鉆孔碳纖維增強聚合物（CFRP）是復(fù)合材料制造中的關(guān)鍵工藝，但確保高精度和質(zhì)量面臨重大挑戰(zhàn)。諸如分層、磨損和粗糙孔壁等缺陷會直接影響材料的性能和耐用性。傳統(tǒng)的質(zhì)量控制方法通常涉及后處理檢測，這既耗時又無法在制造過程中預(yù)防缺陷。因此，需要實時、無損的監(jiān)測方法來維持高質(zhì)量標(biāo)準(zhǔn)并提高效率。本研究旨在利用聲發(fā)射（AE）信號和先進(jìn)的機器學(xué)習(xí)模型，開發(fā)一種用于實時監(jiān)測和預(yù)測CFRP鉆孔質(zhì)量的先進(jìn)方法。實驗中使用了機器人鉆孔系統(tǒng)。鉆孔過程中收集了AE信號，并用工業(yè)相機拍攝了孔邊緣圖像。白光共聚焦輪廓儀用于獲取孔壁形態(tài)數(shù)據(jù)。分析了鉆孔參數(shù)與孔質(zhì)量之間的關(guān)系以及AE信號特征。提出了多種先進(jìn)的AI模型，包括概率鉆孔階段識別模型、基于K-means的缺陷評估模型、基于Transformer的實時缺陷監(jiān)測模型以及用于從AE信號重建孔壁形態(tài)的VAE-Transformer混合模型。這些模型成功表征了鉆孔缺陷，并實現(xiàn)了鉆孔階段的精確識別。基于AE信號切片的實時缺陷監(jiān)測顯示出高準(zhǔn)確性，而重建模型有效預(yù)測了孔壁形態(tài)。本研究為鉆孔過程中的CFRP質(zhì)量實時無損監(jiān)測提供了一種創(chuàng)新方法，顯著提高了生產(chǎn)效率，確保了航空航天和汽車應(yīng)用中的無缺陷制造。