In-Situ Infrared Camera Monitoring for Defect and Anomaly Detection in Laser Powder Bed Fusion: Calibration, Data Mapping, and Feature Extraction

要約

レーザー粉末床溶融 (LPBF) プロセスでは、溶融プールの不安定性、スパッタリング、温度上昇、粉末の広がりの異常により欠陥が発生する可能性があります。
現場モニタリングを通じて欠陥を特定するには、通常、生成された大量のデータを収集、保存、分析する必要があります。
この研究の最初の目標は、ストレージの量を削減することを目的として、現場データを三次元 (3D) ジオメトリに正確にマッピングする新しいアプローチを提案することです。
この研究の 2 番目の目標は、欠陥検出またはプロセス モデルのキャリブレーションのためのいくつかの新しい IR 機能を導入することです。これには、レーザー スキャン順序、局所的な予熱温度、最大プリレーザー スキャン温度、局所的に生成されるスパッターの数とその着弾位置が含まれます。
完全を期すために、パス間温度、熱強度、冷却速度、溶融プール面積などの他の一般的な IR 機能の処理も、基礎となるアルゴリズムと Python 実装とともに示されています。
さまざまな IR 機能が検出できるプロセスの欠陥や異常の証拠を提供するために、さまざまな部品が印刷、監視、特性評価されます。

要約(オリジナル)

Laser powder bed fusion (LPBF) process can incur defects due to melt pool instabilities, spattering, temperature increase, and powder spread anomalies. Identifying defects through in-situ monitoring typically requires collecting, storing, and analyzing large amounts of data generated. The first goal of this work is to propose a new approach to accurately map in-situ data to a three-dimensional (3D) geometry, aiming to reduce the amount of storage. The second goal of this work is to introduce several new IR features for defect detection or process model calibration, which include laser scan order, local preheat temperature, maximum pre-laser scanning temperature, and number of spatters generated locally and their landing locations. For completeness, processing of other common IR features, such as interpass temperature, heat intensity, cooling rates, and melt pool area, are also presented with the underlying algorithm and Python implementation. A number of different parts are printed, monitored, and characterized to provide evidence of process defects and anomalies that different IR features are capable of detecting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google