金属选区激光熔化内部缺陷在线监测装置

1.本发明属于增材制造技术领域，具体是一种金属选区激光熔化内部缺陷在线监测装置。


背景技术：

2.增材制造技术（additive manufacturing）也称之为3d打印技术（three dimensional printing），是一种以数字模型文件为基础，运用粉末塑料等可粘合材料，通过逐层打印的方式来构造实体的技术。选区激光熔化（slm），是金属材料增材制造中应用最广泛的一种3d打印技术，通过激光束作为能量源，按照三维绘图软件（如cad、solidworks）的模型进行切片处理，并按切片模型中规划好的路径逐层扫描，对金属粉末进行快速熔化和凝固，最终获得力学性能良好的金属制品。
3.选区激光融化打印过程中可能产生外部缺陷和内部缺陷，外部缺陷（如翘边、断层）易被发现，而内部缺陷（如孔隙、裂纹）难以发现。目前，在线监测选区激光融化过程中产生的缺陷存在的主要问题是：传统的渗透检测、磁粉检测只能检测到构件表面缺陷；用照相机、摄像机等视觉测试无法准确捕捉到微小缺陷；超声波检测、射线检测等无法对于动态缺陷（如孔隙的产生、裂纹的扩展）进行检测。使用声发射技术可以在线监测打印过程中内部的动态缺陷，使得缺陷在产生的时候就被检测出来。目前，使用声发射技术在线监测选区激光熔化打印时工件内部缺陷存在的主要问题有：（1）传感器采集信号的位置离成型区较远，会导致获取的信号失真。（2）多数研究者一般只分析常见的声发射参数，用单一参数的变化来表征打印过程中的缺陷，有的研究仅基于参数的统计分析来区分缺陷类型，对于声发射信号提取的特征数量有限，会对最终的识别造成一定影响。（3）构建的缺陷数据库参考的数据量有限，导致缺陷识别的精确度不够高，且不能进行缺陷的自动识别。


技术实现要素：

4.本发明的目的是为了解决上述现有技术中存在的问题，而提供一种金属选区激光熔化内部缺陷在线监测装置。本发明声将发射传感器镶嵌于打印的基板底部，以获取更完整、清晰的打印信号；提取不同特征参数并采用线性判别分析方法综合不同缺陷类型进行机器学习，建立缺陷数据库并实现缺陷的自动识别；经过识别后的缺陷模型继续融入缺陷数据库中，提高后续判定的精确度。
5.本发明是通过如下技术方案实现的：一种金属选区激光熔化内部缺陷在线监测装置，包括金属选区激光熔化系统、信号采集系统和信号处理系统；金属选区激光熔化系统实现金属构件3d打印，打印具有不同缺陷类型或水平的金属构件；信号采集系统与金属选区激光熔化系统连接，用来获取金属构件3d打印过程中的声发射信号；信号处理系统与信号采集系统连接，用来提取特征参数以及建立机器学习模型，利用机器学习模型（线性判别分析）对打印过程中的未知信号进行判别及分类，从而实现金属选区激光熔化系统内部缺陷在线监测。
6.进一步地，金属选区激光熔化系统包括成型密封舱，成型密封舱的一侧舱壁外设置有光纤激光器，成型密封舱内设置有扩束镜、聚焦系统、扫描振镜和透镜，光纤激光器的出射端正对扩束镜的入射端，扩束镜的出射端正对聚焦系统的入射端，聚焦系统的出射端正对扫描振镜的入射端，扫描振镜的出射端正对透镜的入射端；成型密封舱的另一侧舱壁连接有真空泵、氩气保护装置和水冷箱；成型密封舱的底部设置有送粉缸、成型缸和剩粉缸，送粉缸和成型缸的底部均设置有升降台；成型缸内设置有基板，基板位于透镜的下方并正对透镜的出射端，基板下方设置有预热装置和温度传感器；剩粉缸的底部连接有收粉容器；成型密封舱内的顶部设置有气压传感器、湿度传感器和氧含量传感器；成型密封舱内的底部靠近送粉缸的位置处设置有刮刀。
7.进一步地，信号采集系统包括两个相同的声发射传感器、一个前置放大器和一个双通道声发射采集卡，其中一个声发射传感器为工作声发射传感器，其镶嵌在基板底部；另一个声发射传感器为护卫声发射传感器，其固定在成型密封舱的一侧外舱壁上；两个声发射传感器分别与前置放大器连接，前置放大器与双通道声发射采集卡连接。
8.进一步地，声发射传感器采用宽频差分式传感器，谐振频率为500khz，工作频率范围为100khz-1000khz之间；前置放大器采用2/4/6型前置放大器，提供20db、40db和60db的放大增益；双通道声发射采集卡具备每通道10m/s采样率、16bit采样精度，低系统噪声和高动态范围，附带1gb波形缓存器。
9.进一步地，信号处理系统由内置于pc机的声发射特征参数提取系统和机器学习模型两部分组成；声发射特征参数提取系统提取的特征参数包括时域特征参数、频域特征参数、小波特征参数和定量递归特征参数；机器学习模型为使用线性判别分析方法对综合提取的特征参数进行处理。
10.进一步地，时域特征参数包括振铃计数（c）、幅度（r）、绝对能量(ae)；频域特征参数是通过快速傅里叶变换得到时域信号对应的频域谱，并提取均方根频率（rf）、峰值频率（pf）；小波特征参数是对采集到的信号使用db3函数（贝西极限相位小波）进行8层小波分解，d1、d2、d3表征短时间尺度事件，d4、d5、d6、d7、d8表征中长时间事件；定量递归特征参数包括递归率（r）、确定率（d）、香浓熵（e）、平均对角线长度（lmean）。
11.进一步地，线性判别分析方法的判别机制为：给定训练样例集，将样例投影到一条直线上，使得同类样例的投影点尽可能接近，异样样例的投影点尽可能远离；在对新样本进行分类时，将其投影到同样的直线上，再根据投影点的位置来确定新样本的类别。
12.进一步地，通过调节打印工艺制备出具有不同缺陷类型或水平的金属构件。
13.进一步地，采集到不同缺陷类型或水平的金属构件信号放入机器学习模型（线性判别分析方法）中进行缺陷分类与识别。
14.声发射传感器检测缺陷的原理：构件在打印过程中受到外力作用或内力作用产生变形或者断裂，以及各种类型缺陷时，以弹性波形式释放出应变能的现象称为声发射。声发射是一种常见的物理现象，如果释放的应变能足够大，就可以产生人耳听得见的声音。因此，金属材料发生塑性变形、断裂或产生各种类型缺陷时，都会有声发射发生，但是大多数金属材料的声发射信号强度很弱，人耳不能直接听见，需要用声发射传感器来检测。为达到该目的，本发明提出了上述金属选区激光熔化内部缺陷在线监测装置，其内的两个声发射传感器的输出端通过同轴电缆与前置放大器输入端相连接，前置放大器输出端与双通道声
发射采集卡输入端相连接，双通道声发射采集卡输出端与pc机输入端相连接。目标构件缺陷监测，通过镶嵌于基板底部的声发射传感器（工作声发射传感器）采集打印过程中的原始信号，包括打印过程中的激光启停、刮板动作、成形缸与送粉缸升降、保护气体流动的内部操作产生的信号，消除内部操作影响；通过紧贴于成型密封舱舱壁上的声发射传感器（护卫声发射传感器）采集环境信号，消除外界环境影响。建立缺陷数据库，通过调整打印参数打印不带缺陷和分别带有各类型缺陷（如孔隙、裂纹等）或水平的构件，采集其信号。采集到的不带缺陷的信号和带有各类缺陷的信号进入双通道声发射采集卡，获取信号中的时域特征参数、频域特征参数、小波特征参数和递归特征参数。在分析特征参数的过程中采用线性判别分析方法建立特征参数分类模型——机器学习模型，与通过调整打印参数所产生的缺陷进行判定、识别与学习训练，并构建缺陷数据库。经过分类的特征参数与建立好的缺陷数据库进行缺陷类型的识别。
15.与现有技术相比，本发明的有益效果如下：1）通过将工作声发射传感器镶嵌于基板底部，使得采集到打印过程信号更完整、更清晰。
16.2）通过一个护卫传感器消除外界环境的影响，在嘈杂环境中仍然可对打印过程中进行在线监测。
17.3）采用线性判别分析方法综合更多的特征参数，使得分析的特征参数更丰富，提高对缺陷类型识别的准确性。
18.4）使用机器学习模型，判定后的缺陷类型与参数模型继续融入缺陷数据库，使缺陷数据库更加完整，提高后续判别的精确度。
附图说明
19.图1为本发明装置的结构示意图。
20.图2为本发明装置中声发射传感器的三维结构示意图。
21.图3为本发明装置中基板的三维结构示意图。
22.图4为本发明装置中工作声发射传感器与基板的安装示意图。
23.图5为不同孔隙水平构件的孔洞图。
24.图6为目标构件在声发射信号和机器学习模型在线监测结果图。
