[发明专利]一种电弧增材成形金属构件内部缺陷在线监测装置及方法

权利要求书

1.一种电弧增材成形金属构件内部缺陷在线监测装置，包括电弧增材成形系统、信号采集系统和信号处理系统，其特征在于：所述电弧增材成形系统用于实现金属构件的3D打印；所述电弧增材成形系统与所述信号采集系统相连；所述信号采集系统用于获取打印过程中的声发射信号；所述信号处理系统用于提取特征参数、建立机器学习分类模型并对未知信号进行判别；

所述电弧增材成形系统包括机械臂、控制主机、金属丝圈及其电力驱动装置、焊丝挤压装置、水冷氩弧焊枪、抽油烟机、空气净化器、水箱和氩气保护装置；所述水冷氩弧焊枪装配在机械臂尖端；所述金属丝圈及其电力驱动装置通过焊丝挤压装置沿着机械臂运送焊丝至水冷氩弧焊枪处；所述水箱遍布电弧增材系统各部，以降低打印过程中各部件温度；所述抽油烟机和所述空气净化器位于成形工作台边，以吸收有害气体；所述机械臂、所述水冷氩弧焊枪、所述金属丝圈及其电力驱动装置、所述抽油烟机和所述空气净化器受控制主机统一调配；所述氩气保护装置通向成形工作台；

所述信号采集系统包括波导杆、声发射探头、前置放大器和信号采集卡；所述波导杆一侧通过夹具固定在基板上，所述声发射探头通过凡士林耦合于波导杆另一侧，所述声发射探头的输出端通过同轴电缆与前置放大器输入端相连接，所述前置放大器输出端通过同轴电缆与信号采集卡输入端相连接，所述信号采集卡输出端与信号处理系统相连接；

所述信号处理系统包括特征参数提取和机器学习模型；所述特征参数提取模块用于从声发射波形信号中提取时域特征参数、频域特征参数、小波特征参数和定量递归特征参数；所述机器学习模块用于将采集到的声发射信号分类，并建立分类判别模型。

2.根据权利要求1所述的一种电弧增材成形金属构件内部缺陷在线监测装置，其特征在于：所述波导杆包括波导杆上表面、波导杆金属杆和波导杆下表面，所述波导杆上表面使用凡士林贴与声发射探头相连接，所述波导杆下表面通过夹具与基板相耦合，所述波导杆金属杆用以基板上的声发射信号传递给声发射探头。

3.根据权利要求1所述的一种电弧增材成形金属构件内部缺陷在线监测装置，其特征在于：所述成型工作台上设有底座孔，四个螺栓分别通过四个夹具垫片穿过底座孔与螺母配合，将基板固定在夹具垫片和底座之间；波导杆下表面固定在夹具垫片和基板之间，三角垫块设置在夹具垫片旁。

4.根据权利要求1所述的一种电弧增材成形金属构件内部缺陷在线监测装置，其特征在于：所述波导杆直径为10-20 mm，成形工作台为可旋转底座。

5.一种电弧增材成形金属构件内部缺陷在线监测方法，其特征在于，包括如下步骤：

（1）依次将信号采集系统中各部件连接；在基板成形区域进行45°断铅实验，确定声发射探头与声发射信号源之间耦合良好；

（2）依次分别开启电弧增材成形系统各部件，包括电焊系统、送丝系统、机械臂运动、抽油烟机和空气净化器，待其稳定后测试各部件产生的环境噪声特征，包括幅度和频率范围；

（3）打开信号采集软件，设置采集参数：幅度门槛值；

（4）设置不同工艺参数，成形具有不同缺陷类型或水平金属构件，并采集成形过程对应的声发射信号；

（5）将声发射信号传输至信号处理系统，获取对应的特征参数，分别包括时域特征参数、频域特征参数、小波特征参数和定量递归特征参数；

（6）利用线性判别分析法对特征参数进行分类，建立对应的机器学习模型；

（7）将采集到的未知信号代入信号处理系统中，进行判别分析，实现成形过程缺陷类型或者水平的在线监测；

（8）将预测过后，且经过验证的未知信号融入分类判别模型中，不断扩大和更新机器学习判别模型。

6.根据权利要求6所述的一种电弧增材成形金属构件内部缺陷在线监测方法，其特征在于：所述声发射探头为宽频差分压电式传感器，其谐振频率为150 KHz，工作频率范围为60 KHz-1000KHz，灵敏度峰值115 dB，且声发射探头断铅实验接收到的信号幅度不低于90dB。