南华大学柏兴旺增材顶刊：基于3D点云的线弧增材制造表面缺陷检测与定量评估！
时间：2024-06-14 09:11 来源：焊接科学 作者：admin 阅读：次
近日，南华大学柏兴旺教授团队在《Virtual and Physical Prototyping》发表最新研究成果“Detection and quantitative evaluation of surface defects in wire and arc additive manufacturing based on 3D point cloud”，利用机器视觉技术为WAAM开发了一种新型缺陷检测和评估系统。柏兴旺教授为通讯作者。
研究人员开发的新系统结合了基于焊道高度曲线的2D曲率和基于焊道点云的3D曲率的新缺陷检测算法。此外，还开发了一种基于使用从累积点云中提取的几何特征重建正常焊道轮廓的缺陷评估算法。该系统能够在WAAM过程中自动检测焊道形态，提供有关缺陷位置、类型和体积的重要信息，以实现有效的层间修复和提高零件质量。
图1. 缺陷检测目标。
图2. 缺陷检测与评估系统流程。
图3. 缺陷评估结果。
关键结论
该研究提出了一种专为WAAM工艺设计的表面缺陷检测和评估系统。该系统通过分析焊道点云的几何特征，有效地完成了表面缺陷的定位、分类和定量严重程度评估。得出以下结论：
（1）通过几何特征进行缺陷检测和严重性评估的可行性已被成功证明。驼峰缺陷的识别依赖于曲率计算和高差分析，而气孔和凸起缺陷的分割则基于3D曲率分析。实验结果表明准确率为90.5%，精确率为92%，召回率为90.4%。
（2）缺陷严重程度的定量分析是通过对重建的正常焊缝表面和实际缺陷得到的点云进行比较检查来完成的。计算缺陷面积、高度和体积等参数以促进此分析。缺陷模拟实验表明，除了相对较大的面积误差外，大多数误差都在可接受的范围内。这些发现可以作为后续缺陷处理的基础。
（3）缺陷检测的成功率与点云的密度和完整性密切相关。较高密度的点云往往会导致检测孔隙度和突出缺陷的成功率更高。然而，应该指出的是，更高的密度也会导致计算复杂性的增加。
该系统有助于WAAM流程中的原位自动缺陷检测，提供持续的质量控制并提高生产率。然而，由于线激光扫描仪的精度有限，该系统无法检测小裂纹缺陷。为了解决这一限制，未来的努力应集中于将辅助传感器（例如CCD摄像机和超声波传感器）集成到检测系统中。这种集成将增强系统的缺陷检测能力并提高其整体准确性。利用这些进步，该系统有可能显着降低制造故障率，从而有助于提高整体生产率。
通讯作者
柏兴旺，男，1982年9月生，博士，教授，湖南省普通高校青年骨干教师，机械设计制造及其自动化系副主任。2014年9月毕业于华中科技大学机械制造及其自动化专业，2016.12-2017.12英国Cranfield大学公派访问学者。主要从事金属和复合材料的增材制造、3D打印工业应用、数字化智能制造系统等方面的教学与科研工作，主持国家自然科学基金项目2项、湖南省自然科学基金面上项目1项、湖南省教育厅科研基金项目2项，留学归国人员启动基金项目1项。在《IntJHeatMassTransfer》、《IntJAdvManufTech》、《机械工程学报》等知名学术期刊发表论文10余篇。授权发明专利3项，实用新型3项。2019年获湖北省技术发明一等奖1项（排名第三）。
论文引用
Mengru Liu, Xingwang Bai, Shengxuan Xi, Honghui Dong, Runsheng Li, Haiou Zhang & Xiangman Zhou (2024) Detection and quantitative evaluation of surface defects in wire and arc additive manufacturing based on 3D point cloud, Virtual and Physical Prototyping, 19:1, https://doi.org/10.1080/17452759.2023.2294336
(责任编辑：admin)
CNES引入INTAMSYS聚合物FF
具有显著纵波传播特性的三
生物3D打印、类器官应用，
MIT新突破：无需半导体也
亚马逊和Holcim投资14Tree
回收SLS 3D打印尼龙废料，最新内容
《Small Science
南洋理工-剑桥大
清华大学：抗拉强
《Science》：一
国产大尺寸陶瓷3D
南京工业大学：基热点内容
