如何獲得高質(zhì)量、高精度的激光是激光技術(shù)基礎(chǔ)研究和應(yīng)用研究中廣受關(guān)注的課題，而人工智能算法正是實(shí)現(xiàn)激光光束質(zhì)量預(yù)測(cè)和調(diào)控的有效手段。針對(duì)現(xiàn)有簡單仿真模型對(duì)復(fù)雜光學(xué)系統(tǒng)預(yù)測(cè)能力不足的問題，哈爾濱工業(yè)大學(xué)劉國棟團(tuán)隊(duì)將深度神經(jīng)網(wǎng)絡(luò)與Frantz-Nodvik方程相結(jié)合，提出了一種優(yōu)于傳統(tǒng)擬合方法的大功率ICF激光系統(tǒng)中主放大器輸出能量預(yù)測(cè)新方法（圖1）。國防科技大學(xué)周樸團(tuán)隊(duì)不僅利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)了少模光纖激光器光束傳播因子M²的準(zhǔn)確預(yù)測(cè)，還通過深度學(xué)習(xí)網(wǎng)絡(luò)補(bǔ)償和優(yōu)化算法消除了高功率模式可編程軌道角動(dòng)量（OAM）光束相位差，保證了OAM光束的純度。

圖1 利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行主放大器輸出能量的預(yù)測(cè)。（a）主放大器內(nèi)部光路及主要模塊；（b）光束輸入和輸出能量關(guān)系；（c）預(yù)測(cè)結(jié)果及擬合方法^[1]

隨著制造品質(zhì)需求不斷提升，傳統(tǒng)高斯光束單點(diǎn)加工方式難以滿足當(dāng)前激光微納結(jié)構(gòu)制造的高精度、高效率和跨尺度加工要求。因此需要利用光束整形技術(shù)調(diào)整光束的焦點(diǎn)、形狀、強(qiáng)度分布，將光束輪廓塑造成特定的形狀。隨著光場(chǎng)所需特性的復(fù)雜性不斷增加，此類系統(tǒng)的設(shè)計(jì)面臨著許多挑戰(zhàn)。相較傳統(tǒng)方法，人工智能算法能夠更加快速準(zhǔn)確地實(shí)現(xiàn)復(fù)雜光場(chǎng)的調(diào)制。如圖2所示，亞琛工業(yè)大學(xué)Buske等人通過衍射神經(jīng)網(wǎng)絡(luò)算法，將光束能量分布調(diào)整為平頂光、扶手椅和蝴蝶形狀。此外，同濟(jì)大學(xué)李鵬忠團(tuán)隊(duì)使用人工神經(jīng)網(wǎng)絡(luò)對(duì)U-Net神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，用于基于空間光調(diào)制器（SLM）的光束整形優(yōu)化。

圖2 使用衍射神經(jīng)網(wǎng)絡(luò)進(jìn)行光束整形^[2]

1.2 設(shè)備管理

人工智能在設(shè)備健康管理中的應(yīng)用可以提高設(shè)備的可靠性、延長設(shè)備的使用壽命、減少停機(jī)時(shí)間和維修成本。它可以通過實(shí)時(shí)監(jiān)測(cè)、預(yù)測(cè)性維護(hù)和故障診斷等方式，提供更智能、高效的設(shè)備管理和維護(hù)策略。德國基爾大學(xué)Khouloud Abdelli等人利用一種基于堆疊雙向長短期記憶網(wǎng)絡(luò)（BiLSTM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）的多任務(wù)學(xué)習(xí)方法實(shí)現(xiàn)了對(duì)光纖故障的檢測(cè)、定位、表征和識(shí)別。國防科技大學(xué)石峰教授團(tuán)隊(duì)基于光學(xué)元件小尺度損傷點(diǎn)數(shù)量與修復(fù)深度之間的相關(guān)性建立了高精度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，可用于光學(xué)器件的高效修復(fù)。山西大學(xué)盧華東教授團(tuán)隊(duì)將BP神經(jīng)網(wǎng)絡(luò)算法和PID控制算法相結(jié)合，制造了一種新型、穩(wěn)定的單頻連續(xù)激光器溫度控制器，防止高溫對(duì)光學(xué)器件的損壞。

2、智能化激光制造技術(shù)

