CN119407199A 电磁辅助的镍基合金激光熔化沉积裂纹抑制方法及系统 （上海工程技术大学）

电磁辅助的镍基合金激光熔化沉积裂纹抑本发明提供一种电磁辅助的镍基合金激光2构建电磁场辅助激光熔化沉积对应的智能控制系统，化控制策略并解析为执行指令输出至激光器和预先设置的电磁线圈阵列；基于所述电磁线圈阵列中的多层电磁线圈构建三维电磁场分布矩阵述中央控制单元并对激光参数和电磁场进行根据视觉传感器实时检测零件表面形貌，提取缺陷特征参数向通过预先设置的传感器采集电磁场辅助激光熔化沉积过程中对应的基于所述高维特征向量，通过卷积长短时记忆网络对熔池形貌对应3将所述预测结果作为熔池状态向量添加至中央控制单元，所述中;构建三维电磁场分布矩阵，在激光扫描方向前后设置正交电磁线圈并产生第一电磁场矢基于电磁线圈阵列中的多层电磁线圈，通过三维建模软件构建三维电磁场分布矩阵，在电磁线圈阵列的前后方向布置正交线圈，通过调节电流相位和幅值进行电磁场矢量调通过预先设置的高速摄像机获取熔池形貌图像，对采集到的熔池形貌图像进行预处通过生成对抗网络中的生成器接收随机噪声和所述反馈信号，结合向流动和非线性振荡，获取振荡参数并根据所述振荡参数预测所述熔池对应的热力学行基于所述多维控制信号和电磁场中的感应电流，计算体积电磁4熔池振荡幅值和所述振荡频率特性组合为振荡参基于所述振荡参数，根据感应电流和共振效应进行电磁诱导振和熔池热力学参数之间的映射模型，结合机器学习算法训练预先设置的非线性回归模型，基于预先设置的视觉传感器对生产得到的零件进行实时成像，得基于预先获取的历史工艺数据构建零件制造过程的数字将缺陷抑制过程建模为马尔可夫决策过程，以缺陷特征参数向量基于元学习算法，结合制造任务的目标和材料类型对应特征向量，5;8.电磁辅助的镍基合金激光熔化沉积裂纹抑制系统，用于实现前述权利要求1_7中任第一单元，用于构建电磁场辅助激光熔化沉积对应的智能控述中央控制单元根据深度强化学习算法设置以裂纹倾向性为约束的奖励函数和动作_价值网络，求解得到优化控制策略并解析为执行指令输出至激光器和预先设置的电磁线圈阵列；第二单元，用于基于所述电磁线圈阵列中的多层电磁线圈构建三维电磁场分布矩阵，预测结果反馈至所述中央控制单元并对激光参数和电磁场进第三单元，用于根据视觉传感器实时检测零件表面形貌，其中，所述处理器被配置为调用所述存储器存储的指令，以执行6程序指令被处理器执行时实现权利要求1至7中任意7[0003]本发明实施例提供一种电磁辅助的镍基合金激光熔化沉到优化控制策略并解析为执行指令输出至激光器和预先设置的电磁线圈阵至所述中央控制单元并对激光参数和电磁场8到优化控制策略并解析为执行指令输出至激光器和预先设置的电通过预先设置的传感器采集电磁场辅助激光熔化沉积过程中对应的多源异构数结合深度强化学习算法进行数据驱动的策略优化，将裂纹倾向性作为约束条件，;9所述熔池振荡幅值和所述振荡频率特性组合为振荡参基于预先设置的视觉传感器对生产得到的零件进行实时成像，得到零件表面形孪生模型对缺陷成因进行反演分析，生成反演结果并与所述缺陷动态演化趋势进行融合，所述马尔可夫决策过程对应的目标函数如下公;布进行实时预测，生成预测结果并将所述预测结果作为熔池状态向量添加至中央控制单元，所述中央控制单元根据深度强化学习算法设置以裂纹倾向性为约束的奖励函数和动作价值网络，求解得到优化控制策略并解析为执行指令输出至激光器和预先设置的电磁力学预测结果反馈至所述中央控制单元并对激光参数和电磁场进陷成因概率分布并结合动态演化趋势预测得到缺陷风险等级，将所述缺陷成因概率分布、[0015]图1为本发明实施例电磁辅助的镍基合金激光熔化沉积裂纹抑制方法的流程示意图2为本发明实施例电磁辅助的镍基合金激光熔化沉积裂纹抑制系统的结构示意[0018]图1为本发明实施例电磁辅助的镍基合金激光熔化沉积裂纹抑制方法的流程示意S1.构建电磁场辅助激光熔化沉积对应的智能控制系统，根据所述智能控制系统控制单元根据深度强化学习算法设置以裂纹倾向性为约束的奖励函数和动作一价值网络，求解得到优化控制策略并解析为执行指令输出至激光器和预先设置的电磁线圈阵列；所述多尺度卷积神经网络是一种深度学习架构，通过不同尺度的卷积核提取特到优化控制策略并解析为执行指令输出至激光器和预先设置的电通过预先设置的传感器采集电磁场辅助激光熔化沉积过程中对应的多源异构数塔池化算法是一种通过在不同尺度上进行池化操作来增强模型对尺度变化适应性的技术，述时空演化规律描述了物理现象在时间和空间上的变化模式，有助于理解复杂系统的行通过1x1卷积进行降维，最终得到9x64维的熔池温度分布结合深度强化学习算法进行数据驱动的策略优化，将裂纹倾向性作为约束条件，;[0029]本实施例中，通过将裂纹倾向性纳入奖励函数能够有效地控制和减少裂纹的形[0030]S2.基于所述电磁线圈阵列中的多层电磁扫描方向前后设置正交电磁线圈并产生第一电磁场矢量，结合所述熔池形貌的实时反馈，果反馈至所述中央控制单元并对激光参数和电磁场进行磁场的强度和方向，所述多维控制信号是通过多个输入信号共同影响系统行为的信号组反映其动态行为，所述热力学行为是描述材料在热量传递和相变过程中的性质和变化规参数向量作为强化学习的动作空间，以熔池特征参数与目标参数之间的偏差作为奖励函[0037]本实施例中，通过神经网络模型建立了电磗场参数与熔池特征之间的映射关系，所述熔池振荡幅值和所述振荡频率特性组合为振荡参[0052]S3.根据视觉传感器实时检测征参数向量和所述缺陷风险等级作为输入，生成动态调控曲线并离散为多维控制指令矢量，基于所述多维控制指令矢量和预先设置的高速反馈通道更新电磁场参数和激光参数，线对预先设置的调控模型进行更新，输出优化后的调控模型参数并再次进行裂纹抑制操基于预先设置的视觉传感器对生产得到的零件进行实时成像，得到零件表面形孪生模型对缺陷成因进行反演分析，生成反演结果并与所述缺陷动态演化趋势进行融合，列。[0060]基于缺陷成因概率分布和动态演化趋势，采用模糊综合评判法计算缺陷风险等从而抑制裂纹扩展。对于激光参数，可通过调节激光功率(如500_1500W)、频率(如50_所述马尔可夫决策过程对应的目标函数如下公;[0068]图2为本发明实施例电磁辅助的镍基合金激光熔化沉积裂纹抑制系统的结构示意布进行实时预测，生成预测结果并将所述预测结果作为熔池状态向量添加至中央控制单元，所述中央控制单元根据深度强化学习算法设置以裂纹倾向性为约束的奖励函数和动作价值网络，