25.图中：1-光纤激光器；2-扩束镜；3-聚焦系统；4-扫描振镜；5-透镜；6-气压传感器；7-湿度传感器；8-氧含量传感器；9-真空泵；10-氩气保护装置；11-水冷箱；12-刮刀；13-送粉缸；14-送粉缸升降台；15-成型缸；16-基板；17-温度传感器；18-成型缸升降台；19-预热装置；20-工作声发射传感器；21-成型工件；22-收粉容器；23-剩粉缸；24-护卫声发射传感器；25-前置放大器；26-双通道声发射采集卡；27-pc机；28-成型密封舱。
具体实施方式
26.下面对本发明做进一步详细的说明：3d打印是一种新型增材制造加工方式，与传统机械加工中，如切削等减材制造的基本原理不同，它们所得到的工件的缺陷类型、缺陷位置等有很大不同。因此，为了达到比较优良的监测效果，需要对理论进行反复的验证，在实验中，对传感器安装调试，各个模块
数据进行丰富的对比分析，得到合适的硬件设备型号，安装方案和最优参数分析方法。
27.如图1所示，一种金属选区激光熔化内部缺陷在线监测装置，包括金属选区激光熔化系统、信号采集系统和信号处理系统；金属选区激光熔化系统实现金属构件3d打印，打印具有不同缺陷类型或水平的金属构件；信号采集系统与金属选区激光熔化系统连接，用来获取金属构件3d打印过程中的声发射信号；信号处理系统与信号采集系统连接，用来提取特征参数以及建立机器学习模型，利用机器学习模型对打印过程中的未知信号进行判别及分类，从而实现金属选区激光熔化系统内部缺陷在线监测。
28.金属选区激光熔化系统包括成型密封舱2821，成型密封舱2821的一侧舱壁外设置有光纤激光器1，成型密封舱28内设置有扩束镜2、聚焦系统3、扫描振镜4和透镜5，光纤激光器1的出射端正对扩束镜2的入射端，扩束镜2的出射端正对聚焦系统3的入射端，聚焦系统3的出射端正对扫描振镜4的入射端，扫描振镜4的出射端正对透镜5的入射端；成型密封舱2821的另一侧舱壁连接有真空泵9、氩气保护装置10和水冷箱11；成型密封舱2821的底部设置有送粉缸13、成型缸15和剩粉缸23，送粉缸13的底部设置有送粉缸升降台14，成型缸15的底部设置有成型缸升降台18；成型缸15内设置有基板16，基板16位于透镜5的下方并正对透镜5的出射端，基板16的结构如图3所示，其底面设置有用于镶嵌声发射传感器的凹槽；基板16下方设置有预热装置19和温度传感器17；剩粉缸23的底部连接有收粉容器22；成型密封舱2821内的顶部设置有气压传感器6、湿度传感器7和氧含量传感器8；成型密封舱2821内的底部靠近送粉缸13的位置处设置有刮刀12。
29.信号采集系统包括两个相同的声发射传感器、一个前置放大器25和一个双通道声发射采集卡26；声发射传感器的结构如图2所示，其中一个声发射传感器为工作声发射传感器20，其镶嵌在基板16底部的凹槽内，如图4所示；另一个声发射传感器为护卫声发射传感器24，其固定在成型密封舱2821的一侧外舱壁上；两个声发射传感器分别与前置放大器25连接，前置放大器25与双通道声发射采集卡26连接；声发射传感器采用宽频差分式传感器，谐振频率为500khz，工作频率范围为100khz-1000khz之间；前置放大器25采用2/4/6型前置放大器，提供20db、40db和60db的放大增益；双通道声发射采集卡26具备每通道10m/s采样率、16bit采样精度，低系统噪声和高动态范围，附带1gb波形缓存器。
30.信号处理系统由内置于pc机27的声发射特征参数提取系统和机器学习模型两部分组成。声发射特征参数提取系统提取的特征参数包括时域特征参数、频域特征参数、小波特征参数和定量递归特征参数；时域特征参数包括振铃计数（c）、幅度（r）、绝对能量(ae)；频域特征参数是通过快速傅里叶变换得到时域信号对应的频域谱，并提取均方根频率（rf）、峰值频率（pf）；小波特征参数是对采集到的信号使用db3函数（贝西极限相位小波）进行8层小波分解，d1、d2、d3表征短时间尺度事件，d4、d5、d6、d7、d8表征中长时间事件；定量递归特征参数包括递归率（r）、确定率（d）、香浓熵（e）、平均对角线长度（lmean）。
