基于熔池热历史的陶瓷增强金属基复材激光定向能量沉积质量实时监测方法

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。