激光与红外

作者：蒋国璋

单位：1.武汉科技大学机械自动化学院,湖北 武汉 430081；2.武汉科技大学材料与冶金学院,湖北 武汉 430081；

关键词：选区激光熔化;球化现象;特征提取;球化程度等级;CNN网络

基金：国家自然科学基金项目(No.51805384；No.51875379)；冶金装备及其控制教育部重点实验室开放基金项目(No.2018B08)资助。

球化现象是选区激光熔化(SLM)成型过程中最常发生的缺陷,同时影响了最终成型部件的疲劳寿命和物理性能。合理控制部件成型过程中球化现象的发生,对维持成型过程的持续进行以及获得高质量的成型部件具有重大意义。本文在研究SLM成型过程中部件表面球化特征提取方法的基础上提出了球化程度表征方法,并通过正交实验验证了球化程度表征方法的有效性,建立了球化程度与激光能量密度之间的关联关系。同时对球化程度等级做了界定,最终构建了深度卷积神经网络(CNN)模型自动识别部件表面球化程度等级,以辅助实验及生产人员做出相应的决策。模型识别结果表明,在小的图像分割集上,网络识别精度达到了964,当在所采集的全局显微图像集上,其识别精度达到了100,取得了良好的识别效果。本研究将为SLM成型过程中成型质量的实时控制提供有效实现途径。

来源：2021年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2021年第12期