一种复合镍铜铝散热底板的性能预测方法及系统技术方案

本发明专利技术公开了一种复合镍铜铝散热底板的性能预测方法及系统，包括以下步骤：对复合镍铜铝散热底板进行图像识别和超声波探伤，得到复合镍铜铝散热底板的表面特征参数和内部参数，结合复合镍铜铝散热底板生产图纸，构建复合镍铜铝散热底板动态仿真模型，基于所述复合镍铜铝散热底板动态仿真模型获取复合镍铜铝散热底板性能预测参数，将所述复合镍铜铝散热底板性能预测参数和标准复合镍铜铝散热底板性能参数进行对比，分析得到复合镍铜铝散热底板的异常部位及异常性能参数，基于所述复合镍铜铝散热底板的异常部位及异常性能参数对复合镍铜铝散热底板进行调控，并分析修正调控后的复合镍铜铝散热底板，判断是否需要进行二次调控。调控。调控。

【技术实现步骤摘要】
一种复合镍铜铝散热底板的性能预测方法及系统


[0001]本专利技术涉及金属性能预测领域，特别是一种复合镍铜铝散热底板的性能预测方法及系统。

技术介绍

[0002]复合镍铜铝散热底板是一种用于散热的组件，通常用于电子设备、电脑硬件、照明灯具等领域。它的主要功能是通过导热材料将设备产生的热量有效地传导和散发，以保持设备的温度在可接受范围内，防止过热导致损坏。复合镍铜铝散热底板的性能主要为导热性及散热性，对复合镍铜铝散热底板的性能预测原因是复合镍铜铝散热底板在进行一段时间工作后或者刚生产出来的时候，可能会存在缺陷，例如裂痕、导热性散热性不足等问题，使复合镍铜铝散热底板不能充分发挥作用，影响安装复合镍铜铝散热底板的元件的散热效果，甚至会对复合镍铜铝散热底板的元件其危害作用。对复合镍铜铝散热底板性能进行预测，能够对复合镍铜铝散热底板的异常部位并加以修正及调控，基于三维模型对复合镍铜铝散热底板进行修正调控节省时间，效率更高，符合经济效益，调控效果也更好。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种复合镍铜铝散热底板的性能预测方法及系统。
[0004]为达到上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种复合镍铜铝散热底板的性能预测方法，包括以下步骤：对复合镍铜铝散热底板进行图像识别，得到复合镍铜铝散热底板表面特征参数，对复合镍铜铝散热底板进行内部参数获取，基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和内部参数，构建复合镍铜铝散热底板动态仿真模型；基于复合镍铜铝散热底板动态仿真模型，获取复合镍铜铝散热底板的实时性能参数，构建复合镍铜铝散热底板预测模型，将所述复合镍铜铝散热底板的性能参数导入复合镍铜铝散热底板预测模型中，得到复合镍铜铝散热底板性能预测参数；将复合镍铜铝散热底板性能预测参数与标准复合镍铜铝散热底板性能参数分析对比，根据分析结果得到复合镍铜铝散热底板异常部位及异常性能参数；对复合镍铜铝散热底板表面进行厚度检测，基于复合镍铜铝散热底板的厚度值和磨削值，对复合镍铜铝散热底板进行修正调控；更改输入参数，获取修正调控复合镍铜铝散热底板在不同条件下的性能数据，判断修正调控复合镍铜铝散热底板是否为合格品，并获取二次调控方案。
[0005]进一步的，本专利技术的一个较佳实施例中，所述对复合镍铜铝散热底板进行图像识别，得到复合镍铜铝散热底板表面特征参数，对复合镍铜铝散热底板进行内部参数获取，基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和内部参数，构建复
合镍铜铝散热底板动态仿真模型，具体为：使用摄像头，对复合镍铜铝散热底板的各个表面进行图像获取，得到复合镍铜铝散热底板表面图像，并将所述复合镍铜铝散热底板表面图像进行灰度化处理，得到复合镍铜铝散热底板表面灰度化图像；将所述复合镍铜铝散热底板表面灰度化图像导入高斯滤波器中，在所述高斯滤波器中定义一个二维高斯函数作为滤波模板，并对所述滤波模板进行归一化处理；将进行归一化处理后的滤波模板作用于复合镍铜铝散热底板表面灰度化图像上，所述归一化处理后的滤波模板在复合镍铜铝散热底板表面灰度化图像上滑动，每滑动经过一个像素，则对像素进行卷积运算，得到卷积后的像素值；当归一化处理后的滤波模板滑动经过所有的像素后，得到复合镍铜铝散热底板表面滤波灰度化图像，在所述复合镍铜铝散热底板表面灰度化图像上使用索贝尔算子进行水平方向和垂直方向的卷积运算，得到水平方向和垂直方向的梯度图像；将所述水平方向和垂直方向的梯度图像进行图像合并，得到梯度幅值图像，基于梯度