【技术实现步骤摘要】
一种磨粒流微流道抛光质量可靠性分析系统及方法
[0001]本专利技术涉及机械加工方法质量可靠性分析方法,尤其涉及一种磨粒流微流道抛光质量可靠性分析系统及方法。
技术介绍
[0002]以玻璃基材制作的微流控芯片被广泛应用于生物检测中,微流道是微流控芯片实现流体输运和检测分析的主要场所,微流道内壁面的光滑程度、加工质量直接决定了微流控芯片的生物检测的精度及稳定性。因此,可以通过各种抛光方法对微流道进行抛光,降低其粗糙度,提高其表面光滑程度,进一步,对微流控芯片微流道抛光加工后进行质量检测,确保加工质量可靠性具有重要意义。
[0003]对于微流控芯片而言,主要的微流道加工质量包括芯片完成检测所需要的微流道几何结构尺寸,例如微流道深度、宽度、流道角度等;此外,还包括面形尺寸,例如微流道的表面粗糙度,表面损伤或亚损伤的程度等。表面粗糙度可以使用粗糙度测量仪进行检测,表面损伤或亚损伤可以利用白光干涉仪、扫描电镜等仪器检测分析。
[0004]针对微流道结构尺寸微小的特点,采用磨粒射流进行抛光是一种新方法,但是其涉及较多的加工参数,且实际加工中,这些加工参数会由于机床振动、环境温湿度变化、机械结构磨损等原因导加工参数不确定性,从而引起加工后的质量出现波动,甚至使得加工质量不能满足微流控芯片的使用要求,通过控制其加工质量可靠性,确保出现加工失效的概率在较低的水平是极有现实意义的。
[0005]然而对每一片加工的微流控芯片进行质量检测会带来极大的工作量。为了避免大量的质量检测工作,通过磨粒流微流道抛光质量可靠性分 ...
【技术保护点】
【技术特征摘要】
1.一种磨粒流微流道抛光质量可靠性分析系统,包括磨粒流抛光系统,质量检测系统和可靠性分析系统,其特征在于:所述磨粒流抛光系统用于微流控芯片内微流道的抛光加工;所述质量检测系统用于对加工后的微流道进行质量检测,得到检测值R;所述可靠性分析系统对加工质量的可靠性分析,分析的信息基础为加工参数P和检测得到的微流道加工质量检测值R;所述可靠性分析系统将调整后的加工参数传输给所述的磨粒流抛光系统,用于控制微流道抛光。2.如权利要求1所述的磨粒流微流道抛光质量可靠性分析系统,其特征在于:通过检测微流道的表面粗糙度得到检测值R。3.如权利要求1所述的磨粒流微流道抛光质量可靠性分析系统,其特征在于:所述可靠性分析系统从磨粒抛光系统中读取使用的加工参数P,从质量检测系统读取微流道加工质量检测值R;利用加工参数P和检测值R基于Kriging模型构建加工质量响应面代理模型A,并利用上述构建的代理模型A通过蒙特卡洛(Monte Carlo)模拟试验方法计算加工质量的可靠性或失效概率,其失效概率如公式1:式中:P
f
为加工失效的概率,n
MC
为利用蒙特卡洛进行试验的总次数,n
G≤0
为n
MC
次试验中不符合加工质量要求的次数,G≤0表示表面太粗糙,加工质量不满足要求,若G>0,则表示加工质量满足要求,G=R0‑
R,R0为要求的表面粗糙度阈值。4.如权利要求3所述的磨粒流微流道抛光质量可靠性分析系统,其特征在于:所述的代理模型A是通过Kriging方法的主动学习函数更新构建的,主动学习函数如公式2所示:式中:U
A
(x)为学习函数,为基于构建的代理模型A的预测值,为预测值的方差,r
m
(x)为相关性系数最大值,其值在(0,1]之间,k为指数系数,可以为任意非负有理数,这里k=0~100,x为加工使用的参数。5.如权利要求4所述的磨粒流微流道抛光质量可靠性分析系统,其特征在于:所述的代理模型A是通过Kriging方法的主动学习函数更新构建的,主动学习函数如公式3所示:式中:U(x)为学习函数,为基于构建的代理模型A的预测值,为预测值的方差。6.一种利用如权利要求5所述的磨粒流微流道抛光质量可靠性分析系统进行可靠性分析的方法,包括如下步骤:步骤1,初始化:通过根据加工参数P的概率分布类型,抽样得到n
MC
个总体样本S1,S1={p
i
:i=1,2,...,n
MC
},p
i
为加工参数的向量表示方式;步骤2,初始训练样本加工试验:为了建立初始Kriging代理模型A,初始加工试验需要n
TP
个训练样本S2,S2={pt
j
:j=1,2,...,n
TP
},pt
j
为训练样本加工参数的向量表示方式;利用训练样本S2的加工参数对微流道进行抛光加工试验,利用质量检测系统测得抛光加工后
的表面质量检测值R,记为R={r
j
:j=1,2,...,n
TP
};步骤3,构造或更新Kriging模型:根据训练样本S2和检测值R构造或更新Kriging模型,得...
【专利技术属性】
技术研发人员:厉志安,李笑,潘柏松,葛江勤,李琛,唐萍,颜孙挺,施罗杰,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。