[发明专利]一种金属增材制造制件缺陷的识别方法及相关设备

权利要求书

1.一种金属增材制造制件缺陷的识别方法，其特征在于，包括：

利用激光诱导技术获取所述金属增材制造制件上至少两种元素的激光诱导等离子体特征谱；

基于所述激光诱导等离子体特征谱获取所述金属增材制造制件的光谱数据矩阵；

通过主成分分析的方式对所述光谱数据矩阵进行降维处理，得到目标数目个主成分；

将所述目标数目个主成分作为输入变量代入基于决策树分类器的随机森林模型，得到所述金属增材制造制件的缺陷识别结果。

2.根据权利要求1所述的金属增材制造制件缺陷的识别方法，其特征在于，所述利用激光诱导技术获取所述金属增材制造制件上至少两种元素的激光诱导等离子体特征谱的步骤，包括：

基于所述预设数据库确定所述激光诱导等离子体特征谱的目标分析谱线；

根据所述目标分析谱线分别绘制所述金属增材制造制件无缺陷和缺陷样品的激光诱导等离子体特征谱；

将所述金属增材制造制件无缺陷的激光诱导等离子体特征谱和所述金属增材制造制件缺陷样品的激光诱导等离子体特征谱进行归一化处理，得到所述金属增材制造制件上至少两种元素的激光诱导等离子体特征谱。

3.根据权利要求1所述的金属增材制造制件缺陷的识别方法，其特征在于，在所述利用激光诱导技术获取所述金属增材制造制件上至少两种元素的激光诱导等离子体特征谱的步骤之前，还包括：

获取所述金属增材制造制件的组成成分；

基于激光诱导场景确定所述金属增材制造制件上至少两种目标元素。

4.根据权利要求1所述的金属增材制造制件缺陷的识别方法，其特征在于，所述基于激光诱导场景确定所述金属增材制造制件上至少两种目标元素的步骤，包括：

获取所述激光诱导场景内的组成成分；

激光诱导场景内的组成成分和金属增材制造制件的组成成分的关系是一一对应的，激光诱导场景能够完全呈现出制件的组成成分，根据激光诱导场景中各谱线的相对强度和抗干扰程度，选取部分元素作为目标元素进行分析。

5.根据权利要求2所述的金属增材制造制件缺陷的识别方法，其特征在于，在所述将所述金属增材制造制件无缺陷的激光诱导等离子体特征谱和所述金属增材制造制件缺陷样品的激光诱导等离子体特征谱进行归一化处理的步骤之前，还包括：

对所述金属增材制造制件无缺陷的激光诱导等离子体特征谱和所述金属增材制造制件缺陷样品的激光诱导等离子体特征谱采用化学计量学的方法进行鉴定。

6.根据权利要求2所述的金属增材制造制件缺陷的识别方法，其特征在于，在所述将所述金属增材制造制件无缺陷的激光诱导等离子体特征谱和所述金属增材制造制件缺陷样品的激光诱导等离子体特征谱进行归一化处理的步骤之前，还包括：

对金属增材制造制件缺陷样品的激光诱导等离子体特征谱进行去除冗余的筛选处理。

7.根据权利要求2所述的金属增材制造制件缺陷的识别方法，其特征在于，所述通过主成分分析的方式对所述光谱数据矩阵进行降维处理，得到目标数目个主成分的步骤，包括：

对归一化后的金属增材制造制件上至少两种元素的激光诱导等离子体特征谱进行PCA运算，得到所有主成分的方差贡献率；

基于所有主成分的方差贡献率绘制主成分贡献图；

基于所述主成分贡献图和所有主成分的方差贡献率的散点图确定所述目标数目为15，得到前15个主成分的方差贡献率。

8.根据权利要求1所述的金属增材制造制件缺陷的识别方法，其特征在于，所述将所述目标数目个主成分作为输入变量代入基于决策树分类器的随机森林模型，得到所述金属增材制造制件的缺陷识别结果的步骤，包括：

将数目个主成分代入基于决策树分类器的随机森林模型，采用10倍交叉验证法，得到所述金属增材制造制件的缺陷识别结果。