直接金属激光熔化的原位过程质量监控和缺陷检测

本文介绍了一种新的过程监控方法，该方法利用现有的商业DMLM系统，只需最少的硬件修改，对过程偏差进行分类和预测零件缺陷的严重性。该方法使用光电二极管信号的时间相关模型对工艺变化进行分类，使用机器学习模型预测零件缺陷的严重性。该方法在带有QMMeltpool 3D熔池监控系统的Concept Laser M2机器和带有EOSTATE熔池监控系统的EOS M290机器上进行了评估。该研究为DMLM过程控制和质量保证提供了新的方法。