基于深度学习的多级调节超声振动辅助电弧增材装置及方法

技术领域

本发明涉及电弧增材制造技术领域，具体涉及一种基于深度学习的多级调节超声振动辅助电弧增材装置及方法。

背景技术

电弧熔丝增材制造是一种以电弧为热源，将金属丝材按照预定路径快速熔化和沉积，以实现金属零部件的近净成形技术。受传统焊接的超声辅助焊接启发，近年来超声振动辅助电弧增材发展迅速，超声在熔池中产生的空化效应和声流效应能够促进晶粒细化和熔池流动，提高增材制造构件的力学性能和成形质量。

在应用过程中，超声发生装置难以在打印过程中随形移动且难以随打印层数变化进行超声振动功率调节，导致打印构件不同位置的超声振动强度不同，进而导致了构件性能的差异化。专利(申请号CN202211243409.7、名称为“一种超声辅助激光焊接增材制造钛合金的方法”)公开了一种针对钛合金的超声辅助增材方法，在工作台下方设置了超声震动装置促进晶粒细化，但该方法中采用定点超声振动，随着增材轨迹和增材高度的变化零件内部超声振动强度不一，造成了最终成形零件组织和性能的不均匀。专利(申请号CN202310026944.5、名称为“一种等离子协同超声辅助增材制造装置及方法”)公开了一种等离子处理和超声处理协同作用的增材装置，其超声装置位于打印路径方向后侧，随形移动对打印层施加超声处理，但其超声装置和焊枪间存在一定距离，难以施加超声处理，且只能处理简单平面零件，应用范围有限。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种基于深度学习的多级调节超声振动辅助电弧增材装置及方法，能够在打印过程中随形调节超声振动的位置和强度，通过随增材沉积高度增加进行变超声振动功率调节以实现增材构件性能强化的均匀性。

为了达到上述目的，本发明采取的技术方案为：

一种基于深度学习的多级调节超声振动辅助电弧增材装置，包括增材机器人1和工作台3，和增材机器人1连接的测振仪2和工作台3相接，工作台3设置在夹持架6上；工作台3下方连接有超声振动装置4，超声振动装置4的外侧连接有法兰5，法兰5上部连接上压盖7，上压盖7侧面和滑轨8连接，滑轨8连接在夹持架6上，上压盖7和其下方的液压装置10连接，液压装置10连接在夹持架6上，法兰5下部连接下压腔9，下压腔9下方连接有夹紧装置11；夹持架6安装在下方导轨12上，并由步进电机14控制夹持架6在下方导轨12上左右移动；超声振动装置4由控制电源13控制开关。

所述增材机器人1包括六轴机器人以及CMT焊机。

所述超声振动装置4振动频率为15KHZ，超声振动功率由夹持力调节。

所述控制电源13能够显示超声振动装置4在超声振动过程中的即时功率。

利用一种基于深度学习的多级调节超声振动辅助电弧增材装置的方法，包括以下步骤：

步骤一、装置初始化，设置增材机器人1的工艺参数；

步骤二、将夹持架6移动至增材路径开始的位置；

步骤三、打开控制电源13，启动夹紧装置11，打开液压装置10，将超声振动装置4的超声振动功率调整到需要的大小；

步骤四、设置步进电机14移动速度与增材机器人1焊接速度相同；

步骤五、同时打开步进电机14与增材机器人1，开始超声辅助增材制造；

步骤六、基于测振仪2随行测距效果对超声振动装置4的超声振动功率进行自适应调节，以实现对同一层的实际功率效果一致性；进行基于深度学习的以沉积高度即沉积层为标签及预期晶粒平均尺寸为输入，超声振动功率为输出的神经网络训练；神经网络训练及沉积工艺参数优化通过沉积单墙实现，以沉积形貌稳定为标准通过正交实验进行工艺参数的优化；基于优化后的工艺参数进行数据采集，数据集采集方式通过使用最大超声振动功率确定能实现晶粒细化的最多层数，通过改变底层施加功率大小及逐层增加幅值建立数据集，每道次进行1次以上破坏性实验取样ebsd晶粒尺寸统计；通过顺序进行数据集的筛选及深度学习模型的训练及验证；

步骤七、重复步骤一到步骤五，沉积高度增加时依据步骤六中深度学习预测结果调节超声振动装置4的超声振动功率，直至所有层数沉积完成。

所述的步骤六中基于优化后的工艺参数进行数据采集，数据集采集方式通过使用最大超声振动功率确定能实现晶粒细化的最多层数，通过改变底层施加超声振动功率大小及逐层增加幅值建立数据集，每道次进行1次以上破坏性实验取样ebsd晶粒尺寸统计；通过顺序进行数据集的筛选及深度学习模型的训练及验证，其具体步骤为：

6.1)以最大超声振动功率为标准进行逐层沉积，确定能实现晶粒细化的最大层数n；

6.2)进行首层超声振动功率尝试并通过破坏实验获取样品EBS D数据，进而获得平均晶粒尺寸；

6.3)以首层沉积晶粒细化效果为标准，对第二层超声振动功率增幅进行尝试；

6.4)逐层增加，确定第i层能实现与前一道次晶粒细化效果一致的功率W

6.5)将步骤6.4)获得的数据集分为训练集、验证集及测试集；以晶粒平均尺寸及沉积层距基板高度为输入，超声振动功率为输出进行神经网络模型训练，采用的评判指标为晶粒细化沿沉积高度方向的均匀性。

