CN113298327B - 一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 - Google Patents
一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 Download PDFInfo
- Publication number
- CN113298327B CN113298327B CN202110858789.4A CN202110858789A CN113298327B CN 113298327 B CN113298327 B CN 113298327B CN 202110858789 A CN202110858789 A CN 202110858789A CN 113298327 B CN113298327 B CN 113298327B
- Authority
- CN
- China
- Prior art keywords
- microstructure
- foam
- foam metal
- metal
- product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 148
- 239000006260 foam Substances 0.000 title claims abstract description 141
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 120
- 239000002184 metal Substances 0.000 title claims abstract description 120
- 238000002360 preparation method Methods 0.000 title claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 239000007769 metal material Substances 0.000 claims abstract description 25
- 230000009471 action Effects 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 239000000047 product Substances 0.000 claims description 114
- 238000004519 manufacturing process Methods 0.000 claims description 58
- 239000011148 porous material Substances 0.000 claims description 44
- 239000006262 metallic foam Substances 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000000151 deposition Methods 0.000 claims description 23
- 230000008021 deposition Effects 0.000 claims description 18
- 239000013067 intermediate product Substances 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000005684 electric field Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 230000035515 penetration Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims description 5
- 238000001739 density measurement Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 238000010924 continuous production Methods 0.000 claims 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 37
- 238000004070 electrodeposition Methods 0.000 description 31
- 239000000463 material Substances 0.000 description 19
- 229910052759 nickel Inorganic materials 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000010438 heat treatment Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 9
- 239000002243 precursor Substances 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 239000007791 liquid phase Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000003792 electrolyte Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000007747 plating Methods 0.000 description 5
- 229920002635 polyurethane Polymers 0.000 description 5
