一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统技术方案

本发明专利技术涉及一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统，属于数据处理技术领域。所述陶瓷涂层工艺参数与脱落百分比关系映射方法，采用敏感性分析算法提取工艺参数中的最大值和最小值，基于最大值和最小值以特定步长生成虚拟特征值，将虚拟特征值输入预报模型简单、快捷、低成本的得到脱落百分比后，对工艺参数和脱落百分比进行定性定量分析得到映射关系，进而能够克服现有技术针对YSZ性能测试成本高的缺陷。试成本高的缺陷。试成本高的缺陷。

【技术实现步骤摘要】
一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统


[0001]本专利技术涉及数据处理
，特别是涉及一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统。

技术介绍

[0002]氧化钇稳定氧化锆(YSZ)因具有高热膨胀系数、高硬度、高熔点等特点，被广泛用作热障陶瓷涂层材料。YSZ涂层可采用大气等离子喷涂法制备，因融化的YSZ粉末在喷涂过程中冷却速度非常快，有效地阻止了四方相向立方相的转变，形成了亚稳态四方相，从而在服役温度低于1100℃时，不会发生相变，非常稳定。
[0003]在涂层制备过程中，改变等离子喷涂参数可以将团聚的纳米粉末制备成不同纳米含量的YSZ热障涂层，并且，热障涂层的结构和性能与沉积过程所采用的参数有非常直接的关系。使用传统的试错法设计高可靠的YSZ陶瓷涂层需要耗费大量的人力物力，因此利用少量的实验数据研究涂层制备过程中不同的喷涂参数与涂层剥落面积百分比的定性定量关系，对提升YSZ陶瓷涂层的高温服役寿命、安全性和可靠性具有重要意义。
[0004]因此，提供一种陶瓷涂层工艺参数与脱落百分比关系映射方法或系统，成为本领域亟待解决的技术难题。

技术实现思路

[0005]为解决现有技术中存在的问题，本专利技术提供了一种陶瓷涂层工艺参数与脱落百分比关系映射方法和系统。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种陶瓷涂层工艺参数与脱落百分比关系映射方法，包括：
[0008]获取陶瓷涂层的工艺参数；所述工艺参数包括：电压、电流、功率、厚度、氩气、氢气、载气、送粉量和喷涂距离；
[0009]采用敏感性分析算法提取所述工艺参数中的最大值和最小值；
[0010]基于所述最大值和最小值以特定步长生成虚拟特征值；
[0011]将所述虚拟特征值输入预报模型得到脱落百分比；所述预报模型为训练好的支持向量回归模型；
[0012]对所述工艺参数和所述脱落百分比进行定性定量分析得到映射关系，并对所述映射关系进行可视化处理。
[0013]优选地，所述预报模型的构建过程为：
[0014]获取训练集和测试集；所述训练集和测试集均包括：历史工艺参数和与所述历史工艺参数对应的历史脱落百分比的样本数据对；
[0015]采用敏感性分析算法提取所述训练集中历史工艺参数的最大值和最小值；
[0016]基于所述历史工艺参数的最大值和最小值以特定步长生成虚拟样本集；所述虚拟样本包括多个虚拟特征值；
[0017]采用所述虚拟样本集训练支持向量回归模型，得到初始预报模型；
[0018]采用所述测试集测试所述初始预报模型，满足测试条件后得到所述预报模型。
[0019]优选地，所述基于所述历史工艺参数的最大值和最小值以特定步长生成虚拟样本集，具体包括：
[0020]采用公式基于所述历史工艺参数的最大值和最小值以特定步长得到第k个虚拟特征值，其他n
‑
1个虚拟特征值取固定值，得到50n个虚拟样本集；其中，为历史工艺参数x
k
的最小值，为历史工艺参数x
k
的最大值，为第k个虚拟特征值。
[0021]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0022]本专利技术提供的陶瓷涂层工艺参数与脱落百分比关系映射方法，采用敏感性分析算法提取工艺参数中的最大值和最小值，基于最大值和最小值以特定步长生成虚拟特征值，将虚拟特征值输入预报模型简单、快捷、低成本的得到脱落百分比后，对工艺参数和脱落百分比进行定性定量分析得到映射关系，进而能够克服现有技术针对YSZ性能测试成本高的缺陷。
[0023]此外，对应于上述提供的陶瓷涂层工艺参数与脱落百分比关系映射方法，本专利技术还提供了一种陶瓷涂层工艺参数与脱落百分比关系映射系统，该系统包括：
[0024]参数获取模块，用于获取陶瓷涂层的工艺参数；所述工艺参数包括：电压、电流、功率、厚度、氩气、氢气、载气、送粉量和喷涂距离；
[0025]最值提取模块，用于采用敏感性分析算法提取所述工艺参数中的最大值和最小值；
[0026]特征生成模块，用于基于所述最大值和最小值以特定步长生成虚拟特征值；
[0027]脱落百分比确定模块，用于将所述虚拟特征值输入预报模型得到脱落百分比；所述预报模型为训练好的支持向量回归模型；
[0028]定性定量分析模块，用于对所述工艺参数和所述脱落百分比进行定性定量分析得到映射关系，并对所述映射关系进行可视化处理。
[0029]优选地，还包括：
[0030]数据集获取模块，用于获取训练集和测试集；所述训练集和测试集均包括：历史工艺参数和与所述历史工艺参数对应的历史脱落百分比的样本数据对；
[0031]历史最值提取模块，用于采用敏感性分析算法提取所述训练集中历史工艺参数的最大值和最小值；
[0032]虚拟样本集生成模块，用于基于所述历史工艺参数的最大值和最小值以特定步长生成虚拟样本集；所述虚拟样本包括多个虚拟特征值；
[0033]训练模块，用于采用所述虚拟样本集训练支持向量回归模型，得到初始预报模型；
[0034]测试模块，用于采用所述测试集测试所述初始预报模型，满足测试条件后得到所述预报模型。
[0035]优选地，所述虚拟样本集生成模块包括：
[0036]虚拟样本集生成单元，用于采用公式基于所述
历史工艺参数的最大值和最小值以特定步长得到第k个虚拟特征值，其他n
‑
1个虚拟特征值取固定值，得到50n个虚拟样本集；其中，j＝0,1,2,
…
,49，为历史工艺参数x
k
的最小值，为历史工艺参数x
k
的最大值，为第k个虚拟特征值。
[0037]因本专利技术提供的陶瓷涂层工艺参数与脱落百分比关系映射系统实现的技术效果与上述提供的陶瓷涂层工艺参数与脱落百分比关系映射方法实现的技术效果相同，故在此不再进行赘述。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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。
[0039]图1为本专利技术提供的陶瓷涂层工艺参数与脱落百分比关系映射方法的流程图；
[0040]图2为本专利技术实施例提供的YSZ陶瓷涂层脱落百分比的训练集SVR建模结果图；
[0041]图3为本专利技术实施例提供的YSZ陶瓷涂层脱落百分比的SVR模型训练集留一法结果图；
[0042]图4为本专利技术实施例提供的YSZ陶瓷涂层脱落百分比的SVR模型的测试结果图；
[0043]图5为本专利技术实施例提供的YSZ陶瓷涂层脱落百分比的SVR模型的敏感性分析结果图；其中，图5的(a)部分为热循环次数与脱落百分比的敏感性分析结果图；图5的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种陶瓷涂层工艺参数与脱落百分比关系映射方法，其特征在于，包括：获取陶瓷涂层的工艺参数；所述工艺参数包括：电压、电流、功率、厚度、氩气、氢气、载气、送粉量和喷涂距离；采用敏感性分析算法提取所述工艺参数中的最大值和最小值；基于所述最大值和最小值以特定步长生成虚拟特征值；将所述虚拟特征值输入预报模型得到脱落百分比；所述预报模型为训练好的支持向量回归模型；对所述工艺参数和所述脱落百分比进行定性定量分析得到映射关系，并对所述映射关系进行可视化处理。2.根据权利要求1所述的陶瓷涂层工艺参数与脱落百分比关系映射方法，其特征在于，所述预报模型的构建过程为：获取训练集和测试集；所述训练集和测试集均包括：历史工艺参数和与所述历史工艺参数对应的历史脱落百分比的样本数据对；采用敏感性分析算法提取所述训练集中历史工艺参数的最大值和最小值；基于所述历史工艺参数的最大值和最小值以特定步长生成虚拟样本集；所述虚拟样本包括多个虚拟特征值；采用所述虚拟样本集训练支持向量回归模型，得到初始预报模型；采用所述测试集测试所述初始预报模型，满足测试条件后得到所述预报模型。3.根据权利要求1所述的陶瓷涂层工艺参数与脱落百分比关系映射方法，其特征在于，所述基于所述历史工艺参数的最大值和最小值以特定步长生成虚拟样本集，具体包括：采用公式基于所述历史工艺参数的最大值和最小值以特定步长得到第k个虚拟特征值，其他n
‑
1个虚拟特征值取固定值，得到50n个虚拟样本集；其中，j＝0,1,2,
…
,49，为历史工艺参数x
k
的最小值，为历史工艺参数x
k
的最大值，为第k个虚拟特征值。4.一种陶瓷涂层工艺参数与脱落百分比关系映射系统，其特征在于，包括：参数获取模块，用于获取...

【专利技术属性】
技术研发人员：陈慧敏，徐鹏程，陆文聪，钱权，曾毅，
申请(专利权)人：中国科学院上海硅酸盐研究所，
类型：发明
国别省市：