使用机器学习的熔池监控的方法技术

一种控制增材制造处理的方法，其中使用定向能量源来选择性地熔化材料以形成工件，在熔化过程中形成熔池。该方法包括：使用成像设备来产生包括个体图像元素的阵列的熔池的图像，图像包括对于每个个体图像元素的至少一个物理性质的测量值；使用软件机器学习算法将每个图像分类为可接受的或不可接受的；和参考图像分类，控制增材制造处理的至少一方面。

【技术实现步骤摘要】
使用机器学习的熔池监控的方法
本专利技术大体上涉及增材制造和相关处理，并且更具体地，涉及用于增材制造中的熔池监控和处理控制的设备和方法。
技术介绍
增材制造是逐层堆积材料以形成部件的处理。增材制造主要受限于机器的位置分辨率，而不受限于铸造所需的提供拔模角度、避免悬垂等的需求。增材制造也用诸如“分层制造”、“反向加工”、“直接金属激光熔化”(DMLM)和“3-D打印”之类的术语来指代。为了本专利技术的目的，这些术语被视为同义词。一种类型的增材制造机器被称为“粉末床”机器并且包括构建室，该构建室包围大量的粉末，该粉末通过激光被选择性地熔合以形成工件。现有技术的增材制造机器的一个问题是它们在开环环境中操作并且不能返回向操作者报告所应用的处理的稳定性。在构建已经完成之后，用于确定处理的健康状况的系统以质量步骤出现。当发现问题时，可能有进行中的工作，该进行中的工作由于机器问题而报废，该机器问题直到事后质量系统能够发现它们之前还没有被检测到。
技术实现思路
通过在制造处理中对熔池进行成像并提取熔池的图像分类的方法来解决该问题。根据本文描述的技术的一个方面，提供了一种用于控制增材制造处理的方法，其中使用定向能量源来选择性地熔化材料以形成工件，在熔化过程中形成熔池。该方法包括：使用成像设备来产生包括个体图像元素的阵列的熔池的图像，图像包括对于每个个体图像元素的至少一个物理性质的测量值；使用软件机器学习算法将每个图像分类为可接受的或不可接受的；和参考图像分类，控制增材制造处理的至少一方面。根据本文描述的技术的另一个方面，提供了一种用于制作工件的方法，该方法包括：在构建室内沉积材料；引导来自定向能量源的构建射束，从而以与工件的横截面层相对应的图案选择性地熔合材料，其中由定向能量源形成熔池；使用成像设备来产生包括个体图像元素的阵列的熔池的图像，图像包括对于每个个体图像元素的至少一个物理性质的测量值；使用软件机器学习算法将每个图像分类为可接受的或不可接受的；和参考图像分类，控制制作工件的至少一方面。附图说明通过参考以下结合附图的描述，可以最好地理解本专利技术，在附图中：图1是示例性增材制造机器的示意性局部截面的正视图；图2是图1的机器的示意性局部截面的侧视图；图3是包括熔池的粉末床的图像的示意性俯视图图形；图4是一部分熔池图像的放大视图；图5是已知可接受的熔池的图像的示意性俯视图；和图6是深度学习算法的示意性流程图。具体实施方式参考附图，其中相同的参考数字贯穿各种视图表示相同的元件，图1示意性地示出了适合于执行增材制造方法的增材制造机器10。机器10及其操作是“粉末床机器”的代表性实例。将理解的是，机器10仅用作实例以提供用于描述本专利技术的原理的上下文。本文描述的原理可应用于粉末床机器的其他构造，以及其他类型的增材制造机器和相关处理。更一般地，本文描述的原理将可应用于产生熔池的任何制造处理。这种处理的非限制性实例包括电子束熔化(“EBM”)，定向能量沉积(“DED”)和激光焊接。术语“制造处理”还可以包括修理处理，其中使用产生熔池的技术将部件组合或接合在一起。机器10的基本部件包括工作台12、粉末供应源14、重涂覆器16、溢流容器18、被构建室22包围的构建平台20、定向能量源24、和射束转向设备26，所有这些部件都被壳体28包围。下面将更详细地描述这些部件中的每个部件。工作台12是限定平面工作表面30的刚性结构。工作表面30与虚拟工作平面共面并且限定虚拟工作平面。在所示的实例中，其包括与构建室22连通并露出构建平台20的构建开口32，与粉末供应源14连通的供应开口34，以及与溢流容器18连通的溢流开口36。重涂覆器16是位于工作表面30上的刚性横向伸长的结构。重涂覆器16连接至致动器38，致动器38可操作以选择性地使重涂覆器16沿着工作表面30移动。图1示意性地示出了致动器38，可以理解的是，例如气动或液压缸、滚珠丝杠或线性电动致动器等的装置可以用于此目的。粉末供应源14包括供应容器40和升降器42，供应容器40在供应开口34下方并且与供应开口34连通。升降器42是能够在供应容器40内垂直滑动的板状结构。升降器42连接至致动器44，致动器44可操作以选择性地向上或向下移动升降器42。图1示意性地示出了致动器44，可以理解的是，例如气动或液压缸、滚珠丝杠或线性电动致动器等的装置可以用于此目的。当升降器42下降时，可以将期望成分(例如，金属、陶瓷和/或有机粉末)的粉末“P”的供应源装载到供应容器40中。当升降器42上升时，其在工作表面30上方露出粉末P。可以使用其他类型的粉末供应源；例如，粉末可以通过高架装置(未示出)落入构建室22中。构建平台20是能够在构建开口32下方垂直滑动的板状结构。构建平台20连接到致动器46，致动器46可操作以选择性地向上或向下移动构建平台20。图1示意性地示出了致动器46，可以理解的是，例如气动或液压缸、滚珠丝杠或线性电动致动器等的装置可以用于此目的。当构建平台20在构建处理期间降低到构建室22中时，构建室22和构建平台20共同围绕并支撑大量粉末P以及正在构建的任何部件。该大量粉末大体上被称为“粉末床”，并且这种特定类型的增材制造处理可以被称为“粉末床处理”。溢流容器18在溢流开口36下方并与溢流开口36连通，并且用作多余粉末P的储存库。定向能量源24可以包括可操作以产生具有适当功率和其他操作特性的射束以在构建处理期间熔化和熔合粉末P的任何装置，这将在下面更详细地描述。例如，定向能量源24可以是激光器。其他定向能量源，例如电子束枪，是激光的合适替代品。射束转向装置26可以包括一个或多个反射镜、棱镜和/或透镜，并且设置有合适的致动器，并且被布置为使得来自定向能量源24的射束“B”可以被聚焦到期望斑点尺寸并且将其转向到与工作表面30相重合的平面中的期望位置。为了方便说明，该平面可以称为XY平面，而与XY平面垂直的方向称为Z方向(X、Y和Z是三个相互垂直的方向)。射束B在本文中可以被称为“构建射束”。壳体28用于隔离和保护机器10的其他部件。在上述构建处理期间，壳体28设置有适当的保护气流，除其他功能以外，该保护气流从构建环境中排除了氧气。为了提供这种流，机器10可以联接到气流设备54，参见图2。示例性的气流设备54以串行流体流连通的方式包括变速风扇56、过滤器58、与壳体28连通的入口管道60、以及与壳体28连通的回流管道64。气流设备54的所有部件与合适的管道相互连接，并且与壳体28组合限定气流回路。所使用的气体的成分可以类似于作为用于常规焊接操作的保护气体所使用的气体的成分。例如，可以使用诸如氮气、氩气或其混合物的气体。可以使用任何方便的气体源。例如，如果气体是氮气，则可以将常规的氮气发生器66连接到气流设备54。替代地，可以使用一个或多个加压气缸68来供给气体。使用上述设备的工件W的示例性基本构建处理如下。构本文档来自技高网...

