本发明涉及碳纤维坩埚制造,具体为一种用于碳纤维坩埚预制体整形的控制系统和方法。
背景技术:
1、碳碳复合材料是以碳纤维及其织物或碳毡增强的碳基体复合材料,具有低密度、高强度、高导热性、低膨胀系数,以及抗热冲击性能好、尺寸稳定性高等优点,使其成为当今1650℃以上应用的少数备选材料,最高理论温度高达2600℃,因此被认为是最有发展前途的高温材料之一,应用前景广阔。
2、目前,碳纤维预制体采用人工铺层+机器针刺的方式制备,未烘干定型前,预制体呈柔软状态,在其制备、搬运等过程中存在局部变形的问题,给后续的加工带来一定的加工难度和缺陷的风险。
3、碳纤维坩埚预制体是一种用于高温熔炼金属或合金的耐火容器,其具有轻质、高强度、高导热性、低热膨胀系数等优点。然而,碳纤维坩埚预制体的成型过程是一个复杂的物理和化学变化过程,需要控制多个参数,如温度、压力、时间等,以保证成型后的碳纤维坩埚预制体的尺寸、形状、密度、结构、性能等符合要求。传统的成型方法通常采用人工设定或调节成型参数,这不仅效率低下,而且容易出现误差和不稳定性,导致成型质量不高,甚至造成碳纤维坩埚预制体的损坏或废弃。因此,如何实现对碳纤维坩埚预制体成型过程的自动化、智能化和优化控制,是一个亟待解决的技术问题。
技术实现思路
1、本发明的目的是针对以上问题,提供一种用于碳纤维坩埚预制体整形的控制系统和方法,其采用了基于图像识别和机器学习的算法,以及利用加热、压制成型和冷却的过程对碳纤维坩埚预制体进行整形的系统和方法,能够实现对碳纤维坩埚预制体成型过程的动态调整和优化。
2、为实现以上目的,本发明采用的技术方案是:
3、一种用于碳纤维坩埚预制体整形的控制系统,包括摄像头拍摄部、控制器、成型部和成型参数数据库;
4、摄像头拍摄部包括摄像头,用于捕捉不同尺寸的碳纤维坩埚预制体的形状和尺寸,并将其转换为数字信号发送给控制器;
5、控制器基于图像识别和机器学习的算法,根据所接收的数字信号从成型参数数据库中查询相应的成型参数,并通过控制信号发送给成型部;
6、成型部根据所接收的控制信号,对碳纤维坩埚预制体进行加热、压制成型、冷却成型过程,并实时监测成型过程中的温度、压力、变形的数据,并将其反馈给控制器;
7、成型参数数据库存储不同尺寸的碳纤维坩埚预制体所需的成型温度、压力、时间的参数,以及相应的成型效果评价指标;控制器根据反馈数据和成型效果评价指标,对成型过程进行动态调整和优化。
8、作为上述方案的进一步改进,所述图像识别和机器学习的算法采用卷积神经网络模型,包括输入层、卷积层、池化层、全连接层和输出层,其中输入层接收来自摄像头的数字信号,输出层输出与碳纤维坩埚预制体尺寸对应的成型参数。
9、作为上述方案的进一步改进,所述卷积神经网络模型采用深度可分离卷积技术,将卷积层分解为深度卷积和点卷积,以减少计算量和参数数量。
10、作为上述方案的进一步改进,所述成型部包括第二气缸,第二气缸伸缩轴端设置内模体,内模体下降伸入外模体内并对预制体进行压制成型操作,外模体设置于第一升降板上,第一升降板连接第一气缸伸缩轴端,外模体外壁上缠绕设置电加热管。
11、作为上述方案的进一步改进,所述摄像头设置于转盘上,转盘与第二升降板上的第一电机输出轴端连接,第二升降板连接第二气缸,第二气缸设置于悬臂下表面,悬臂设置于转轴上,转轴设置于支架底部的第二电机输出轴端,支架设置于第一气缸侧部。
12、一种用于碳纤维坩埚预制体整形中的控制方法,加热、压制成型、冷却过程中的温度t、压力p、时间参数t满足以下公式:
13、t=ad+bp=cd+dt=ed+f
14、进一步的,加热过程中,温度t随着时间t的变化满足以下要求:t(t)=t0+(tm-t0)(1-e-kt)
15、其中,t0为初始温度,tm为最大温度,k为加热速率常数,压力p随着时间t的变化满足以下要求:
16、p(t)=p0+at
17、其中,p0为初始压力,a为压力增加速率常数,
18、压制成型过程中,温度t随着时间t的变化满足以下要求:t(t)=tm-bln(t+1)
19、其中,b为降温速率常数,
20、冷却过程中,温度t随着时间t的变化满足以下要求:
21、t(t)=tf+d(t+1)-e
