一种铝合金电弧增材制造热行为在线预测方法

摘要: 本发明属于金属电弧增材制造、红外无损在线监测、人工智能时序预测交叉,具体涉及一种铝合金电弧增材制造热行为在线预测方法。背景技术:1、电弧增材制造(waam)具备...
一种铝合金电弧增材制造热行为在线预测方法

本发明属于金属电弧增材制造、红外无损在线监测、人工智能时序预测交叉,具体涉及一种铝合金电弧增材制造热行为在线预测方法。

背景技术:

1、电弧增材制造(waam)具备成形效率高、设备投入成本低、可制备大尺寸复杂金属构件的优势,现已广泛应用于航空航天、轨道交通高端装备制造领域。铝合金电弧增材采用逐层沉积成型工艺,成形全过程构件内部持续累积热量,构件各区域实时热演化状态直接决定成型件微观组织、力学性能,同时是裂纹、气孔、构件变形等成型缺陷的核心诱因。因此,沉积过程热行为实时监测、长时序温度趋势预测、工艺参数动态闭环调控,是铝合金电弧增材制造质量管控的核心技术环节。

2、当前行业主流热场分析手段分为有限元数值仿真、数据驱动预测两大类。基于有限元、计算流体力学的传统仿真模型静态计算精度较高,但单次完整运算耗时数小时至数天,仅能用于成品离线复盘分析,无法适配工业现场在线实时预测、动态调参的生产需求;现有多数数据驱动预测模型依托仿真模拟数据集训练,与真实生产工况下的表面氧化、表面粗糙度干扰、动态热输入偏差严重,模型泛化能力弱,难以适配多规格、多工艺生产场景。

3、工业现场普遍采用红外热像仪采集构件表面温度,但铝合金沉积层表面粗糙、极易生成不均匀氧化层,造成构件不同区域发射率 ε 差异显著,采用设备出厂固定发射率开展测温会导致测温结果严重失真;同时工业现场红外原始测温信号混杂设备跳变噪声、环境随机白噪声,进一步降低温度数据可靠性。此外,传统 lstm、gru 单一时序预测模型仅能提取简单时序变化规律,无法同步兼顾温度曲线空间周期形态与长周期热累积变化特征,长时序预测误差大,且现有技术未配套可落地的量化工艺调控逻辑,无法支撑现场实时动态调整工艺参数。

4、现有相关技术仅对红外测温、时序降噪、预测模型模块进行简单定性组合,未搭建全流程统一量化数学计算体系,关键物理参数(含发射率 ε 系列希腊符号)无完整、统一的定义与求解公式、模型输入输出边界模糊、预测结果与工艺调整无对应闭环逻辑,技术方案公开不充分、保护范围界定模糊,易被认定为公知技术简单叠加。针对上述现有技术存在的核心缺陷,本发明提出一套全部拉丁变量、全部希腊字母(含各类 ε)完整定义、全流程可量化、全链路可复现、预测调控闭环的铝合金电弧增材制造热行为在线预测方法。

技术实现思路

1、本发明全部计算公式、模型参数、工程变量统一规范定义,包含所有拉丁字母变量、全部希腊字母(等),覆盖全文所有数学表达式,无歧义、无遗漏,完全满足专利充分公开审查要求;基础时序滤波、图像统计公式为领域公知通用数学模型,本发明创新点为多模型、多特征组合应用与工艺闭环调控完整体系,并非基础公式本身。

2、希腊字母专项释义

3、1.:通用发射率物理符号,表征物体红外辐射能力无量纲参数;

4、2.:标准石墨黑体试样固定发射率,常数 0.98;

5、3.:铝合金 roi 区域经黑体标定得到的真实发射率;

6、4.:随机森林模型在线实时预测输出的铝合金 roi 发射率;

7、5.:红外相机出厂内置固定发射率常数,取值 0.8;

8、6.:斯特藩 - 玻尔兹曼辐射常数;

9、7.:灰度共生矩阵行、列灰度均值;

10、8.:灰度共生矩阵行、列灰度标准差。

11、完整符号对照表(纯文字逐条说明)

12、1.符号 a:标准石墨黑体试样块;外购标准件,固定发射率,等温标定基准。

13、2.符号 b:铝合金 waam 沉积测试试件;电弧增材分层制备,待求解真实区域发射率。

14、3.符号:加热炉等温标定基准摄氏温度;热电偶实测,通用区间 500~800℃,实施例优选 800℃。

15、4.符号:黑体 a 热力学绝对温度;等温标定下与相等,换算公式。

16、5.符号:铝合金试件 b 热力学绝对温度;等温标定工况全局恒温。

17、6.符号:红外相机测得黑体 a 原始辐射摄氏温度;下标 m 代表相机实测值,未校正发射率,量程 50~1500℃。

18、7.符号:红外相机测得铝合金 roi 原始辐射摄氏温度;用于求解区域真实发射率。

19、8.符号:斯特藩 - 玻尔兹曼常数;固定常数。

20、9.符号:roi 区域红外热成像像素矩阵;相机输出 rgb 图像,分辨率 384×288。

21、10.符号:图像坐标处 rgb 三通道像素灰度值;像素坐标 x、y,取值区间 [0,255]。

22、11.符号 bright:roi 区域全局加权亮度特征;无量纲,表征区域红外辐射整体强度。

23、12.符号 i、j:灰度共生矩阵行、列灰度级下标;图像归一化灰度级数,用于纹理特征计算。

24、13.符号:灰度 i、j 像素对归一化联合概率;灰度共生矩阵核心统计参数。

25、14.符号 e:glcm 能量特征;表征沉积表面粗糙度均匀度,区间 [0,1]。

26、15.符号 ent:glcm 熵特征;表征表面纹理杂乱复杂度,取值≥0。

27、16.符号 con:glcm 对比度特征;表征区域灰度辐射反差、氧化层差异程度,取值≥0。

28、17.符号 cor:glcm 相关性特征;表征像素灰度连续性,区间 [-1,1]。

29、18.符号 m:单帧热成像划分 roi 总数量;实施例取值 15~20,用于排序特征计算。

30、19.符号:第 m 块 roi 热源距离升序排序序号;表征 roi 相对焊接热源远近层级。

31、20.符号 k:随机森林决策树总数量;优选区间 80~150,实施例最优值 120,非保护范围限定数值。

32、21.符号:在线实时预测铝合金 roi 发射率;机器学习推理输出,区间 [0.1,0.9]。

33、22.符号:红外相机出厂默认固定发射率;设备固有参数,固定值 0.8。

34、23.符号:标准石墨黑体发射率常数;固定 0.98。

35、24.符号:铝合金 roi 真实标定发射率;黑体比值法求解真值。

36、25.符号 t:离散时序时间步索引;全局统一时间基准,单位 s。

37、26.符号:t 时刻红外原始未校正测温值;相机原始输出时序数据。

38、27.符号:t 时刻发射率校正后真实温度;辐射公式校正后精准温度时序。

39、28.符号:时序跳变噪声异常区间起始、终止时刻;定位异常温度数据片段。

40、29.符号:线性插值修正后中间温度值;修复时序跳变断层数据。

41、30.符号:5 点移动平均平滑后温度值;滤除环境随机白噪声。

42、31.符号:高温二次拟合多项式常数项、一次项、二次项系数;最小二乘法动态求解。

43、32.符号:最终降噪洁净温度时序;完整保留高温峰值、无噪声干扰。

44、33.符号:t 时刻 roi 与焊接热源欧式直线距离;单位 mm,表征瞬时热输入传导距离。

45、34.符号:roi 区域累计热循环次数;非负整数,表征冷热循环疲劳程度。

46、35.符号:roi 距构件基板垂直高度;单位 mm,表征多层沉积热累积总量。

47、36.符号:模型输入历史时序窗口长度;优选区间 32~64,实施例取 48(单步1s)。

48、37.符号:模型多尺度预测输出窗口长度;可选尺度 6/12/24/48/192/480,支持单 / 多尺度推理。

49、38.符号:第 i 组模型输入历史时序矩阵;维度,模型唯一输入数据。

50、39.符号:第 i 组真实未来时序标签矩阵;离线训练真值数据。

51、40.符号:模型在线预测输出时序矩阵;维度,包含四维特征预测结果。

52、41.符号 d、k、:tcn 膨胀系数、卷积核尺寸、卷积权重系数;空洞卷积网络通用参数。

53、42.符号 l、:tcn 网络层数、第 l 层残差输出特征;空间特征提取网络参数。