2.1 激光切割

激光切割因精度高、速度快、熱響區(qū)小、不存在工具磨損等優(yōu)點(diǎn)而廣泛應(yīng)用于汽車、航空航天、電器電子等諸多領(lǐng)域。人工智能在激光切割時(shí)，通過路徑優(yōu)化、實(shí)時(shí)監(jiān)測(cè)、參數(shù)選擇和缺陷檢測(cè)等方式優(yōu)化切割過程，可提高切割效率和切割質(zhì)量。德國卡爾斯魯厄理工學(xué)院Fernando團(tuán)隊(duì)使用RGB圖像數(shù)據(jù)庫和相應(yīng)的粗糙度值訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，可以準(zhǔn)確估計(jì)切割邊緣的粗糙度，平均誤差達(dá)到3.6 µm。比利時(shí)魯汶大學(xué)Duflou團(tuán)隊(duì)開發(fā)了一種高效的切割邊緣粗糙度預(yù)測(cè)算法，以更少的數(shù)據(jù)量對(duì)切割粗糙度進(jìn)行預(yù)測(cè)。英國南安普敦大學(xué) Zervas 團(tuán)隊(duì)利用深度學(xué)習(xí)方法從切割表面的顯微圖像中得到激光掃描速度，并進(jìn)一步證明可以利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)切割表面的外觀形狀。

2.2 激光拋光

激光拋光技術(shù)用于改善材料表面的光潔度、平整度和外觀質(zhì)量，是解決復(fù)雜表面和自由曲面特征零件高質(zhì)量拋光難題的有力手段。為了達(dá)到良好的拋光效果，通常需要進(jìn)行大量實(shí)驗(yàn)對(duì)工藝進(jìn)行優(yōu)化，導(dǎo)致生產(chǎn)成本過高。采用人工智能算法對(duì)拋光結(jié)果進(jìn)行預(yù)測(cè)，可快速得到最佳工藝參數(shù)，實(shí)現(xiàn)降本增效。德國卡爾斯魯厄理工學(xué)院Wilhelm博士等人構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型，并使用遺傳算法對(duì)其進(jìn)行優(yōu)化，用于獲得符合給定表面粗糙度和熱影響要求的拋光工藝窗口。激光拋光合金的微觀結(jié)構(gòu)對(duì)于表面強(qiáng)度及其性能至關(guān)重要。北京航空航天大學(xué)激光團(tuán)隊(duì)利用人工神經(jīng)網(wǎng)絡(luò)對(duì)激光選區(qū)熔化Ti-6Al-4V的拋光表面質(zhì)量進(jìn)行預(yù)測(cè)（圖3），在使用推薦參數(shù)進(jìn)行拋光后，不僅平均粗糙度Ra從10 μm降低到0.15 μm以下，而且顯微硬度和抗變形性能得到顯著增強(qiáng)。

圖3 神經(jīng)網(wǎng)絡(luò)模型和表面形貌分析^[3]

2.3 激光截/鉆骨

激光在骨科臨床手術(shù)中的應(yīng)用越來越廣泛，能夠有效避免傳統(tǒng)機(jī)械骨科手術(shù)中存在的骨孔壁粗糙、微裂紋等問題。為減少手術(shù)中激光對(duì)健康組織的損傷，可使用人工智能算法對(duì)骨處理過程中產(chǎn)生的圖像、光、聲信號(hào)進(jìn)行處理，實(shí)現(xiàn)對(duì)生物組織的實(shí)時(shí)分類識(shí)別，為患者提供更好的治療效果和術(shù)后恢復(fù)。瑞士巴塞爾大學(xué)的Bayhaqi團(tuán)隊(duì)利用基于深度學(xué)習(xí)的快速光學(xué)相干層析成像（OCT）圖像去噪方法實(shí)現(xiàn)了對(duì)生物組織的分類。瑞士聯(lián)邦材料科學(xué)與技術(shù)實(shí)驗(yàn)室Wasmer團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)處理聲信號(hào)來分類識(shí)別皮膚、脂肪、肌肉和骨骼，提升了激光截骨準(zhǔn)確度。

北京航空航天大學(xué)激光團(tuán)隊(duì)利用光譜儀采集加工過程中產(chǎn)生的二次諧波信號(hào)用于定位和監(jiān)測(cè)，實(shí)現(xiàn)了基于光譜響應(yīng)的工藝參數(shù)優(yōu)化（圖4）。在此基礎(chǔ)上，本團(tuán)隊(duì)在飛秒激光鉆骨過程中使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)光斑位置進(jìn)行精準(zhǔn)定位，展現(xiàn)了該方法在提升手術(shù)安全性方面的潛力。

圖4 激光鉆骨實(shí)驗(yàn)^[4]