幅值图像的像素梯度值，预设高阈值与低阈值；若所述梯度幅值图像的像素梯度值高于高阈值，则将对应的像素点定义为强边缘像素点，若所述梯度幅值图像的像素梯度值在高阈值和低阈值之间，则将对应的像素点定义为弱边缘像素点，对梯度幅值图像的像素梯度值低于低阈值的像素点剔除；通过霍夫线变换法将所述强边缘像素点和弱边缘像素点按要求连接，得到复合镍铜铝散热底板表面特征参数；通过超声波探伤仪对复合镍铜铝散热底板进行超声波探伤，接收返回的脉冲信号，对所述返回的脉冲信号进行数据清洗，去除异常值，并对进行数据清洗后的脉冲信号进行滤波处理，得到复合镍铜铝散热底板内部参数；基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和复合镍铜铝散热底板内部参数，在三维建模软件中构建复合镍铜铝散热底板三维模型，并将所述复合镍铜铝散热底板三维模型转换成仿真模型文本数据流，基于所述仿真模型文本数据流，构建复合镍铜铝散热底板动态仿真模型。
[0006]进一步的，本专利技术的一个较佳实施例中，所述基于复合镍铜铝散热底板动态仿真模型，获取复合镍铜铝散热底板的实时性能参数，构建复合镍铜铝散热底板预测模型，将所述复合镍铜铝散热底板的性能参数导入复合镍铜铝散热底板预测模型中，得到复合镍铜铝散热底板性能预测参数，具体为：获取复合镍铜铝散热底板的输入参数，所述复合镍铜铝散热底板的输入参数包括实时输入热量和复合镍铜铝散热底板工作前外部流体流向，将所述复合镍铜铝散热底板的输入参数导入复合镍铜铝散热底板动态仿真模型中，获得复合镍铜铝散热底板的实时性能参数，所述复合镍铜铝散热底板的实时性能参数包括实时输出热量和复合镍铜铝散热底板工作后外部流体流向；将所述复合镍铜铝散热底板的实时性能参数分成训练集和测试集，将训练集导入决策树模型内，基于复合镍铜铝散热底板的实时性能参数中不同参数的特征，得到性能参数特征值，基于所述性能参数特征值，结合复合镍铜铝散热底板的实时性能参数的基尼系数，得到性能参数切分值；
确定根节点，以所述根节点为原点，基于性能参数特征值和性能参数切分值对决策树模型进行划分，并将划分点定义为叶子节点，当根节点到最远叶子节点的路径上的节点数满足预设值，或决策树模型经过划分后训练集内数据样本数量达到预设最小值，停止对决策树模型进行划分，并对划分后的决策树模型进行剪枝处理，得到复合镍铜铝散热底板决策树模型；构建多个决策树模型，将所述多个决策树模型组合成随机森林模型，对所述随机森林模型进行准确率评估及模型优化，输出调整后的随机森林模型参数，基于所述调整后的随机森林模型参数，通过模型深度学习算法，通过模型深度学习算法，构建复合镍铜铝散热底板预测模型，基于所述复合镍铜铝散热底板预测模型得到复合镍铜铝散热底板性能预测参数。
[0007]进一步的，本专利技术的一个较佳实施例中，所述将复合镍铜铝散热底板性能预测参数与标准复合镍铜铝散热底板性能参数分析对比，根据分析结果得到复合镍铜铝散热底板异常部位及异常性能参数，具体为：构建复合镍铜铝散热底板标准动态仿真模型，基于所述复合镍铜铝散热底板标准动态仿真模型，获取复合镍铜铝散热底板标准性能参数，将所述复合镍铜铝散热底板标准性能参数与复合镍铜铝散热底板性能预测参数进行数据整合分析，得到参数偏差值；基于所述参数偏差值，确定贝叶斯网络的随机变量，根据随机变量的条件依赖关系，构建有向无环图，在所述有向无环图中，一个节点表示一个随机变量，并获取节点之间的有向边；基于贝叶斯估计法，得到每个节点的条件概率表，基于所述节点之间的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合镍铜铝散热底板的性能预测方法，其特征在于，包括以下步骤：对复合镍铜铝散热底板进行图像识别，得到复合镍铜铝散热底板表面特征参数，对复合镍铜铝散热底板进行内部参数获取，基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和内部参数，构建复合镍铜铝散热底板动态仿真模型；基于复合镍铜铝散热底板动态仿真模型，获取复合镍铜铝散热底板的实时性能参数，构建复合镍铜铝散热底板预测模型，将所述复合镍铜铝散热底板的性能参数导入复合镍铜铝散热底板预测模型中，得到复合镍铜铝散热底板性能预测参数；将复合镍铜铝散热底板性能预测参数与标准复合镍铜铝散热底板性能参数分析对比，根据分析结果得到复合镍铜铝散热底板异常部位及异常性能参数；对复合镍铜铝散热底板表面进行厚度检测，基于复合镍铜铝散热底板的厚度值和磨削值，对复合镍铜铝散热底板进行修正调控；更改输入参数，获取修正调控复合镍铜铝散热底板在不同条件下的性能数据，判断修正调控复合镍铜铝散热底板是否为合格品，并获取二次调控方案。