基于几何形态参数的金属粉末缺陷分类量化表征方法和系统技术方案

本发明专利技术提供了一种基于几何形态参数的金属粉末缺陷分类量化表征方法和系统，包括：步骤1：获取金属粉末样本并进行制样；步骤2：对粉末进行观测，获得相关图像数据；步骤3：使用图形分析工具对每个金属粉末的特征进行识别分割提取操作，获取金属粉末的相关几何参数；步骤4：根据金属粉末类别，提取预设数量金属粉末作为样本，训练机器学习分类算法；步骤5：制备相应试样，获取其金属粉末所有的几何参数，使用训练好的机器学习模型进行粉末形态分类量化，得到金属粉末形态分布量化图；步骤6：考核粉末质量产量是否满足要求

【技术实现步骤摘要】
基于几何形态参数的金属粉末缺陷分类量化表征方法和系统


[0001]本专利技术涉及金属材料表征
，具体地，涉及一种基于几何形态参数的金属粉末缺陷分类量化表征方法和系统
。

技术介绍

[0002]金属粉末作为增材制造工艺重要的耗材，对于增材制造的发展和应用起到了至关重要的作用，目前制粉主要的制备工艺为雾化制粉工艺，包括真空熔炼雾化制粉工艺，等离子雾化工艺，电致感应雾化
、
旋转电极雾化工艺，以及水雾化工艺，这些制粉工艺为增材制造提供了大量金属粉末，推动着增材制造的发展
。
[0003]金属粉末的形态会严重影响增材制造的零部件的性能，主要是通过引入大量空洞等缺陷
。
目前制粉工艺生产的粉末大多都具有一定的缺陷，特别这是应用最为广泛的气雾化制粉工艺，该工艺由于产量高，成本低，生产的粉末占到了所以粉末的
50
％，该工艺生产的粉末缺陷可以分为：空心粉，卫星粉，异形粉等，这些粉末缺陷宏观上会影响金属粉末的松装密度和流动性，微观上会影响到增材制造孔洞缺陷的产生
。
目前对金属粉末的表征手段，大多是宏观测量，测量粉末的松装密度，压实密度，以及流动性，微观上主要通过扫描电镜，金相切面观察，以及
CT
观测，这些方法只能定性或者半定量的判断金属粉末的质量是否合格，无法从粉末形态的角度量化粉末质量，也无法从粉末形态方面给予制粉工艺优化建议，因为不同的粉末缺陷产生都有着自己的物理机制
。
[0004]各种制粉工艺所制备的金属粉末存在各种缺陷，这些金属粉末缺陷将会严重影响增材制造过程，目前的粉末表征手段，无法从金属粉末形态上量化这些金属粉末缺陷，由于不同金属粉末的缺陷产生物理机制不同，通过量化这些缺陷，从而可以为优化制粉工艺和制粉设备，对于提高增材制造零部件性能具有重要意义
。
[0005]专利文献
CN115078423A(
申请号：
CN202210729483.3)
公开了一种合金粉末内孔缺陷样品，其表征方法
、
装置
、
介质及设备，属于合金粉末

