一种增材制造表面质量分析方法与流程

本发明涉及3d打印领域，特别涉及一种增材制造表面质量分析方法。

背景技术：

1、增材制造凭借个性化定制、复杂结构一体化成形的优势，已广泛应用于航空航天、医疗、高端装备等关键领域，是智能制造技术升级的核心方向之一。但该技术逐层堆叠的成形特性，叠加高能束熔凝过程中复杂的温度梯度、工艺参数波动及材料交互作用，使成形零件普遍存在表面粗糙、层纹明显、球化、翘曲等表面缺陷，严重影响零件的尺寸精度、耐磨性及疲劳性能，制约其高精度工业化应用。

2、当前市面主流的增材制造表面质量检测方法，多采用制件成型后的整体式形貌采集，缺乏沿堆叠方向的逐层扫描与层序信息绑定机制，无法精准定位质量异常对应的堆叠层级，难以追溯成型工艺分层环节的问题根源；多数方案仅计算单一维度的粗糙度参数，未区分扫描方向与堆叠方向的各向异性形貌差异，也缺少微观曲率层面的缺陷特征提取，多依赖人工目视或简单高度阈值识别缺陷，无法自动完成凸起、划痕、凹坑等缺陷的几何形态分类与量化统计，缺陷识别精度与效率偏低；最终质量评价多依赖单一粗糙度指标直接定级，未建立粗糙度沿堆叠方向的连续变化趋势，也未将缺陷分布密度、几何尺寸作为修正因子纳入加权评价体系，忽略了堆叠层间的质量波动规律与局部缺陷的质量影响，评价结果片面性较强，难以为工艺参数优化提供分层、可追溯的量化支撑。

技术实现思路

1、为了完善现有的方法，提供一种增材制造表面质量分析方法，该方法沿增材制造堆叠方向逐层采集表面形貌并绑定层序，融合多维度粗糙度计算与曲率法缺陷分类识别，通过粗糙度变化趋势叠加缺陷修正因子分层加权评价，实现分层可追溯、多维度的精准表面质量分级。

2、为达到以上目的，本发明采用的技术方案为：

3、一种增材制造表面质量分析方法，包括：

4、对待测增材制造制件的表面形貌沿堆叠方向逐层进行扫描采集，获取初始三维点云数据，记录每层扫描的初始空间坐标信息及对应的层序编号；

5、对获取的初始三维点云数据进行滤波去噪处理，去除因扫描环境扰动引起的离群噪点，对去噪后的点云数据进行坐标配准与插值拟合，生成具有均匀网格排布的规则化三维点云数据，提取各网格节点相对基准平面的高度值，构成表面高度矩阵；

6、基构建的表面高度矩阵，计算制件表面沿扫描方向和堆叠方向的二维粗糙度参数，计算整个测量区域的三维粗糙度参数，并将二维粗糙度参数与三维粗糙度参数关联至记录的每一层序编号；

7、基于生成的规则化三维点云数据，采用曲率分析法提取各网格节点的主曲率值，将主曲率值超出预设正常波动范围的连续网格区域标记为表面异常区域，对各异常区域进行几何形态分类，识别并统计各类表面缺陷在该层内的分布数量与几何尺寸；

8、基于关联至各层序编号的二维粗糙度参数和三维粗糙度参数，建立粗糙度沿堆叠方向的变化趋势曲线，并将统计的各层各类表面缺陷的分布数量与几何尺寸叠加至变化趋势曲线上，以粗糙度变化趋势为主框架、缺陷分布为修正因子，加权计算获取各层的分层质量指数，按堆叠方向对分层质量指数进行累加评价，获得制件整体的表面质量等级。

9、优选的，所述对待测增材制造制件的表面形貌沿堆叠方向逐层进行扫描采集具体包括：

10、将待测增材制造制件固定于光学轮廓仪载物台上，根据制件的总高度和单层堆叠厚度，设定光学轮廓仪的垂直扫描范围使其覆盖制件全部堆叠层高度，并设定垂直扫描步长使其与单层堆叠厚度相匹配，驱动光学轮廓仪从制件底部沿堆叠方向逐层向上执行扫描；