- 239000004814 polyurethane Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000000137 annealing Methods 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 238000005240 physical vapour deposition Methods 0.000 description 4
- 239000011265 semifinished product Substances 0.000 description 4
- 239000007790 solid phase Substances 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 238000005187 foaming Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229920005830 Polyurethane Foam Polymers 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001465 metallisation Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 239000011496 polyurethane foam Substances 0.000 description 2
- 238000004663 powder metallurgy Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000001723 curing Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- NPURPEXKKDAKIH-UHFFFAOYSA-N iodoimino(oxo)methane Chemical compound IN=C=O NPURPEXKKDAKIH-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000001755 magnetron sputter deposition Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000001953 recrystallisation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25D—PROCESSES FOR THE ELECTROLYTIC OR ELECTROPHORETIC PRODUCTION OF COATINGS; ELECTROFORMING; APPARATUS THEREFOR
- C25D1/00—Electroforming
- C25D1/08—Perforated or foraminous objects, e.g. sieves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本发明公开了一种泡沫金属制备工艺优化的方法，其包括：利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据；根据泡沫金属的产品性能指标的需求值或目标值，利用泡沫金属的产品性能与微观结构关联模型，推算当前微观结构特征数据对应的泡沫金属的产品性能差距；利用泡沫金属的产品性能与微观结构关联模型，推算微观结构特征目标值，并迭代演算是否可支持达成性能目标值；根据微观结构特征目标值，利用制备工艺与作用机理关联模型，推算应调整的工艺参数；按照推算的工艺参数，调整设备进行泡沫金属材料制备；根据在线检测的数据，利用表观检测与微观结构关联模型推算微观结构特征，并根据与目标微观结构特征的差异迭代微调工艺参数。
Description
技术领域
本发明涉及材料加工领域，尤其是涉及一种支持泡沫金属制备工艺优化的方法及泡沫金属的制备方法。
背景技术
电沉积法制备泡沫金属是指在具有高孔隙率的三维结构材料（如塑料，聚氨酯泡沫等；称为电沉积的前驱体）的表面导电化处理后，通过电沉积的方法沉积目标金属或者合金，再通过热处理除掉聚合物前驱体，还原退火后，即可得到泡沫金属材料。
电沉积法制备工艺流程主要包括基材制备、导电化处理、电沉积、基材烧除、还原、热处理等环节，目前难以准确描述各工艺参数与最终产品性能间的关联关系，无法根据产品性能对应调整生产工艺，以保证产品质量或适应不同的应用需求，造成传统工艺制备的泡沫金属均一性较差，性能离散性大。
发明内容
为解决现有技术的技术问题之一，本发明提出了一种泡沫金属制备工艺优化的方法，可以针对性地调整工艺参数，提高效率，降低成本，并能提升泡沫金属的均一性。
一方面，本发明的一些实施例提供了一种泡沫金属制备工艺优化的方法，其包括如下步骤：
利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据，其中，所述微观结构特征数据至少包括孔隙密度PPI、孔隙率、面密度、孔隙纵横比AR、沉积厚度比DTR；
根据泡沫金属的产品性能指标的需求值或目标值，利用泡沫金属的产品性能与微观结构关联模型，推算当前微观结构特征数据对应的泡沫金属的产品性能差距，其中，所述泡沫金属的产品性能至少包括延伸率、抗拉强度、压缩强度CS；
利用泡沫金属的产品性能与微观结构关联模型，推算微观结构特征目标值，并迭代演算是否可支持达成性能目标值；
根据微观结构特征目标值，利用制备工艺与作用机理关联模型，推算应调整的工艺参数，其中，所述工艺参数至少包括变窄率RN、电流密度的方向与分布梯度；
按照推算的工艺参数，调整设备进行泡沫金属材料制备；
根据在线检测的数据，利用表观检测与微观结构关联模型推算微观结构特征，并根据与目标微观结构特征的差异迭代微调工艺参数。
根据本发明的泡沫金属制备工艺优化的方法，其建立了生产工艺、产品和中间产品的微观结构特征、产品性能三者间的关联模型，可以根据应用需求确定的性能指标和生产过程中地在线检测信息，针对性地调整工艺参数，高效低成本地制备面向应用需求的高均一性泡沫金属材料。
