一种水下增材制造的在线监测平台及自适应制造方法

    公开(公告)号:CN116713489A

    公开(公告)日:2023-09-08

    申请号:CN202310451461.X

    申请日:2023-04-25

    Abstract: 本发明公开一种水下增材制造的在线监测平台及自适应制造方法,所述监测平台包括安装在基底上的用于将激光头密封起来的水下密封罩,水下密封罩里面安装有内空心轴电机和外空心轴电机,其中内空心轴电机安装在激光头上方,其内圈与激光头固定连接,外圈上安装激光分束镜;外空心轴电机的外圈与水下密封罩内圈下端小孔外壁形成轴向同心配合,外空心轴电机的内圈上安装侧方监测CCD、线激光发生器、线激光监测CCD、温度传感器、高精度光谱仪,线激光发生器;所述基底的背面安装有超声探测仪。本发明考虑到水下增材制造的相关问题,具有监测结构稳定、监测过程灵活、计算速度快、结果具有实时性且准确等特点,实现了水下增材过程在线监测。

    一种基于深度学习的在线实时预测构件状态的方法

    公开(公告)号:CN116070484B

    公开(公告)日:2024-12-06

    申请号:CN202310046440.X

    申请日:2023-01-31

    Abstract: 本发明公开一种基于深度学习的在线实时预测构件状态的方法,本发明首先采集不同工艺参数下熔池以及沉积层的尺寸形貌,并计算出材料从熔融态收缩至凝固状态产生的收缩量;再将采集到熔池和沉积层尺寸形貌、沉积层收缩量、工艺参数作为输入量,在有限元仿真中计算出制造中各点的应力值,并将这些参数作多信息特征融合处理后,输出制造过程中构件的实时应力值;通过大量的实验样本,得到其制造过程中实时应力曲线图和构件形貌图并一一对应,将样本分类为正常、变形、预裂和开裂四种状态,通过卷积神经网络训练,输出构件在制造过程中是何种状态。该方法可获得构建的应力和状态,有效解决制造过程出现变形、裂纹等缺陷以便及时调整和优化工艺参数。

    水下钢筋与混凝土复合打印装置及方法

    公开(公告)号:CN119933155A

    公开(公告)日:2025-05-06

    申请号:CN202510256652.X

    申请日:2025-03-05

    Abstract: 本发明公开了一种水下钢筋与混凝土复合打印装置及方法,包括配件储存仓,导轨移动单元,机械臂,水下混凝土打印单元,水下激光打印单元。配件储存仓可以悬浮在水下待修复位置,导轨移动单元固定在配件储存仓外围,机械臂底座与导轨移动单元上的圆形转盘相连,水下混凝土打印单元由排水罩与混凝土打印喷嘴组成,末端与机械臂末端相连,水下激光打印单元由排水罩与激光打印喷头组成,末端与机械臂相连。排水罩可利用高压气体,形成气帘,在水下形成干燥条件,为混凝土打印和激光打印装置提供良好的工作条件。本发明可以在水下同时进行钢筋的打印和混凝土的打印,适用于水下建筑各种损伤类型的修复,使水下结构在修复后具有更高的强度。

    一种水下增材制造的在线监测平台及自适应制造方法

    公开(公告)号:CN116713489B

    公开(公告)日:2025-02-14

    申请号:CN202310451461.X

    申请日:2023-04-25

    Abstract: 本发明公开一种水下增材制造的在线监测平台及自适应制造方法,所述监测平台包括安装在基底上的用于将激光头密封起来的水下密封罩,水下密封罩里面安装有内空心轴电机和外空心轴电机,其中内空心轴电机安装在激光头上方,其内圈与激光头固定连接,外圈上安装激光分束镜;外空心轴电机的外圈与水下密封罩内圈下端小孔外壁形成轴向同心配合,外空心轴电机的内圈上安装侧方监测CCD、线激光发生器、线激光监测CCD、温度传感器、高精度光谱仪,线激光发生器;所述基底的背面安装有超声探测仪。本发明考虑到水下增材制造的相关问题,具有监测结构稳定、监测过程灵活、计算速度快、结果具有实时性且准确等特点,实现了水下增材过程在线监测。

    一种基于深度学习的在线实时预测构件状态的方法

    公开(公告)号:CN116070484A

    公开(公告)日:2023-05-05

    申请号:CN202310046440.X

    申请日:2023-01-31

    Abstract: 本发明公开一种基于深度学习的在线实时预测构件状态的方法,本发明首先采集不同工艺参数下熔池以及沉积层的尺寸形貌,并计算出材料从熔融态收缩至凝固状态产生的收缩量;再将采集到熔池和沉积层尺寸形貌、沉积层收缩量、工艺参数作为输入量,在有限元仿真中计算出制造中各点的应力值,并将这些参数作多信息特征融合处理后,输出制造过程中构件的实时应力值;通过大量的实验样本,得到其制造过程中实时应力曲线图和构件形貌图并一一对应,将样本分类为正常、变形、预裂和开裂四种状态,通过卷积神经网络训练,输出构件在制造过程中是何种状态。该方法可获得构建的应力和状态,有效解决制造过程出现变形、裂纹等缺陷以便及时调整和优化工艺参数。

Patent Agency Ranking