一种激光选区熔化的质量监控与控制方法与流程

本发明属于激光选区熔化技术领域，具体涉及一种激光选区熔化的质量监控与控制方法。

背景技术：

激光选区熔化(selective laser melting，SLM)属于增材制造领域，俗称3D打印，是基于离散堆积原理，通过材料的逐层堆积实现快速制造的技术。其利用计算机将成形件的3D模型进行切片处理，自上而下地制造出每一层“薄片”，通过计算机进行路径规划，并导入设备，以金属粉末或者陶瓷粉末为原材料，借助铺粉臂进行铺粉层的铺粉操作，利用高能束激光完成特定轨迹上粉末的熔凝过程，多次循环逐层进行上述步骤，完成原材料的层层堆积，精确地完成三维零件的制造。

然而，在采用激光选区熔化操作制备零件的过程中，无论是铺粉过程还是激光扫描过程都会由于出现各种问题，而影响最终零件的成型质量。例如，在铺粉过程中，可能由于原材料粉末本身球形度差，而引起粉体流动性不好导致铺粉臂对粉末的铺展出现不均匀，使得后续经过激光扫描处理后会存在一些未熔融粉末，从而对成型零件的力学性能产生不良影响。同样，在激光扫描过程中，也可能会由于存在粉末飞溅、激光能量波动或环境突变等问题，而导致激光扫描处理后同样会存在未熔融粉末，而使最终成型零件的材料致密变差，力学性能出现下降。

为了解决上述问题，目前通过激光选区熔化操作制备获得零件后，通常要对获得的零件进行各种探伤检测，甚至是破坏性试验检测，以判断零件的缺陷，保证零件的质量。这种在完成零件的制备后再进行检测的方法，虽然可以保证零件的出厂质量，但是无法真正提高和保证零件的制备质量以及零件的制备成品率。

技术实现要素：

为了提高采用激光选区熔化操作制备所获得零件的制备质量和成品率，本发明提出了一种激光选区熔化的质量监控与控制方法。该质量监控与控制方法，在单层的铺粉和激光扫描过程中进行质量检测和控制，具体步骤如下：

步骤S1，完成单层铺粉操作后，对铺粉区域进行图像采集，获取铺粉图像；

步骤S2，对获取的铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积；当不均匀铺粉面积低于设定值时，对铺设的粉末进行激光扫描处理，当不均匀铺粉面积等于或高于设定值时，对铺设的粉末进行铺粉修复处理，直至铺粉面积低于设定值为止；

步骤S3,对激光扫描粉末的过程进行声发射信号采集，并对声发射信号进行记录分析，获取激光扫描过程中通过声发射信号确定的扫描缺陷位置，其中该扫描缺陷位置以时间和扫描轨迹作为参考进行坐标确定；

步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集，获取扫描图像，对扫描图像进行分析获取通过图像采集确定的扫描缺陷位置；

步骤S5，对步骤S3中通过声发射信号确定的扫描缺陷位置和步骤S4中通过图像采集确定的扫描缺陷位置进行比对；当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围时，则进行下一层的铺粉操作，当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差在设定值范围以内时，则判定该位置存在激光扫描缺陷，对该位置进行修复和再检测处理，直至修复过程中没有通过声发射信号确定扫描缺陷位置或没有通过扫描图像确定扫描缺陷位置，再或者是通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围。

优选的，在所述步骤S2中，首先采用threshold函数对获得的铺粉图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中黑色区域面积即为不均匀铺粉面积。

优选的，在所述步骤S3中，以设计层厚作为标准，通过获取实际层厚分布，判定激光扫描缺陷情况。

进一步优选的，在所述步骤S3中，首先以计算机数据处理为基础，以机器学习为建模工具，搭建适合声发射信号分类的数学模型，然后利用数学建模对获取的声发射信号进行分析，并对层厚分布进行输出。

