、统计学分析、小波分析和箱图绘制；

所述时间域分析的具体操作步骤包括，

S201：根据用户输入，从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲；

S202：将步骤S201中读取的激光脉冲可视化，并根据用户输入选择相应的滤波器和滤波系数对波形进行滤波，以时域波形的形式显示原始信号和滤波信号；

S203：提取数据特征，以一个激光脉冲为单位，计算每个脉冲的幅度均值和方差值特征，并在数字显示区显示幅度均值和方差值，量化分析各个激光脉冲的信息、对比各个激光脉冲之间的信息；

所述频率域分析的具体操作步骤包括，

S301：根据用户输入，从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲；

S302：将步骤S301读入的激光脉冲信号用快速傅里叶变换计算每个脉冲的频谱，并画出每个脉冲的频谱图，进行比较分析；

S303：使用小波变换，用不同的小波函数对所截取的数据进行小波分析，深入分析数据在时间轴上的频率变化；

所述统计学分析的具体操作步骤包括，

S401：根据用户输入，从数据预处理模块输出的激光脉冲数据中读入相应区间和相应数量的激光脉冲；

S402：使用步骤S401中读入的激光脉冲数据，用统计学的方法计算每个脉冲的强度均值和方差，在数据可视化模块显示，进行量化分析和比较；

S403：使用概率分析方法，画出每个脉冲的数据点的概率分布图，比较分析其数据点的概率分布情况；

S404：绘制每个脉冲数据的箱图，更加直观、清晰、准确地比较分析每个脉冲数据点的中位数、四个分位点、最大最小值、异常点分布，进而更加全面地比较分析其数据点的整体分布情况；

步骤S203中提取的数据特征包括激光脉冲的峰值X_p、均值均方根值X_rms、方差X_var、峰值因子C_f、峭度指标K、波形因子W_s、脉冲指标I、裕度系数L、偏度S(X)；

其中，把激光脉冲{x_i}的N个采样点分成n段，在每一段中找出对应的峰值{X_pj}，j＝1,2,……，n；则，

峰值

均值

均方根值

方差

峰值因子

峭度指标其中，为峭度值；

波形因子

脉冲指标

裕度系数

偏度其中，μ和σ分别表示均值和标准差，k₂和k₃分别表示二阶和三阶中心矩；

步骤S3中所述的基于卷积神经网络的激光选区熔化熔池图像分析系统包括图像预处理模块、熔池图像分类识别模块、图像重组模块、熔池形貌特征分析模块；

所述图像预处理模块对步骤S1采集的熔池图像进行预处理，然后输出至熔池图像分类识别模块进行熔池图像的分类识别；

所述熔池图像分类识别模块基于卷积神经网络模型，对预处理后的熔池图像进行熔池、溅射的分类与识别，并将分类识别的结果输出至图像重组模块进行拼接重组；

所述图像重组模块将熔池图像分类识别模块输出的分类图像进行标记，通过图像拼接重组恢复出分类标记的熔池、溅射全貌图像，并将结果输入至熔池形貌特征分析模块；

所述熔池形貌特征分析模块对所述图像重组模块输出的熔池、溅射标记图像进行特征分析，对激光选区熔化过程中熔池的质量进行评价，预测缺陷，实时告警。