【技术实现步骤摘要】
本专利技术涉及一种金属表面处理，尤其涉及一种基于机器学习的零件表面硬化装置和复原补偿方法。
技术介绍
1、在当今社会中，工业的迅速发展离不开性能不断提高的金属零件，其中，为了提高金属零件的耐磨性、耐腐蚀性和抗疲劳性能，对金属零件的表面进行硬化处理是重要的技术手段。然而，在金属零件的硬化处理过程中，经常会出现复原现象，即硬化层在后续加工或使用过程中发生退化；复原现象的发生往往难以预测和控制，会导致零件的表面硬度下降，从而减少零件的使用寿命。、
2、现有技术中，针对复原现象的处理，通常采取事后补救措施，如再处理或性能增强；但目前的技术大多基于固定的工艺参数，对金属零件的表面性能与复原处理参数之间的复杂关系缺乏深入研究，使得处理过程缺乏理论支持，难以实现精确控制，往往会导致对金属零件的复原补偿处理不到位或过度处理，从而影响金属零件的性能稳定性；也容易造成资源浪费和额外开支，缺乏经济效益。
技术实现思路
1、本专利技术克服了现有技术的不足，提供一种基于机器学习的零件表面硬化装置和复原补偿方法和方法。
2、为达到上述目的，本专利技术采用的技术方案为：一种基于机器学习的零件表面硬化装置，包括：硬化处理模块，与所述硬化处理模块连接的复原处理平台，与所述复原处理平台连接的统计分析模块，以及与所述统计分析模块连接的复原补偿数据库；
3、所述硬化处理模块用于对金属零件表面进行初次硬化处理；
4、所述复原处理平台包括：检测评估模块，以及补偿处理模块；所述检
5、所述统计分析模块用于根据所述复原处理平台对金属零件的复原补偿处理过程，分析并生成复原补偿参数关系式；
6、所述复原补偿数据库用于存储所述复原补偿参数关系式；所述复原补偿数据库与所述复原处理平台连接，传输所述复原补偿参数关系式用于下一次同规格零件的复原补偿处理。
7、本专利技术一个较佳实施例中，所述硬化处理模块与所述补偿处理模块采取相同或相似的硬化处理方法。
8、本专利技术一个较佳实施例中，所述检测评估模块内设置有零件标准硬度表，所述零件标准硬度表包括若干规格的零件的标准硬度区间。
9、本专利技术一个较佳实施例中，所述视觉检测单元包括：若干视觉传感器，以及图像处理器；所述硬度检测单元包括：若干硬度计。
10、本专利技术一个较佳实施例中，所述补偿处理模块内设置有安全检测单元；所述安全检测单元包括：若干温度检测器，以及若干压力检测器。
11、基于上述任一项所述的一种基于机器学习的零件表面复原补偿方法，包括以下步骤：
12、步骤一、硬化处理：选取待硬化的金属零件，将其送入硬化处理模块中，进行初次的硬化处理；
13、步骤二、初次检测：将硬化处理后的零件送入复原处理平台；检测评估模块通过视觉检测单元和硬度检测单元，对硬化处理后的金属零件表面进行检测，并记录检测数据；
14、步骤三、判断复原：分析初次检测结果，判断金属零件表面是否发生硬度下降的复原现象，并评估是否需要进行复原补偿处理；若发生了复原现象且金属零件表面硬度低于该规格的零件的标准硬度区间，则需进行复原补偿处理，反之则无需处理；
15、步骤四、复原补偿处理：将需进行复原补偿处理的金属零件送入补偿处理模块，调整处理参数后，进行再次硬化处理，提高金属零件表面硬度，即复原补偿处理；
16、步骤五、再次检测评估：将复原补偿处理后的金属零件送回至检测评估模块，对其进行再次的检测与评估，记录此时零件表面的硬度，得到此次复原补偿处理的效果，并判断其表面硬度是否仍低于标准硬度区间；
17、步骤六、重复补偿处理：根据步骤五的再次检测评估结果，对表面硬度仍低于标准硬度区间的零件，重复步骤四和步骤五，直至其表面硬度符合标准硬度区间；
18、步骤七、统计分析补偿参数与效果：当零件硬化处理至符合标准硬度区间时，统计分析模块采集该零件的每一次的检测数据与处理参数，分析每一次的复原补偿处理效果，得到该规格零件的复原补偿参数与零件表面硬度的关系，即该规格零件的复原补偿参数关系式；
19、步骤八、计算最优补偿参数并记录：将得到的该规格零件的复原补偿参数关系式，并记录至复原补偿数据库中；当复原处理平台需再次处理同规格的零件时，结合该规格零件的标准硬度区间和复原补偿参数关系式，计算出该规格零件的复原补偿处理时的最优补偿参数，发送至补偿处理模块，调整当前参数至最优补偿参数，进行复原补偿处理。
20、本专利技术一个较佳实施例中，所述金属零件表面硬度为综合硬度，所述综合硬度由所述检测数据得到；所述检测数据包括：金属零件表面的质量状况，以及金属零件表面硬度数据得到。
21、本专利技术一个较佳实施例中，所述视觉检测单元采用图像识别算法，采集出金属零件表面的几何形状、表面缺陷等信息，得到所述金属零件表面的质量状况。
