【摘 要】
：
激光熔覆在增材制造技术中应用广泛,常用在零部件直接成型以及复杂零件修复等领域。激光熔覆中大多数的应用都需要多层堆积加工,而加工件的质量与离焦量息息相关。在加工过程中,由于熔池温度与累积误差等原因,会使得熔覆层的高度处于不断变化中从而导致离焦量的变化,因离焦量的不稳定易导致熔覆层组织性能不稳定,而造成最终工件质量不佳。因此,为在加工复杂零件如环形件或梯度材料时,可以获得尺寸精度较高的熔覆层,需要对离
论文部分内容阅读
激光熔覆在增材制造技术中应用广泛,常用在零部件直接成型以及复杂零件修复等领域。激光熔覆中大多数的应用都需要多层堆积加工,而加工件的质量与离焦量息息相关。在加工过程中,由于熔池温度与累积误差等原因,会使得熔覆层的高度处于不断变化中从而导致离焦量的变化,因离焦量的不稳定易导致熔覆层组织性能不稳定,而造成最终工件质量不佳。因此,为在加工复杂零件如环形件或梯度材料时,可以获得尺寸精度较高的熔覆层,需要对离焦量进行实时监测。所以本课题采用由同轴相机监测的熔池图像作为研究对象,提出基于深度学习的激光熔化沉积粉末流离焦量的识别方法。论文主要研究内容如下:（1）提出基于传统卷积神经网络的激光熔化沉积粉末流离焦量识别方法。首先,采用Canny算子边缘检测与阈值分割法得到熔池ROI（Region Of Interest）作为网络模型的输入;为实现离焦量的精准识别,分别尝试构建了AlexNet、GoogLeNet以及ResNet网络,分析并比较了三种网络结构特点以及识别结果。（2）提出基于FFCNN的激光熔化沉积粉末流离焦量的识别方法。针对传统卷积神经网络存在无法获得全面的熔池图像信息的问题,采用基于特征融合的卷积神经网络结构,并对熔池ROI图像进行了冲击滤波图像增强处理,来提高离焦量识别的准确率,同时利用旁轴相机监测方法验证了识别的准确性以及与传统神经网络相比,该模型的有效性与优势。（3）将LabVIEW与Python软件相结合,为日后所提深度学习算法的现实应用作铺垫。创建熔覆层离焦量的监测系统,包括激光熔化沉积熔池图像的采集、保存与预处理,实现基于各类神经网络算法的熔覆层离焦量实时监测。通过本项研究,实现了实验设备少、信号受干扰小和适用性更广的激光熔覆离焦量的在线识别,这对提高激光熔化沉积质量可靠性具有重要意义。
其他文献
电压测量广泛应用于存在电力输送计量、家用电器使用以及智能设备控制等各个领域,是科技发展进步过程中不可或缺的一环,而随着人们对科技进步需求的进一步增加,对于电压测量的要求也在不断提升。现存的电压测量方法大部分为直接测量,将测量仪表接入被测量系统进行信号的提取,这无疑会给原有的电子系统造成较大影响,使原系统偏离原有工作状态,而间接法主要有电压互感器测量,虽然会降低对被测系统的影响,但是较多应用于高压环
碳纤维复合材料（carbon fiber reinforced plastics,CFRP）具有高比强度、高比模量、耐腐蚀、可设计性强等优点,广泛应用在航空航天等高端制造领域。在大型复合材料构件加工中,机器人制孔系统具有灵活性强、效率高、精度高等特点,使其在为航空制造业数字装配领域的应用成为一种趋势。但由于CFRP硬度高、层间强度低等特性,加工时极易产生损伤,是典型的难加工材料,尤其是制孔时对切削
模糊认知图是一种由概念节点和连接概念节点的加权有向弧组成的有向图模型,它结合了模糊逻辑和神经网络的思想,具有强大的知识表示和推理能力,主要用于复杂动态系统的建模和分析。如何利用历史数据自动学习模糊认知图的权值是当前模糊认知图研究的重点。目前,基于历史数据的模糊认知图的权值学习通常分为三类:基于Hebbian的学习方法、基于种群的学习方法和混杂型学习方法。这些学习方法已经被应用到许多领域,表现出了良
