【技术实现步骤摘要】
本专利技术涉及金属原料生产监测，更具体地说，它涉及基于人工智能的金属原料质量追溯与检测方法。
技术介绍
1、在现代金属加工产业中，质量追溯与检测是保障产品可靠性的核心环节。传统技术主要依赖实时传感器监测与全流程数据采集，通过对冶炼温度、轧制力、冷却速率等生产参数的实时监控，结合事后质量检测，实现对金属原料的质量管控。例如：在钛合金熔炼中，通过热电偶实时监测1600℃高温熔液温度，结合光谱分析控制成分均匀性；铝合金轧制过程中，利用压力传感器实时采集轧制力数据，通过工业以太网传输至控制系统进行动态调整。
2、然而，随着航空航天、新能源汽车等领域对金属原料性能要求的提升（如钛合金疲劳强度需≥1100mpa，铝合金板材厚度公差需控制在±0.03mm以内），现有技术暴露出以下显著缺陷：高温、高压等极端环境下，传感器寿命短且信号稳定性差。例如：钛熔炼过程中，热电偶在1600℃环境下寿命仅2-4小时，信号漂移率＞0.5%/小时，需频繁校准。镁合金压铸模具的振动传感器在120db高噪声环境中，信噪比＜3:1，导致模具磨损监测失效。设备磨损在...
【技术保护点】
1.基于人工智能的金属原料质量追溯与检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于人工智能的金属原料质量追溯与检测方法，其特征在于，一种金属原料是否存在质量缺陷的确定步骤：选择所抽取的一种金属原料，对该金属原料执行各项质量检测，获取各项质量检测下该金属原料的检测特征，将各项质量检测的检测特征组合为多项质量特征集，搭建该金属原料对应的质量缺陷解析模型，将多项质量特征集导入质量缺陷解析模型，质量缺陷解析模型导出该金属原料的质量缺陷解析值，设定质量缺陷解析阈值，当金属原料的质量缺陷解析值≥质量缺陷解析阈值，确定该种金属原料存在质量缺陷。
<...【技术特征摘要】
1.基于人工智能的金属原料质量追溯与检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于人工智能的金属原料质量追溯与检测方法，其特征在于，一种金属原料是否存在质量缺陷的确定步骤：选择所抽取的一种金属原料，对该金属原料执行各项质量检测，获取各项质量检测下该金属原料的检测特征，将各项质量检测的检测特征组合为多项质量特征集，搭建该金属原料对应的质量缺陷解析模型，将多项质量特征集导入质量缺陷解析模型，质量缺陷解析模型导出该金属原料的质量缺陷解析值，设定质量缺陷解析阈值，当金属原料的质量缺陷解析值≥质量缺陷解析阈值，确定该种金属原料存在质量缺陷。
3.根据权利要求1所述的基于人工智能的金属原料质量追溯与检测方法，其特征在于，一类生产参数的参数追溯需求值的确定过程：选择一类生产参数，收集多次工艺测试下的该类生产参数，进而获取参数意外次数acep（m），将工艺测试的总次数标注为ncyb（l），获取意外参数两级次数pzaw（k），通过计算得到该类生产参数的参数追溯需求值，其中，为第一辅助系数，为第二辅助系数。
4.根据权利要求3所述的基于人工智能的金属原料质量追溯与检测方法，其特征在于，意外参数两级次数pzaw（k）的获取过程：将所有意外生产参数进行两两比较，将比较中两个意外生产参数求差并取绝对值，计算得到意外生产互异参数，设定该类生产参数对应的意外生产互异阈参数，当生产互异参数≥生产互异阈参数，将意外参数两级次数增加一次，将意外参数两级次数标注为pzaw（k）。
5.根据权利要求3所述的基于人工智能的金属原料质量追溯与检测方法，其特征在于，参数意外次数acep（m）的获取过程：获取该...
【专利技术属性】
技术研发人员：弓许涛，
申请(专利权)人：河北烨韬科技有限公司，
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。