公开(公告)号：CN119457444A

公开(公告)日：2025-02-18

申请号：CN202411675308.6

申请日：2024-11-21

Applicant: 南京林业大学

Inventor： 卢轶 ,  张骥成 ,  吴斌 ,  汪晨 ,  蔡明霞 ,  姜迪 ,  易扬 ,  张永康 ,  饶静

IPC: B23K26/342 ,  B33Y10/00 ,  B33Y30/00 ,  G01N23/02

Abstract: 本发明涉及一种基于高能射线在线监测的大型海工装备焊接双束激光强化装置及方法，所述装置包括激光焊接装置、双束激光冲击强化装置、X射线检测系统、工作台和上位机，激光焊接装置位于工作台的右上方、双束激光冲击装置位于工作台的左上方、X射线检测系统位于工作台侧面,该方案可以在对材料进行激光沉积的同时对材料的熔融区域进行双束激光的激光冲击强化处理，这种装置能够使材料在凝固过程中经历更强的塑性变形，从而更有效地细化熔覆层的晶粒结构，更好地调整材料内部的应力分布，减少残余应力的积累，同时，借助高能X射线检测系统，在焊接过程中实时监测冲击波在熔融区域的耦合情况，通过建立深度学习模型分割波形，利用X射线捕捉到的图像建立数据集优化工艺参数。

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

Applicant: 南京林业大学

Inventor： 卢轶 ,  李文博 ,  董健 ,  朱柯霖 ,  汪晨 ,  吴斌 ,  孙桂芳 ,  蔡明霞

IPC: G06F30/23 ,  G06F30/27 ,  G06Q10/04 ,  G06Q50/04 ,  G06N3/08 ,  G06T17/00 ,  G06N3/0464 ,  G06F119/14

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。

公开(公告)号：CN119510451A

公开(公告)日：2025-02-25

申请号：CN202411675309.0

申请日：2024-11-21

Applicant: 南京林业大学

Inventor： 卢轶 ,  黄海燃 ,  吴斌 ,  汪晨 ,  蔡明霞 ,  姜迪 ,  易扬 ,  饶静

IPC: G01N23/04 ,  G01N23/083 ,  G01N23/18 ,  G01N21/88

Abstract: 本发明公开了一种高能X射线在线监测装置，旨在通过多角度X射线图像采集和神经网络的自动参数调整，实现对沉积过程的实时监控和图像质量优化。该方法包括在激光头的四个角安装高能X射线设备及高分辨率探测器，能够从多个视角实时捕捉沉积层的表面和内部结构变化。系统通过神经网络分析图像质量，自动调整X射线设备的曝光时间、光强及成像角度，确保获取的图像具备较高的对比度、信噪比及结构相似性。最终，通过多角度图像的三维重建，系统能够实时呈现沉积层的几何形貌，为工艺优化提供数据支持。该方案还提出一种结合ResNet和VGG的双分支卷积神经网络架构，用于提高X射线图像的质量评估。该方法大大提高了激光金属沉积工艺的质量控制精度与效率。

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

Applicant: 南京林业大学

Inventor： 卢轶 ,  李文博 ,  董健 ,  朱柯霖 ,  汪晨 ,  吴斌 ,  孙桂芳 ,  蔡明霞

IPC: G06F30/23 ,  G06F30/27 ,  G06Q10/04 ,  G06Q50/04 ,  G06N3/08 ,  G06T17/00 ,  G06N3/0464 ,  G06F119/14

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。

公开(公告)号：CN115828654A

公开(公告)日：2023-03-21

申请号：CN202211076525.4

申请日：2022-11-15

Applicant: 南京林业大学

Inventor： 卢轶 ,  蔡明霞 ,  孙桂芳

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06T17/00 ,  G01N21/73 ,  G01L1/25 ,  G01K13/00 ,  G01B17/06 ,  G01B11/30 ,  G01B11/25 ,  G01B11/00 ,  G06F119/14

Abstract: 本发明公开一种激光增材制造在线监测系统及构建构件数字孪生体的方法，该方法根据实时测量的熔池的尺寸形貌以及沉积层的尺寸形貌实时生成几何模型，并将应力状态、温度、微观组织、元素含量的测量信息同步输入到几何模型中，进而在线的形成熔池和沉积层的数字孪生体。本发明具有计算速度快，构件内部状态与实际加工构件一一对应的特点，旨在对制造过程实现全面的监测和调控，方便对激光增材制造过程中包含的物理现象进行研究，也便于工艺参数的实时调整与优化。