2.4 激光焊接

激光焊接技術(shù)是激光制造領(lǐng)域應(yīng)用最為廣泛的技術(shù)之一，具有能量密度高、熱影響區(qū)小、焊縫深寬比大、自動(dòng)化程度高等優(yōu)點(diǎn)。研究熔池和焊縫的特點(diǎn)可以幫助提升激光焊接的質(zhì)量和效率。利用人工智能快速分析熔池的幾何形態(tài)、深度、寬度以及熔池與基材之間的界面特征等參數(shù)，可以評(píng)估焊縫的質(zhì)量，并優(yōu)化焊接參數(shù)以實(shí)現(xiàn)所需的焊縫形態(tài)和性能。華中科技大學(xué)蔣平教授團(tuán)隊(duì)使用圖像處理技術(shù)提取激光熔池和小孔的特征，將多種神經(jīng)網(wǎng)絡(luò)集成來建立激光熔池、小孔特征與焊縫特征之間的關(guān)系（圖5）。廣東工業(yè)大學(xué)高向東團(tuán)隊(duì)基于傳感器信號(hào)特征構(gòu)建了用于焊縫缺陷檢測(cè)的支持向量機(jī)（SVM）分類模型，可利用光學(xué)特征對(duì)焊接缺陷進(jìn)行有效檢測(cè)。

圖5 不同神經(jīng)網(wǎng)絡(luò)構(gòu)建的熔池和鎖孔關(guān)系^[5]

2.5 激光增材制造

激光增材制造技術(shù)為復(fù)雜結(jié)構(gòu)、難加工零部件提供了定制化、個(gè)性化制造策略。材料、結(jié)構(gòu)、工藝是決定增材制造部件性能的關(guān)鍵因素，因此通常在制造之前需大量試錯(cuò)預(yù)實(shí)驗(yàn)以獲得最佳工藝條件，而這使得設(shè)計(jì)成本高昂、耗時(shí)且不可預(yù)測(cè)。利用人工智能進(jìn)行材料成分設(shè)計(jì)、組織性能預(yù)測(cè)、工藝參數(shù)優(yōu)化等，有助于實(shí)現(xiàn)增材零件的高質(zhì)量、低成本制造。新加坡制造技術(shù)研究院Tan等人利用機(jī)器學(xué)習(xí)方法開發(fā)了一種專用于增材制造的Fe-20.8Ni-6.2Ti-1.7Al （wt%）新型馬氏體鋼，具有優(yōu)異的抗拉強(qiáng)度（1.54 GPa）和均勻延伸率（8.1%），如圖6所示。日本東北大學(xué)Aoyagi教授根據(jù)不同工藝參數(shù)下內(nèi)部缺陷與表面形態(tài)的關(guān)系，通過機(jī)器學(xué)習(xí)獲得制造無零件的最佳工藝參數(shù)。

圖6 Fe-Ni-Ti-Al新型馬氏體時(shí)效鋼的機(jī)器學(xué)習(xí)輔助成分設(shè)計(jì)示意圖^[6]

3、總結(jié)與展望

人工智能的發(fā)展和進(jìn)步引發(fā)了制造業(yè)的巨大變革，推動(dòng)制造業(yè)向自動(dòng)化、智能化方向發(fā)展。激光制造作為當(dāng)前制造業(yè)中前景的先進(jìn)制造技術(shù)之一，兩者結(jié)合是行業(yè)發(fā)展的必然趨勢(shì)，人工智能在激光制造技術(shù)中的廣泛應(yīng)用促進(jìn)了激光制造技術(shù)的持續(xù)進(jìn)步。

然而，人工智能在激光制造中的應(yīng)用仍存在不小的挑戰(zhàn)：1）時(shí)間和金錢成本較高，需開發(fā)新方法提高數(shù)據(jù)利用率；2）激光制造過程復(fù)雜多樣，需開發(fā)出能夠適應(yīng)復(fù)雜應(yīng)用場(chǎng)景的數(shù)據(jù)采集和智能算法；3）缺乏統(tǒng)一應(yīng)用標(biāo)準(zhǔn)，應(yīng)構(gòu)建數(shù)據(jù)共享平臺(tái)，整合資源形成統(tǒng)一標(biāo)準(zhǔn)；4）激光智能裝備仍存在精度、穩(wěn)定性和可靠性等問題，需進(jìn)一步加強(qiáng)技術(shù)研發(fā)和人才培養(yǎng)，加速推進(jìn)激光智能裝備的實(shí)際應(yīng)用。

參考文獻(xiàn)： 中國光學(xué)期刊網(wǎng)

您好，可以免費(fèi)咨詢技術(shù)客服 

 筱曉(上海)光子技術(shù)有限公司 

歡迎大家給我們留言，私信我們會(huì)詳細(xì)解答，分享產(chǎn)品鏈接給您。

免責(zé)聲明：
資訊內(nèi)容來源于互聯(lián)網(wǎng)，目的在于傳遞信息，提供專業(yè)服務(wù)，不代表本網(wǎng)站及新媒體平臺(tái)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)。如對(duì)文、圖等版權(quán)問題存在異議的，請(qǐng)聯(lián)系我們將協(xié)調(diào)給予刪除處理。行業(yè)資訊僅供參考，不存在競(jìng)爭(zhēng)的經(jīng)濟(jì)利益。