基于机器学习的焊接质量监测及缺陷分类模型设计开题报告

全文总字数：7076字

1. 研究目的与意义（文献综述）

1.1研究背景及意义

本课题旨在对激光选区熔化过程进行监测并基于机器学习对所采集的信号进行分析，判断过程异常，对缺陷进行预测。首先，搭建激光选区熔化过程光信号监测平台，监测并记录零件成形过程的光信号；其次，分析监测信号的特征，将光信号特征与成形缺陷间的关系建立起来；最后，基于机器学习方法分析光信号特征，对成形缺陷进行准确预测。

增材制造技术因其快速化、定制化、数字化、网络化的特点被认为将对传统制造业带来革命性影响，而激光选区熔化技术是目前实际意义最大的增材制造技术之一，其在工业、医疗、以及航空航天等领域具有广阔的应用前景，受到学术界和工业界广泛关注。激光选区熔化技术有着明显的优点：（1）能够实现复杂形状零件的制造、减少装配时间、综合性功能强；（2）能够制造功能梯度结构，复合材料结构、晶格结构、轻量化结构件等；（3）不需要粘结剂、材料应用广泛。与其他金属增材制造技术相比，激光选区熔化技术成型件的成型精度和力学性能都要好，该技术更加适合于航空航天和医疗领域精密金属零件的快速成型制造，是金属增材制造技术中最有前途的方法之一。然而，鉴于其所应用的领域对金属零件的高要求，激光选区熔化过程中经常出现表面光洁度差、球化、气孔、裂纹和分层等缺陷，影响了成型件的质量和精度，严重制约了这一技术的发展。因此，激光选区熔化过程中的质量监测尤为重要。为了克服这一难题，需对激光选区熔化过程进行有效监测，基于所监测的信号对缺陷进行预测和控制，从而实现提高成型件质量的目的。

2. 研究的基本内容与方案

1.1研究的基本目标

根据所搭建的激光选区熔化过程光信号监测平台，监测并记录零件成形过程的光信号，通过分析监测信号的特征，建立光信号特征与成形缺陷间的关系，并基于机器学习方法分析光信号特征，对成形缺陷进行准确预测。

1.2研究的内容：

3. 研究计划与安排

1-3周 完成开题报告。

4-8周 搭建完成激光选区熔化过程光信号监测平台，监测并记录零件成形过程的光信号，分析监测信号的特征，完成中期报告

9-12周 能够基于TensorFlow实现简单的机器模型，基于机器学习方法分析光信号特征，对成形缺陷进行准确预测。

13-14周 撰写毕业设计论文说明书。

15-16周 毕业设计论文说明书修订，评阅与论文答辩。

即：

4. 参考文献（12篇以上）

[1]. astm － international， astm standard f2792 － 12a: standard terminology for additivemanufacturing technologies，2012

[2].叶冬森.选择性激光熔化过程的状态监测[d].合肥：中国科学技术大学.2018

[3].卢秉恒，李涤尘．增材制造( 3d 打印) 技术发展［j］.机械制造与自动化， 2013，42( 4) : 1 － 4