根据本发明的一些实施例，所述利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据，包括：
获取所述泡沫金属在制备过程中的中间产品的微观结构特征数据，其中，所述中间产品至少包括基材海绵。
根据本发明的一些实施例，所述利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据包括：
获取基体海绵、泡沫金属在线检测源图像；
利用机器视觉和深度学习算法，依次对孔结构定位、图像预处理、表面检测和重建、定量分析；
获取基体海绵和泡沫金属的微观结构形态特征数据，以及泡沫金属面密度测量数据；
结合产品及过程数据并利用深度学习算法获得所述微观结构特征数据。
根据本发明的一些实施例，所述泡沫金属的产品性能与微观结构关联模型包括：
推定纵向延伸率LE、横向延伸率TE与孔隙纵横比AR为线性关系；
推定纵向抗拉强度LTS、横向抗拉强度TTS与孔隙纵横比AR均为二次多项式关系；
推定压缩强度CS与沉积厚度比DTR为线性关系。
根据本发明的一些实施例，所述纵向延伸率LE、所述横向延伸率TE与所述孔隙纵横比AR的关联关系分别为：
所述纵向抗拉强度LTS、所述横向抗拉强度TTS与所述孔隙纵横比AR的关联关系分别为：
所述压缩强度CS与所述沉积厚度比DTS的关联关系为：
根据本发明的一些实施例，所述泡沫金属的制备工艺与作用机理关联模型包括：
推定孔隙纵横比AR与变窄率RN为线性关系；
推定沉积厚度比DTR与穿透方向的电场强度梯度为对数函数关系，所述穿透方向的电场强度梯度的工艺参数为正反面电流比IR。
根据本发明的一些实施例，所述孔隙纵横比AR与所述变窄率RN的关联关系为：
所述沉积厚度比DTR与所述正反面电流比IR的关联关系为：
根据本发明的一些实施例，所述方法还包括：
泡沫金属质检出厂，并根据检验数据修正微观结构与表观特征模型、产品性能与微观结构关联模型、制备工艺与作用机理模型。
另一方面，本发明的实施例还提供了一种泡沫金属制备工艺优化的方法，其包括如下步骤：
获取生产数据与工艺参数，以及在线视觉检测数据；
根据产品的微观结构的基本力学原理和电学原理构建出微观结构模型和产品性能模型的关联路径和逻辑关系，并利用产品性能检测数据、产品在线视觉辨识数据修正关联参数，形成产品的微观结构特征和产品性能的定量关系；
根据制备工艺的作用机理建立微观结构模型和工艺效果模型间的关联路径和作用关系，并利用产品在线视觉辨识数据和生产过程数据修正关联参数，形成产品的微观结构特征和工艺参数间的定量关系；
通过产品的微观结构特征和产品性能的定量关系以及产品的微观结构特征和工艺参数间的定量关系的建立和修正，形成产品的工艺参数和产品性能的定量数值关系；
根据在线视觉辨识数据动态调整工艺参数。
根据本发明的泡沫金属制备工艺优化的方法，该方法中的三类模型和关联关系共同构成数字化的样材模型，可以根据产品应用需求确定各环节工艺参数，满足不同的应用需求；根据在线视觉辨识数据动态调整工艺参数，降低缺陷，提供产品质量和生产率。
另一方面，本发明的实施例还提供了一种连续化带状泡沫金属的制备方法，其包括上述的泡沫金属制备工艺优化的方法。
根据本发明的连续化带状泡沫金属的制备方法，其采用了数字样材技术来优化泡沫金属制备工艺，建立了生产工艺、产品和中间产品的微观结构特征、产品性能三者间的关联模型，可以根据应用需求确定的性能指标和生产过程中地在线检测信息，针对性地调整工艺参数，高效低成本地制备面向应用需求的高均一性泡沫金属材料。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，但并不构成对本发明技术方案的限制。
图1为现有技术中泡沫金属生产工艺的流程图；
图2为本发明一些实施例提供的泡沫金属制备工艺优化的方法的步骤流程图；
图3为本发明一些实施例提供的构建微观结构与表观特征模型的步骤流程图；
图4为本发明一些实施例提供的控泡沫金属制备工艺优化的方法的步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明的保护范围。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
泡沫金属为多孔结构的金属材料，由孔隙与金属基体复合而成，其孔隙率高，孔径范围广（0.05～5.5 mm）。相对于致密金属而言，泡沫金属具有质轻、高比强度、高比表面积、高通透性、强吸附性、吸音、隔热、耐高温、电磁屏蔽等诸多优点，广泛应用于航空航天、高速动车、电动汽车、造船工业、化工催化、生物医用、环保过滤、燃料电池、建筑、电磁屏蔽等领域。目前，市场上已有泡沫金属材料主要包括泡沫镍、泡沫铜、泡沫铝、泡沫钛、泡沫银、泡沫铅等。
泡沫金属的制造方法主要包括铸造法、发泡法、粉末冶金法、烧结法和沉积法。对同种泡沫金属材料，采用不同的制造工艺所获得的产品在孔结构上具有较大的差异，其性能也具有相应的特点。因此，针对不同应用领域须采用不同的制造工艺。
铸造法适合制造低熔点的泡沫金属材料；发泡法适合制造闭孔的泡沫金属材料；粉末冶金法适合制造高熔点泡沫金属材料；烧结法适合制造过滤的泡沫金属材料；相比于其它几种泡沫金属材料制造方法，沉积法更适合制造开孔泡沫金属材料，尤其是电化学沉积法制造的开孔泡沫金属材料，具有孔隙率高、孔结构稳定、孔径和孔的分布均一且可精准调控、纯度高、以及高强度等诸多优良特性。
电化学沉积法制备泡沫金属是指在具有高孔隙率的三维结构材料（如塑料，聚氨酯泡沫等；称为电沉积的前驱体）的表面导电化处理后，通过电沉积的方法沉积目标金属或者合金，再通过热处理除掉聚合物前驱体，还原退火后，即可得到泡沫金属材料。电沉积是目前制备开孔泡沫金属的主要方法之一，已经较多地用于制备通孔性高、比表面积大、孔结构均一的泡沫金属制备产业中。
电沉积法在大尺寸连续化泡沫金属的制造中占有重要的地位，特别是泡沫镍材料的制造。目前，泡沫镍全球年产量已经超过了2000万平米，全球应用沉积法制造泡沫镍的生产工艺各异，传统的沉积法制得的基板孔隙率在80%左右，比表面积较大，但制造工艺复杂，成本较高，孔隙直径小(10～50μm)，不能满足现代工业中新材料小型化、轻量化、高性能化的要求。
自20世纪80年代以来，日本、美国和法国就针对片式泡沫镍的不足，研究出了带状泡沫镍的生产。但至1997年，全世界也只有日本、美国和法国能够生产，1997年，加拿大的INCO公司羰基镍法生产连续带状泡沫镍获得成功；1998年我国长沙力元公司在国内率先研制出利用沉积法制造连续化带状泡沫镍，并逐步推广应用到民用镍氢电池方面，从2009年开始着手进行汽车用动力电池的应用研究，突破国外对节能与新能源汽车用动力电池核心基体材料泡沫镍一致性、高强度、高压缩特性、高卷绕性能、高比表面积和高孔隙性等关键工艺技术封锁；实现车用泡沫镍配方研制及其制品产业化；形成具有自主知识产权的车用泡沫镍材料研发技术，打破日本垄断，填补国内空白。至目前，产品已经广泛应用在超级镍电池、动力电池、燃料电池、石油防砂、高铁轻量化、航空航天高温部件、电子屏蔽材料等不同领域。
相关技术方案中，连续化带状泡沫金属的制备流程如图1所示，主要包括：将聚氨酯海绵基体通过物理气相沉积法（Physical Vapor Deposition，简称PVD）或化学镀方法（Chemical Vapor Deposition，简称CVD）使基体海绵基体具有一定的导电性能，再对导电化海绵基体进行电沉积金属，获取所需要的定量的金属，然后通过高温热处理除去海绵基体以获得具有一定力学性能及电性能的泡沫金属材料。
具体的工艺过程和检验调整环节包括：
基体海绵制备：将原料在高速搅拌，在成形箱中完成链增长、发泡、交联、固化等反应，从而完成海绵生产，通过切割制成泡沫金属所需厚度的基体海绵。海绵基体结构的均一性决定了泡沫金属的结构均一性及其关联的功能特性均一性。该技术在海绵形成后，检测孔径等相关特征，调整确定工艺参数。
导电化处理工艺流程（以物理气相沉积法为例）：在真空条件下，利用磁控溅射原理和物理气相沉积的方法，在聚氨酯海绵基体上均匀的沉积一层导电化金属膜层。其中，金属膜层的沉积质量决定了后续电沉积的安定性。现有技术在导电化处理后，检测金属膜层等相关特征，调整确定溅射工艺参数。
电沉积工艺流程：经过导电化处理的海绵基体，金属量较少，主要呈现海绵柔软态的物性，导电性、物理性能并不能满足后续应用的要求，需要根据后端客户需求继续进行电沉积补充至所需金属量。电沉积是一个导电化海绵基体随着金属的不断沉积由软变硬的过程，电解液组成和它的温度、pＨ值，电解液的循环搅拌状态、外加电源的电流、电压、电流比（电场区域正反两面的电流分配比率）都会影响沉积层厚度的均一性。同时通过运行速度及各级电沉积的速度差及张力控制实现孔型的精准调整，以及导电化海绵基体在镀区的停留以保证沉积所需的金属量，电沉积完成以后的半成品需要经过水洗后转入下一工序，需要对水洗量进行控制在保障电解液残留不对产品造成污染的前提尽量降低水洗量，以减少对辅助工程加热及废水处理的负担。
热处理工艺流程：电沉积工序后半成品复合了聚氨酯海绵基体、模芯、金属和一定量的水分，材质脆硬，并且具有很大的内应力，物理和化学性质不稳定，须经过热处理去除半成品中的聚氨酯海绵基体和水分，并经过还原退火，使之具有特定的力学性能与电学性能，才能达到泡沫金属成品的材质要求。热处理工序主要由焚烧（聚氨酯海绵基体热分解）、还原、再结晶退火、收卷几个步骤组成，热处理的合适的结构形态保障热处理过程温度、气氛的稳定及均一对保障泡沫金属材料（例如泡沫镍材料）的均一性均有重要影响，因此需要对热处理过程的温度、氢氮气流量进行控制，以及运行系统速度及张力的控制以避免产品在高温区域软化导致的变形及损伤。
剪切包装工艺流程：经过热处理后的泡沫金属已经具有要求的抗拉强度、柔韧性等物性及电化学性能，将热处理后的泡沫金属碾压、分切成所要求的宽度厚度，为保障泡沫宽厚度的均一性，需要对速度、张力进行控制。由于前工序工艺技术的波动及运行控制系统内张力波动可能会导致泡沫金属结构中存在不同程度的缺陷，堵孔、孔筋坍塌、孔壁的弯曲和褶皱等，通常会通过外观检测加抽样物性检测的方法进行评价后进行不良品的剔除，对于批次性缺陷需通过分析，确定可能的工艺问题，进行对应调整尝试，保证产品质量。合格产品进行卷绕包装及作为成品发送后续客户。
由此可见，电沉积过程实际上是一个电化学复制的过程，是对前驱体的结构进行复制的工艺，因而可以通过调控前驱体的规格参数（孔形、孔径）来改变所要制备的泡沫金属的相应参数，比如孔密度和泡沫金属骨架的基本结构形态；同时，在电沉积的过程中，通过优化电沉积方法和改变电沉积的工艺参数，可以改变泡沫金属的理化参数，比如采用穿透式电沉积技术，可以提高泡沫金属的沉积厚度比（Deposition thickness ratio，简称DTR，定义为中层/表面的镀层厚度比），通过改变电沉积时间，可以改变金属镀层的厚度，继而改变泡沫金属的孔隙率。通过优化前驱体的导电化前处理工艺以及泡沫金属制备后期的热处理工艺等，可以制备低成本、大厚度、高孔密度、强度合格的泡沫金属材料。
根据上述描述，电沉积法制备泡沫金属，关键工艺环节多，工艺参数众多并分散，构成的状态空间极为复杂，现有技术存在多个问题：
（1）产品性能特性与各工艺环节参数交叉强相关，产品缺陷难以准确定位到工艺过程或参数问题，一般需要多次尝试调整才能寻找到合适的工艺组合；
（2）产品性能一般无法在线检测，离线检测后再修正生产工艺的模式造成良品率降低、生产效率降低等影响；
（3）不同应用领域对性能特征需求不同，对应的工艺组合需要摸索确定，生产成本高，客户响应慢；
（4）制造过程状态变量、操作变量间的耦合关系复杂，导致传统品质控制方法的时滞较大，造成产品性能一致性差；
（5）对产品的在线检测主要为结构特征和表观特征，工艺参数与产品性能难以得到直接关联关系，制备过程无法实现闭环优化。
参照图4所示，本发明的一些实施例提出了一种泡沫金属制备工艺优化的方法，其包括如下步骤：
利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据，其中，微观结构特征数据至少包括孔隙密度PPI、孔隙率、面密度、孔隙纵横比AR、沉积厚度比DTR；