2.根据权利要求1中所述的一种复合镍铜铝散热底板的性能预测方法，其特征在于，所述对复合镍铜铝散热底板进行图像识别，得到复合镍铜铝散热底板表面特征参数，对复合镍铜铝散热底板进行内部参数获取，基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和内部参数，构建复合镍铜铝散热底板动态仿真模型，具体为：使用摄像头，对复合镍铜铝散热底板的各个表面进行图像获取，得到复合镍铜铝散热底板表面图像，并将所述复合镍铜铝散热底板表面图像进行灰度化处理，得到复合镍铜铝散热底板表面灰度化图像；将所述复合镍铜铝散热底板表面灰度化图像导入高斯滤波器中，在所述高斯滤波器中定义一个二维高斯函数作为滤波模板，并对所述滤波模板进行归一化处理；将进行归一化处理后的滤波模板作用于复合镍铜铝散热底板表面灰度化图像上，所述归一化处理后的滤波模板在复合镍铜铝散热底板表面灰度化图像上滑动，每滑动经过一个像素，则对像素进行卷积运算，得到卷积后的像素值；当归一化处理后的滤波模板滑动经过所有的像素后，得到复合镍铜铝散热底板表面滤波灰度化图像，在所述复合镍铜铝散热底板表面灰度化图像上使用索贝尔算子进行水平方向和垂直方向的卷积运算，得到水平方向和垂直方向的梯度图像；将所述水平方向和垂直方向的梯度图像进行图像合并，得到梯度幅值图像，基于梯度幅值图像的像素梯度值，预设高阈值与低阈值；若所述梯度幅值图像的像素梯度值高于高阈值，则将对应的像素点定义为强边缘像素点，若所述梯度幅值图像的像素梯度值在高阈值和低阈值之间，则将对应的像素点定义为弱边缘像素点，对梯度幅值图像的像素梯度值低于低阈值的像素点剔除；通过霍夫线变换法将所述强边缘像素点和弱边缘像素点按要求连接，得到复合镍铜铝散热底板表面特征参数；通过超声波探伤仪对复合镍铜铝散热底板进行超声波探伤，接收返回的脉冲信号，对所述返回的脉冲信号进行数据清洗，去除异常值，并对进行数据清洗后的脉冲信号进行滤波处理，得到复合镍铜铝散热底板内部参数；基于复合镍铜铝散热底板生产图纸、复合镍铜铝散热底板表面特征参数和复合镍铜铝
散热底板内部参数，在三维建模软件中构建复合镍铜铝散热底板三维模型，并将所述复合镍铜铝散热底板三维模型转换成仿真模型文本数据流，基于所述仿真模型文本数据流，构建复合镍铜铝散热底板动态仿真模型。3.根据权利要求1中所述的一种复合镍铜铝散热底板的性能预测方法，其特征在于，所述基于复合镍铜铝散热底板动态仿真模型，获取复合镍铜铝散热底板的实时性能参数，构建复合镍铜铝散热底板预测模型，将所述复合镍铜铝散热底板的性能参数导入复合镍铜铝散热底板预测模型中，得到复合镍铜铝散热底板性能预测参数，具体为：获取复合镍铜铝散热底板的输入参数，所述复合镍铜铝散热底板的输入参数包括实时输入热量和复合镍铜铝散热底板工作前外部流体流向，将所述复合镍铜铝散热底板的输入参数导入复合镍铜铝散热底板动态仿真模型中，获得复合镍铜铝散热底板的实时性能参数，所述复合镍铜铝散热底板的实时性能参数包括实时输出热量和复合镍铜铝散热底板工作后外部流体流向；将所述复合镍铜铝散热底板的实时性能参数分成训练集和测试集，将训练集导入决策树模型内，基于复合镍铜铝散热底板的实时性能参数中不同参数的特征，得到性能参数特征值，基于所述性能参数特征值，结合复合镍铜铝散热底板的实时性能参数的基尼系数，得到性能参数切分值；确定根节点，以所述根节点为原点，基于性能参数特征值和性能参数切分值对决策树模型进行划分，并将划分点定义为叶子节点，当根节点到最远叶子节点的路径上的节点数满足预设值，或决策树模型经过划分后训练集内数据样本数量达到预设最小值，停止对决策树模型进行划分，并对划分后的决策树模型进行剪枝处理，得到复合镍铜铝散热底板决策树模型；构建多个决策树模型，将所述多个决策树模型组合成随机森林模型，对所述随机森林模型进行准确率评估及模型优化，输出调整后的随机森林模型参数，基于所述调整后的随机森林模型参数，通过模型深度学习算法，通过模型深度学习算法，构建复合镍铜铝散热底板预测模型，基于所述复合镍铜铝散热底板预测模型得到复合镍铜铝散热底板性能预测参数。4.根据权利要求1中所述的一种复合镍铜铝散热底板的性能预测方法，其特征在于，所述将复合镍铜铝散热底板性能预测参数与标准...

【专利技术属性】
技术研发人员：王影，
申请(专利权)人：深圳市鑫冠亚科技有限公司，
类型：发明
国别省市：