涂层质量在线预测方法、系统以及计算机可读存储介质技术方案

本申请涉及一种涂层质量在线预测方法、系统以及计算机可读存储介质，其中，该涂层质量在线预测方法包括：获取涂层生长过程中的过程信息参数；所述过程信息参数包括电信号、图像信号、光谱信号和声信号中的至少一种；将所述过程信息参数输入至预先构建的涂层质量预测模型中，得到涂层质量信息。通过本申请，解决了微弧氧化过程涂层质量无法在线评估的问题，实现了在微弧氧化过程对涂层质量进行在线评估。

【技术实现步骤摘要】
涂层质量在线预测方法、系统以及计算机可读存储介质
本申请涉及金属材料表面处理工程领域，特别是涉及一种涂层质量在线预测方法、系统以及计算机可读存储介质。
技术介绍
近年来，镁合金、钛合金等金属作为医用植入材料广泛应用于人体植入器、心血管以及腔道介入治疗支架等。镁合金、钛合金等金属材料抗腐蚀性差的特点，制约了其应用的推广。微弧氧化(Micro-arcoxidation，MAO)作为一种新兴的材料表面改性技术，通过控制其电参数和电解液组成，可在镁合金、钛合金表面生长出基体结合力强、硬度高、耐磨性高和抗腐蚀性强的陶瓷涂层。然而，微弧等离子体的瞬变性、电弧演变过程的不确定和不可预测性使得涂层生长过程和性能难以被准确定量调控和预测，甚至出现后期火花放电对膜层的随机烧损。在相关技术中，采用离线式破坏性检测方法来检测涂层质量。然而，涂层生长过程伴随着电、热、光、声等物理信息，这些物理信息包含了丰富的涂层质量关联特征。传统的过程信息特征参数提取及其与质量的关联规则多数靠经验判断获得，而微弧氧化过程的物理信息很难通过肉眼或操作者的经验判断直接获得有效特征参本文档来自技高网...

【技术保护点】
1.一种涂层质量在线预测方法，其特征在于，包括：/n获取涂层生长过程中的过程信息参数；所述过程信息参数包括电信号、图像信号、光谱信号和声信号中的至少一种；/n将所述过程信息参数输入至预先构建的涂层质量预测模型中，得到涂层质量信息。/n

【技术特征摘要】
1.一种涂层质量在线预测方法，其特征在于，包括：
获取涂层生长过程中的过程信息参数；所述过程信息参数包括电信号、图像信号、光谱信号和声信号中的至少一种；
将所述过程信息参数输入至预先构建的涂层质量预测模型中，得到涂层质量信息。


2.根据权利要求1所述的涂层质量在线预测方法，其特征在于，在将所述过程信息参数输入至预先构建的涂层质量预测模型中之前，所述方法还包括：
构建初始涂层质量预测模型；
在不同工艺参数条件下，对阳极金属进行微弧氧化涂层制备，并在制备过程中获取建模特征参数集和对应的建模质量参数集，将每一组建模特征参数集和对应的建模质量参数集作为一组训练样本；
根据多组所述训练样本对所述初始涂层质量预测模型进行训练，得到所述涂层质量预测模型。


3.根据权利要求2所述的涂层质量在线预测方法，其特征在于，所述根据多组所述训练样本对所述初始涂层质量预测模型进行训练，得到所述涂层质量预测模型包括：
将所述建模特征参数集输入至所述初始涂层质量预测模型，得到预测质量参数集；
若所述预测质量参数集与所述建模特征参数集对应的建模质量参数集有差异，则调整所述初始涂层质量预测模型的参数，得到所述涂层质量预测模型。


4.根据权利要求2所述的涂层质量在线预测方法，其特征在于，所述根据多组所述训练样本对所述初始涂层质量预测模型进行训练，得到所述涂层质量预测模型包括：
将多组所述训练样本划分为辨识样本和校验样本，所述辨识样本的样本数量多于所述校验样本的样本数量；
根据所述辨识样本，对所述初始涂层质量预测模型进行训练；
根据所述校验样本，对训练后的初始涂层质量预测模型进行测试，得到所述涂层质量预测模型。


5.根据权利要求2所述的涂层质量在线预测方法，其特征在于，所述在制备过程中获取建模特征参数集包括：
获取涂层生长过程中的原始过程数据；
对所述原始过程数据进行预处理，以在所述原始过程数据中筛选出目标过程数据；
根据预设时间区间，将所述目标过程数据分割成多个不同时间区间的目标过程数据；
提取每个时间区间内目标过程数据的特征参数，得到特征参数集，所述特征参数包括所述目...

【专利技术属性】
技术研发人员：张仲昭，杨凯，文昌晖，
申请(专利权)人：贵州中医药大学第一附属医院，贵州大学，
类型：发明
国别省市：贵州;52