根据泡沫金属的产品性能指标的需求值或目标值，利用泡沫金属的产品性能与微观结构关联模型，推算当前微观结构特征数据对应的泡沫金属的产品性能差距，其中，泡沫金属的产品性能至少包括延伸率、抗拉强度、压缩强度CS；
利用泡沫金属的产品性能与微观结构关联模型，推算微观结构特征目标值，并迭代演算是否可支持达成性能目标值；
根据微观结构特征目标值，利用制备工艺与作用机理模型，推算应调整的工艺参数，其中，工艺参数至少包括变窄率RN、电流密度的方向与分布梯度；
按照推算的工艺参数，调整设备进行泡沫金属材料制备；
根据在线检测的数据，利用表观检测与微观结构关联模型推算微观结构特征，并根据与目标微观结构特征的差异迭代微调工艺参数
其通过建立的微观结构与表观特征模型、产品性能与微观结构关联模型以及制备工艺与作用机理模型，可以实现泡沫金属制备工艺参数的在线优化调整。
本发明提出了一种数字样材技术，建立了生产工艺、产品和中间产品的微观结构特征、产品性能三者间的关联模型，可以根据应用需求确定的性能指标和生产过程中地在线检测信息，针对性地调整工艺参数，高效低成本地制备面向应用需求的高均一性的泡沫金属材料。
需要说明的是，泡沫金属材料制备过程中的中间产品包括基材海绵、导电化海绵、电沉积海绵以及热处理后泡沫金属，微观结构与表观特征建模工作主要包括各中间产品的关键结构特性和统计学特征、表观检测特征的定量化描述。
各中间产品的关键结构特性和统计学特征、表观检测特征主要包括：
（1）孔隙密度（Pores Per Linear Inch，简称PPI）：单位英寸长度上的平均孔隙个数，泡沫材料孔特征的一种表征方法， PPI越大表示单位体积的泡沫金属中有更多的孔隙，同时孔隙尺寸也越小；
（2）泡沫金属的孔隙率：表示孔隙所占的份额；
（3）泡沫金属的面密度：单位面积的泡沫金属的质量，与PPI和孔隙率直接相关；
（4）泡沫金属的孔隙的纵横比（aspect ratio，简称AR）：表征孔隙的纵轴长度/横轴长度，采用统计平均值、方差、极值、峰度等数值进行表征；
（5）泡沫金属的沉积厚度比(Deposition Thickness Ratio，简称DTR)：表征泡沫金属不同位置金属层厚度的一致性，越接近1一致性越好；
（6）表观特性：泡沫金属表面结构图像所呈现的视觉特征，其中隐含了产品品质相关信息。
鉴于上述微观特征与最终产品品质关联性强，但直接的测量手段难以在线实施，本发明利用目前已相对成熟的机器视觉和深度学习技术，在基体海绵与泡沫金属产品在线检测源图像的基础上，辨识微观孔、实体结构特征数据，并结合面密度测量数据，推算孔隙密度、孔隙率、面密度、纵横比、沉积厚度比等产品特性值和统计学特征。积累的产品数据和生产过程数据可以用于训练对应模型，不断提高辨识精度。
在一些实施例中，构建微观结构与表观特征的模型的技术流程如图3所示，其主要包括如下步骤：
获取基体海绵、泡沫金属在线检测源图像；
利用机器视觉和深度学习算法，依次对孔结构定位、图像预处理、表面检测和重建、定量分析；
获取基体海绵和泡沫金属的微观结构形态特征数据，以及泡沫金属面密度测量数据；
结合产品及过程数据并利用深度学习算法获得所述微观结构特征数据。
本发明采用机理模型和数值模型结合的方式，利用数字孪生技术分别建立泡沫金属微观结构模型、产品性能模型和工艺效果模型。
根据微观结构的基本力学原理和电学原理构建出微观结构模型和产品性能模型的关联路径和逻辑关系，并利用产品性能检测数据、产品在线视觉辨识数据修正关联参数，形成产品的微观结构特征和产品性能的定量关系；根据制备工艺的作用机理建立微观结构模型和工艺模型间的关联路径和作用关系，并利用产品在线视觉辨识数据和生产过程数据修正关联参数，形成产品的微观结构特征和工艺参数间的定量关系；通过前述两组关系的建立和持续修正，形成产品的工艺参数和产品性能的定量数值关系。
三类模型和关联关系共同构成全数字化的样材模型，进而可以根据产品应用需求确定各环节工艺参数，满足不同的应用需求；根据在线视觉辨识数据动态调整工艺参数，降低缺陷，提高产品质量和生产率。
生产过程中，数据采集与监视控制(Supervisory Control And DataAcquisition，简称SCADA) 系统采集各环节工艺参数、过程数据，泡沫金属关键特征在线辨识系统获取过程产品的三维结构信息与表观信息，结合产品性能检测数据一方面修正数字样材参数，另一方面根据生产工艺、微观结构特征、产品性能三者间的关联模型，优化工艺参数，并可根据应用需求确定的性能指标适应性；各关键工艺环节根据优化调整后的工艺参数实施对应的生产过程，从而实现高均一性泡沫金属材料的制备过程闭环。
以本发明为核心可以形成完备的闭环材料制备体系，解决了泡沫金属生产中产品性能难以控制的普遍性问题，提升了产品性能，并对功能材料行业的智能生产具有引领作用。
本发明了提出了一种典型性能及与微观结构关联模型，其主要包括：
（1）纵向延伸率（Longitudinal Elongation，简称LE）与横向延伸率（TransverseElongation，简称TE）
延伸率即试样拉伸断裂后标距段的总变形ΔL与原标距长度L之比的百分数，泡沫金属的延伸率主要由三维网络中的金属丝体发生的塑性偏转所造成。泡沫金属延伸前孔隙纵横比AR决定了对应纵横向尺度内孔数与丝筋数量，AR<1相同面积内，纵向孔数会变多，横向孔数会变少；AR>1相同面积内，纵向孔数会变少，横向孔数会变多，产品延伸时首先会发生孔形变，当孔形变达到极限时，才会发生丝筋形变，最终丝筋形变达到极限后才发生断裂现象，因此孔数与丝筋数量增加方向，延伸率会明显大于正交方向，强度会明显小于正交方向。基于延伸率与孔形变正相关，可以推测延伸率与AR为近线性关系：
其中，A、B为常数，具体生产中考虑到基材纵向拉伸的易实现性，以纵向拉伸工艺（AR>1）为主，根据部分实测数据，拟合得到泡沫金属（例如泡沫镍材料）关联关系分别为：
拟合度较高，参数可以根据实际生产数据持续修正。
（2）纵向抗拉强度（Longitudinal Tensile Strength，简称LTS）与横向抗拉强度（Transverse Tensile Strength，简称TTS）
与延伸率论证同理，泡沫金属延伸前孔隙纵横比AR决定了对应纵横向尺度内孔数与丝筋数量，而抗拉强度与截面内丝筋数量正相关，孔型调整时对截面产生两维度变化，截面内丝筋数量与AR存在二次项关系，可以推测抗拉强度与AR为二次多项式关系：
其中，A、B为常数，根据部分实测数据，拟合得到泡沫金属（例如泡沫镍材料）关联关系分别为：
（3）压缩强度（Compress Strength，简称CS）
泡沫金属的杨氏模量与其相对密度呈强相关关系，相对密度越大，杨氏模量越大。这是因为孔棱是支撑载荷的主要因素，随着相对密度的提高，意味着孔棱上金属沉积层越厚，导致泡沫金属承受压缩载荷时不容易屈服而产生塑性变形，其总体结构的屈服应力上升。DTR值较高的泡沫金属的中层的相对密度较高，其杨氏模量较大，在压缩载荷下形成薄弱变形带的速度较慢和较宽，从而提升了屈服平台，反映为较高的压缩强度。DTR作为无量纲数，反映了泡沫金属厚度方向的金属沉积层的分布情况，工程实现变化范围内推测对压缩强度CS的影响为线性，推测其关系为：
其中，A、B为常数，根据部分实测数据，拟合得到某典型泡沫金属（例如泡沫镍材料）关联关系分别为：
还需要说明的是，泡沫金属产品典型性能还包括柔韧性、电阻、导热性能等多方面，根据应用场景不同，对性能的要求和敏感度也不同。这些典型性能与微观结构都具有较强和较直接的关联性，可以通过响应的机理分析确定关联性表达公式，而通过实测数据进行数学拟合或机器学习可获得对应的参数。
可以理解的是，本发明采用了数据拟合方法，数据拟合又称曲线拟合，俗称拉曲线，是一种把现有数据透过数学方法来代入一条数式的表示方式。科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据，我们往往希望得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合。
本发明采用的曲线拟合方法包括但不限于最小二乘法。最小二乘法（又称最小平方法）是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
还需要说明的是，本发明一种泡沫金属的制备工艺与作用机理关联模型，其主要包括：
（1）拉伸工艺变窄率
海绵基体孔型纵横比AR通过工艺过程-拉伸实现，变窄率RN（Rate of Narrowing）为海绵拉伸前后的宽度比，理论分析可知纵横比与变窄率为一次线性关系。
其中，A、B为常数，通过对典型基体海绵进行不同的拉伸水平的测试，可拟合出相应参数关系为：
（2）DTR值与正反面电流比的相关性
通过对泡沫金属电沉积工艺中电流密度的方向与分布梯度分析可知，多孔电极工作时，其内表面往往并不能均匀的被用来实现电化学反应。孔隙内液相的传质阻力在多孔电极内部产生浓度极化，导致电极内部各点“电极/电解质”界面上极化不均匀，部分抵消了多孔电极比表面积大电流密度小的优点。将多孔电极中的各部分看作宏观均匀体进行电阻网络理论计算，可以得到其电流、电势分布、由于固相电阻和液相电阻的存在，造成电极内部液相电势、固相电势均不相同。
在泡沫金属电沉积过程中，电沉积初期固相电阻远大于液相电阻，因此靠近集流体的电流分布较大，最先镀上；随着金属在集流体附近处增多，电极的导电性不断提高，出现液相电阻远大于固相电阻，这时反应区在靠近液相一侧。因此，泡沫金属外侧总比内测易沉积。
不对称电沉积工艺针对这一问题，采用供电设备对独立阳极进行电流给定，控制穿透方向的电场强度梯度（工艺参数为正反面电流比IR），缩小了泡沫金属的中间镀层厚度与表面的差异，实现内、外测的均匀电沉积。
试验可知，DTR与镀区穿透方向电场梯度为对数关系：
（2）金属沉积量、海绵基体定型温度、泡沫金属热处理温度等工艺参数
同理，建立工艺参数与相应的微观结构、表观特征间的参数式关系，利用实测数据拟合确定相应参数。
通过采用本发明的泡沫金属制备工艺优化方法，相较于传统的制备工艺，能够提高生产效率52%以上，降低成本25%以上，并能提升制备的泡沫金属材料均一性22%以上。
在一些实施例中，泡沫金属制备工艺优化的方法还包括：泡沫金属质检出厂，并根据检验数据修正微观结构与表观特征模型、产品性能与微观结构关联模型、制备工艺与作用机理模型。
在一些实施例中，参照图2所示，一种泡沫金属制备工艺优化的方法包括如下步骤：
获取生产数据与工艺参数，以及在线视觉检测数据；
根据产品的微观结构的基本力学原理和电学原理构建出微观结构模型和产品性能模型的关联路径和逻辑关系，并利用产品性能检测数据、产品在线视觉辨识数据修正关联参数，形成产品的微观结构特征和产品性能的定量关系；
根据制备工艺的作用机理建立微观结构模型和工艺效果模型间的关联路径和作用关系，并利用产品在线视觉辨识数据和生产过程数据修正关联参数，形成产品的微观结构特征和工艺参数间的定量关系；
通过产品的微观结构特征和产品性能的定量关系以及产品的微观结构特征和工艺参数间的定量关系的建立和修正，形成产品的工艺参数和产品性能的定量数值关系；
根据在线视觉辨识数据动态调整工艺参数。
根据上述实施例的泡沫金属制备工艺优化的方法，本发明提出了建立数字样材模型，为一种表达材料原型特征和对生产工艺响应特征的数字模型；其是由生产工艺与效果模型、产品和中间产品的微观结构特征模型、产品性能模型以及三者间的关联关系构成。
本发明根据微观结构的基本力学原理和电学原理构建出微观结构模型和产品性能模型的关联路径和逻辑关系，并利用产品性能检测数据、产品在线视觉辨识数据修正关联参数，形成产品的微观结构特征和产品性能的定量关系；并根据制备工艺的作用机理建立微观结构模型和工艺模型间的关联路径和作用关系，利用产品在线视觉辨识数据和生产过程数据修正关联参数，形成产品的微观结构特征和工艺参数间的定量关系。
本发明通过前述两组关系的建立和持续修正，形成产品的工艺参数和产品性能的定量数值关系；数字样材模型中的三类模型和关联关系共同构成数字化的样材模型，可以根据产品应用需求确定各环节工艺参数，满足不同的应用需求；根据在线视觉辨识数据动态调整工艺参数，降低缺陷，提供产品质量和生产率。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (7)
