申请/专利权人：裕耀东展(南通)智能装备有限公司

申请日：2024-04-29

公开（公告）日：2024-06-25

公开（公告）号：CN118095113B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F18/27;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明涉及缺陷预测技术领域，具体为基于大数据的铸件缺陷预测方法及系统，包括以下步骤，采集铸造过程关键参数，包括温度、压力和冷却速率，记录环境条件和原料特性，对数据进行整理，得到实时铸造参数记录。本发明中，通过结合大数据技术与计算流体动力学动态模拟，能够在复杂的铸造条件下精确预测缺陷发展趋势，对冷却速率和材料收缩等条件进行细致分析，在铸件生产的多变环境中也能够精准识别潜在的缺陷，从而在生产前期便采取有效措施预防缺陷的形成，前瞻性的预测与防控策略，避免了传统方法中常见的以事后补救为主的处理方式，显著提升了铸件质量的同时，有效节约了成本和提高了生产效率。

主权项：1.基于大数据的铸件缺陷预测方法，其特征在于，包括以下步骤，采集铸造过程关键参数，包括温度、压力和冷却速率，记录环境条件和原料特性，对数据进行整理，得到实时铸造参数记录；对所述实时铸造参数记录进行分析，利用计算流体动力学对铸件冷却和凝固过程进行动态模拟，模拟热传导、流体流动和相变过程，生成铸件形态变化模拟数据；根据所述铸件形态变化模拟数据，采用随机森林算法分析差异冷却速率和材料收缩条件下的形态变化，识别潜在缺陷发展趋势，得到缺陷形成趋势分析结果；根据所述缺陷形成趋势分析结果中提取关键特征，进行缺陷特征深度分析，识别预定缺陷的模式，得到缺陷特征识别结果；利用所述缺陷特征识别结果，深度分析缺陷类型和成因之间的关系，揭示缺陷形成原因，得到缺陷类型与成因分析记录；结合所述缺陷类型与成因分析记录和铸件设计参数，提出针对性改进措施，优化生产工艺流程，得到铸件工艺改进方案；对所述实时铸造参数记录进行分析，利用计算流体动力学对铸件冷却和凝固过程进行动态模拟，模拟热传导、流体流动和相变过程，生成铸件形态变化模拟数据的步骤为，基于所述实时铸造参数记录，进行数据分析，揭示参数的变化趋势，得到铸造参数变化趋势记录；基于所述铸造参数变化趋势记录，设置模拟的初始条件，包括模拟开始的温度、压力和冷却速率，进行铸件冷却和凝固过程动态模拟的准备工作，得到模拟初始条件；采用所述模拟初始条件，利用计算流体动力学模拟铸件在冷却和凝固过程中的热传导、流体流动和相变，记录铸件形态的每一个变化阶段，生成铸件形态变化模拟数据；所述计算流体动力学，按照公式： 计算铸件冷却和凝固过程中的热传导、流体流动和相变，生成铸件形态变化模拟数据，其中，表示单位质量流体的内能与流体密度的乘积随时间的变化率，为流体密度，为单位质量流体的内能，为时间，用于追踪模拟过程中的变化，为流体速度向量，为有效热导率，为温度，为源项，为辐射热交换项，为相变材料的热效应；根据所述铸件形态变化模拟数据，采用随机森林算法分析差异冷却速率和材料收缩条件下的形态变化，识别潜在缺陷发展趋势，得到缺陷形成趋势分析结果的步骤为，整理所述铸件形态变化模拟数据，选取关键变量，包括冷却速率和材料收缩率，得到分析基础变量集；根据所述分析基础变量集，对铸件形态变化的关键阶段进行标识，记录阶段的参数变化，得到关键形态变化阶段记录；基于所述关键形态变化阶段记录，采用随机森林算法，识别与缺陷发展趋势相关联的形态变化模式，记录异常形态，生成缺陷形成趋势分析结果；所述随机森林算法，按照公式： 计算各节点的基尼不纯度，生成缺陷形成趋势分析结果，其中，为数据集，为类别的数量，为选择一个随机元素被正确分类为类别的概率，代表形态变异系数，代表时间序列因子，代表相似性加权，代表环境稳定性指数。

全文数据：

权利要求：

百度查询： 裕耀东展(南通)智能装备有限公司 基于大数据的铸件缺陷预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD