公开(公告)号：CN115971513A

公开(公告)日：2023-04-18

申请号：CN202310060860.3

申请日：2023-01-18

Applicant: 华南理工大学

Inventor： 韩昌骏 ,  邹于金 ,  黎凯 ,  董志 ,  胡高令 ,  王迪 ,  宋长辉 ,  杨永强

IPC: B22F10/28 ,  B22F10/36 ,  B22F10/366 ,  B22F10/37 ,  B22F1/065 ,  B33Y10/00 ,  B33Y70/00

Abstract: 本发明涉及一种双波长双激光粉末床熔融成形异质金属材料的方法。所述方法包括如下步骤：设计零件三维结构和材料分布；将零件三维结构切片分层，识别每一切片层材料成分特征及放置区域；按识别特征进行高反射/非高反射金属材料粉末的铺置；双波长双激光协同扫描熔融已铺放金属粉末的切片层；进入下一个切片层，重复以上步骤；获得高反射/非高反射异质金属零件。本发明选择相应波长激光和扫描策略熔融成形，实现高反射/非高反射异质金属材料的有效连接和三维异质金属零件的制备，并克服了现存单一波长激光粉末床熔融成形物理性质、热学性质差异大的异质金属材料，存在易于开裂、分层、界面结合性能弱、力学性能低的问题。

公开(公告)号：CN116740005A

公开(公告)日：2023-09-12

申请号：CN202310641513.X

申请日：2023-05-31

Applicant: 华南理工大学

Inventor： 韩昌骏 ,  严佛宝 ,  黎凯 ,  袁道林 ,  王迪 ,  胡高令 ,  董志 ,  杨永强

IPC: G06T7/00 ,  G06V10/30 ,  G06V10/56 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明涉及一种基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法，包括如下步骤S1实时获取粉末床熔融增材制造过程中的图像及状态数据，并对所述图像及所述状态数据进行预处理；S2搭建基于D3QN的强化学习模型，包括定义环境、奖惩机制定义、搭建神经网络和经验回放过程；S3将步骤S1经预处理后获取的所述粉末床熔融增材制造过程中的图像信息以及状态数据输入至所述基于D3QN的强化学习模型中进行训练，获取粉末床熔融增材制造过程中的最佳决策信息，并获得相应的训练模型；S4利用基于D3QN的强化学习模型获取的所述训练模型实现粉末床熔融增材制造过程缺陷检测及抑制，以此提高粉末床熔融增材制造的零件品质。