31.机器学习模型即为线性判别分析方法，使用线性判别分析方法对综合提取的特征参数进行处理，线性判别分析方法的判别机制为：给定训练样例集，将样例投影到一条直线上，使得同类样例的投影点尽可能接近，异样样例的投影点尽可能远离；在对新样本进行分类时，将其投影到同样的直线上，再根据投影点的位置来确定新样本的类别。
32.通过调节打印工艺制备出具有不同缺陷类型或水平的金属构件，采集到不同缺陷类型或水平的金属构件信号放入机器学习模型中进行缺陷分类与识别。
33.本发明装置的工作模式为：1）模型及其数据处理：先在三维软件（如cad、slodworks）中绘制将要打印构件的三维图像，以stl文件格式导出，在切片软件（如cura、simplify3d）中对立体图像进行切片，预制其每一层厚度及其扫描路径，导入装置中准备打印。
34.2）打印操作：送粉缸13中盛有316 l不锈钢粉末，送粉缸升降台14升起，顶起一层切片厚度的316l不锈钢粉末，成型缸15通过成型缸升降台18顶起一层切片厚度，刮刀12从左至右把送粉缸13中送上来的316 l不锈钢粉末推至基板16表面，基板16下方的预热装置20开始加热，对基板16上的316l不锈钢粉末进行预热处理，预热至110℃，温度传感器17监测其温度，刮刀12把多余的316l不锈钢粉末推入剩粉缸23中，然后刮刀12再从右向左回到原位并把基板16上的316l金属粉末刮抹均匀，这就完成了一次送粉操作。送粉完毕后，激光发射器1发射激光依次通过扩束镜2、聚焦系统3、扫描振镜4、透镜5根据预定路径扫描完这一层，扫描一层后，下一层扫描前依次进行上述送粉操作，往复循环，直至成型工件21打印完毕。
35.其中，真空泵9抽出打印机舱内空气、氩气保护装置10输出压力为0.5mpa，用于降低打印过程中成型密封舱28内的氧含量，水冷箱11的水管遍布装置各个部位，工作流量为1.7gpm，用于降低打印过程中成型密封舱28内及各零部件温度，气压传感器6监测打印过程中成型密封舱28内压力为0.3mbar，湿度传感器7监测打印过程中成型密封舱28内环境湿度为14.4rh%，氧含量传感器8监测打印过程中成型密封舱28内氧浓度低于0.02%。
36.声发射传感器的灵敏度》65db，温度范围为-20~120℃，特别要注意的是，工作声发射传感器20的基板16凹槽内部以及接触护卫声发射传感器24的外舱壁都要保持局部清洁，并且在声发射传感器与接触面之间涂抹真空脂，以保证接触面间的密封性以及信号传输的完整性，进而可以更完整采集到打印过程中的原始信息和成型密封舱28外舱壁上采集到的外界环境信号。
37.前置放大器25选用2/4/6型放大器，带有差分输入端口：工作声发射传感器20和护卫声发射传感器24的输出端与前置放大器25的差分输入端相连，将前置放大器25的增益设置在60db档。
38.双通道声发射采集卡26的输入端与前置放大器25的输出端相连接，首先对成型密封舱28内部操作产生的信号进行采集，包括：激光发射器1的启停产生的信号、送粉缸升降台14升起产生的信号、成型缸升降台18下降产生的信号、刮刀12从左至右及从右至左回到原位置产生的信号、氩气保护装置10打开后气体流动信号、真空泵9、水冷箱11稳定工作时噪声信号。
39.构建缺陷数据库：1）调整打印参数，分别打印带有不同孔隙水平的316l不锈钢构件：slm参数1：激光功率180 w、扫描速度1200mm/s、扫描间距0.1 mm、层厚0.03mm时，得到的316l不锈钢性能较差，对构件进行切件、打磨、抛光、腐蚀后，光镜下有大量孔洞，见图5（a），孔隙水平为level 1，代表孔洞多。
40.slm参数2：激光功率180 w、扫描速度900mm/s、扫描间距0.1 mm、层厚0.03mm时，得到的316l不锈钢性能性能较好，对构件进行切件、打磨、抛光、腐蚀后，光镜下有少量孔洞，见图5（b），孔隙水平为level 2，代表孔洞较少。
41.slm参数3：激光功率180 w、扫描速度1200mm/s、扫描间距0.1 mm、层厚0.03mm时，得到的316l不锈钢性能优良，对构件进行切件、打磨、抛光、腐蚀后，光镜下组织致密，见图5（c），孔隙水平为level 3，代表无孔洞。
42.2）采集上述打印信号，并对信号进行去除内部操作和外部噪声影响。
