陈颖1,2,黄海鸿1,2+,徐鸿蒙1,2,刘志峰1,2
CHEN Ying1,2,HUANG Haihong1,2+,XU Hongmeng1,2,LIU Zhifeng1,2
摘要: 针对激光定向能量沉积(L-DED)制备陶瓷增强金属基复合材料(Ceramic reinforced metal matrix composites,CRMMC)过程中,成形质量不稳定的问题,提出一种基于熔池热历史的CRMMC质量监测方法。为实现在CPU硬件上的实时监测,构建了单路结构的轻量级全深度可分离卷积神经网络模型(Fully depth-separable convolutional neural network,FD-Net)。输入9个不同激光能量制备不同状态的CRMMC成形质量,使用红外热像仪同步采集熔池红外图像作为数据集训练和测试FD-Net,并与当前先进的轻量级CNN模型进行性能对比。结果表明:FD-Net在Inter-CPU上以7.90毫秒/帧的推理时间实现了高精度监测,显著低于其他CNN模型,证明所提方法可在工业微型计算机上实现CRMMC质量状态的实时监测。
中图分类号: