【技术实现步骤摘要】
本专利技术涉及机械工件检测，具体为基于大数据处理的工件热缺陷检测方法及系统。
技术介绍
1、热缺陷是指在机械零件或工件在加工、使用或服务过程中，由于热量的作用或影响而导致的一类缺陷或问题，这些缺陷通常涉及材料的结构、性能或形状的变化，通常包括裂纹、疲劳、变形等问题。这些热缺陷可能对机械零件的性能、寿命和安全性造成严重影响。因此，在制造和使用过程中，需要通过适当的检测技术和方法及时发现并修复这些热缺陷，以确保产品的质量和可靠性。机械工件的热缺陷检测是指通过不同的方法和技术，对机械零部件在加工或使用过程中可能产生的热缺陷进行检测和评估的过程，是为了确保产品质量、安全性和可靠性，降低制造和维修成本，并延长零件的使用寿命而进行的重要步骤。
2、目前对机械工件进行热缺陷检测的研究方面还存在一些不足，具体体现在传统的机械工件热缺陷检测方法通常只能检测工件的表面缺陷，对于内部缺陷的识别能力较弱，检测设备的精度和稳定性受到多种因素的影响，如环境变化、温度和工件材料，导致检测结果可能存在误差和不一致性，依赖人工分析，数据处理和解释复杂且费时，增加了操作难度和出错风险。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于大数据处理的工件热缺陷检测方法及系统，解决了传统的机械工件热缺陷检测方法对于内部缺陷的识别能力较弱，检测结果可能存在误差和不一致性，数据处理和解释复杂且费时，增加了操作难度和出错风险，检测结果的可比性和一致性差的问题。
2、为实现以上目的，本专利技术通过
3、进一步地，所述工件表面情况特征数据集，具体包括工件表面粗糙度、工件表面反射率、工件表面涂层厚度、工件表面污染面积。
4、进一步地，所述基于获取的工件表面情况特征数据集，比对得到工件热缺陷检测第一偏差值，具体分析过程为：基于获取的工件表面情况特征数据集，综合分析得到工件表面情况特征值，工件表面情况特征值作为比对得到工件热缺陷检测第一偏差值的分析依据；将工件表面情况特征值与数据库中存储的各工件表面情况特征值对应的工件热缺陷检测第一偏差值进行比对，得到该工件表面情况特征值对应的工件热缺陷检测第一偏差值。
5、进一步地，所述工件材料特征数据集，具体包括工件密度、工件熔点、工件热导率、工件热膨胀系数。
6、进一步地，所述基于获取的工件材料特征数据集，比对得到工件热缺陷检测第二偏差值，具体分析过程为：基于获取的工件材料特征数据集，综合分析得到工件材料特征值，工件材料特征值作为比对得到工件热缺陷检测第二偏差值的分析依据；将工件材料特征值与数据库中存储的各工件材料特征值对应的工件热缺陷检测第二偏差值进行比对，得到该工件材料特征值对应的工件热缺陷检测第二偏差值。
7、进一步地，所述工件外表面热缺陷检测数据集，具体包括工件表面平均温度、工件表面裂纹个数、工件表面氧化层厚度；所述工件外表面热缺陷检测特征值，其计算公式为：
8、;
9、式中：为工件表面平均温度，为数据库中存储的工件表面平均温度的参考值，为工件表面裂纹个数，为工件表面氧化层厚度，为数据库中设定的工件表面平均温度的权重因子，为数据库中设定的工件表面裂纹个数的权重因子，为数据库中设定的工件表面氧化层厚度的权重因子，为工件外表面热缺陷检测特征值。
10、进一步地，所述工件内部热缺陷检测数据集，具体包括工件内部气孔密度、工件内部缺陷个数、工件内部残余应力。
11、进一步地，所述工件热缺陷检测数据评估值，其计算公式为：
12、;
13、式中：为工件外表面热缺陷检测特征值，为工件内部热缺陷检测特征值，为数据库中设定的工件表面情况特征值的权重因子，为数据库中设定的工件材料特征值的权重因子，为工件热缺陷检测数据评估值，为工件热缺陷检测第一偏差值，为工件热缺陷检测第二偏差值，为自然常数。
14、进一步地，所述基于工件热缺陷检测数据评估值判断工件的热缺陷是否合格，并对合格的工件进行标记，具体分析过程为：将工件热缺陷检测数据评估值与数据库中存储的工件热缺陷检测合格界定值进行比较；若工件热缺陷检测数据评估值高于工件热缺陷检测合格界定值，则工件的热缺陷检测不合格；若工件热缺陷检测数据评估值低于或等于工件热缺陷检测合格界定值，则工件的热缺陷检测合格，并对热缺陷检测合格的工件进行热缺陷合格标记。
