基于工艺参数修正的SVR对激光金属沉积中元素浓度实时监测方法

摘要

本发明公开了一种基于工艺参数修正的SVR对激光金属沉积中元素浓度实时监测方法，通过使用光谱仪获得不同元素浓度的粉末在不同工艺参数下的激光金属沉积实验过程中光谱数据，将不同元素浓度的沉积层所对应的特征光谱信号数据作为支持向量回归算法输入变量进行训练学，使用二折交叉验证方法寻找不同加工工艺参数下所对应的SVR最优分析参数，将最优分析参数和工艺参数进行曲线拟合得到最优分析参数随工艺参数的变化曲线以及相应的公式，得到新的基于工艺参数修正成分预测模型。免去了重新对该工艺参数下预测模型进行标定的过程，无需重新对SVR的最优分析参数进行寻找，实现了使用同一个预测模型进行各种不同工艺参数下的成分探测的效果。

主权项

一种基于工艺参数修正的SVR对激光金属沉积中元素浓度实时监测方法，其特征在于，包括以下步骤：步骤1：获取标定样本在不同工艺参数下的进行金属沉积过程中的光谱信号；所述标定样本中原子百分比浓度依次从0at.％增加到100at.％；步骤2：提取样本中待分析元素的不同波长下的特征光谱信号；步骤3：采用SVR算法构建相同工艺参数下的预测模型；利用在相同工艺参数下获得的已标识元素浓度材料的特征光谱信号x_i和成分标识y_i作为训练数据，基于SVR算法训练各工艺参数对应的材料元素成分预测模型g(x_i)；步骤4：寻找不同加工工艺参数对应的SVR最优分析参数σ和ε；采用二折交叉验证方法，通过两层循环嵌套的方式依次改变预测模型中的最优分析参数，以该预测模型对应的加工工艺参数下获得的特征光谱信号输入预测模型，将预测值和实际值之间的最小绝对误差对应的最优分析参数和对应的工艺参数；步骤5：将步骤4所得的不同工艺参数下的最优分析参数σ和ε与工艺参数进行曲线拟合，并且得到拟合曲线的对应公式，将公式代入SVR的核函数中，得到新的成分预测模型；步骤6：对待分析样品进行激光直接金属沉积，利用光谱仪实时获取待分析元素成分的样品的特征光谱线相对强度比和积分强度信号以及对应的工艺参数，输入步骤5获得的预测模型中，获得元素成分预测结果，完成监测过程。