基于svr的激光直接金属沉积过程元素浓度实时监控方法及装置的制造方法
【技术领域】
[0001] 本发明属于等离子光谱定量分析领域，特别涉及一种基于SVR的激光直接金属沉 积过程元素浓度实时监控方法及装置。
【背景技术】
[0002] 自从激光被发明后，利用激光诱导等离子体光学发射光谱分析法已经被广泛地应 用和研究。其基本原理是激光使材料汽化，汽化的材料进一步接收激光能量激发为等离子 体态并辐射出光谱，然后通过对等离子体发射光谱进行分析，从而间接得到材料的成分信 息或者其它定性的信息。其中激光诱导等离子体击穿光谱法（LIBS)应用的最为广泛，其原 理是将高能脉冲激光束聚焦到材料表面，使材料表面的部分材料汽化并激发出等离子体以 及辐射光谱，利用该光谱可用于分析物质的元素组成。然而在激光材料加工过程中，等离子 体通常是自发产生的副产品，而不是像LIBS中用高能激光作为激发源诱导产生等离子体， 因此在整个激光加工过程中都会有等离子体存在，因此可以通过对等离子体光谱的实时分 析而实现对加工过程的实时控制。比如在激光焊接过程中，激光诱导等离子体已经用于成 分损失和焊接质量监控。
[0003] 激光直接金属沉积是激光材料加工的一种，其原理是利用远低于LIBS能量的激 光束熔化同轴送出的金属粉末，再通过定位装置将熔化的粉末通过点到线、线到面、面到体 的运行过程使零件成型。因此，在利用该方法加工加工成分梯度材料时，只需要通过实时调 整不同送粉器的送粉速率就可以方便快捷的连续加工成分梯度材料。然而，该方法的主要 缺陷在于由于激光加工过程中产生的高温会使部分金属元素汽化挥发，以及由于送粉器自 身送粉率的波动，而使得沉积层的成分浓度总是会偏离于理想的浓度，因此最终就会导致 工件服役性能的偏差甚至是性能失效。因此，对激光直接金属沉积加工过程进行成分的实 时探测就变得尤为重要。
[0004] 目前，光谱定量分析方法中运用的最为广泛的是标定曲线法，通过利用谱线相对 强度，或者不同元素的谱线强度比，或者等离子体温度来获得标定曲线，当得到标定曲线 后，通过计算谱线强度比并且与定标曲线对应就可以得到与之相对应的成分浓度。然而由 于该方法与成分关联的光谱信号只有谱线强度比一种，再加上谱线自吸收效应和基体效应 对信号的影响，系统的鲁棒性相对就会变差。
【发明内容】
[0005] 本发明提供了一种基于SVR的激光直接金属沉积过程元素浓度实时监控方法及 装置，用以解决现有技术中激光直接金属沉积过程中元素浓度实时定量探测不准和控制较 难的问题。
[0006] -种基于SVR的激光直接金属沉积过程元素浓度实时监控方法，包括以下步骤：
[0007] 步骤1 :在激光直接金属沉积中，利用与基板处于同一水平面的探头通过光纤逆 向打出的光斑，使得光斑与沉积层保持相切；
[0008] 步骤2 :提取特征光谱信号；
[0009] 从利用光谱仪获取的激光直接金属沉积过程中的光谱信号中，按照以下准则提取 材料中待分析元素A和B的两组特征光谱信号IA1，IA2, IB1，IB2，并计算获得元素特征谱线的 相对强度比IA1/IB1，IA1/IB2, IA2/IB1，IA2/IB2，以及每个特征光谱信号的积分强度I inte:
[0010] 1)按照材料待分析元素的两组特征光谱线在所选波长范围中呈正态分布且互不 重叠；
[0011] 2)材料待分析元素在对应波长下的特征光谱线为一级原子激发谱，并且谱线的精 度级别至少为B级；
[0012] 所述每个谱线信号的积分强度Iinte，即在所选择的波长范围内光谱强度信号对横 坐标波长的积分；
[0013] 步骤3 :获取预测模型训练数据；
[0014] 利用元素成分已标识的材料按照元素的原子百分比依次按照设定的浓度梯度从 Oat. %到100at. %，按照步骤1所述的方法进行激光直接金属沉积，利用光谱仪获取激光 直接金属沉积过程中的光谱信号，并按照步骤2提取特征光谱信号；
[0015] 步骤4 :采用SVR算法构建预测模型；
[0016] 利用步骤3中获得的元素成分已标识的材料的特征光谱信号^和成分标识结果yi作为训练数据，训练材料元素成分预测模型g(Xl);
[0017] 其中，Xi - (I Ai/Ib1，Iai/!B2，！A2/Ib1，！A2/Ib2，Iinte) i ;
[0018] 步骤5 :按照步骤1进行激光直接金属沉积时，利用光谱仪实时获取步骤2所述的 待分析元素成分的特征光谱线相对强度比和积分强度信号，作为测试数据输入步骤4获得 的预测模型中，获得元素成分预测结果，完成监测过程。
[0019] 所述预测模型的构建方法还包括标定曲线法、秩和线性相关法、多元线性回归法、 主元素回归法、最小二乘法或神经网络法。
[0020] 所述步骤2提取的特征光谱信号还可以包括谱线相对强度、峰值强度与基线强度 比、等离子体温度、电子密度。
[0021] 利用元素成分预测结果与元素成分设定阈值之差采用PID增量式算法对激光直 接金属沉积中送粉器的电机转速，具体过程如下：
[0022] 当A的原子浓度增加δ时，A粉对应送粉器的电机转速减少δ，B粉对应送粉器 的电机转速增加S。
[0023] 当材料待分析元素成分为三种或三种以上时，首先将待分析元素成分分为两组， 作为两组整体待分析的元素，按照权利要求1所述的方法对每组整体待分析的元素进行整 体预测，然后按照权利要求1所述的方法对每组整体待分析的元素中的每个元素成分进行 预测，完成每个待分析元素成分的监测。
[0024] -种基于SVR的激光直接金属沉积过程元素浓度实时监控装置，包括激光直接金 属沉积加工头、基板、光谱探头、光纤、光谱仪、处理单元及控制单元；
[0025] 光谱探头设置于与基板上的沉积层所在平面平行的平面，所述光谱探头通过光纤 与光谱仪相连，所述光谱仪与控制单元均与所述处理单元相连，所述处理单元依照上述的 方法，输出待分析元素成分的预测结果，控制单元基于预测结果对送粉器电机进行控制，实 现对激光直接金属沉积过程的元素成分实时监控。
[0026] 有益效果
[0027] 本发明提供了一种基于SVR的激光直接金属沉积过程元素浓度实时监控方法及 装置，该方法首先完成加工现场标定样品的等离子体的光谱采集，然后通过特征提取算法， 计算每个光谱信号中的谱线强度比和积分强度作为谱线的输入信号，并将提取的光谱特征 信号和对应的成分浓度同时输入支持向量回归算法中进行训练学习以得到成分预测模型， 最后应用该模型在激光直接金属沉积过程中进行实时的成分探测。在探测得到成分后，成 分偏差反馈给实时处理器，将其转化为对应送粉器的送粉速率并反馈给电机，实现成分的 闭环控制。整个装置结构简单，操作方便；本发明首次将支持向量回归算法运用进了等离子 体光谱分析法，并且是对激光直接金属沉积过程中的金属成分进行实时的探测。此外，实现 了同时将特征谱线强度比和积分强度同时作为训练数据输入支持向量回归进行学习得到 成分预测模型。该发明避免了线下成分检测方法需要磨样、制样、电镜分析的费时费力的过 程，并且实现了在加工成分梯度材料时由于无法避免的送粉波动和成分挥发而造成沉积层 成分变化而需要进行成分闭环控制的目的。
【附图说明】
[0028] 图1为本发明专利实施例的流程图；
[0029] 图2为提取分析的光谱数据；
[0030] 图3为激光直接金属沉积的原理图；
[0031] 图4为双送粉器加工成分梯度材料的结构示意图；
[0032] 图5为不同探测方法的实时探测的结果；
[0033] 标号说明：1、加工头，2、水冷，3、保护气体，4、金属粉末，5、等离子体，6、沉积层，7、 基板，8、光谱探头，9、光纤，10、光谱仪，11、处理单元，12、送粉器I，13、送粉器II，14、送粉 器电机，15、送粉管路。
【具体实施方式】
[0034] 下面将结合附图和实施例对本发明做进一步的说明。
[0035] 如图1所示，一种基于SVR的激光直接金属沉积过程元素浓度实时监控方法，包括 以下步骤：
[0036] 步骤1 :在激光直接金属沉积中，利用与基板处于同一水平面的探头通过光纤逆 向打出的光斑，使得光斑与沉积层保持相切；
[0037] 步骤2 :提取特征光谱信号；
[0038] 从利用光谱仪获取的激光直接金属沉积过程中的光谱信号中，按照以下准则提取 材料中待分析元素A和B的两组特征光谱信号IA1，IA2, IB1，IB2，并计算获得元素特征谱线的 相对强度比IA1/IB1，IA1/IB2, IA2/IB1，IA2/IB2，以及每个特征光谱信号的积分强度I inte:
[0039] 1)按照材料待分析元素的两组特征光谱线在所选波长范围中呈正态分布且互不 重叠；
[0040] 2)材料待分析元素在对应波长下的特征光谱线为一级原子激发谱，并且谱线的精 度级别至少为B级；
[0041] 所述每个谱线信号的积分强度Iinte，即在所选择的波长范围内光谱强度信号对横 坐标波长的积分；
[0042] 步骤3 :获取预测模型训练数据；
[0043] 利用元素成分已标识的材料按照元素的原子百分比依次按照设定的浓度梯度从 Oat. %到100at. %，按照步骤1所述的方法进行激光直接金属沉积，利用光谱仪获取激光 直接金属沉积过程中的光谱信号，并按照步骤2提取特征光谱信号；
[0044] 步骤4 :采用SVR算法构建预测模型；
[0045] 利用步骤3中获得的元素成分已标识的材料的特征光谱信号^和成分标识结果yi作为训练数据，训练材料元素成分预测模型g(Xl);
[0046] 其中，Xi - (I Ai/Ib1，Iai/Ib2，Ia2,Ib1，Ia2,Ib2，Iinte) i ;
[0047] 步骤5 :按照步骤1进行激光直接金属沉积时，利用光谱仪实时获取步骤2所述的 待分析元素成分的特征光谱线相对强度比和积分强度信号，作为测试数据输入步骤4获得 的预测模型中，获得元素成分预测结果，完成监测过程。
[0048] 以加工Ti-Al成分梯度合金为例，对一种基于SVR的激光直接金属沉积过程元素 浓度实时监控方法进行阐述。
[0049] 步骤一：加工现场设备架设