一种基于深度学习的激光切割钢板质量在线判别方法与流程

本发明属于激光加工质量检测，具体地说是一种基于深度学习的激光切割钢板质量在线判别方法。

背景技术：

1、随着高强钢板、热成形钢板及梯度性能钢板在汽车制造、轨道交通及工程装备等领域的应用增加，激光切割已成为高性能钢板零部件加工的重要方式；现有技术通常采集激光切割过程中的温度、熔池状态、辐射光谱及切缝形貌等信息，并利用深度学习模型对采集数据进行分析，根据当前切割状态判断是否存在未切透、挂渣、毛刺及烧边等质量问题。

2、然而，对于具有多个性能区域的高性能钢板，不同性能区域具有不同的热传导能力和热响应特性；在激光切割过程中，当前切割区域产生的热量并不会局限于激光作用位置，而会沿材料内部向周围区域扩散，使当前区域的热响应状态受到相邻性能区域影响；当切割轨迹经过不同性能区域交界位置时，局部温度变化、熔池稳定性以及材料熔融行为会随着区域间热传递关系发生动态变化。

3、现有基于深度学习的质量在线判别方法通常以当前时刻采集的局部状态数据作为判断依据，或者针对不同性能区域分别建立固定判别模型，对激光切割过程中不同性能区域之间热影响传递关系的表征不足，导致难以准确识别性能区域交界位置的动态质量变化。

技术实现思路

1、为了弥补现有技术的不足，解决背景技术中所提出的至少一个技术问题。

2、本发明解决其技术问题所采用的技术方案是：

3、采集激光作用区的等离子体光谱、切口前缘气流压力波动及背面熔融物声发射响应信号，根据热扩散系数差异及材料特性，划分第一、第二性能区及交界位置，以激光经过交界位置为时间基准，以三类传感信号的峰值响应时刻为对齐锚点并进行传播时延补偿，将信号映射至统一时间坐标，构建跨区域热响应序列；

4、基于跨区域热响应序列，分别检测三类传感信号在交界位置前后的局部极大值点，以对应时刻为峰值时间、对应幅值为峰值幅值，计算峰值时间差及幅值差值，构成热响应迁移参数，并按峰值时间先后排列，形成跨区热历史迁移特征向量；

5、将跨区热历史迁移特征向量输入深度学习推理模型，依据相邻性能区域热扩散系数比值以反比关系计算权重，以权重乘以前序区域特征节点输出值作为前序热响应对当前位置的影响参数，并结合熔池推进速度、熔融物排出能量及切口凝固收缩位移参数，构建切割质量判别特征向量；

6、将切割质量判别特征向量输入质量判别模型，提取热累积参数以及交界区域热响应突变参数，将两类参数输入质量判别模型的全连接层，经非线性映射输出各缺陷类别概率，以最大概率值确定缺陷判别结果；

7、根据质量判别结果及跨区热历史迁移特征向量对应的热响应变化趋势，分析各热迁移特征对判别结果的影响程度并计算贡献度修正量，据此更新判别模型中的热迁移特征权重，形成基于缺陷反馈约束的权重更新关系。

8、作为本发明进一步的方案：

9、构建跨区域热响应序列的过程为：

10、获取待切割钢板沿切割轨迹方向的材料组织参数、热扩散系数、比热容及热传导特性参数，根据不同位置对应的热扩散能力差异，对钢板划分为具有不同热响应特性的第一性能区与第二性能区；

11、根据激光头实时运动位置与钢板空间坐标之间的对应关系，确定激光作用点进入第一性能区及第二性能区的空间转换位置，并将激光束经过第一性能区与第二性能区交界位置的时刻标记为时间基准时刻；

12、分别获取交界位置前后预设时间窗口内的等离子体光谱变化序列、切口前缘气流压力波动序列及背面熔融物声发射响应序列；

13、以三类传感信号的峰值响应时刻为对齐锚点，对不同传感信号进行传播时延补偿，将各信号中的热扰动响应峰值、能量变化节点及异常波动位置映射至统一时间坐标；

14、根据时间同步后的多源响应数据，建立以交界位置为中心的热响应迁移序列，并将交界前区域热输入状态与交界后区域热响应状态进行关联，形成跨区域热响应序列。

15、构成热响应迁移参数的过程为：

16、基于跨区域热响应序列，分别检测三类传感信号在交界位置前后的局部极大值点，以极大值对应时刻为峰值时间、对应幅值为峰值幅值，计算各信号在交界前后的峰值时间差及幅值差值，作为热扰动传播时序与能量幅值变化的基础参数；

17、提取切口前缘气流压力波动信号中的压力峰值迁移时间、压力衰减周期以及辅助气流扰动持续时间，并提取背面熔融物声发射响应信号中的声能释放幅值、频率变化范围及响应持续时间；

18、根据三类传感信号各自在交界位置前后的峰值时间差及幅值差值，计算等离子体热输入变化与切口压力响应、熔融物脱离响应之间的时间延迟参数；

19、依据各信号能量变化趋势及响应时间延迟关系，建立热扰动由前序性能区域向当前激光作用区域传播过程中的迁移映射关系，将不同物理响应的时序差异和能量衰减规律统一至相同的热传播路径框架下；

20、根据热响应传播过程中的响应滞后量、能量衰减比例以及区域转换前后的响应差异，关联整合时序滞后特征、能量衰减特征和跨区状态突变特征，构建表征性能区域转换影响程度的热响应迁移参数。

21、形成跨区热历史迁移特征向量的过程为：

22、依据热响应迁移参数中的峰值时间及幅值差值，将不同性能区域交界前后的热响应迁移参数按照峰值时间先后进行排序；

23、根据排序后的热响应迁移参数中峰值时间的先后对应关系，确定前序性能区域热积累状态向当前切割位置传递过程中的影响时间窗口；

24、在影响时间窗口内，提取热输入累积量、响应衰减程度、迁移延迟时间及区域转换扰动幅值，并对各类型参数进行归一化处理；

25、将归一化后的热积累参数、迁移延迟参数、能量衰减参数及交界扰动参数按照峰值时间先后顺序排列，形成跨区热历史迁移特征向量。

26、以权重乘以前序区域特征节点输出值作为前序热响应对当前位置的影响参数的过程为：

27、将跨区热历史迁移特征向量输入预先构建的深度学习推理模型，根据激光沿切割轨迹方向的运动位置关系，对不同性能区域对应的热响应特征进行区域编号，建立前序性能区域与当前激光作用区域之间的特征关联关系；

28、获取第一性能区与第二性能区之间的热扩散系数，依据相邻性能区域热扩散系数比值以反比关系计算权重；

29、根据计算得到的权重，对深度学习推理模型中对应不同性能区域特征节点之间的关联强度进行修正，以前序区域特征节点输出值乘以该权重作为前序热响应对当前位置的贡献量；

30、对不同时间窗口内的前序热响应贡献量进行加权融合，获得表征前序性能区域热历史影响程度的热响应影响参数。

31、构建切割质量判别特征向量的过程为：

32、基于前序区域热响应对当前激光作用位置的影响参数，获取激光作用过程中熔池热状态变化过程，并根据激光移动方向确定熔池前缘推进位置与后缘凝固位置之间的空间对应关系；

33、采集激光切割过程中的熔池边界变化信息，计算熔池沿切割轨迹方向的推进速度、推进速度变化率以及熔池稳定持续时间参数；

34、根据背面熔融物声发射响应信号对应的能量释放过程，提取熔融物脱离钢板过程中的声能峰值、能量衰减速率以及连续排出时间，并将其转换为表征熔融物排出能力的排出能量参数；

35、获取切口区域冷却凝固过程中的边缘收缩变化量、切口宽度变化趋势以及凝固收缩位移参数，建立热输入变化与切口形貌演变之间的关联关系；

36、结合前序热响应对当前位置的影响参数、熔池推进速度参数、熔融物排出能量参数及切口凝固收缩位移参数，按照热状态影响关系进行特征融合，构建用于质量判别的切割质量判别特征向量。

37、提取热累积参数以及交界区域热响应突变参数的过程为：

38、将切割质量判别特征向量输入质量判别模型，根据质量判别特征向量中已关联的各空间位置热响应特征分量，沿切割轨迹方向累计各位置对应的热输入强度与持续作用时长的乘积；