11、每扫描完一层，由光学轮廓仪配套的图像采集卡同步记录该层扫描干涉信号，并将干涉信号经模数转换后生成该层对应的初始三维点云数据，同时在数据头中写入当前层序编号及当前扫描深度坐标，完成扫描数据与层序信息的绑定。

12、优选的，所述对获取的初始三维点云数据进行滤波去噪处理具体包括：

13、针对各层序编号对应的初始三维点云数据，逐层以各数据点为中心设定空间搜索范围，统计落入各搜索范围内的邻近数据点的数量；

14、将邻近数据点数量少于预设邻近点数量下限的数据点判定为离群噪点并从该层点云数据中剔除，完成对各层初始三维点云数据的去噪处理；

15、将经过去噪处理的各层三维点云数据统一变换至以制件底面中心为原点、以堆叠方向为竖向坐标轴、以扫描方向为水平坐标轴的空间直角坐标系中，再采用空间插值算法对配准后的各层点云数据进行网格化插值，生成各层具有相同水平网格分辨率的规则化三维点云数据。

16、优选的，所述二维粗糙度参数和三维粗糙度参数的计算及其与层序编号的关联具体包括：

17、针对生成的各层规则化三维点云数据，沿各层对应的扫描方向逐行提取高度序列，计算每行的轮廓算术平均偏差值，再对各行的轮廓算术平均偏差值取平均，得到各层沿扫描方向的二维粗糙度参数；

18、沿各层对应的堆叠方向逐列提取高度序列，计算每列的轮廓算术平均偏差值，对各列的轮廓算术平均偏差值取平均，得到各层沿堆叠方向的二维粗糙度参数；

19、以整层规则化网格区域内的全部节点高度值为总体，计算各层的均方根偏差值，作为各层对应的三维粗糙度参数，并将沿扫描方向的二维粗糙度参数、沿堆叠方向的二维粗糙度参数和三维粗糙度参数按层序编号逐层对应存储，形成各层粗糙度参数向量。

20、优选的，所述采用曲率分析法提取各网格节点的主曲率值具体包括：

21、针对生成的各层规则化三维点云数据，逐层在规则化网格上以各节点为中心构建局部曲面拟合窗口，所述拟合窗口的空间范围设定为与单层堆叠厚度相关联的尺寸，利用最小二乘法对拟合窗口内的节点高度值进行局部曲面方程拟合；

22、基于拟合得到的局部曲面方程计算中心节点处的曲面第一基本量和第二基本量，通过第一基本量和第二基本量的代数组合运算得到节点的高斯曲率和平均曲率，由高斯曲率和平均曲率计算获取节点的最大主曲率值和最小主曲率值；

23、遍历各层全部网格节点，得到各层全部节点的最大主曲率值和最小主曲率值，并以层序编号为主索引、以网格节点坐标为副索引，构建逐层主曲率分布矩阵。

24、优选的，所述将主曲率值超出预设正常波动范围的连续网格区域标记为表面异常区域，并对各异常区域进行几何形态分类具体包括：

25、以生成的各层规则化三维点云数据为基础，统计各层全部节点最大和最小主曲率值的集中趋势值和离散趋势值，并设定该层最大和最小主曲率值的正常波动范围围；

26、逐节点判断当前节点的最大主曲率值和最小主曲率值是否均落入各自对应的正常波动范围内，若任一主曲率值超出对应的正常波动范围，则将该节点标记为异常节点，将空间位置上相邻的异常节点合并为一个连通的表面异常区域；

27、针对每个连通表面异常区域，计算区域内节点的平均最大主曲率与平均最小主曲率的比值，计算区域沿扫描方向的最大跨度值与沿堆叠方向的最大跨度值的比值，将两个比值组合为特征向量；

