基于多傳感融合的熔池監(jiān)測系統(tǒng)的增材制造部件原位質(zhì)量分類

來源：AMF增材制造前沿

激光粉末床熔融 (Laser Powder Bed Fusion, L-PBF) 工藝可重復(fù)性不足、成形穩(wěn)定性差是阻礙其進(jìn)一步發(fā)展的瓶頸。對L-PBF成形過程進(jìn)行多傳感監(jiān)測，在線識別和預(yù)測潛在缺陷，進(jìn)而開展原位控制是解決成形件質(zhì)量波動的有效方法。聲、光、圖像等多源異構(gòu)傳感信號的融合，以及基于大量監(jiān)測數(shù)據(jù)的成形質(zhì)量預(yù)測，是L-PBF在線監(jiān)測與質(zhì)量控制技術(shù)發(fā)展的關(guān)鍵。

論文亮點
（1）提出了典型特征提取與一維時序信號的圖像轉(zhuǎn)換策略相結(jié)合的方法，解決多源異構(gòu)信號維度與尺度不統(tǒng)一和資源限制的問題。

（2）構(gòu)建了具有四個卷積模塊的卷積神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)L-PBF過程非統(tǒng)計特征的捕捉。

（3）利用改進(jìn)DS證據(jù)理論將三種單傳感監(jiān)測模型分別進(jìn)行分組決策融合，驗證了L-PBF過程多傳感融合監(jiān)測可以進(jìn)一步提升模型質(zhì)量分類的準(zhǔn)確率。

Fig. 1 Conversion method of the three types of signals from 1D time-domain signals to 2D grayscale images.

試驗方法
本研究通過改變激光功率和掃描速度實現(xiàn)對體積能量密度調(diào)控，進(jìn)而獲得不同質(zhì)量的成形件。在實驗樣件打印過程中，利用高速相機(jī)、光電二極管與麥克風(fēng)實時采集實驗樣品多個打印層的過程信號，并以質(zhì)量表征結(jié)果為處理后的過程信號制作標(biāo)簽。通過訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型并分組融合，對比分析單傳感、雙傳感以及三傳感融合質(zhì)量分類模型性能。

Fig. 2 Schematic diagram of quality characterization and quality classification.

結(jié)果
本文提出了一維信號-二維圖像的多源異構(gòu)信號處理方法，相較于以原始一維信號為網(wǎng)絡(luò)輸入，表現(xiàn)出更好的分類性能。
雙傳感器融合模型性能優(yōu)于單傳感器融合模型，而三傳感器融合模型性能又優(yōu)于雙傳感器融合模型。其中三傳感器融合模型分別達(dá)到了96.74%的精確度、97.37%的召回率和97.05%的F1值，驗證了L-PBF過程多傳感融合監(jiān)測的有效性和優(yōu)越性。
在雙傳感器監(jiān)測模型中，基于熔池面積信號和聲學(xué)信號的模型分類準(zhǔn)確性最好。這可能是由于上述兩種信號包含了LPBF過程多方面信息，它們的融合促進(jìn)了信息的互補。

Fig. 3 Confusion matrix for the results of the seven quality monitoring models (a) CNN1, (b) CNN2, (c) CNN3, (d) CNN1+CNN2, (e) CNN1+CNN3, (f) CNN2+CNN3,

結(jié)論
本研究提出了一種基于多傳感融合的熔池監(jiān)測系統(tǒng)對增材制造部件進(jìn)行原位質(zhì)量分類的方法。該方法集成高速相機(jī)、光電二極管和麥克風(fēng)對L-PBF過程進(jìn)行信號采集，并提出一種信號-圖像的多源異構(gòu)信號處理方法。通過將三種單傳感監(jiān)測模型分別進(jìn)行分組融合，實驗表明利用多傳感融合方法對L-PBF過程進(jìn)行監(jiān)測可以進(jìn)一步提升模型質(zhì)量分類的準(zhǔn)確率。

