[00121064]激光增材制造成形过程质量辨识与自适应调控技术

针对目前航空航天、船舶等领域在金属激光增材制造与再制造过程中存在的成形塌陷、质量不稳定、尺寸不均匀和成形质量无法在线测量等问题,本课题重点从激光熔池在线监控、成形构件快速重构与成形精度检测、熔池形貌与成形质量特征参数的匹配与辨识、基于显著性工艺参数的自适应控制等几个关键技术方向开展研究,实现基于激光熔池宽高度和成形件外形尺寸与工艺参数在在线匹配和自适应控制,研制出具有自主知识产权的激光增材制造成形过程的成形质量在线检测与工艺过程自适应控制系统,在大尺寸金属构件的激光增材制造中应用,并开展工程化应用推广。 本课题通过对传统打印头的集成与优化,实现成形过程熔池信息的实时测量与采集,通过图像融合与视觉检测技术在线提取熔池重要特征信息,分析成形构件几何尺寸精度、微观组织、机械性能等与熔池特征信息的对应关系,建立熔池特征参数与显著性工艺的参数化模型。引入深度学习技术,通过算法设计及大量实验样本的学习,实现辨识精度的大幅度提升并实现了熔池尺寸的有效预测;另一方面,开展关键工艺参数对成形过程的影响研究,建立参数影响模型,得到典型工艺参数对成形材料组织和性能的影响规律;结合上述研究成果,针对激光增材制造研发自适应控制,最终实现熔池监控与成形精度在线检测,外形检测范围达到10mm~2000mm,成形检测精度≤0.04mm+0.06mm/m,熔池检测范围≥5mm*5mm,几何分辨率≥0.05mm,温度分辨率≥10℃,宽度控制精度≤0.2mm,高度控制精度≤0.2mm。 通过工艺参数的匹配优化设计,完成了成形过程显著性工艺参数对构建成形质量的影响规律研究;实现了典型工艺参数对30CrNi2MoVA高强度钢组织与性能的影响规律研究,实现了相关构件的增材制造过程缺陷控制、表面质量和尺寸精度控制、组织性能控制的一致稳定性控制,为增材制造过程特征参数与质量辨识打下坚实基础。创新性的将深度学习技术应用到成形质量辨识中,通过算法设计与大量样本训练,实现了高精确度的成形质量参数特征辨识,达到国内领先水平。 该技术主要应用于金属材料的增材制造过程控制,作为一种先进控制技术,能够有效的解决现有制造过程中质量不稳定,可控性不高的问题,提高产品的质量与良率,能够广泛应用于航空航天、先进装备制造等领域。目前依托该项技术,本单位已签订三项技术服务合同,制造复杂军民品零部件三类共计三十余件,效果良好。课题开展过程中,本单位也成功入选工信部增材制造“一条龙”示范企业,同时加入了“全国增材制造创新战略联盟”,平台的提升有助于进一步推动技术的应用与推广。 由于增材制造的特性,不同材料由于成分不同,导致凝固行为不同,工艺参数对其成形质量的影响也不尽相同,针对不同材料需要对相关模型进行适当的调整。限于工作量,本课题仅针对单一材料进行了相关研究,得到了较为理想的结果,而对其它更多材料的适配性有待完善补充。尽管项目取得了一定的成果,但目前依然停留在项目阶段,成果转化工作和产业化开展较慢。同时由于市场推广力度不够,以致于成果当前应用范围局限于国防军工及绵阳附近部分单位。针对上述存在的问题,我单位下一步拟将研究成果推广至更多的材料种类,通过更大的样本数训练质量辨识模型使其更加完善,建立并完善针对多种材料的全流程工艺数据库,使自适应控制系统更加的完善、精确。同时,加快研究成果转化的方式及可能性,尽快将该项目研究成果产业化,以实现更好的经济效益与社会效益。