一种基于图像的激光粉末床熔融羽流特征监测统计学习方法

摘要： 金属增材制造工艺的工业突破主要集中于航空航天和医疗等高度监管领域，这些领域对零部件及工艺认证具有极高要求。因此，业界日益关注能在加工过程中实时监测缺陷与不稳定状态的工具——这类工具能从工艺初始阶段就捕捉异常。实时测量数据可视为工艺行为的"特征签名"和最终零件质量的间接指标。本研究基于这样的理念：激光粉末床熔融（LPBF）工艺的副产物可作为过程特征来设计统计监测方法。具体而言，本文提出通过原位红外（IR）视频成像监测材料蒸发及周围气体加热形成的羽流，以此监控LPBF工艺。随着工艺自然动态变化，羽流的形态会在连续帧间自然改变，这种羽流描述符的多模态模式限制了传统统计监测技术的有效性。为此，我们提出名为K图的非参数控制图方案，该方案能根据监测数据的动态变化模式自适应调整报警阈值。通过锌粉LPBF的实际案例研究，验证了该方法在检测不稳定状态初期的能力——尽管锌因生物医学应用潜力巨大，但其低熔沸点特性给LPBF工艺带来特殊质量挑战。对比分析突显了本方法相较于其他竞争技术的优势。