1.一种泡沫金属制备工艺优化的方法，其特征在于，包括如下步骤：
利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据，其中，所述微观结构特征数据至少包括孔隙密度PPI、孔隙率、面密度、孔隙纵横比AR、沉积厚度比DTR；
根据泡沫金属的产品性能指标的需求值或目标值，利用泡沫金属的产品性能与微观结构关联模型，推算当前微观结构特征数据对应的泡沫金属的产品性能差距，其中，所述泡沫金属的产品性能至少包括延伸率、抗拉强度、压缩强度CS；
利用泡沫金属的产品性能与微观结构关联模型，推算微观结构特征目标值，并迭代演算是否可支持达成性能目标值；
根据微观结构特征目标值，利用制备工艺与作用机理关联模型，推算应调整的工艺参数，其中，所述工艺参数至少包括变窄率RN、电流密度的方向与分布梯度；
按照推算的工艺参数，调整设备进行泡沫金属材料制备；
根据在线检测的数据，利用表观检测与微观结构关联模型推算微观结构特征，并根据与目标微观结构特征的差异迭代微调工艺参数；
其中，所述泡沫金属在制备过程中的中间产品至少包括基材海绵，所述利用在线视觉检测系统，获取泡沫金属当前微观结构特征数据，包括：
获取基体海绵、泡沫金属在线检测源图像；
利用机器视觉和深度学习算法，依次对孔结构定位、图像预处理、表面检测和重建、定量分析；
获取基体海绵和泡沫金属的微观结构形态特征数据，以及泡沫金属面密度测量数据；
结合产品及过程数据并利用深度学习算法获得所述微观结构特征数据。
2.根据权利要求1所述的泡沫金属制备工艺优化的方法，其特征在于，所述泡沫金属的产品性能与微观结构关联模型包括：
推定纵向延伸率LE、横向延伸率TE与孔隙纵横比AR为线性关系；
推定纵向抗拉强度LTS、横向抗拉强度TTS与孔隙纵横比AR均为二次多项式关系；
推定压缩强度CS与沉积厚度比DTR为线性关系。
3.根据权利要求2所述的泡沫金属制备工艺优化的方法，其特征在于，所述纵向延伸率LE、所述横向延伸率TE与所述孔隙纵横比AR的关联关系分别为：
所述纵向抗拉强度LTS、所述横向抗拉强度TTS与所述孔隙纵横比AR的关联关系分别为：
所述压缩强度CS与所述沉积厚度比DTR的关联关系为：
4.根据权利要求1所述的泡沫金属制备工艺优化的方法，其特征在于，所述泡沫金属的制备工艺与作用机理关联模型包括：
推定孔隙纵横比AR与变窄率RN为线性关系；
推定沉积厚度比DTR与穿透方向的电场强度梯度为对数函数关系，所述穿透方向的电场强度梯度的工艺参数为正反面电流比IR。
5.根据权利要求4所述的泡沫金属制备工艺优化的方法，其特征在于，所述孔隙纵横比AR与所述变窄率RN的关联关系为：
所述沉积厚度比DTR与所述正反面电流比IR的关联关系为：
6.根据权利要求1所述的泡沫金属制备工艺优化的方法，其特征在于，所述方法还包括：
泡沫金属质检出厂，并根据检验数据修正微观结构与表观特征模型、产品性能与微观结构关联模型、制备工艺与作用机理模型。
7.一种连续化带状泡沫金属的制备方法，其特征在于，包括权利要求1至6任一项所述的泡沫金属制备工艺优化的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858789.4A CN113298327B (zh) | 2021-07-28 | 2021-07-28 | 一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858789.4A CN113298327B (zh) | 2021-07-28 | 2021-07-28 | 一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113298327A CN113298327A (zh) | 2021-08-24 |
| CN113298327B true CN113298327B (zh) | 2021-12-07 |
Family
ID=77331285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110858789.4A Active CN113298327B (zh) | 2021-07-28 | 2021-07-28 | 一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113298327B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991242A (zh) * | 2017-04-12 | 2017-07-28 | 柳州市同维达豪科技有限公司 | 一种钢板性能优化的控制方法 |
| CN111929309A (zh) * | 2020-09-14 | 2020-11-13 | 成都卓识维景科技有限公司 | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 |
| CN112268909A (zh) * | 2020-10-20 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 电池极片表面缺陷和均匀度检测的参数调控方法及系统 |
| CN112679939A (zh) * | 2020-12-23 | 2021-04-20 | 烟台泰普龙先进制造技术有限公司 | 一种高强耐磨阻燃聚氨酯轮胎及其制备方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014153570A2 (en) * | 2013-03-15 | 2014-09-25 | Transtar Group, Ltd | New and improved system for processing various chemicals and materials |