前景與應(yīng)用
實現(xiàn)對L-PBF成形質(zhì)量的快速、準(zhǔn)確診斷是開展在線原位控制的前提。本研究構(gòu)建了集成高速相機(jī)、光電二極管與麥克風(fēng)三種傳感器的L-PBF在線監(jiān)測系統(tǒng)與質(zhì)量預(yù)測方法，在粉末床熔融金屬增材制造裝備及控制技術(shù)發(fā)展方面具有重要的應(yīng)用價值。此外，考慮到光電二極管成本相對較低，而高速相機(jī)的成本往往較高，本研究有助于探究低成本傳感器對高成本傳感器的可替代性。

作者團(tuán)隊介紹

楊繼全（團(tuán)隊帶頭人），博士，教授，南京師范大學(xué)南瑞電氣與自動學(xué)院院長，研究方向為3D打印及智能制造�，F(xiàn)任江蘇省三維打印裝備與制造重點實驗室主任、江蘇省三維打印產(chǎn)業(yè)技術(shù)創(chuàng)新戰(zhàn)略聯(lián)盟理事長，江蘇省六大人才高峰創(chuàng)新團(tuán)隊負(fù)責(zé)人，南京市科技頂尖專家，江蘇省“333”工程人才培養(yǎng)對象，中國增材制造標(biāo)準(zhǔn)化委員會委員，中國機(jī)械工程學(xué)會增材制造專業(yè)委員會委員，南京三維打印學(xué)會理事長，南京智能制造學(xué)會聯(lián)合體主席，中國工程院“中國3D打印材料及應(yīng)用發(fā)展戰(zhàn)略研究”項目組組長等。近五年主持國家重點研發(fā)計劃課題、國家自然科學(xué)基金項目、江蘇省科技成果轉(zhuǎn)化項目、江蘇省重點研發(fā)計劃項目等20余個項目。發(fā)表論文100余篇，出版著作16部，獲得授權(quán)專利及軟件著作權(quán)200余項，參與制訂增材制造國家標(biāo)準(zhǔn)6項，獲得省部級科學(xué)技術(shù)獎4項。

吳倩茹（本文第一作者），南京師范大學(xué)自動化系講師，碩士生導(dǎo)師，江蘇省雙創(chuàng)博士。畢業(yè)于北京理工大學(xué)機(jī)械工程專業(yè)，師從盧繼平教授、劉長猛教授，博士期間赴美國賓州州立大學(xué)T. DebRoy教授課題組訪問學(xué)習(xí)。在金屬增材制造成形工藝、多物理場耦合數(shù)值模擬、過程監(jiān)測與控制等方向開展了一系列基礎(chǔ)研究工作，主持江蘇省重點研發(fā)計劃（產(chǎn)業(yè)前瞻與共性關(guān)鍵技術(shù)）子課題、江蘇省高等學(xué)校自然科學(xué)研究面上項目，作為主要成員參與了國家自然科學(xué)基金項目、裝備發(fā)展部預(yù)研共用技術(shù)項目等多個研究項目。受Materials期刊邀請擔(dān)任專刊編輯，以第一/通訊作者在Additive Manufacturing、Journal of Manufacturing Processes等領(lǐng)域內(nèi)權(quán)威期刊上發(fā)表高水平SCI期刊論文十余篇，自2017年起被同行引用1200余次，以第一發(fā)明人申請發(fā)明專利5項。


團(tuán)隊研究方向
圍繞國家與江蘇省重大戰(zhàn)略需求，主要圍繞以下三個方向，開展增材制造技術(shù)領(lǐng)域的基礎(chǔ)研究與工程應(yīng)用：
（1）復(fù)合增材制造共性關(guān)鍵技術(shù)；

（2）國產(chǎn)化增材制造全棧工業(yè)軟件研發(fā)；

（3）復(fù)合增材制造裝備研制及工程應(yīng)用。


引用論文
Qianru Wu, Fan Yang, Cuimeng Lv, Changmeng Liu, Wenlai Tang, Jiquan Yang. In-Situ Quality Intelligent Classification of Additively Manufactured Parts Using a Multi-Sensor Fusion Based Melt Pool Monitoring System. Additive Manufacturing Frontiers, Volume 3, Issue 3, 2024, 200153.

https://doi.org/10.1016/j.amf.2024.200153.

文章鏈接：https://www.sciencedirect.com/sc ... i/S2950431724000431‍