公开(公告)号：CN116680944A

公开(公告)日：2023-09-01

申请号：CN202310493515.9

申请日：2023-05-05

Applicant: 哈尔滨工业大学

Inventor： 蔡笑宇 ,  邓路兵 ,  董博伦 ,  林三宝

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/044 ,  G06N3/0464 ,  G06F113/10 ,  G06F119/08 ,  G06F119/14 ,  G06F111/10

Abstract: 本发明公开了一种基于数值模拟及深度学习的电弧增材工艺参数预测方法，通过以下步骤实现：步骤一，基于开发的Python算法生成随机曲线；步骤二，几何模型生成及模型的自适应全局网格划分；步骤三，材料分析任务及数值模拟求解器设置，接着进行求解计算；步骤四，进行实际实验，校正模型；步骤五，实现步骤一、步骤二、步骤三的自动化迭代；步骤六，将收集到的温度场信息以及其对应的层积路径作为数据集；步骤七，用数据集训练一个图循环网络以及卷积神经网络；步骤八，用测试数据集对模型预测能力进行验证，避免过拟合及欠拟合；步骤九，利用实际获得的实验数据对训练的模型权值进行微调。本发明可以实现实际复杂构件增材路径的最佳层积参数预测。

公开(公告)号：CN116629128A

公开(公告)日：2023-08-22

申请号：CN202310620763.5

申请日：2023-05-30

Applicant: 哈尔滨工业大学

Inventor： 邓路兵 ,  董博伦 ,  蔡笑宇 ,  林三宝

IPC: G06F30/27 ,  G06N3/092 ,  G06N3/0464 ,  G06F111/10 ,  G06F113/10 ,  G06F119/08

Abstract: 本发明涉及一种基于深度强化学习的控制电弧增材成型的方法，属于电弧增材制造技术领域。解决对复杂构件工艺参数难以确定，成型难以调控的的问题。包括以下步骤：S1：对电弧增材过程进行数值模拟；S2：获取电弧增材过程数值模拟温度场信息并对其进行处理；S3：搭建电弧增材制造强化学习环境及智能体；S4：搭建价值网络及决策网络；S5：基于S3搭建的环境，利用S2获取的温度场信息对网络进行训练；S6：利用S5训练好的神经网络，实现自动调整电弧增材过程层积参数，保持层积层熔宽和熔深稳定。具有良好的泛化能力，适用于复杂形状的构件，校正数值模拟模型后将智能体执行的参数运用于实际电弧增材过程，减少探索工艺参数的时间成本和材料成本。

公开(公告)号：CN111037062A

公开(公告)日：2020-04-21

申请号：CN201811190536.9

申请日：2018-10-12

Applicant: 哈尔滨工业大学 ,  西安航天发动机有限公司

Inventor： 林三宝 ,  蔡笑宇 ,  董博伦 ,  杨卫鹏 ,  张勤练

IPC: B23K9/167 ,  B23K9/00

Abstract: 本发明提出了一种GTAW焊缝成形的自适应控制与自动视觉检测方法，包括步骤1、建立关系模型、获取典型焊缝表面缺陷的图像；步骤2、利用传感器实时获取当前坡口的错边量和坡口间隙，焊道的特征尺寸以及当前焊道表面的图像和当前焊道的尺寸；步骤3、对焊接工艺参数进行动态调节，实现GTAW焊缝成形的自适应控制；并动态重建出焊道整体的表面缺陷分布图和尺寸分布图。本发明解决了焊接生产中由于工件加工精度、装配误差、焊接热变形等引起的焊缝成形质量问题，并实现焊缝宏观尺寸、焊缝不连续性以及焊缝表面缺陷的检测，提高焊接缺陷的可追溯性和可探测性。