28、基于特征向量将区域划分为球状凸起缺陷、条状划痕缺陷或凹坑缺陷三类中的一种，完成异常区域的分类统计。

29、优选的，所述建立粗糙度沿堆叠方向的变化趋势曲线具体包括：

30、以层序编号为横坐标、以各层三维粗糙度参数值为纵坐标，在二维坐标系中逐层标注数据点，以各层沿扫描方向的二维粗糙度参数与沿堆叠方向的二维粗糙度参数的比值作为各数据点的方向权重因子；

31、采用局部加权回归算法对标注的数据点进行曲线拟合，拟合过程中以各数据点的方向权重因子作为局部加权回归算法的样本权重，使拟合曲线在各层处的走向同时受到该层三维粗糙度参数值以及二维粗糙度参数比值的双重约束，获取粗糙度基础变化趋势曲线；

32、计算各层三维粗糙度参数实际值与粗糙度基础变化趋势曲线在该层对应值之间的差值，并将各层差值按照层序编号顺序排列，获取粗糙度残差序列。

33、优选的，所述将表面缺陷的分布数量与几何尺寸叠加至变化趋势曲线上具体包括：

34、针对统计的各层各类表面缺陷的分布数量，将每类缺陷的数量乘以其对应的预设缺陷严重性权重系数，再对各类缺陷的加权结果求和，获取该层的缺陷密度量化值；

35、针对统计的各层各类表面缺陷的几何尺寸，提取每层中各类缺陷的最大几何尺寸值，将每类缺陷的最大几何尺寸值乘以其对应的预设尺寸影响系数，再对各类缺陷的加权结果求和，获取该层的缺陷尺寸量化值；

36、将缺陷密度量化值和缺陷尺寸量化值相加得到该层的缺陷综合修正因子，将缺陷综合修正因子与粗糙度残差序列中该层对应的残差值进行乘算，获取该层的修正残差项，将修正残差项叠加至粗糙度基础变化趋势曲线中该层对应的纵坐标值上，获取叠加缺陷影响后的粗糙度变化趋势曲线。

37、优选的，所述加权计算得到各层的分层质量指数，再获得制件整体的表面质量等级具体包括：

38、将叠加缺陷影响后的粗糙度变化趋势曲线中每一层对应的纵坐标值乘以预设的粗糙度影响权重系数，获取该层的粗糙度贡献值，将该层对应的缺陷综合修正因子乘以预设的缺陷影响权重系数，获取该层的缺陷贡献值；

39、将每一层的粗糙度贡献值与缺陷贡献值相加，获取该层的分层质量指数，按层序编号顺序排列所有分层质量指数，获取分层质量指数序列；

40、对分层质量指数序列计算集中趋势统计量，得到整体平均质量指数，再计算分层质量指数序列的离散程度统计量，将整体平均质量指数减去根据预设规则确定的离散程度折算值，获取制件整体质量评分；

41、基于整体质量评分落入的预设评分等级区间判定制件整体的表面质量等级，所述预设评分等级区间至少包括优等、合格和不合格三个等级。

42、与现有技术相比，本发明的优势在于：

43、沿堆叠方向逐层采集表面形貌并绑定层序信息，突破传统整体检测无法定位分层质量差异的局限，可精准追溯质量问题对应的堆叠层级；经点云去噪、配准与网格化处理生成标准化高度矩阵，同步计算扫描、堆叠方向二维粗糙度与全域三维粗糙度参数，结合曲率分析法自动提取异常区域并完成缺陷几何形态分类，实现微观形貌量化与缺陷识别的多维度融合，弥补单一指标评价的片面性；最终以粗糙度变化趋势为主框架、缺陷分布与尺寸为修正因子，加权生成分层质量指数并累加得到整体质量等级，既兼顾粗糙度沿堆叠方向的连续变化规律，又纳入缺陷的局部质量影响，评价体系系统全面，可为增材制造工艺优化与制件质量分级提供精准、分层可追溯的量化支撑。