。
该样品包括非金属容器
、
合金粉末和固化材料，所述合金粉末呈球形，所述合金粉末容置于所述容器中，于所述容器内，在所述各合金粉末之间填充有所述固化材料；所述合金粉末在
X
射线成像条件下具有第一颜色
(
衬度
)
，所述固化材料在
X
射线成像条件下具有第二颜色，所述合金粉末内孔缺陷在
X
射线成像条件下具有第三颜色，其中，所述第一颜色
、
第二颜色
、
第三颜色能够明显区分
。
然而该专利无法解决目前存在的技术问题
。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种基于几何形态参数的金属粉末缺陷分类量化表征方法和系统
。
[0007]根据本专利技术提供的基于几何形态参数的金属粉末缺陷分类量化表征方法，包括：
[0008]步骤1：从制备粉末工艺设备获取金属粉末样本，对金属粉末进行制样，使之符合
CT
或
SXCT
设备所需的试样尺寸要求；
[0009]步骤2：使用
CT
或者
SXCT
设备对粉末进行观测，基于粉末的最小尺寸设定观测参数，获得相关图像数据；
[0010]步骤3：使用图形分析工具对每个金属粉末的特征进行识别分割提取操作，并基于粉末几何形态表征参数及其几何定义，获取金属粉末的相关几何参数；
[0011]步骤4：根据金属粉末类别，提取预设数量金属粉末作为样本，去训练机器学习分类算法；
[0012]步骤5：基于概率论取样方法，制备相应的
CT
或
SXCT
试样，获取其金属粉末所有的几何参数，使用训练好的机器学习模型进行粉末形态分类量化，从而得到金属粉末形态分布量化图；
[0013]步骤6：根据金属粉末形态分布量化图，考核粉末质量产量是否满足要求，若不满足生产要求，则优化调整制粉工艺和制粉设备，返回步骤5继续执行
。
[0014]优选的，采用雾化制粉工艺，包括水雾化
、
气雾化
、
真空感应气雾化
、
等离子雾化和旋转电极雾化；
[0015]所述金属粉末包括增材制造所使用的所用含金属元素的粉末，包括铁合金
、
铝合金
、
钛合金
、
铜合金，以及各种金属基复合材料；
[0016]所述
CT
或
SXCT
设备为可对试样进行三维成像分析的所有设备，包括使用各种光源的
CT
；
[0017]根据
CT
或
SXCT
设备的制样要求，获取足够数量搭建金属粉末三维模型信息的试样
。
[0018]优选的，所述图形分析工具，包括商用图像处理软件
、
开源图像处理软件，以及基于图像处理算法的相关代码；
[0019]所述粉末几何形态表征参数，包括所有反应金属粉末的形态的几何参数，包括费雷特直径
、
球形度
、
孔隙率
、
粗糙度
、
长纵比
、
延伸率
、
椭球度
、
体积和表面积；
[0020]所述金属粉末类别包括正常粉
、
异形粉
、
卫星粉
、
空心粉，以及各种缺陷的排列组合；
[0021]所述机器学习分类算法，包括所有的机器学习分类算法，包括决策树
、
支持向量机
、
神经网络
、
贝叶斯分类器及其组合算法
。
[0022]优选的，概率论取样方法包括：基于中心极限定理，根据实际的粉末数量，确定置信区间和误差后，以相应所需的样本数量，反映整体的气雾化制粉情况
。
[0023]优选的，制粉工艺优化包括调整气体压力
、
金属液温度和流速；制粉设备优化包括调整制粉设备喷嘴结构，以及附加设备
。
[0024]根据本专利技术提供的基于几何形态参数的金属粉末缺陷分类量化表征系统，包括：
[0025]模块
M1
：从制备粉末工艺设备获取金属粉末样本，对金属粉末进行制样，使之符合
CT
或
SXCT
设备所需的试样尺寸要求；
[0026]模块
M2
：使用
CT
或者
SXCT
设备对粉末进行观测，基于粉末的最小尺寸设定观测参数，获得相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于几何形态参数的金属粉末缺陷分类量化表征方法，其特征在于，包括：步骤1：从制备粉末工艺设备获取金属粉末样本，对金属粉末进行制样，使之符合预设设备所需的试样尺寸要求；步骤2：使用预设设备对粉末进行观测，基于粉末的最小尺寸设定观测参数，获得相关图像数据；步骤3：使用图形分析工具对每个金属粉末的特征进行识别分割提取操作，并基于粉末几何形态表征参数及其几何定义，获取金属粉末的相关几何参数；步骤4：根据金属粉末类别，提取预设数量金属粉末作为样本，去训练机器学习分类算法；步骤5：基于概率论取样方法，制备相应的试样，获取其金属粉末所有的几何参数，使用训练好的机器学习模型进行粉末形态分类量化，从而得到金属粉末形态分布量化图；步骤6：根据金属粉末形态分布量化图，考核粉末质量产量是否满足要求，若不满足生产要求，则优化调整制粉工艺和制粉设备，返回步骤5继续执行
。2.
根据权利要求1所述的基于几何形态参数的金属粉末缺陷分类量化表征方法，其特征在于，采用雾化制粉工艺，包括水雾化
、
气雾化
、
真空感应气雾化
、
等离子雾化和旋转电极雾化；所述金属粉末包括增材制造所使用的所用含金属元素的粉末，包括铁合金
、
铝合金
、
钛合金
、
铜合金，以及各种金属基复合材料；所述预设设备为可对试样进行三维成像分析的所有设备，包括使用各种光源的
CT
；根据预设设备的制样要求，获取足够数量搭建金属粉末三维模型信息的试样
。3.
根据权利要求1所述的基于几何形态参数的金属粉末缺陷分类量化表征方法，其特征在于，所述图形分析工具，包括商用图像处理软件
、
开源图像处理软件，以及基于图像处理算法的相关代码；所述粉末几何形态表征参数，包括所有反应金属粉末的形态的几何参数，包括费雷特直径
、
球形度
、
孔隙率
、
粗糙度
、
长纵比
、
延伸率
、
椭球度
、
体积和表面积；所述金属粉末类别包括正常粉
、
异形粉
、
卫星粉
、
空心粉，以及各种缺陷的排列组合；所述机器学习分类算法，包括所有的机器学习分类算法，包括决策树
、
支持向量机
、
神经网络
、
贝叶斯分类器及其组合算法
。4.
根据权利要求1所述的基于几何形态参数的金属粉末缺陷分类量化表征方法，其特征在于，概率论取样方法包括：基于中心极限定理，根据实际的粉末数量，确定置信区间和误差后，以相应所需的样本数量，反映整体的气雾化制粉情况
。5.
根据权利要求1所述的基于几何形态参数的金属粉末缺陷分类量化表征方法，其特征在于，制粉工艺优化包括调整气体压力
、
金属液温度和流速；制粉设备优化包括调整制粉设备喷嘴结构，以及附加设备
。6.
一种基于几何形态参数的金属粉末缺陷分类量化表征系统，其特征在于，包括：模块
M1
...

【专利技术属性】
技术研发人员：罗升，王洪泽，吴一，欧阳昱，唐梓珏，朱昌隆，母杰瑞，王浩伟，
申请(专利权)人：上海交通大学安徽淮北陶铝新材料研究院，
类型：发明
国别省市：