[发明专利]一种基于深度学习的皮秒超快激光加工系统及方法

权利要求书

1.一种基于深度学习的皮秒超快激光加工系统，其特征在于，包括：

一激光器，用于发射皮秒超快激光束；

一共焦轴向监测模块，用于实时监测加工中的工件形态性能参数，所述工件形态性能参数包括：工件表面形貌轮廓、在加工过程中所述工件表面的实时轴向位置、与所述实时轴向位置对应的共焦曲线；

一二向色镜A；

一二向色镜B；

一加工工作台，用于承载待加工工件；

一物镜；所述共焦轴向监测模块发出的轴向监测平行激光束经所述二向色镜A反射、所述二向色镜B透射后，进入所述物镜聚焦射向所述加工工作台上的工件的表面，经过工件的表面后激光束返回所述共焦轴向监测模块；所述激光器发出的发射皮秒超快激光束经所述二向色镜A和所述二向色镜B透射后进入所述物镜聚焦射向所述加工工作台上的工件的表面，对工件进行加工；

一数据采集模块，与所述共焦轴向监测模块连接，用于采集所述共焦轴向监测模块实时监测加工中的工件形态性能参数；

一控制模块，所述控制模块为基于卷积神经网络的模型，与所述数据采集模块连接；所述控制模块用于根据所述数据采集模块采集的所述工件形态性能参数判断所述工件的加工精度和形态变化，并及时调整所述激光器的参数以及所述加工工作台的实时位置，以满足所述工件的加工要求；

一训练模块，与所述控制模块连接，用于对所述控制模块进行训练。

2.根据权利要求1所述的基于深度学习的皮秒超快激光加工系统，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层，所述卷积层层数为16、卷积核大小为3*3的卷积层和层数为5的最大池化层。

3.根据权利要求1所述的基于深度学习的皮秒超快激光加工系统，其特征在于，所述共焦轴向监测模块包括激光管、扩束器、第一分光镜、共焦探测模块；所述共焦探测模块包括探测物镜和强度探测器。

4.根据权利要求3所述的基于深度学习的皮秒超快激光加工系统，其特征在于，所述共焦轴向监测模块实时监测方法为所述共焦轴向监测模块发出的轴向监测平行光束依次经所述第一分光镜透射、经所述反射二向色镜A、所述透射二向色镜B后，进入所述物镜并被聚焦到所述工件表面，经所述工件表面反射的反射轴向监测光束经所述第一分光镜反射后，经所述探测物镜聚焦到所述强度探测器，得到共焦曲线。

5.根据权利要求4所述的基于深度学习的皮秒超快激光加工系统，其特征在于，所述激光器发射的皮秒超快激光束与所述共焦轴向监测模块发出的轴向监测平行光束经所述物镜同轴耦合到所述工件表面，实现皮秒超快激光加工工件的形态性能参数的实时监测。

6.一种基于深度学习的皮秒超快激光加工方法，其特征在于，包括以下步骤：

S1、构建控制模块，所述控制模块为基于卷积神经网络的网络模型；

S2、使用训练模块对所述控制模块的网络模型进行训练；

所述训练模块中设置有训练样本，所述训练样本包括：由共焦轴向监测模块监测得到的工件形态性能参数、激光器参数以及加工工作台的实时位置；所述工件形态性能参数包括：工件的表面形貌轮廓、在加工过程中所述工件表面的实时轴向位置、与所述实时轴向位置对应的共焦曲线、加工后所述工件形态性能参数；

S3、将数据采集模块采集的实时工件形态性能参数参数输入训练完成的控制模块网络模型，由所述训练完成的控制模块网络模型给出激光器参数、加工工作台的实时位置的调整方案，所述调整方案为所述激光器和所述加工工作台运行的依据。

7.根据权利要求6所述的基于深度学习的皮秒超快激光加工系统，其特征在于，所述训练样本包括80％的训练样本和20％的测试训练样本。

8.根据权利要求7所述的基于深度学习的皮秒超快激光加工系统，其特征在于，步骤S2中所述控制模块的网络模型的训练过程包括以下步骤：

S21、将待加工工件置于加工工作台上，由所述加工工作台带动所述工件进行二维扫描运动，利用所述共焦轴向监测模块对工件的表面轮廓进行扫描测量，并将测量结果输入给所述控制模块的网络模型；

S22、将所述共焦轴向监测模块在加过程中探测生成的实时共焦曲线输入所述所述控制模块的网络模型；

S23、将所述共焦轴向监测模块得到的所述实时共焦曲线峰值位置与所述轴向扫描器对所述工件表面轴向扫描，并进行一一对应的输入到所述控制模块的网络模型中；

S24、所述控制模块的网络模型根据所述共焦轴向监测模块对加工监测结果实时调整所述加工工作台的位置和所述激光器参数；

S25、加工完成后，利用所述共焦轴向监测模块对加工完成后的所述工件结构进行扫描测量，得到加工后工件形态参数检测结果，并输入所述控制模块的网络模型。