一种凹槽工件的静电粉末喷涂方法、介质及设备技术

本发明专利技术公开一种凹槽工件的静电粉末喷涂方法、系统、介质及设备，包括以下步骤：采集喷涂参数；根据采集的喷涂参数建立神经网络模型，并对神经网络模型进行训练处理；设定输出静电大小、输出雾化气流量大小、输出粉量大小和理想凹槽底部涂层厚度，将设定好的喷涂参数输入到训练好的神经网络中，计算出静电场启停预测时间；根据静电场启停预测时间对工件进行静电场间歇启停喷涂；该凹槽工件的静电粉末喷涂方法能对具有凹槽特征的工件进行静电粉末喷涂时，能有效提高凹槽底部的上粉率，且不会造成粉末涂料的浪费。造成粉末涂料的浪费。造成粉末涂料的浪费。

【技术实现步骤摘要】
一种凹槽工件的静电粉末喷涂方法、介质及设备


[0001]本专利技术涉及静电粉末喷涂
，具体涉及一种凹槽工件的静电粉末喷涂方法、介质及设备。

技术介绍

[0002]静电粉末喷涂因其绿色环保、高效节能、涂膜质量较好、成品率较高、涂料再利用率高等优点，广泛应用于汽车、船舶、航天航空等领域。静电喷涂的工作原理是静电粉末喷涂控制器对喷枪电极施加负高电压，在喷枪与被涂工件间建立静电场，同时喷枪电极电离空气使粉末涂料带上负电荷。带电涂料在气流和电场力的作用下均匀且牢固地沉积在被涂工件表面。
[0003]采用静电粉末喷涂具有凹槽特征的工件时，由于电场线会集中在凹槽顶部，导致带电涂料受电场线的约束很难扩散至凹槽底部，使凹槽底部的上粉率很低。如今解决这一问题的普遍做法是加大雾化气的输出以及提高出输出粉量来增加凹槽底部上粉率，这会造成工件其它部分涂膜较厚，也会浪费更多的粉末涂料。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的是提供一种凹槽工件的静电粉末喷涂方法。
[0005]第一方面，本申请实施例提供一种凹槽工件的静电粉末喷涂方法，包括以下步骤：采集输出静电的大小、雾化气输出流量大小、输出粉量大小、静电启停时间和理想凹槽底部涂层厚度；根据输出静电的大小、雾化气输出流量大小、输出粉量大小、静电启停时间、理想凹槽底部涂层厚度建立神经网络模型，并对神经网络模型进行训练处理；设定输出静电大小、输出雾化气流量大小、输出粉量大小和理想凹槽底部涂层厚度，将设定好的喷涂参数输入到训练好的神经网络中，计算出静电场启停预测时间；根据静电场启停预测时间对工件进行静电场间歇启停喷涂。
[0006]第二方面，本申请实施例提供一种其上存储有计算机可执行指令的非瞬态有形存储介质，所述计算机可执行指令在被计算机执行时使得计算机执行上述的凹槽工件的静电粉末喷涂方法。
[0007]第三方面，本申请实施例提供一种喷涂设备，包括：至少一个处理器；和至少一个存储器，其中，所述至少一个存储器中存储有计算机可执行代码，所述计算机可执行代码当由所述至少一个处理器运行时，执行上述的凹槽工件的静电粉末喷涂方法。
[0008]第四方面，本申请实施例提供一种静电喷涂系统，包括静电粉末喷涂控制器；
控制装置，用于采集和调整所述静电粉末喷涂控制器的喷涂参数；以及静电喷枪；其中，该静电喷涂系统的工作方法包括以下步骤：采集喷涂参数；根据喷涂参数建立神经网络模型，并对神经网络模型进行训练处理；将设定好的喷涂参数输入到训练好的神经网络中，计算出静电场启停预测时间；根据静电场启停预测时间对工件进行静电场间歇启停喷涂。
[0009]进一步的，所述喷涂参数包括：输出静电的大小、雾化气输出流量大小、输出粉量大小以及静电启停时间。
[0010]本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：采用静电场间歇启停的特殊方法，在对具有凹槽特征的工件进行静电粉末喷涂时，能有效提高凹槽底部的上粉率，且不会造成粉末涂料的浪费。
[0011]基于三层全连接BP神经网络，能够在设置不同的静电喷涂参数和凹槽底部理想涂层厚度的情况下，自动计算出最佳的静电场启停时间，获得最优的参数设置组合。
[0012]使用的三层BP神经网络收敛速度快，计算效率高，具备较高的实时性。
附图说明
[0013]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术一种凹槽工件的静电粉末喷涂方法的步骤流程图。
[0015]图2为本专利技术一种凹槽工件的静电粉末喷涂方法的神经网络模型的结构示意图。
[0016]图3为本专利技术实施例还提供一种静电喷涂系统的结构示意图。
具体实施方式
