基于反射光谱的激光器参数自动调控方法

1.本发明涉及激光加工和自动化控制领域，尤其涉及基于反射光谱的激光器参数自动调控方法。


背景技术：

2.激光加工具有精度高，效率快等优势。然而在多组分材料的消融过程中，由于加工靶材往往为非连续介质，其结构复杂多变、成分种类繁多，如果可以在待去除靶材被消融之前及时调整激光参数，有望大幅提升激光去除效果。传统加工过程中，操作人员需要关闭激光，根据经验区分待去除的靶材性质之后，再调整激光参数，虽然操作人员具备丰富的专业知识和很强的动手能力，但整个过程仍然耗时耗力，尤其是，无法保证激光参数调控过程的及时性和准确性。因此，如何实现靶材去除过程中激光参数的自动化调控，如何确保激光参数调控的及时性和靶材去除的无损性，成为当前多组分材料激光自动化加工面临的技术瓶颈。
3.已报道的方法通过监测激光与靶材之间相互作用造成的光学和声学过程发射，进而调控激光参数。文章《real-time spectral response guided smart femtosecond laser bone drilling》使用光谱仪对激光骨加工过程中喷射出的等离子体羽流进行在线监测，实时优化工艺参数；专利cn111136382a(公布日期：2020.05.12)中通过监测激光加工过程中的光声信号，调控优化激光加工参数。但是此类方法中监测信号的获取晚于待去除靶材的消融，即靶材被去除后才能对激光加工参数进行调整，无法实现监测的无损化和调控的及时性，如用在激光清洗文物表面的脏污和锈迹时及易伤及文物本身，造成极大的经济损失；并且少量光谱检测数据无法代表靶材的广域特征，现有的检测方法分辨率低，难以实现靶材的准确识别。非损伤性的探测方式，除了需要准确识别激光加工过程中靶材的变化，还需要在新靶材被消融前对激光参数做出调控，由于需要精确匹配监测反馈响应时间与激光调控响应时间的对应关系，难度极大，目前研究尚未报道。
4.为了克服上述问题，本发明提出一种基于反射光谱的激光器参数自动调控方法。本方法基于反射光谱探测原理，通过光谱仪监测宽带探测光源在待去除靶材上形成的反射光谱，建立光谱数据与激光参数的映射关系，实时调控激光器参数。由于所使用的宽带探测光源能量远低于靶材的损伤阈值，并且根据激光脉冲频率和通讯频率设置特定的光谱积分时间，可在靶材被消融之前及时调整工艺参数，保证了监测的无损性和调控的前置性，突破现有技术滞后性调控问题。


技术实现要素：

5.本发明要解决的技术问题是克服激光加工过程中工艺参数无法在靶材被消融之前做出调控的问题，发明了一种基于反射光谱的激光器参数自动调控方法。本方法基于反射光谱探测原理，可根据靶材的变化及时调整激光参数，具有监测无损性、参数调控前置性、材料去除高效性等优点。
6.本发明专利为解决其技术问题所采用的方案是：
7.1.一种基于反射光谱的激光器参数自动调控方法，该方法包括如下步骤：
8.s1、根据激光频率与通讯频率自定义光谱采集积分参数，利用脉冲激光器对多组分靶材进行消融，采集反射光谱数据；
9.s2、对采集到的反射光谱进行预处理，剔除反射率＜0的光谱波段，对筛选出的光谱进行非线性拟合，以95％置信区间为标准，筛选出建模谱带，再建立主成分回归模型，调试出适用于待消融靶材的激光参数；
10.s3、当脉冲激光消融过程中再次暴露出新的待去除靶材时，重复前述步骤，获取该待消融新靶材光谱数据，再次调试出适用于新靶材消融的激光参数；
11.s4、根据反射光谱数据调试出适用于靶材消融的激光参数后，即可根据所采集反射光谱数据对消融过程中的激光参数进行实时闭环调控，实现靶材的高度选择性、无损消融。
12.2.优选的，光谱采集系统的积分时间上限可由如下公式确定：
13.t≤(1/f
l-1/f
t
)/2
14.其中，t为光谱采集的积分时间，f
l
为激光器输出的脉冲频率，f
t
为通讯频率。
15.3.优选的，所述对采集到的光谱进行预处理的流程为：采用平滑滤波方法对采集到的n组靶材反射光谱数据分别进行平滑处理，以降低各种原因导致的随机噪声，提高信噪比。
16.4.优选的，对光谱数据进行归一化处理，获取光谱特征信息中的波峰、波谷、斜率、包络面积、反射率。再利用收集到的光谱特征信息描述靶材信息，每个光谱样本信息用p个变量描述，n组靶材数据包含q个类别，该类有nq个样本，整个训练集样本数据矩阵可记为m
p
×n，训练集光谱样本采用主成分模型进行分类，模型表示如下：
[0017][0018]
其中，为该类中对应的元素(i＝1，2，
…
，p；k＝1，2，
…
，nq)，为q类中nq个样本中第i个变量的均值，m为该类样本数据主成分数，为训练集的光谱残差，b
iα
和c
αk
是为了使光谱残差达到极小值的参数。模型建立后，计算该q类样本的总体标准偏差，采用多元线性回归法拟合，再判别未知样本u是否属于q类，区分此模型与原训练集构建模型的不同，以表示拟合后的光谱残差，为该类中对应的元素(i＝1，2，
…
，p；u＝1，2，
…
，nq)，为q类中nq个样本中第i个变量的均值，b
iα
和c
αk
是为了使光谱残差达到极小值的参数。
[0019][0020]
随后，以主成分模型和拟合后的模型的标准差比值为检测计量m，当m≥0.8时样本u属于q类。
[0021]
[0022]
5.优选的，在建立光谱特征信息与待消融靶材的消融检测模型之前，需要根据靶材种类、切割尺寸要求、切割精度要求、切割瑕疵要求、切割效率要求确定适用于待消融靶材的最佳激光参数，这属于现有技术范畴；然后基于确立的主成分数，通过相似分析法建立激光消融检测模型，同时实时采集光谱信息，直至采集到光谱数据的主成分模型和拟合后的模型的标准差比值m≥0.8时为止，即可调制出适用于该靶材的最佳激光消融参数。
[0023]
6.优选的，所述光谱采集系统所使用的非损伤性宽带探测光源的光谱范围为350-3000nm。
[0024]
与现有技术相比，本发明有如下优点：
[0025]
本方法基于反射光谱探测原理，通过光谱仪监测宽带探测光源在待去除靶材上形成的反射光谱，进而调控激光工艺参数。由于所使用的宽带探测光源能量远低于靶材的损伤阈值，并且根据激光脉冲频率和通讯频率设置特定的光谱积分时间，可在靶材被消融之前及时调整工艺参数，保证了监测的无损性和调控的前置性。
附图说明
[0026]
图1为本发明提供的基于反射光谱的激光器参数自动调控方法流程图。
具体实施方式
[0027]
以下结合实例对本发明进行详细说明。应当理解，此处所描述的具体实施列仅用于解释本发明，并不用于限定本发明。
[0028]
实施例1：
[0029]
本发明用于不锈钢-碳钢层合板的切割，不锈钢板的最佳切割激光工艺参数为：激光波长1064nm，脉宽600μs，平均功率2000w，碳钢板的最佳切割激光工艺参数为：激光波长10.6μm，脉宽300μs，平均功率1500w，可通过反射光谱在靶材被消融前及时调控激光工艺参数，以达到最佳切割效率及切割质量。具体实施方式如下：
[0030]
加工激光的脉冲频率f
l
为100hz，系统的通讯频率f
t
为125hz，根据公式t≤(1/f
l-1/f
t
)/2，光谱采集系统的积分时间t≤1ms，为提升光谱收集的信号反射率、提高光谱峰前切换速率，光谱采集的积分时间自定义为1ms；
[0031]
利用脉冲激光器对不锈钢-碳钢层合板进行切割，通过光谱采集系统收集切割过程中待消融不锈钢的反射光谱数据；采用savitzky-golay卷积平滑滤波方法对采集到的1600组光谱数据进行预处理，剔除所选靶材反射率＜0的光谱波段(350-450nm)，再对筛选出的光谱带曲线进行非线性拟合、归一化处理，采用一阶微分方法和多元散射校正方法对数据进行裁剪，以降低环境因素导致的随机噪声，提高信噪比；采用原始光谱和经过一阶微分、二阶微分等方法预处理后的数据进行建模，以正确率位置表进行对比，结果如表1所示，原始光谱经过一阶微分方法和多元散射校正方法处理后，建立的模型光谱预测结果正确率较高。
[0032]
表1不同预处理方法的正确率
[0033][0034]
然后，选取不同主成分数量后用交互验证方法确立主成分个数，发现主成分为m＝3时，光谱残差最小。随后以95％置信区间为标准，筛选出建模谱带，采用偏差权重法选取光谱段位于1150～1550nm范围内，直至采集到光谱数据的主成分模型和拟合后的模型的标准差比值m＝0.9时为止，调制出适用于该不锈钢靶材的最佳激光消融参数(激光波长1064nm，脉宽600μs，平均功率2000w)。模型的标准差比值m为：
[0035][0036]
其中，每个样本信息用p个变量描述，n组靶材数据包含q个类别，每类有nq个样本，m为该类样本数据主成分数，为训练集的光谱残差，是拟合后的光谱残差。
[0037]
当激光消融过程中暴露出碳钢时，重复前述步骤，实时调控出适用于待消融碳钢的最佳激光参数(激光波长10.6μm，脉宽300μs，平均功率1500w)，实现不锈钢-碳钢层合板的高度选择性、无损消融。
[0038]
实施例2：
[0039]
本发明用于离体羊的口腔颌面骨激光切割，可通过反射光谱调控激光参数：激光波长2.1μm，脉宽500μs，平均功率30w，功率密度150w/mm2，在激光消融神经等软组织之前及时关闭激光，达到只去除离体骨组织，不会损伤离体组织中的神经等软组织的目的。具体实施方式如下：
[0040]
切割激光的脉冲频率f
l
为20hz，系统的通讯频率f
t
为125hz，根据公式t≤(1/f
l-1/f
t
)/2，光谱采集系统的积分时间t≤21ms，为提升光谱收集的信号反射率、提高光谱峰前切换速率，光谱采集的积分时间自定义为20ms；
[0041]
将离体的口腔颌面置于生理盐水溶液中，利用脉冲激光器对口腔颌面的离体组织进行去除，通过光谱采集系统收集去除过程中待消融骨组织的反射光谱数据；对采集到的1500组光谱数据进行预处理，剔除所选靶材反射率＜0的光谱波段(550-650nm)，再对筛选出的光谱带曲线进行非线性拟合、归一化处理，采用一阶微分方法和whittaker平滑滤波方法对数据进行裁剪，以降低环境因素导致的随机噪声，提高信噪比；
[0042]
然后，选取不同主成分数量后用交互验证方法确立主成分个数，发现主成分为m＝5时，光谱残差最小。随后以95％置信区间为标准，筛选出建模谱带，采用偏差权重法选取光谱段位于1350～1800nm范围内直至采集到光谱数据的主成分模型和拟合后的模型的标准差比值m＝0.86时为止，调制出适用于该靶材的最佳激光消融参数(激光波长2.1μm，脉宽500μs，平均功率30w，功率密度150w/mm2)。模型的标准差比值m为：
[0043]
[0044]
其中，每个样本信息用p个变量描述，n组靶材数据包含q个类别，每类有nq个样本，m为该类样本数据主成分数，为训练集的光谱残差，是拟合后的光谱残差。
[0045]
当激光消融过程中暴露出离体组织的神经时，重复前述步骤，构建光谱特性与激光参数的动态模型，将激光参数调节至激光波长2.1μm，脉宽500μs，平均功率0w，功率密度0w/mm2。
[0046]
通过此方法，在离体组织被消融之前，即可实时调控出适用于待消融组织的最佳激光参数，为实现离体口腔颌面的高度选择性、无损消融提供了新方法。
[0047]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。