-
公开(公告)号：CN118446079A
公开(公告)日：2024-08-06
申请号：CN202410455410.9
申请日：2024-04-16
Applicant: 哈尔滨工业大学 , 中国船舶集团有限公司第七一六研究所
IPC: G06F30/27 , G06N3/092 , G06F113/10
Abstract: 本发明公开了一种基于深度强化学习的增材路径工艺协同优化方法，通过分别训练路径规划强化学习模型和工艺优化强化学习模型，然后将两者耦合，通过实时将路径规划模型若干较优动作输入工艺优化模型，获得最优路径和工艺组合，进一步将其输入到路径规划模型进行沉积状态更新，不断迭代，从而获得最优工艺路径组合。本方法具有良好的泛化能力，并不局限于单一材料，单一热源和单一形状构件，本方法不仅能减少人力设计路径成本，还可以减少工艺摸索过程中的材料成本和时间成本，并且还有利于提高增材构件的性能。
-
公开(公告)号：CN116559196B
公开(公告)日：2024-03-12
申请号：CN202310498199.4
申请日：2023-05-06
Applicant: 哈尔滨工业大学
IPC: G01N21/95 , G01N21/62 , G01N25/72 , G01N29/04 , G01N29/44 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种电弧增材制造缺陷检测系统及方法，属于电弧增材制造领域。解决大多技术方案只能对电弧增材构件表面缺陷等进行检测，而内部的气孔，未熔合等缺陷则无法检测的问题。包括磁光成像仪、红外相机、高速摄像机、同步控制器、计算机和声传感器，磁光成像仪、红外相机、高速摄像机、声传感器通过同步控制器与计算机电性连接。本发明基于电弧增材过程中的多模态信息，主要包括表面形貌信息、温度场信息、声信息及磁光信息，实现了内部的气孔、未熔合等缺陷的检测，检测精度高。
-
公开(公告)号：CN116629128B
公开(公告)日：2024-03-29
申请号：CN202310620763.5
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/092 , G06N3/0464 , G06F111/10 , G06F113/10 , G06F119/08
Abstract: 本发明涉及一种基于深度强化学习的控制电弧增材成型的方法，属于电弧增材制造技术领域。解决对复杂构件工艺参数难以确定，成型难以调控的的问题。包括以下步骤：S1：对电弧增材过程进行数值模拟；S2：获取电弧增材过程数值模拟温度场信息并对其进行处理；S3：搭建电弧增材制造强化学习环境及智能体；S4：搭建价值网络及决策网络；S5：基于S3搭建的环境，利用S2获取的温度场信息对网络进行训练；S6：利用S5训练好的神经网络，实现自动调整电弧增材过程层积参数，保持层积层熔宽和熔深稳定。具有良好的泛化能力，适用于复杂形状的构件，校正数值模拟模型后将智能体执行的参数运用于实际电弧增材过程，减少探索工艺参数的时间成本和材料成本。
-
公开(公告)号：CN118505621A
公开(公告)日：2024-08-16
申请号：CN202410546333.8
申请日：2024-05-06
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06N3/0464 , G06T7/269 , G06V10/764 , G06V10/80 , G06V10/82 , G01N21/88
Abstract: 一种基于光流法的焊接缺陷检测方法、系统以及计算机设备，本发明涉及一种焊接缺陷检测方法，本发明为解决在焊接过程中由于电弧不稳导致缺陷难以检测的问题，本发明通过对焊接过程实时采集的数据进行预处理和照度修正，利用光流评估网络对照度修正过的焊接数据进行光流特征提取，进一步利用缺陷检测模型对不同尺度的光流特征进行处理，从而实时检测焊接过程中的缺陷种类。本方法综合利用了焊接过程中的时空双维度光流特征信息，可以实现焊接缺陷的高精准度检测，且抗环境干扰能力强。本发明属于材料加工制造技术领域。
-
Patent Agency Ranking
公开(公告)号：CN116559196A
公开(公告)日：2023-08-08
申请号：CN202310498199.4
申请日：2023-05-06
Applicant: 哈尔滨工业大学
IPC: G01N21/95 , G01N21/62 , G01N25/72 , G01N29/04 , G01N29/44 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种电弧增材制造缺陷检测系统及方法，属于电弧增材制造领域。解决大多技术方案只能对电弧增材构件表面缺陷等进行检测，而内部的气孔，未熔合等缺陷则无法检测的问题。包括磁光成像仪、红外相机、高速摄像机、同步控制器、计算机和声传感器，磁光成像仪、红外相机、高速摄像机、声传感器通过同步控制器与计算机电性连接。本发明基于电弧增材过程中的多模态信息，主要包括表面形貌信息、温度场信息、声信息及磁光信息，实现了内部的气孔、未熔合等缺陷的检测，检测精度高。