54、43.符号 h、:注意力头数、多头输出融合权重矩阵;实施例 h=4,网络通用配置。

55、44.符号 q、k、v:交叉注意力查询、键、值特征向量;本发明以 tcn 输出为 q,transformer 输出为 k、v。

56、45.符号、p、c:批次样本数、预测时序步、特征通道下标;c=1 代表温度、c=2代表热源距离、c=3 代表热循环、c=4 代表基板高度。

57、46.符号:单维度真实标签、单维度预测输出值;损失函数计算核心变量。

58、47.符号:glcm 图像 x、y 方向灰度均值;灰度共生矩阵相关性计算参数。

59、48.符号:glcm 图像 x、y 方向灰度标准差;灰度共生矩阵相关性计算参数。

60、步骤 1:红外监测系统搭建与图像、温度采集

61、电弧增材制造工位部署红外热成像设备,依据监测需求在沉积构件表面划分若干2.5 mm×2.5 mm 独立感兴趣区域 roi;红外相机以 20 ms 固定帧率持续采集各 roi 区域热成像像素矩阵与原始温度时序数据,通过有线低延迟传输链路实时上传至上位机,构建稳定在线数据采集体系。

62、步骤 2:黑体辐射比值法发射率标定 + 图像特征提取,构建发射率离线数据集

63、本步骤采用黑体辐射比值法实现铝合金表面发射率精准标定,同步量化提取多维度红外图像特征,构建高精度发射率离线样本数据集;辐射物理公式、图像统计公式为领域公知量化模型,本发明创新点为多特征融合标定与标准化数据集构建逻辑。1)黑体辐射比值标定计算选取三层沉积完成的铝合金试件 b 与 5 mm 厚标准石墨黑体板材 a 同步放入加热炉,恒温保温至基准温度,保证两类试件热力学温度完全一致。根据斯特藩 -玻尔兹曼辐射定律,物体单位面积辐射功率满足:式中:为物体发射率;为斯特藩 - 玻尔兹曼常数;为热力学绝对温度,换算关系。

64、等温工况下,试件辐射功率比值等于发射率比值:红外相机实测辐射温度四次方与物体实际辐射功率呈正比,即、;联立推导得到本发明专用真实发射率求解公式:标准黑体发射率,同步采集相机实测温度数据即可求解各 roi 区域真实发射率。

65、2)roi 多维度热成像特征量化提取基于采集的 roi 红外图像,量化提取亮度特征、灰度共生矩阵纹理特征、热源距离排序特征三类特征,拼接形成 6 维特征向量,具体计算方式如下:①全局亮度特征:rgb 加权公式计算区域整体辐射亮度,表征表面氧化层整体辐射强度:

66、

67、②灰度共生矩阵四项纹理特征:能量 e(粗糙度均匀度):熵 ent(纹理杂乱度):对比度 con(灰度反差差异):相关性 cor(像素灰度连续性):式中为行列灰度均值,为行列灰度标准差。

68、③热源距离排序特征:对单帧全部 roi 按热源距离升序赋值序号,表征区域相对热输入层级:最终拼接 6 维特征向量,将特征向量与对应真实发射率绑定,构建包含 496组样本的发射率离线数据集。

69、步骤 3:随机森林发射率预测 + 红外温度动态校准

70、采用随机森林回归模型实现生产过程发射率实时预测,模型由多棵独立回归决策树并行运算,均值投票输出预测值,降低单棵决策树预测误差,计算公式:决策树数量 k 优选区间 80~150,实施例最优值 120,该数值仅为实验优选参数,不限制本发明保护范围。

71、基于辐射能量守恒原理构建温度动态校准公式,逐帧修正红外原始测温偏差,消除表面粗糙度、氧化层带来的发射率差异干扰:式中为相机固定出厂发射率;为实时预测区域发射率。经本步骤校正后,发射率预测误差控制在 10% 以内,显著提升温度数据真实度。

72、步骤 4:多策略时序复合降噪 + 多维工艺特征构建预测数据集

73、本发明采用三段式串联复合降噪流程,依次完成跳变噪声修正、环境白噪声平滑、高温峰值保护,兼顾噪声滤除与关键高温热特征保留;基础滤波公式为公知模型,创新点为三者串联协同降噪逻辑。1)跳变噪声线性插值修正:针对设备瞬时跳变异常数据,线性插值修复温度断层:

74、2)5 点中心移动平均平滑:滤除工业环境随机白噪声,平滑时序曲线:

75、

76、3)高温峰值二次拟合保护:针对 800℃以上高温峰值,最小二乘二次多项式拟合避免高温特征被平滑消除:温度低于 800℃区域直接采用移动平均结果,最终输出无噪声、热特征完整的洁净温度时序。