15、基于大数据处理的工件热缺陷检测系统，包括工件表面情况特征数据获取模块、工件材料特征数据获取模块、工件外表面热缺陷数据获取模块、工件内部热缺陷数据获取模块、工件热缺陷检测数据评估值获取模块和工件热缺陷判断模块，其中：工件表面情况特征数据获取模块，用于获取工件表面情况特征数据集，基于获取的工件表面情况特征数据集，比对得到工件热缺陷检测第一偏差值；工件材料特征数据获取模块，用于获取工件材料特征数据集，基于获取的工件材料特征数据集，比对得到工件热缺陷检测第二偏差值；工件外表面热缺陷数据获取模块，用于对工件进行外表面热缺陷检测，获取工件外表面热缺陷检测数据集，对工件外表面热缺陷检测数据集进行综合分析，得到工件外表面热缺陷检测特征值；工件内部热缺陷数据获取模块，用于对工件进行内部热缺陷检测，获取工件内部热缺陷检测数据集，对工件内部热缺陷检测数据集进行综合分析，得到工件内部热缺陷检测特征值；工件热缺陷检测数据评估值获取模块，用于将工件外表面热缺陷检测特征值、工件内部热缺陷检测特征值、工件热缺陷检测第一偏差值和工件热缺陷检测第二偏差值进行综合分析，得到工件热缺陷检测数据评估值；工件热缺陷判断模块，用于基于工件热缺陷检测数据评估值判断工件的热缺陷是否合格，并对合格的工件进行标记。
16、本专利技术具有以下有益效果：
17、（1）、该基于大数据处理的工件热缺陷检测方法及系统，通过整合外表面和内部热缺陷检测特征值、第一和第二偏差值的数据，进行全面质量评估，确保了对工件质量的精确判断，可以在早期识别潜在的质量风险，特别是在产品进入下游工序或市场之前，及时采取措施预防问题的发生，针对不同类型的工件或不同客户的特定需求，灵活调整检测策略和标准，减少因生产本文档来自技高网...
【技术保护点】
1.基于大数据处理的工件热缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件表面情况特征数据集，具体包括工件表面粗糙度、工件表面反射率、工件表面涂层厚度、工件表面污染面积。
3.根据权利要求2所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述基于获取的工件表面情况特征数据集，比对得到工件热缺陷检测第一偏差值，具体分析过程为：
4.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件材料特征数据集，具体包括工件密度、工件熔点、工件热导率、工件热膨胀系数。
5.根据权利要求4所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述基于获取的工件材料特征数据集，比对得到工件热缺陷检测第二偏差值，具体分析过程为：
6.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件外表面热缺陷检测数据集，具体包括工件表面平均温度、工件表面裂纹个数、工件表面氧化层厚度；
7.根据权利要求6所述基于大数据处理的工件
8.根据权利要求7所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件热缺陷检测数据评估值，其计算公式为：
9.根据权利要求8所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述基于工件热缺陷检测数据评估值判断工件的热缺陷是否合格，并对合格的工件进行标记，具体分析过程为：
10.基于大数据处理的工件热缺陷检测系统，应用如权利要求1-9任一项所述基于大数据处理的工件热缺陷检测方法，其特征在于，包括工件表面情况特征数据获取模块、工件材料特征数据获取模块、工件外表面热缺陷数据获取模块、工件内部热缺陷数据获取模块、工件热缺陷检测数据评估值获取模块和工件热缺陷判断模块，其中：
...【技术特征摘要】
1.基于大数据处理的工件热缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件表面情况特征数据集，具体包括工件表面粗糙度、工件表面反射率、工件表面涂层厚度、工件表面污染面积。
3.根据权利要求2所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述基于获取的工件表面情况特征数据集，比对得到工件热缺陷检测第一偏差值，具体分析过程为：
4.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件材料特征数据集，具体包括工件密度、工件熔点、工件热导率、工件热膨胀系数。
5.根据权利要求4所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述基于获取的工件材料特征数据集，比对得到工件热缺陷检测第二偏差值，具体分析过程为：
6.根据权利要求1所述基于大数据处理的工件热缺陷检测方法，其特征在于：所述工件外表面热缺陷检测数...
【专利技术属性】
技术研发人员：施建保，
申请(专利权)人：南通进宝机械制造有限公司，
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。