本发明和现有技术相比，其有益效果为：

(A)本发明使用神经网络模型进行逐层超声振动功率预测，能够有效地保证熔池处超声振动强度的稳定，能够稳定地对熔池施加影响，通过声流效应和声空化效应促进熔池流动和晶粒细化，提升增材制造构件的力学性能和成形质量，同时保证成形零件微观组织和力学性能的均匀性。

(B)本发明能够稳定地调节超声振动的位置及强度，并且施加方式简单便捷，经济效益可观，可以适用于大部分形状和尺寸的零构件的近净成形制造。

(C)本发明可以应用于不同的热源形式，包括等离子弧焊增材制造，电子束熔丝增材制造等，激光熔丝增材制造等，可以应用于不同的金属材料，包括镁合金，镍钛形状记忆合金，因瓦合金等。

附图说明

图1为本发明实施例装置结构示意图。

图2为本发明实施例数据集的筛选及深度学习模型的训练及验证流程图。

图3为本发明实施例数据集采集方式示意图。

具体实施方式

下面结合附图和实施例对本发明做详细描述。

参照图1，一种基于深度学习的多级调节超声振动辅助电弧增材装置，包括增材机器人1和工作台3，和增材机器人1连接的测振仪2和工作台3相接，工作台3设置在夹持架6上；工作台3下方连接有超声振动装置4，超声振动装置4的外侧连接有法兰5，法兰5上部通过螺栓连接上压盖7，上压盖7侧面和滑轨8连接，上压盖7在滑轨8上能上下滑动，滑轨8连接在夹持架6上，上压盖7和其下方的液压装置10连接，液压装置10连接在夹持架6上，液压装置10对上压盖7的滑动起到缓冲作用；法兰5下部通过螺栓连接下压腔9，下压腔9下方连接有夹紧装置11；夹持架6安装在下方导轨12上，并由步进电机14控制夹持架6在下方导轨12上左右移动；超声振动装置4由控制电源13控制开关。

所述增材机器人1包括六轴机器人以及CMT焊机。

所述超声振动装置4振动频率为15KHZ，功率由夹持力调节。

所述控制电源13能够显示超声振动装置4在超声振动过程中的即时功率。

利用一种基于深度学习的多级调节超声振动辅助电弧增材装置的方法，包括以下步骤：

步骤一、装置初始化，设置增材机器人1的工艺参数；

步骤二、将夹持架6移动至增材路径开始的位置；

步骤三、打开控制电源13，启动夹紧装置11，打开液压装置10，将超声振动装置4的超声振动功率调整到需要的大小；

步骤四、设置步进电机14移动速度与增材机器人1焊接速度相同；

步骤五、同时打开步进电机14与增材机器人1，开始超声辅助增材制造；

步骤六、基于测振仪2随行测距效果对超声振动装置4的超声振动功率进行自适应调节，以实现对同一层的实际功率效果一致性；进行基于深度学习的以沉积高度即沉积层为标签及预期晶粒平均尺寸为输入，超声振动功率为输出的神经网络训练，神经网络训练及沉积工艺参数的优化通过沉积单墙实现；以沉积形貌稳定(避免明显缺陷，如驼峰、熔塌等现象)为标准通过正交实验进行工艺参数的优化；

参照图2、图3，基于优化后的工艺参数进行数据采集，通过图2所示顺序进行数据集的筛选及深度学习模型的训练及验证；通过改变底层施加超声振动功率大小及逐层增加幅值建立数据集，每道次进行5次破坏性实验取样ebsd晶粒尺寸统计；具体包括如下步骤：

6.1)以最大超声振动功率1200W为标准进行逐层沉积，确定能实现晶粒细化的最大层数n；

6.2)进行首层超声振动功率尝试并通过破坏实验获取样品EBS D数据，进而获得平均晶粒尺寸(如图3第一层所示，本实施例功率尝试以无超声为起始，200W为增幅，1200W为上限)；

6.3)以首层沉积晶粒细化效果为标准，对第二层超声振动功率增幅进行尝试，第二层以50W为间隔进行功率尝试，当功率为W

6.4)逐层增加，确定第i层能实现与前一道次晶粒细化效果一致的功率W

6.5)将上述流程获得的数据集以6：2：2的比例分为训练集、验证集及测试集；以晶粒平均尺寸及沉积层距基板高度为输入，超声振动功率为输出进行神经网络模型训练，采用的评判指标为晶粒细化沿沉积高度方向的均匀性；

步骤七、重复步骤一到步骤五，沉积高度增加时依据步骤六中深度学习预测结果调节超声振动装置4的超声振动功率，直至所有层数沉积完成。

本实施例采用直径为1.2mm的TC4钛合金丝材，设置增材制造设备1的焊接速度为0.3m/min，送丝速度为7m/min，焊接热输入为315.9J/mm，采用100w的初始超声振动功率，沉积高度每增加10mm，超声振动功率增加20w。

利用电火花线切割加工水平方向上的沉积态拉伸试样，标矩为10mm，磨去表面氧化层，开展室温拉伸试验，拉伸试验结果如表1所示，可以发现试样保证塑性的情况下，强度大幅度提升，说明了本发明方法的有效性。

表1

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。