一种基于PPCNN的金属激光熔化沉积熔池状态识别方法

• 作者: 刘伟嵬 唐梓珏 孙慧 杨征宇 王奉涛 王灏 马琳杰
• 来源期刊: 内燃机与配件
• 关键词: 增材制造 定向能量沉积 激光熔化沉积 熔池 卷积神经网络 金字塔池化模块
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 设计研究
• 页码范围: 23-26
• 页数: 4页
• 字数: 3793字
• 语种: 中文

摘要

金属激光熔化沉积质量与熔池状态具有密切的关联,根据熔池视觉特征对加工中的熔池状态进行识别,进而实现沉积质量的在线预测对金属激光熔化沉积技术具有重要意义.为构建上述映射关系,本文提出了一种基于金字塔池化卷积神经网络的金属激光熔化沉积熔池状态识别方法.针对所采集的熔池同轴图像,建立用于训练和测试的数据集;构建了金字塔池化卷积神经网络(Pyramid pooling convolutional neural networks,PPCNN),并进行网络关键参数的研究.结果表明:第一层卷积核尺寸为5×5,卷积层和金字塔池化模块含有64+8×3个卷积核使网络在识别准确率上达到最佳.所提方法取得了最高96.80％的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王奉涛	汕头大学工学院	4	1	1.0	1.0
2	刘伟嵬	大连理工大学机械工程学院	11	25	2.0	5.0
3	孙慧	大连理工大学机械工程学院	3	11	1.0	3.0
4	马琳杰	大连理工大学机械工程学院	2	0	0.0	0.0
5	唐梓珏	大连理工大学机械工程学院	5	21	2.0	4.0
6	王灏	大连理工大学机械工程学院	2	3	1.0	1.0
7	杨征宇	大连理工大学机械工程学院	1	0	0.0	0.0