机械工程学报

作者：张赛凡, 李博, 轩福贞

单位：华东理工大学机械与动力工程学院 上海 200237

关键词：声发射监测,机器学习,激光选区熔化,小波包分析,经验模态分解；

基金：国家自然科学基金(52175140)和民用航天技术预先研究(D020301)资助项目。

激光选区熔化(Selective laser melting, SLM)中激光工艺参数显著影响成形件质量，而现行的工艺优化路径大多是基于激光能量密度经验性公式的“盲摸”工艺试验，难以全面反映影响成形件质量的诸多环境因素，且在SLM过程中，熔池失稳、激光辐照不连续的情况时有发生，因此亟需开发SLM过程中工艺参数在线动态调控及质量监测技术，以保障制造工艺的可靠性和成形件质量的稳定性。通过声发射信号处理与神经网络算法，实现对采用不同激光工艺参数的熔道SLM成形过程的声发射信号分类预测。在降噪模块中，为确定经验模态分解的分解层数从而将其作为神经网络输入神经元的数量，提出一种基于序列间相关性和反双曲正切函数的直观评判方法。在分类预测模块中，对比基于经验模态分解和小波包变换两种声信号特征提取方法所设计的神经网络性能。研究结果表明神经网络模型对于不同激光参数产生的声发射信号进行分类预测的可行性，从而可直接指导SLM工艺参数的在线调控优化或优选，并为SLM过程的成形质量在线监测系统奠定理论方法基础。

来源：2024年第6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6期