【技术保护点】
1.一种控制增材制造处理的方法，其中使用定向能量源来选择性地熔化材料以形成工件，在熔化过程中形成熔池，其特征在于，所述方法包括：/n使用成像设备来产生包括个体图像元素的阵列的所述熔池的图像，所述图像包括对于每个所述个体图像元素的至少一个物理性质的测量值；/n使用软件机器学习算法将每个图像分类为可接受的或不可接受的；和/n参考图像分类，控制所述增材制造处理的至少一方面。/n

【技术特征摘要】
20181213 US 16/219,5941.一种控制增材制造处理的方法，其中使用定向能量源来选择性地熔化材料以形成工件，在熔化过程中形成熔池，其特征在于，所述方法包括：
使用成像设备来产生包括个体图像元素的阵列的所述熔池的图像，所述图像包括对于每个所述个体图像元素的至少一个物理性质的测量值；
使用软件机器学习算法将每个图像分类为可接受的或不可接受的；和
参考图像分类，控制所述增材制造处理的至少一方面。


2.根据权利要求1所述的方法，其特征在于，其中所述机器学习算法是深度学习算法。


3.根据权利要求2所述的方法，其特征在于，其中所述机器学习算法使用无监督训练来操作。


4.根据权利要求1所述的方法，其特征在于，其中使用已知为可...

【专利技术属性】
技术研发人员：托马斯·格拉哈姆·斯皮尔斯，
申请(专利权)人：通用电气公司，
类型：发明
国别省市：美国;US