-
公开(公告)号：CN118429276A
公开(公告)日：2024-08-02
申请号：CN202410424443.7
申请日：2024-04-10
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种提高增材制造缺陷检测精准度和通用性的方法，包括：步骤1：获取增材缺陷数据和不同增材场景的增材过程数据；步骤2：将获取的增材缺陷数据中的缺陷和场景分离；步骤3：基于获取的不同增材场景的增材过程数据对生成式网络进行训练；步骤4：基于训练后的生成式网络生成多样增材加工场景，将分离得到的增材缺陷植入多样增材加工场景得到增材数据；步骤5：基于增材数据训练增材缺陷识别模型；步骤6：基于训练后的增材缺陷识别模型对增材过程进行缺陷高精准度在线检测。本发明解决了增材缺陷数据难以获取的问题，使得正负样本数据区域平衡，本发明不仅能提高缺陷检测的精准度，还可以有效提高模型的通用性。
-
公开(公告)号：CN116680944B
公开(公告)日：2023-12-22
申请号：CN202310493515.9
申请日：2023-05-05
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/044 , G06N3/0464 , G06F113/10 , G06F119/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种基于数值模拟及深度学习的电弧增材工艺参数预测方法，通过以下步骤实现：步骤一，基于开发的Python算法生成随机曲线；步骤二，几何模型生成及模型的自适应全局网格划分；步骤三，材料分析任务及数值模拟求解器设置，接着进行求解计算；步骤四，进行实际实验，校正模型；步骤五，实现步骤一、步骤二、步骤三的自动化迭代；步骤六，将收集到的温度场信息以及其对应的沉积路径作为数据集；步骤七，用数据集训练一个图循环网络以及卷积神经网络；步骤八，用测试数据集对模型预测能力进行验证，避免过拟合及欠拟合；步骤九，利用实际获得的实验数据对训练的模型权值进行微调。本发明可以实现实际复杂构件增材路径的最佳沉积参数预测。
-
公开(公告)号：CN116680944A
公开(公告)日：2023-09-01
申请号：CN202310493515.9
申请日：2023-05-05
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/044 , G06N3/0464 , G06F113/10 , G06F119/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种基于数值模拟及深度学习的电弧增材工艺参数预测方法，通过以下步骤实现：步骤一，基于开发的Python算法生成随机曲线；步骤二，几何模型生成及模型的自适应全局网格划分；步骤三，材料分析任务及数值模拟求解器设置，接着进行求解计算；步骤四，进行实际实验，校正模型；步骤五，实现步骤一、步骤二、步骤三的自动化迭代；步骤六，将收集到的温度场信息以及其对应的层积路径作为数据集；步骤七，用数据集训练一个图循环网络以及卷积神经网络；步骤八，用测试数据集对模型预测能力进行验证，避免过拟合及欠拟合；步骤九，利用实际获得的实验数据对训练的模型权值进行微调。本发明可以实现实际复杂构件增材路径的最佳层积参数预测。
-
公开(公告)号：CN116629128A
公开(公告)日：2023-08-22
申请号：CN202310620763.5
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/092 , G06N3/0464 , G06F111/10 , G06F113/10 , G06F119/08
Abstract: 本发明涉及一种基于深度强化学习的控制电弧增材成型的方法，属于电弧增材制造技术领域。解决对复杂构件工艺参数难以确定，成型难以调控的的问题。包括以下步骤：S1：对电弧增材过程进行数值模拟；S2：获取电弧增材过程数值模拟温度场信息并对其进行处理；S3：搭建电弧增材制造强化学习环境及智能体；S4：搭建价值网络及决策网络；S5：基于S3搭建的环境，利用S2获取的温度场信息对网络进行训练；S6：利用S5训练好的神经网络，实现自动调整电弧增材过程层积参数，保持层积层熔宽和熔深稳定。具有良好的泛化能力，适用于复杂形状的构件，校正数值模拟模型后将智能体执行的参数运用于实际电弧增材过程，减少探索工艺参数的时间成本和材料成本。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.042 seconds)