进一步优选的，采用快速傅里叶变换对不同频域段的声波幅值进行提取，将各频域段的平均幅值作为特征提取，同时采用小波分析方法对声发射信号进行过滤、分层以及能量熵特征提取，采用logistic回归，决策树，贝叶斯网络对信号的特征值层厚分类，以试验所得的“信号—层厚”信息作为机器学习数据，训练集不得低于200组，要求数据离散度大；在完成模型的数学建模后，再次采集声发射信号，将所采集到的声发射信号进行特征提取，转换成平均幅值和能量熵，并输入数学模型进行验证，数学模型最终结果采用加权投票的方式确定，若数学模型准确率高于90％以上方可使用该数学模型。

优选的，在所述步骤S3中，借助声信号采集设备对激光扫描过程中等离子体所发出的声发射信号进行采集和降噪处理，并且进行模拟/数字信号转换后，导入计算机进行后续分析处理；其中，所述声信号采集设备包括用于采集声发射信号的麦克风以及用于降噪处理和数模转换的声音采集卡，并且所述麦克风垂直于激光扫描面进行声发射信号采集。

优选的，在所述步骤S4中，首先采用threshold函数对获得的扫描图像进行处理，使图像颜色被二值化，然后对图像中的像素进行计算，获得图像中缺陷区域的面积、形状和坐标位置。

采用本发明的质量监控与控制方法辅助进行零件的激光选区熔化制备时，具有以下有益效果：

在本发明中，通过引入声信号缺陷检测方法和图像缺陷检测方法，实现了对铺粉和激光扫描过程中的远程实时缺陷检测，这样不仅在单层激光选区熔化操作过程中就能够及时发现缺陷问题并直接快速修复处理，避免制备过程中的缺陷问题被覆盖忽略而导致最终成型产品的质量不合格以及由此将整个产品报废处理的浪费问题，从而提高激光选区熔化操作的效率和质量保证，而且在激光扫描过程中，利用声信号缺陷检测方法和图像缺陷检测方法之间的比对验证，可以大大提高对缺陷的判断精度和效率，保证采用激光选区熔化方法进行零件制备的效率和质量。

附图说明

图1为采用实施例中激光选区熔化的质量监控与控制方法，辅助激光选区熔化操作进行零件制备的流程示意图；

图2为对铺粉操作后的铺粉层进行图像拍摄所获得的铺粉图像示意图；

图3为采用threshold函数对图2所示铺粉图像处理后获得的图像示意图；

图4为对激光扫描操作后的扫描层进行图像拍摄所获得的扫描图像示意图；

图5采用threshold函数对图4所示扫描图像处理后获得的图像示意图。

具体实施方式

下面结合附图和实施例对本发明的技术方案进行详细介绍。

结合图1所示，采用实施例中激光选区熔化的质量监控与控制方法，辅助激光选区熔化操作进行零件制备的具体步骤如下：

步骤S1，完成单层铺粉操作后，对铺粉区域进行图像采集，获取铺粉图像。

在本实施例中，当金属激光选区熔化成形设备的铺粉臂完成单层铺粉操作后，由图像采集设备，例如高速摄像机，对铺粉区域进行垂直角度的图像采集，获得如图2所示的铺粉图像，并将获得的铺粉图像传输至计算机进行后续处理。

步骤S2，对获取的铺粉图像进行分析，获得铺粉图像范围内的不均匀铺粉面积。其中，当不均匀铺粉面积低于设定值时，表明该铺粉层满足铺粉质量要求，就可以直接对该铺粉层进行激光扫描处理；当不均匀铺粉面积等于或高于设定值时，则表明该铺粉层存在铺粉缺陷，需要对该铺粉层进行铺粉修复，直至该铺粉层的不均匀铺粉面积低于设定值为止。

优选的，结合图3所示，首先，采用threshold函数对获得的铺粉图像进行处理，使图像颜色被二值化，以黑白两种色值展现图像，获得如图3所示得铺粉图像。接着，对图3所示图像中的像素进行计算得出黑白占比，从而获得图像中黑色区域面积即为不均匀铺粉面积。然后，根据不均匀铺粉面积的大小判定该铺粉层是否满足铺粉要求。其中，根据设计和制备要求，可以将所获取图像面积的20％作为设定值与不均匀铺粉面积进行大小比对，同样该设定值的大小是可以根据情况进行调整，以满足不同工况对铺粉质量的控制要求。