39、按第一性能区与第二性能区分别统计能量叠加总量及热扩散覆盖范围，获得跨性能区域迁移过程中的热累积参数；

40、针对第一性能区与第二性能区交界位置，从质量判别特征向量中提取交界前后对应的多源传感特征分量，分别计算等离子体光谱能量变化速率、气流压力变化梯度及声发射能量变化速率在交界前后的变化速率差值；

41、结合交界前后的峰值响应偏移量及多源信号同步变化程度，构建表征性能区域切换引起热状态突变程度的热响应突变参数。

42、以最大概率值确定缺陷判别结果的过程为：

43、将热累积参数与交界区域热响应突变参数输入质量判别模型的全连接层，经非线性映射输出各缺陷类别概率；

44、根据沿切割轨迹方向连续变化的热累积参数及交界区域热响应突变参数，分析当前激光作用区域的热输入状态、熔融物排出状态以及凝固收缩变化趋势，确定对应的质量状态特征；

45、将质量状态特征对应的全连接层输出概率进行比较，以最大概率值确定当前切割区域对应的未切透、挂渣、毛刺或烧边缺陷状态，并输出质量判别结果。

46、形成基于缺陷反馈约束的权重更新关系的过程为：

47、根据质量判别模型输出的缺陷类别结果，获取对应缺陷类别下参与判别计算的跨区热历史迁移特征向量，提取该特征向量中各峰值时间差及幅值差值在缺陷发生区域内的波动幅值、偏移方向及峰值时间迁移位置；

48、根据不同缺陷类别下热累积参数、热响应突变参数与各峰值时间差及幅值差值之间的关联关系，建立跨区热历史迁移特征向量中各特征分量与缺陷类别之间的影响映射关系；

49、根据当前判别结果与实际质量检测结果之间的类别偏差，分析各峰值时间差及幅值差值对判别结果的影响程度，并将判别残差按照各特征分量对缺陷分类结果的影响比例进行分配，得到各特征分量对应的误差贡献量；

50、根据误差贡献量、各峰值时间差及幅值差值的波动幅值及历史判别误差变化趋势，计算各特征分量的贡献度修正量，并依据贡献度修正量对各峰值时间差及幅值差值对应的权重调整系数进行更新；

51、将更新后的权重调整系数加载至质量判别模型中的热历史迁移特征映射层，重新计算跨区热历史迁移特征向量中各特征维度对应的权重值，形成基于缺陷反馈约束的热迁移特征权重更新关系。

52、本发明的有益效果如下：

53、通过对激光切割过程中等离子体光谱、切口前缘气流压力波动以及背面熔融物声发射响应信号进行同步采集，并结合钢板不同性能区域之间热扩散特性的差异，建立以性能区域交界位置为时间基准的跨区域热响应分析机制，使切割过程中由前序区域产生并向当前作用位置迁移的热影响过程能够被有效表征，避免了现有方法仅依据当前激光作用区域瞬时状态进行质量判断而忽略前序热历史影响的问题；通过对多源传感信号的响应时间差、能量变化趋势及热传播特征进行关联映射，构建跨区热历史迁移特征向量，实现了对不同性能区域切换过程中热状态连续演化过程的量化描述，提高了复杂梯度性能钢板或多组织钢板切割状态感知的完整性和准确性；进一步地，通过深度学习推理模型结合相邻性能区域热扩散参数差异对区域迁移权重进行调整，使模型能够动态学习前序区域热响应对当前切割区域的影响规律，并融合熔池推进状态、熔融物排出特性及切口凝固收缩行为等多维参数，增强了质量判别特征的物理关联性，降低了单一检测信号波动对判别结果造成的误判风险；通过建立沿切割轨迹方向的热状态连续演化关系，提取热累积参数与交界区域热响应突变参数之间的演化约束关系，实现了对未切透、挂渣、毛刺、烧边等典型切割缺陷形成过程的提前识别和准确判定，提高了在线质量检测的实时性和可靠性；同时，根据缺陷判别结果对不同热迁移特征的贡献程度进行分析，并利用贡献度修正量更新判别模型中的特征权重，使质量判别模型能够随着实际切割反馈持续优化，提高了模型对于不同材料性能组合、不同切割参数以及不同热迁移状态下的适应能力，从而实现了激光切割钢板过程中由单点状态检测向跨区域热历史感知与缺陷反馈优化的转变，有效提升了复杂性能钢板激光切割质量在线判别的准确性、稳定性和工程应用价值。