时层

使用域自适应神经网络进行多层定向能量沉积过程中的实时层高估计

金属增材制造 (AM)，例如激光直接能量沉积 (DED)，因其能够为各种工业应用制造近净成形的复杂部件而越来越受欢迎。然而，DED 过程中的几何控制，尤其是在急转弯处的几何控制仍然是一项艰巨的任务。为了实现几何控制，几何估计以确定工艺参数和几何属性之间的关系至关重要。在本研究中，使用激光线扫描仪、视觉相机和域自适应神经网络 (DaNN) 为 DED 开发了一种实时层高估计技术。重点放在多层沉积期间尖角处的层高估计。首先，使用激光线扫描仪收集多层直线沉积数据并构建初始层高估计模型。然后，为了有效地实现角落沉积期间的层高估计，使用多层直线沉积数据和构建的初始模型建立了 DaNN 模型。使用视觉相机测量角落处的实际移动速度并将其作为输入特征之一输入到 DaNN 模型中。最后，在线更新 DaNN 模型以进一步提高角落沉积期间的估计精度。所提出的技术已通过DED实验验证，结果表明，当在不同角度的角落沉积多层平均高度为 250 µ m 的层时，可以在 0.018 秒内估算出层高，平均精度为 25.7 µ m。