[发明专利]一种热喷涂方法及系统

说明书

本发明公开了一种热喷涂方法及系统。本发明利用已有的热喷涂设备的工艺参数和效果参数的有限的实验数据，获取所述的热喷涂设备的工艺参数与效果参数的线性回归的模型，利用所述的得到的热喷涂设备的工艺参数与效果参数的线性回归的模型，得到所述的热喷涂设备的满足效果参数的预期要求的工艺参数的仿真数据，根据确定好的工艺参数的仿真数据进行热喷涂，将利用工艺参数的仿真数据进行试验得到的效果参数与预期的效果参数做对比，通过上述方法能够减少热喷涂行业中的人为地摸索工艺参数的时间，提高工作效率，达到更好的喷涂效果。且利用计算机产生的仿真数据代替实际的实验，节约了试验成本，缩短了试验周期，提高了热喷涂工艺的工作效率。

技术领域

本发明涉及热喷涂领域，特别是涉及一种热喷涂方法及系统。

背景技术

热喷涂工艺把金属、陶瓷、金属陶瓷复合材料用高温的形式融化成熔融或半熔融状态，熔融或半熔融的材料随有一定气压的火焰喷到需要涂层防护的零件表面，沉积形成涂层。这样的涂层能够让零件的表面更耐磨或者更耐高温、更耐腐蚀等等。热喷涂行业需要对涂层的质量进行把控。在热喷涂界，最重要的一个过程就是怎么样把涂层优化得特别好，就是通过工艺参数的调整，来实现达到预期效果的涂层。反映热喷涂的涂层的喷涂效果的技术指标的效果参数有结合强度、孔隙率、金相结构、硬度和其它的与喷涂效果有关的参数，反映热喷涂的喷涂工艺的技术指标的工艺参数有喷涂距离、送粉速度、送粉针角度、与形成等离子体有关的氢气、氩气或其它种类的惰性气体以及其它的与喷涂工艺有关的工艺参数。目前，主要是靠人工经验来对工艺参数进行调整，工作量大、试验的成本高、试验的周期长，工作繁琐，工作效率低。

发明内容

针对上述问题，本发明提供了一种基于人工智能的热喷涂方法及系统。

为实现上述目的，本发明提供了如下方案：

一种热喷涂方法，所述方法包括：

获取给定的热喷涂设备的工艺参数和效果参数的实验数据；根据上述的获取到的给定的热喷涂设备的工艺参数和效果参数的实验数据，根据实验的数据和热喷涂工艺的全过程的有关的物理原理与化学原理，找出金属粉末的融化效率、金属在基底上的沉积效率和热喷涂工艺的全过程的成本与上述的工艺参数和效果参数之间的经验性的约束关系和/或统计数据，依据上述的根据实验的数据和热喷涂工艺的全过程的有关的物理原理与化学原理得到的金属粉末的融化效率、金属在基底上的沉积效率和热喷涂工艺的全过程的成本与上述的工艺参数和效果参数之间的经验性的约束关系和/或统计数据，计算出或估算出上述的热喷涂设备在热喷涂的工艺过程中的与上述的工艺参数和效果参数的实验数据对应的金属粉末融化效率的数值或数值范围、在基底上的金属沉积效率的数值或数值范围和上述的热喷涂工艺的全过程的成本的数值或数值范围；

上述的工艺参数为反映热喷涂工艺的技术指标的参数；工艺参数包括：喷涂设备的电流大小、氢气流量、氩气流量、载气流量、送粉转盘转速、送粉针角度以及喷涂距离等；效果参数为反映喷涂效果的技术指标的参数；上述的效果参数包括涂层的结合强度、孔隙率、金相结构以及硬度等；

利用机器学习的回归算法，建立上述的给定的热喷涂设备的工艺参数、效果参数的实验数据的回归模型或回归树模型；

用上述的给定的热喷涂设备的上述的工艺参数与效果参数的实验数据作为训练数据，建立上述的给定的热喷涂设备的上述的工艺参数与效果参数之间的机器学习的回归模型或回归树模型，从上述的给定的热喷涂设备的上述的工艺参数中选取任意数量的上述工艺参数和上述的给定的热喷涂设备的效果参数中选取任意一个效果参数，建立从上述的给定的热喷涂设备的上述的工艺参数中选取的任意数量的上述工艺参数与上述的给定的热喷涂设备的效果参数中选取的任意一个效果参数之间的机器学习的回归模型或回归树模型，针对多个效果参数，建立多个这样的机器学习的回归模型或回归树模型；