[0017]下面将参照附图对本专利技术的各个优选的实施方式进行描述。提供以下参照附图的描述，以帮助对由权利要求及其等价物所限定的本专利技术的示例实施方式的理解。其包括帮助理解的各种具体细节，但它们只能被看作是示例性的。因此，本领域技术人员将认识到，可对这里描述的实施方式进行各种改变和修改，而不脱离本专利技术的范围和精神。而且，为了使说明书更加清楚简洁，将省略对本领域熟知功能和构造的详细描述。
[0018]采用静电粉末喷涂具有凹槽特征的工件时，由于电场线会集中在凹槽顶部，导致带电涂料受电场线的约束很难扩散至凹槽底部，因此静电场的存在会严重降低凹槽底部上粉率使涂层厚度不达标。但静电的存在是使粉末涂料带电的必要条件，因此采用静电场间歇启停的方法来改善凹槽底部的上粉率，当静电开启时，高压电会持续电离空气，使喷出的粉末涂料带电，当静电关闭时，喷枪电极不再电离空气，静电场消失，此时带电涂料不再受电场线的约束均匀扩散至凹槽底部，并通过自感现象沉积在凹槽底部，从而提升凹槽底部上粉率。
[0019]参照图1所示，为了能够在获得理想凹槽底部涂层厚度的情况下计算出静电场的
启停时间，采用训练BP神经网络的方法，得出关于凹槽底部涂层厚度、静电大小、雾化气流量大小、粉量大小与静电场启停时间的非线性关系网络。本公开中的凹槽工件的静电粉末喷涂方法包含以下步骤：数据采集、建立神经网络模型、训练神经网络模型、静电场启停时间回归预测、根据静电场启停预测时间对工件进行静电场间歇启停喷涂。
[0020]数据采集方式通过静电粉末喷涂实验收集。收集喷涂参数包括：输出静电的大小、雾化气输出流量大小、输出粉量大小以及静电启停时间。由于影响凹槽底部涂层厚度的喷涂参数很多，因此为了保证样本数据的全面性，采用控制变量法调整喷涂参数，而每个喷涂参数的设置范围则采用经验法来确定，设置密度由样本数量来确定。总共进行次喷涂实验，采集包括静电大小、雾化气流量大小、粉量大小、涂层厚度的神经网络输入特征信息，并组织成的输入特征矩阵，其中的下标表示特征类型（静电大小、雾化气流量大小、粉量大小、涂层厚度），的上标表示喷涂实验的组数。采集包含静电场启停时间的神经网络输出特征信息，组织成的输出特征向量，其中表示静电场启停时间，和等表示喷涂实验的组数，T代表数学上的矩阵转置。通过以上方法获得神经网络模型训练所需的数据样本。
[0021]如图2所示，所述神经网络模型为三层全连接神经网络模型，包含输入层、隐含层、输出层，各层分别包含、、个神经元节点。所述输入层包含静电大小、雾化气流量大小、粉量大小、涂层厚度的输入特征信息，神经元节点个数。所述输出层包含静电场启停时间的输出特征信息，神经元节点个数。所述隐含层的神经元节点数量根据经验公式，其中为[1, 10]之间的常数，则隐含层神经元节点数量范围为[3，12]，结合经验公式以及输入层和输出层的特征数量，选定隐含层的神经元节点个数。神经网络的任务为回归预测，由于神经网络的预测输出结果为大于0的实数，因此输入层、隐含层和输出层的激活函数选择ReL本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种凹槽工件的静电粉末喷涂方法，其特征在于，包括以下步骤：采集输出静电的大小、雾化气输出流量大小、输出粉量大小、静电启停时间和理想凹槽底部涂层厚度；根据输出静电的大小、雾化气输出流量大小、输出粉量大小、静电启停时间、理想凹槽底部涂层厚度建立神经网络模型，并对神经网络模型进行训练处理；设定输出静电大小、输出雾化气流量大小、输出粉量大小和理想凹槽底部涂层厚度，将设定好的喷涂参数输入到训练好的神经网络中，计算出静电场启停预测时间；根据静电场启停预测时间对工件进行静电场间歇启停喷涂。2.根据权利要求1所述的方法，其特征在于，所述神经网络模型为三层全连接BP神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述训练处理采用小批量随机梯度下降法进行训练。4.根据权利要求3所述的方法，其特征在于，所述训练具体包括以下步骤：S1、将数据采集样本的顺序打乱，增加随机性；S2、将数据样本中的输入特征输入到神经网络中，通过前馈计算得出训练预测结果，并通过损失函数计算出损失值；S3、将损失值进行反向传播，更新神经网络中隐含层和输入层各个神经元节点中的权重和偏置量；S4、当损失值满足精度要求时，神经网络结束训练，否则重复进行步骤S1
‑
S3。5.根据权利要求2所述的方法，其特征在于，所述三层全连接BP神经网络模型包含输入层、隐含层、输出层，各层分别包含、、个神经元节点，输入层包含静电大小、雾化气流量大小、粉量大小、涂层厚度的输入特征信息，神...

【专利技术属性】
技术研发人员：刘建群，刘智楷，高伟强，许东伟，黄国静，
申请(专利权)人：佛山智昂科技有限公司，
类型：发明
国别省市：