此外，在进行铺粉层修复时，首先对图像中的像素进行计算，准确获取缺陷区域面积、形状和位置范围等数据，然后根据该数据控制金属激光选区熔化成形设备中的铺粉臂进行动作，完成对铺粉缺陷区域的准确修复处理。

步骤S3,对激光扫描粉末过程进行声发射信号采集，并对声发射信号进行记录分析，获得激光扫描过程中通过声发射信号确定的扫描缺陷情况，其中该扫描缺陷的位置以时间和扫描轨迹作为参考进行坐标确定。

借助声信号采集设备对激光扫描过程中等离子体所发出的声发射信号进行采集和降噪处理，并且进行模拟/数字信号转换后，导入计算机进行后续分析处理。其中，声信号采集设备包括用于采集声发射信号的麦克风以及用于降噪处理和数模转换的声音采集卡，并且麦克风垂直于激光扫描面进行声发射信号采集。

在本实施例中，以单层铺粉和激光扫描的设计层厚作为参考标准，通过获取实际层厚分布，判定激光扫描的缺陷情况。同样，在其他实施例中，也可以根据设计和缺陷判断标准的不同，选择其他参数指标作为扫描缺陷情况的判定标准。

优选的，首先以计算机数据处理为基础，以机器学习为建模工具，搭建适合声音信号分类的数学模型，然后利用数学建模对获取的声发射信号进行分析，并对层厚分布进行输出。

具体操作如下：采用快速傅里叶变换对不同频域段的声波幅值进行提取，将各频域段的平均幅值作为特征提取，同时采用小波分析方法对声发射信号进行过滤、分层以及能量熵特征提取，采用logistic回归，决策树，贝叶斯网络对信号的特征值层厚分类，以试验所得的“信号—层厚”信息作为机器学习数据，并且训练集不得低于200组，要求数据离散度大。在完成模型的数学建模后，再次采集声发射信号，将所采集到的声发射信号进行特征提取，转换成平均幅值和能量熵，并输入至数学模型进行验证，而数学模型的最终结果则采用加权投票的方式确定，若数学模型准确率高于90％以上方可使用该数学模型。

步骤S4，完成粉末的激光扫描操作后，对扫描区域进行图像采集，获取扫描图像，并对扫描图像进行分析获得通过扫描图像确定的扫描缺陷位置。

结合图4和图5所示，在本实施例中，首先，采用threshold函数对直接拍摄获得的图4所示的扫描图像进行处理，使图像颜色被二值化，以黑白两种色值展现图像，如图5所示。接着，对图5所示图像中的像素进行计算得出黑白占比，并且获得该图像中缺陷区域的面积、形状和坐标位置。与此同时，对获得的缺陷数据进行保存，以便于后续为计算机提供数据支撑，准确控制金属激光选区熔化成形设备中的振镜进行激光扫描修复。

步骤S5，对步骤S3中获得的扫描缺陷位置和步骤S4中获得的扫描缺陷位置进行比对分析，确定激光扫描的缺陷情况。其中，当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围时，则判定对该层铺设粉末的激光扫描符合要求，可以进行下一层的铺粉操作和激光扫描操作；当通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差在设定值范围以内时，则判定该位置存在激光扫描缺陷，需要对该缺陷位置进行修复处理和再检测处理，直至修复过程中没有通过声发射信号确定扫描缺陷位置或没有通过扫描图像确定扫描缺陷位置，再或者是通过声发射信号确定的扫描缺陷位置与通过扫描图像确定的扫描缺陷位置之间的坐标差超出设定值范围。

在本实施中，通过引入声信号缺陷检测方法和图像缺陷检测方法，实现了对铺粉和激光扫描过程中的远程实时缺陷检测，这样不仅在单层激光选区熔化操作过程中就能够及时发现缺陷问题并直接快速修复处理，避免制备过程的缺陷问题被覆盖忽略而导致最终成型产品的质量不合格以及由此将整个产品报废处理的浪费问题，从而提高激光选区熔化操作的效率和质量保证，而且在激光扫描过程中，利用声信号缺陷检测方法和图像缺陷检测方法之间的相互比对验证，可以大大提高对缺陷的判断精度和效率，保证采用激光选区熔化方法进行零件制备的效率和质量。