43.3）双通道声发射采集卡26对采集到信号进行处理，获取时域特征参数、频域特征参数、小波特征参数和递归特征参数。
44.4）时域特征参数包括振铃计数（c）、幅度（r）、绝对能量(ae)；频域特征参数包括均方根频率（rf）、峰值频率（pf）；小波特征参数d1、d2、d3表征短时间尺度事件，d4、d5、d6、d7、d8表征中长时间事件；递归特征参数包括递归率（r）、确定率（d）、香浓熵（e）、平均对角线长度（l
mean
）。
45.5）使用线性判别分析方法来对缺陷特征参数进行分析。
46.6）线性判别机制中根据特征参数对分类判断的贡献，进行综合建模，最终选择了17个特征参数：振铃计数（c）、幅度（r）、绝对能量（ae）、均方根频率（rf）、峰值频率（pf）、小波特征参数d1、d2、d3、d4、d5、d6、d7、d8、递归率（r）、确定率（d）、香农熵（e）、平均对角线长度（l
mean
）建立机器学习模型，具体如下：lda1=5.112c+0.144r-0.386ae+0.707rf-0.32pf+8.749d1-0.381d2+1.269d3-1.331d4+2.646d5+1.144d6-0.676d7-0.0011d8+5.433r-18.745d-6.06
×
10-3l
mean
。
47.7）根据线性判别建立的机器学习模型与调整打印参数构建不同水平的316l不锈钢孔隙度建立起对应关系并构建缺陷数据库。
48.目标构件缺陷监测：1）缺陷数据库建立完毕后，确保装置可以正常工作，开始打印目标工件，目标工件打印参数为：激光功率150w、扫描速度850mm/s、扫描间距0.1 mm时、层厚0.03 mm。
49.2）工作声发射传感器20采集目标构件打印过程中的信号，护卫声发射传感器24采集目标构件打印过程中环境噪声。
50.3）采集到的信号经过前置放大器25放大后传入双通道声发射采集卡26。
51.4）双通道声发射采集卡26对信号进行处理，提取时域特征参数包括振铃计数（c）、幅度（r）、绝对能量(ae)；频域特征参数包括均方根频率（rf）、峰值频率（pf）；小波特征参数d1、d2、d3表示高频率信息，d4、d5、d6、d7、d8表征中长时间事件；递归特征参数包括递归率（r）、确定率（d）、香浓熵（e）、平均对角线长度（l
mean
）。
52.5）使用建立起来的机器学习模型对特征参数计算。
53.6）与建立起来的缺陷数据库进行分析并分类，预测其缺陷类型为较低孔隙度level 2，预测图见图6，基于声发射信号和机器学习模型在线监测结果。
54.7）把得到结果孔隙水平level 2显示在pc机27上。
55.8）对打印的目标316l不锈钢构件进行切件、打磨、抛光、腐蚀后拍摄的金相图见图5（d），孔隙水平与声发射信号进行线性判别分析方法建模后预测的孔隙水平进行验证。
56.结果表明，使用声发射技术监测选区激光熔化打印过程中内部缺陷的判别结果与金相照片结果基本一致。
57.本发明实施所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例中陈述的具体形式，本发明的保护范围以及本领域技术人员根
据本发明构思所能想到的等同技术手段。

技术特征：
1.一种金属选区激光熔化内部缺陷在线监测装置，其特征在于：包括金属选区激光熔化系统、信号采集系统和信号处理系统；金属选区激光熔化系统实现金属构件3d打印，打印具有不同缺陷类型或水平的金属构件；信号采集系统与金属选区激光熔化系统连接，用来获取金属构件3d打印过程中的声发射信号；信号处理系统与信号采集系统连接，用来提取特征参数以及建立机器学习模型，利用机器学习模型对打印过程中的未知信号进行判别及分类，从而实现金属选区激光熔化系统内部缺陷在线监测。2.