22、本专利技术一个较佳实施例中，所述硬度检测单元结合所述金属零件表面的质量状况，对有缺陷和无缺陷的区域分别进行硬度检测，得到所述金属零件表面硬度数据。
23、本专利技术一个较佳实施例中，在对金属零件表面进行所述复原补偿处理的过程中，对金属零件进行表面的温度和所受压力实时的监控，防止对金属零件造成损伤。
24、本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：
25、(1)本专利技术提高了一种基于机器学习的零件表面硬化装置和复原补偿方法，通过对金属零件表面进行硬化处理后的检测，评估金属零件表面是否发生复原；针对需要进行复原补偿处理的金属零件，多次对其进行复原补偿处理并记录处理效果，通过机器学习的方法得到相应的复原补偿处理关系式，为金属零件的复原补偿处理提供了理论支持，能够输出对该规格的金属零件的最优补偿处理参数。本专利技术遵循严格的操作步骤，实现了对金属零件的复原补偿的精确控制，保证了金属零件表面硬度的稳定性，增加了金属零件的使用寿命。
26、(2)本专利技术设置的复原补偿数据库，能够记录计算得到的每一种规格零件的复原补偿处理关系式，当需要进行复原补偿处理的零件为复原补偿数据库中记录的规格时，将相应的复原补偿处理关系式发送至复原处理平台，能够快速地得出并调整相应的最优补偿处理参数，提高了复原补偿处理的精确性与效率性，减少了不必要的调整处理步骤，降低废品率，有利于减少资源浪费，节约成本，实现降本增效。
27、(3)本专利技术设置的检测评估模块中，视觉检测单元与硬度检测单元配合，采用了视觉检测和硬度检测结合的方式，以金属零件表面质量状况为参照，对金属零件的表面缺陷处进行针对性的硬度检测，不仅能够得出金属表面的硬度值，还能够得出金属零件表面的硬度分布和硬度均匀性，从而实现本文档来自技高网...
【技术保护点】
1.一种基于机器学习的零件表面硬化装置，包括：硬化处理模块，与所述硬化处理模块连接的复原处理平台，与所述复原处理平台连接的统计分析模块，以及与所述统计分析模块连接的复原补偿数据库，其特征在于：
2.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述硬化处理模块与所述补偿处理模块采取相同或相似的硬化处理方法。
3.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述检测评估模块内设置有零件标准硬度表，所述零件标准硬度表包括若干规格的零件的标准硬度区间。
4.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述视觉检测单元包括：若干视觉传感器，以及图像处理器；所述硬度检测单元包括：若干硬度计。
5.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述补偿处理模块内设置有安全检测单元；所述安全检测单元包括：若干温度检测器，以及若干压力检测器。
6.基于权利要求1-5中任一项所述的一种基于机器学习的零件表面复原补偿方法，其特征在于，包括以下步骤：<...
【技术特征摘要】
1.一种基于机器学习的零件表面硬化装置，包括：硬化处理模块，与所述硬化处理模块连接的复原处理平台，与所述复原处理平台连接的统计分析模块，以及与所述统计分析模块连接的复原补偿数据库，其特征在于：
2.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述硬化处理模块与所述补偿处理模块采取相同或相似的硬化处理方法。
3.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述检测评估模块内设置有零件标准硬度表，所述零件标准硬度表包括若干规格的零件的标准硬度区间。
4.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述视觉检测单元包括：若干视觉传感器，以及图像处理器；所述硬度检测单元包括：若干硬度计。
5.根据权利要求1所述的一种基于机器学习的零件表面硬化装置，其特征在于：所述补偿处理模块内设置有安全检测单元；所述安全检测单元包括：若干温度检测器，以及若干压力检测器。
6.基于权利要求1-5中任一...
【专利技术属性】
技术研发人员：蒋晓玲，张苏，许加明，吴卫成，莫逊，高丽，章慧，
申请(专利权)人：淮阴工学院，
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。