| WO2020049338A1 (en) * | 2018-09-06 | 2020-03-12 | Arcelormittal | Method and electronic device for monitoring a manufacturing of a metal product, related computer program and installation |
-
2021
- 2021-07-28 CN CN202110858789.4A patent/CN113298327B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106991242A (zh) * | 2017-04-12 | 2017-07-28 | 柳州市同维达豪科技有限公司 | 一种钢板性能优化的控制方法 |
| CN111929309A (zh) * | 2020-09-14 | 2020-11-13 | 成都卓识维景科技有限公司 | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 |
| CN112268909A (zh) * | 2020-10-20 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 电池极片表面缺陷和均匀度检测的参数调控方法及系统 |
| CN112679939A (zh) * | 2020-12-23 | 2021-04-20 | 烟台泰普龙先进制造技术有限公司 | 一种高强耐磨阻燃聚氨酯轮胎及其制备方法 |
Non-Patent Citations (1)
| Title |
|---|
| "泡沫镁的制备工艺优化及在LED灯散热应用上的研究";吕猛;《优秀硕士学位论文全文库》;20140831(第8期);I135-332 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113298327A (zh) | 2021-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109514904A (zh) | 一种燃料电池双极板的辊压工艺 | |
| CN110834095A (zh) | 一种选区激光熔化成形致密-疏松一体化模具零件的方法 | |
| CN103586391B (zh) | 一种材料为gh2787的高温合金叶片挤压成形方法 | |
| CN101974766A (zh) | 一种炭素预焙阳极 | |
| CN112182678A (zh) | 一种固化质量与固化成本协同设计的热压罐成型方法 | |
| DE102013209918A1 (de) | Verfahren zum Abscheiden einer dauerhaften dünnen Goldbeschichtung auf Brennstoffzellen-Bipolarplatten | |
| CN113298327B (zh) | 一种泡沫金属制备工艺优化的方法及泡沫金属的制备方法 | |
| CN108710729A (zh) | 一种基于组织与性能控制的铝合金热成形工艺制定方法 | |
| CN116682511A (zh) | 基于近球形粉末的钛合金增材制造工艺参数的设计方法 | |
| Monzon et al. | Validation of electrical discharge machining electrodes made with rapid tooling technologies | |
| CN101638734A (zh) | 一种泡沫状金属镍的制备方法 | |
| CN117261287A (zh) | 用于树脂渗入式热塑性预浸丝成形热控工艺曲线优化方法 | |
| CN111146465B (zh) | 一种提高质子交换膜燃料电池钛基双极板耐蚀性的方法 | |
| US11660839B2 (en) | Three-dimensional hierarchical layered porous copper and method for making the same | |
| CN115261952A (zh) | 络合剂电解液体系下电化学阳极氧化制备多孔铜箔的方法 | |
| EP3327838A1 (en) | Electrolytic copper foil for lithium secondary battery and lithium secondary battery comprising same | |
| CN115808511A (zh) | 一种确定金属材料的增材制造成形参数的方法 | |
| Shen et al. | Copper deposits with high tensile strength and elongation electroformed in an ultra-low-concentration sulfate bath without additives | |
| CN112663097B (zh) | 一种三维多孔金属材料、制备方法和应用 | |
| CN116242136B (zh) | 一种锂电池电极烧结辊道窑 | |
| Monzón et al. | Nickel–copper electroforming process applied to rotational mould starting from additive manufacturing | |
| CN115007879B (zh) | 具有梯度微观结构的钛合金零件的直接制造方法 | |
| Toghdori et al. | Nano structure black cobalt coating for solar absorber | |
| CN116796630A (zh) | 基于机器学习的高性能制件的增材制造制备方法 | |
| CN211000297U (zh) | 一种用于制造扁棒材的多层复合管材 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |