科研之友
微信
新浪微博
Facebook
分享链接
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(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(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卷积神经网络(CNN)模型进行性能对比。结果表明：FD-Net在Inter-CPU上以7.90ms/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。
- 单位