22、其中,tf为最终温度,d,e为冷却速率常数。
23、进一步的,卷积层分解为深度卷积和点卷积,输入特征图的尺寸为dk×dk×m,卷积核的尺寸为df×df×m,其数量为n,满足以下要求:
24、
25、其中,x为输入特征图,w为卷积核,y为输出特征图,i,j,k为输出特征图的空间坐标和通道索引,满足以下要求:深度卷积,对输入特征图的每个通道分别使用一个卷积核进行空间卷积,然后将所有通道的输出拼接起来:其中,z为深度卷积的输出特征图,w1为深度卷积的卷积核,此卷积核只有一个通道维度,即每个通道只使用一个二维卷积核;
26、逐点卷积,对深度卷积的输出特征图使用一组1x1的卷积核进行逐点卷积,实现通道融合和变换,满足以下要求:
27、
28、其中,w2为逐点卷积的卷积核,此卷积核只有一个空间维度,即每个1x1的卷积核有m个通道。
29、与现有技术相比,本发明的有益效果为:提供一种用于碳纤维坩埚预制体整形的控制系统和方法,其采用了基于图像识别和机器学习的算法,以及利用加热、压制成型和冷却的过程对碳纤维坩埚预制体进行整形的系统和方法,能够实现对碳纤维坩埚预制体成型过程的动态调整和优化。
30、1、本发明中,通过摄像头捕捉不同尺寸的碳纤维坩埚预制体的形状和尺寸,并将其转换为数字信号,实现了对碳纤维坩埚预制体的快速识别以及数字信号转化的工作。
31、2、本发明中,通过卷积神经网络模型,根据所得到的数字信号从成型参数数据库中查询相应的成型参数,并通过控制信号发送给压制部,实现了对碳纤维坩埚预制体成型过程的智能化控制。
32、3、本发明中,通过深度可分离卷积技术,将卷积层分解为深度卷积和点卷积,以减少计算量和参数数量,提高了算法的运行效率和准确性。
33、4、本发明中,设置有摄像头拍摄部、控制器、成型部和成型参数数据库,摄像头拍摄部对碳纤维坩埚预制体成型过程中的状态进行拍摄操作,成型部对预制体进行压制成型操作,通过图像分析和质量检测,对成型后的碳纤维坩埚预制体进行评价和筛选,如果不符合要求,则重新进行成型或报废处理,实现了对碳纤维坩埚预制体成型质量的保证和提高,满足智能化、批量化、工业化的生产实际需求。
1.一种用于碳纤维坩埚预制体整形的控制系统,其特征在于,包括摄像头拍摄部、控制器、成型部和成型参数数据库;
2.根据权利要求1所述的一种用于碳纤维坩埚预制体整形的控制系统,其特征在于,所述图像识别和机器学习的算法采用卷积神经网络模型,包括输入层、卷积层、池化层、全连接层和输出层,其中输入层接收来自摄像头(13)的数字信号,输出层输出与碳纤维坩埚预制体尺寸对应的成型参数。
3.根据权利要求2所述的一种用于碳纤维坩埚预制体整形的控制系统,其特征在于,所述卷积神经网络模型采用深度可分离卷积技术,将卷积层分解为深度卷积和点卷积,以减少计算量和参数数量。
4.根据权利要求3所述的一种用于碳纤维坩埚预制体整形的控制系统,其特征在于,所述成型部包括第二气缸(7),第二气缸(7)伸缩轴端设置内模体(5),内模体(5)下降伸入外模体(4)内并对预制体(3)进行压制成型操作,外模体(4)设置于第一升降板(6)上,第一升降板(6)连接第一气缸(1)伸缩轴端,外模体(4)外壁上缠绕设置电加热管(2)。
5.根据权利要求4所述的一种用于碳纤维坩埚预制体整形的控制系统,其特征在于,所述摄像头(13)设置于转盘(14)上,转盘(14)与第二升降板(12)上的第一电机(11)输出轴端连接,第二升降板(12)连接第二气缸(10),第二气缸(10)设置于悬臂(9)下表面,悬臂(9)设置于转轴(8)上,转轴(8)设置于支架(15)底部的第二电机(16)输出轴端,支架(15)设置于第一气缸(1)侧部。
6.一种用于权利要求5所述的碳纤维坩埚预制体整形控制系统中的控制方法,其特征在于,所述加热、压制成型、冷却过程中的温度t、压力p、时间参数t满足以下公式:
7.根据权利要求6所述的一种用于碳纤维坩埚预制体整形的控制方法,其特征在于,所述加热过程中,温度t随着时间t的变化满足以下要求:
8.根据权利要求7所述的一种用于碳纤维坩埚预制体整形的控制方法,其特征在于,所述卷积层分解为深度卷积和点卷积,