机械工程学报

作者：林昕, 毛杨坤, 傅盈西, 朱锟鹏

单位：1. 武汉科技大学精密制造研究院 武汉 430081;2. 武汉科技大学冶金装备及其控制教育部重点实验室 武汉 430081;3. 中国科学院合肥物质科学研究院智能机械研究所 合肥 230031;4. 新加坡国立大学新国大苏州研究院 苏州 215123

关键词：选区激光熔融,图卷积,过程监测,羽流运动特征,深度学习；

基金：国家自然科学基金资助项目(52175481)。

现有的研究中羽流已被证明与选区激光熔融加工过程有着密切关系且影响了最终成形质量，如何利用羽流等监测信息揭示选区激光熔融成形过程中熔融状态，是选区激光熔融成形过程监测被广泛关注的重要原因之一。为了更加完善地描述羽流信息，采用Deeplabv3+网络对图像进行语义分割，并使用标记图法建立一维的羽流形态特征；同时结合时序信号，构建图卷积自编码器与分类器，提出一种基于图结构的羽流运动特征，并进行聚类，得到熔融状态分类，讨论加工过程中羽流运动特征和熔融状态的关系。采用图卷积编码羽流动态特征，实现特征建立与熔融状态识别，并通过输出图卷积表征值，对图卷积在羽流特征提取中的应用进行可解释性分析。结果表明，提出的羽流特征能够实现五类熔融状态的识别且准确率达到了81.52%，并通过可解释性分析了羽流动态特征与熔融状态的内在关系，为选区激光熔融成形过程中监测信号与成形质量映射关系研究提供了新的思路。

来源：2024年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第12期