根据权利要求1所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：金属选区激光熔化系统包括成型密封舱，成型密封舱的一侧舱壁外设置有光纤激光器，成型密封舱内设置有扩束镜、聚焦系统、扫描振镜和透镜，光纤激光器的出射端正对扩束镜的入射端，扩束镜的出射端正对聚焦系统的入射端，聚焦系统的出射端正对扫描振镜的入射端，扫描振镜的出射端正对透镜的入射端；成型密封舱的另一侧舱壁连接有真空泵、氩气保护装置和水冷箱；成型密封舱的底部设置有送粉缸、成型缸和剩粉缸，送粉缸和成型缸的底部均设置有升降台；成型缸内设置有基板，基板位于透镜的下方并正对透镜的出射端，基板下方设置有预热装置和温度传感器；剩粉缸的底部连接有收粉容器；成型密封舱内的顶部设置有气压传感器、湿度传感器和氧含量传感器；成型密封舱内的底部靠近送粉缸的位置处设置有刮刀。3.根据权利要求2所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：信号采集系统包括两个相同的声发射传感器、一个前置放大器和一个双通道声发射采集卡，其中一个声发射传感器镶嵌在基板底部，另一个声发射传感器固定在成型密封舱的一侧外舱壁上，两个声发射传感器分别与前置放大器连接，前置放大器与双通道声发射采集卡连接。4.根据权利要求3所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：声发射传感器采用宽频差分式传感器，谐振频率为500khz，工作频率范围为100khz-1000khz之间；前置放大器采用2/4/6型前置放大器，提供20db、40db和60db的放大增益；双通道声发射采集卡具备每通道10m/s采样率、16bit采样精度，低系统噪声和高动态范围，附带1gb波形缓存器。5.根据权利要求3或4所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：信号处理系统由内置于pc机的声发射特征参数提取系统和机器学习模型两部分组成；声发射特征参数提取系统提取的特征参数包括时域特征参数、频域特征参数、小波特征参数和定量递归特征参数；机器学习模型为使用线性判别分析方法处理特征参数。6.根据权利要求5所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：时域特征参数包括振铃计数、幅度、绝对能量；频域特征参数是通过快速傅里叶变换得到时域信号对应的频域谱，并提取均方根频率、峰值频率；小波特征参数是对采集到的信号使用db3函数进行8层小波分解，d1、d2、d3表征短时间尺度事件，d4、d5、d6、d7、d8表征中长时间事件；定量递归特征参数包括递归率、确定率、香浓熵、平均对角线长度。7.根据权利要求5所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：线性判别分析方法的判别机制为：给定训练样例集，将样例投影到一条直线上，使得同类样例的投影点接近，异样样例的投影点远离；在对新样本进行分类时，将其投影到同样的直线上，再根据投影点的位置来确定新样本的类别。8.根据权利要求7所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：通过
调节打印工艺制备出具有不同缺陷类型或水平的金属构件。9.根据权利要求8所述的金属选区激光熔化内部缺陷在线监测装置，其特征在于：采集到不同缺陷类型或水平的金属构件信号放入机器学习模型中进行缺陷分类与识别。

技术总结
本发明为一种金属选区激光熔化内部缺陷在线监测装置，属于金属增材制造技术领域。该装置设有金属选区激光熔化系统、信号采集系统和信号处理系统，金属选区激光熔化系统实现金属构件3D打印，打印具有不同缺陷类型或水平的金属构件；信号采集系统与金属选区激光熔化系统连接，用来获取金属构件3D打印过程中的声发射信号；信号处理系统与信号采集系统连接，用来提取特征参数以及建立机器学习模型，利用机器学习模型对打印过程中的未知信号进行判别及分类，从而实现金属选区激光熔化系统内部缺陷在线监测。本发明可实时采集金属选区激光熔化过程中的声发射信号，并对其进行高精度判别和分类，实现金属选区激光熔化内部缺陷在线监测。测。测。


技术研发人员：陈卫 刘斌 张震 李忠华 白培康
受保护的技术使用者：中北大学
技术研发日：2023.07.19
技术公布日：2023/10/11