“中国制造2025”规划中明确提出发展高端数控机床,因此对数控机床的高精度的设计需求愈发急切。机床振动特性影响着工件的加工精度,振动大多发生在可动结合面,机床可动结合面又以滚动导轨副为联接的移动结合面为最为常见,因此对滚动导轨副振动性能的研究具有重要意义。滚动导轨副振动误差的研究未考虑导轨几何误差对振动响应的影响,导轨几何误差改变了导轨副接触角与接触变形量的变化,影响导轨副接触刚度,进而对滚动导轨
当今社会劳动力成本越来越高,而现阶段机器人无法完全代替人力进行生产,在一些精细化操作中人工生产模式仍占主导地位,为了降低劳动强度、提高生产效率,人机协作的生产模式应运而生,而如何确保人与机器人的近距离安全共存是此模式下亟待解决的问题,也是近年来机器人领域的研究热点。因此,本文以自研的七自由度机器人为研究对象,对碰撞检测和柔顺控制等关键技术展开研究。机器人动力学模型是碰撞检测及柔顺控制算法的理论基础
在机械零部件制造加工行业中,铸造件内部缺陷检测是生产质量检查的关键一环,而目前,多数铸造加工厂仍然存在使用人工观察DR（digital radiography）图像来检查缺陷的方式。这种方法效率低下,且经常因人为原因造成漏判,效果不佳;随着计算机技术的发展,越来越多的研究人员使用计算机算法代替人工检测。然而,传统的计算机视觉方法普遍缺乏准确性和鲁棒性。为了解决如上问题,提高铸造件DR图像缺陷检测的
隧道掘进机（TBM）的应用已成为当下主流的隧道施工方式。而在掘进过程中,刀具在破岩时逐渐磨损,影响掘进效率,因此,更换磨损的刀具成为了施工过程中不可或缺的任务。目前,人工换刀效率低、风险大的弊端,引起重视;“机器代人”换刀成为了研究的热点。国内外机构对此进行了广泛的研究,提出了多种换刀机器人方案,但在物理实验和工程应用上取得进一步进展的较少。本文基于7.8m直径的TBM换刀机器人搭建了缩尺物理样机
金属零部件在复杂的工况条件下,如高温高湿、冲击、振动以及大负载等,很容易在零部件表面产生各种微小的裂纹。如果不能及时发现而任由其不断扩展,会引发严重的安全隐患,甚至造成严重的安全事故。激光超声作为一种新兴的超声无损检测技术,凭借其独有的优势,在无损检测领域展现出良好的应用前景。在目前主流的检测方法中,实现对表面裂纹的判别主要依赖于使用多种信号处理手段从超声波的反射以及透射波信号中提取出相关的时频域
目的分析抑郁症患者功能性消化不良（FD）、肠易激综合征（IBS）以及FD合并IBS的患病情况。方法选取2020年7月-2021年2月安徽医科大学附属巢湖医院收治的抑郁症患者200例作为观察组,另选取同期在我院进行体检的健康人群200例作为对照组。研究对象均进行问卷调查,比较两组FD、IBS、FD合并IBS的患病情况,观察组中不同性别FD、IBS、FD合并IBS的患病情况,以及观察组中有无胃肠道症状
随着当前社会人口老龄化趋势的不断加剧,由于脊柱损伤、脑卒中、脑血栓等中枢神经系统疾病引起的下肢运动功能障碍患者的人数不断上升,患者对于重新行走的渴望日益强烈。下肢助行外骨骼机器人作为智能机器人技术与康复医疗理论相结合的新产物,可以通过为不同身体状况的患者提供正确合理的助行方案,帮助患者完成日常生活中的行走动作。国内外科研机构对下肢助行外骨骼机器人进行了大量研究,提出了很多行走规划方法,但应用场景只