论文部分内容阅读
金属增材制造(Additive manufacturing,AM)技术具有精确还原原型、快速成形等特点,可以制造各种复杂器件,在航空领域、机械领域以及军事领域均有很好的应用前景。然而,增材制造加工过程中存在着由于设备精度控制原因造成材料过损的问题,使成形零件产生缺陷。由于铬元素可以增强增材制造材料的塑形率,通过对材料铬元素的实时监测可以对零件的成形质量进行预测判断。因此,实现对增材制造制造过程的实时监测、对成分元素的精确检测对于成形质量的控制十分重要。激光诱导击穿光谱技术(Laser induced breakdown spectroscopy,LIBS)因具备样品无需预处理、可同时快速分析多元素以及远距离实时在线检测等特点,在金属成分监测领域具有广泛的实用化前景。本文利用LIBS技术对增材制造材料中的铬(Cr)元素进行监测,并解决了监测过程中的一些关键因素问题,如提高三维移动平台的控制精度,激光能量、脉冲间隔、光谱仪采集延时、激光焦点距离和激光波长对监测的影响,同时,对如何提高监测Cr元素的稳定性和精确性以及增材制造成形零件中的缺陷进行精准识别方法研究,本文的具体研究内容如下:1、针对金属激光增材制造的加工过程,引入激光诱导等离子体光谱分析技术进行监测,并以此搭建了光谱实时采集系统。同时提出了缺陷识别方法,提高了金属增材制造监测精度及缺陷识别的辨识率;2、针对三维移动平台的控制精度不高的问题,重新对三维移动平台进行了硬件电路和软件界面设计,不仅有效的解决了三维移动平台控制精度不高的问题,同时还提升了软件操作的便捷性;3、针对监测参数对测量结果影响的问题,对激光能量、脉冲间隔时间、采集延时、激光焦点距离和激光波长等参数的影响进行了光谱强度、信背比、相对标准偏差以及等离子体的形态等方面的对比分析,选取了适用于监测增材制造的参数,避免了因参数选取不当带来的数据误差,从一定程度上提高了监测精度;4、针对测量数据处理中的分析方法精度和稳定性较差的问题,通过算法优化提升了成分分析预测的结果。使用绝对强度法、偏最小二乘法和最小二乘支持向量机三种算法对测量数据的谱线强度比与元素浓度的非线性关系进行定量预测分析。结果表明,使用最小二乘支持向量机对成分监测的精度和稳定性要优于单变量定量分析和偏最小二乘法定量分析,其相关系数提升为0.9993。其预测后的均方根误差为0.0221%,测试均方根误差下降为0.0327%,平均相对误差也下降到1.3112%。因此将最小二乘支持向量机应用于增材制造监测数据分析更合理;5、针对金属增材制造样品缺陷识别的问题,使用偏最小二乘法和最小二乘支持向量机对缺陷进行判别分析,实验结果表明使用最小二乘支持向量机的缺陷识别的识别率优于偏最小二乘法。使用最小二乘支持向量机整体缺陷的识别概率从91.6%提升到98.3%;基于两种缺陷识别模型,对其实验结论进行验证,结果表明:使用最小二乘支持向量机,球化缺陷的识别正确率从73.3%提升到了100%;孔隙缺陷的识别正确率从76.7%提升到了90.0%;裂纹缺陷的识别正确率也从80.0%提升到了93.3%。由此验证了最小二乘支持向量机分类模型对缺陷分类的有效性。