77、同步计算三类工艺辅助特征:欧式距离求解 roi 与实时热源距离、峰值计数统计累计热循环次数、沉积层数累加计算基板垂直高度。温度决定热趋势基线,基板高度表征长期热累积,热循环影响温度波动幅度,热源距离仅作用短期瞬时峰值。通过固定滑动窗口截取时序样本,划分模型训练输入、输出样本集,最终构建包含 488111 组时序样本的热行为预测数据集。

78、步骤 5:交叉注意力 tcn-transformer 并行模型离线训练

79、搭建双分支并行特征提取 + 交叉注意力融合的深度学习网络,同步提取温度空间周期特征与长时序热累积依赖特征,网络整体前向传播计算公式:

80、1)tcn 分支:空洞卷积残差结构提取温度曲线周期空间特征,捕捉温度峰值、谷值周期性变化规律;2)transformer 分支:多头自注意力机制捕捉长时序热演化滞后依赖特征;3)交叉注意力融合层为本发明核心创新模块:以 tcn输出空间特征为查询向量 q,以 transformer 输出时序特征为键向量 k、值向量 v,完成双向时空特征交互融合,解决单一模型特征提取不全面的缺陷。

81、采用 mse 均方误差损失函数开展模型迭代训练,损失收敛后保存最优模型权重文件。

82、步骤 6:在线实时推理 + 分层量化工艺闭环调控

83、1)模型输入输出边界定义模型输入:经发射率校正、复合降噪、四维特征拼接后,滑动窗口截取的历史四维时序矩阵;模型工艺判定唯一依据:模型输出预测矩阵第一通道预测温度时序,剩余三维特征仅用于趋势辅助验证,不参与工艺参数调整判定;模型完整输出:未来时长逐秒四维预测数据,包含预测温度、预测热源距离、预测热循环次数、预测基板高度。

84、2)分层量化工艺调控规则区分三类单一缺陷风险工况、一类多风险叠加工况,明确各工况调控对象、量化调整幅度、生效范围、调控优先级,严格区分独立调控与联动调控:(1)瞬时高温峰值超标工况(预测温度>900℃,裂纹风险)独立调控:仅下调焊接电流、送丝速度,二者同步同比例调整;电流下调区间 10%~25%,送丝速度同步匹配;调控仅当前沉积层生效,抑制瞬时大热输入造成高温峰值。(2)长期热累积超标工况(连续半数预测时长谷温>500℃,变形、气孔风险)优先调控:以延长层间冷却时间为核心,辅助小幅下调电流;冷却时间延长 15\30s,电流下调 5%\10%;调控对后续全部沉积层持续生效,改善长期散热不足问题。(3)热循环波动异常工况(峰谷温差>400℃,组织不均匀风险)联动微调:送丝速度下调 5%\10%、冷却时间延长 10\20s,平缓冷热交替温度波动。(4)多风险叠加工况(峰值超标 + 热累积超标)调控优先级:优先延长层间冷却时间解决长期积热,同步下调电流、送丝速度消除瞬时高温峰值,多参数联动协同调控,无逻辑冲突。(5)无风险工况:维持基准工艺参数不变,无需执行任何调整。

85、上位机每 1.42s 完成一轮模型推理与工况判定,自动生成工艺调控指令下发至电弧增材焊接设备,实现全自动化无人工干预的热场闭环质量管控。

86、本发明五大核心优势

87、第一,本发明采用黑体辐射比值法定标真实发射率,搭配随机森林实时预测、逐帧动态温度校正,完整量化消除铝合金表面粗糙、氧化带来的测温偏差,实测发射率预测误差可控制在 10% 以内,原始温度数据准确度大幅提升;现有技术仅固定发射率,无整套量化校正公式,测温误差显著更大。

88、第二,采用三套滤波公式复合降噪,在滤除跳变噪声、环境白噪声的同时,通过峰值局部拟合完整保留热循环、温度峰值等关键热行为特征,保障时序数据集可靠性,单一滤波方法无法兼顾噪声抑制与峰值保留。

89、第三,本发明设计交叉注意力时空融合 tcn-transformer 并行架构,同步提取温度曲线空间周期特征与长时序演变特征,区别于现有单一 lstm、gru、tcn、transformer 模型,长时序预测精度与泛化能力显著提升。

90、第四,整套量化计算流程运算效率高,单轮数据处理与模型推理平均耗时 1.42s,可直接集成至现有电弧增材设备,完全满足工业在线实时使用要求。

91、第五,本发明量化计算框架通用性强,替换对应材料发射率标定参数后,可拓展至镍基、钛合金等多种金属增材制造场景,应用范围广泛。