[发明专利]一种基于卷积神经网络的增材制造自反馈监测系统及方法

权利要求书

1.一种基于卷积神经网络的增材制造自反馈监测系统及方法，其特征在于，包括以下步骤：

步骤A1：对增材制造构件的三维模型进行分层处理，获取二维轮廓，生成加工路径；

步骤A2：在增材制造成型腔内的固定点位放置麦克风传感器，当激光沿着上述加工路径开始熔化粉末时，获取熔化过程中的声信号数据，根据声信号数据使用深度学习自反馈控制模块进行降噪并连续小波变换；

步骤A3：过滤后的时频图经VGG16卷积神经网络，输出预测结果信息；

步骤A4：将预测结果信息反馈至增材制造机器内，并实时调整参数对接下来的打印构件截面规避缺陷的产生或采取激光重熔的方法消除缺陷。

2.根据权利要求1所述的操作方法，其特征在于：所述步骤A2包括如下具体步骤：

步骤A21：采集增材制造机器成型腔内的激光熔化粉末过程中的声音传感器信号；

步骤A22：将采集到的原始熔化信号进行预滤波，即将打印过程中的无关噪音去除；

步骤A23：将滤波后的降噪声信号通过连续小波变换转换为时频域信号。

3.根据权利要求1所述的操作方法，其特征在于：所述步骤A3包括如下具体步骤：

步骤A31：将步骤A2得到的经降噪与连续小波变换的同源时频域信号输入到具有6个块结构的VGG16卷积神经网络中，并设计VGG16卷积神经网络的卷积核随着时频域信号的时间轴滑动；

步骤A32：将VGG16卷积神经网络模块所学习到的缺陷特征序列沿着特征序列维度进行级联拼接，将卷积神经网络的预测结果与数据库对比，得到获得打印构件缺陷特征信息。

4.根据权利要求1所述的操作方法，其特征在于：所述步骤A4包括如下具体步骤：

步骤A41：将步骤A3得到的打印构件缺陷特征信息输入至增材制造机器内的数据采集与分析模块，两设备通过TCP/IP通讯，数据采集与分析模块接受缺陷种类信息后实时更改增材制造机器的打印参数以及分析判断是否为不可修复型缺陷；

步骤A42：当数据采集与分析模块判定该缺陷为可修复型缺陷时，通过更改激光参数进行激光重熔来修复缺陷。