CN116522805A - 一种耐高温材料的自动化测量及测评系统 - Google Patents
一种耐高温材料的自动化测量及测评系统 Download PDFInfo
- Publication number
- CN116522805A CN116522805A CN202310790462.7A CN202310790462A CN116522805A CN 116522805 A CN116522805 A CN 116522805A CN 202310790462 A CN202310790462 A CN 202310790462A CN 116522805 A CN116522805 A CN 116522805A
- Authority
- CN
- China
- Prior art keywords
- temperature
- resistant material
- condition
- conditions
- sub
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 295
- 238000005259 measurement Methods 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 title claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 89
- 239000011819 refractory material Substances 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 37
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 23
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000001788 irregular Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 5
- 229910052721 tungsten Inorganic materials 0.000 description 5
- 239000010937 tungsten Substances 0.000 description 5
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
Abstract
本发明提供了一种耐高温材料的自动化测量及测评系统,属于自动化测量领域,其系统包括:通过激光超声波显微镜对耐高温材料进行三维自动化测量,得到所述耐高温材料的机械特性;对所述耐高温材料进行唯一编码,并将所述机械特性存入数据库;根据设备需求条件,从所述数据库中筛选第一耐高温材料;获取设备需求试验条件,对耐高温材料分别试验,得到第一变化情况;根据实际耐高温材料所对应的所有第一变化情况进行分析,筛选得到第二耐高温材料;将所述第二耐高温材料进行特性比较,得到测评结果。通过对材料进行三维自动化测量,帮助使用者了解耐高温材料的特性,直观地分析耐高温材料的动态变化,并为实际应用中选取最佳耐高温材料提供决策。
Description
技术领域
本发明涉及自动化测量技术领域,特别涉及一种耐高温的材料的自动化测量及测评系统。
背景技术
目前,科技迅猛发展带动了技术的变革,其中航空航天、汽车和工业制造设备行业需要使用大量的耐高温材料,且如今的耐高温材料需要在高温的条件下同时具有高强度、良好的烧结性能、优秀的导热、导电能力、良好的抗氧化能力和抗腐蚀能力,才能够使用到极端的环境当中去。而在复杂工况下对耐高温材料的选取以及耐高温材料性能的测量任务变得愈发突出,一般常见的选取方式是根据选取人员的经验来选取的,但是由于选取人员的专业知识参差不齐,不能保证选取材料的可靠性。
因此,本发明提供了一种耐高温材料的自动化测量与测评系统。
发明内容
本发明提供一种耐高温材料的自动化测量及测评系统,用以对耐高温材料进行三维自动化的测量、各类环境中性能的测评、变化分析以及特性比较,保证耐高温材料最后选取的可靠性,为实际应用中选取最佳耐高温材料提供智能决策。
本发明提供了一种耐高温材料的自动化测量方法,包括:
标准测量与采集模块:通过激光超声波显微镜对处于不同试验温度下的标准耐高温材料进行三维自动化测量,得到所述耐高温材料的标准机械特性;
编码入库模块:对所述标准耐高温材料进行唯一编码,并将所述唯一编码以及与唯一编码匹配的标准机械特性存入标准数据库;
预筛选模块:根据设备需求的预置需求条件,从所述标准数据库中筛选第一耐高温材料;
试验测量与采集模块:获取设备需求对应的材料试验条件,基于所述材料试验条件对与第一耐高温材料的唯一编码一致的实际耐高温材料分别试验,并得到每个耐高温材料在不同试验标准指标下的第一变化情况;
评估与终筛选模块:根据每个实际耐高温材料所对应的所有第一变化情况进行分析,筛选得到第二耐高温材料;
材料测评模块:将所述第二耐高温材料与所述标准数据库中唯一编码一致的待比较材料进行特性比较,得到所述第二耐高温材料的测评结果。
优选的,标准测量与采集模块,包括:
材料确认单元:对放置在运动控制平台上的待测量标准耐高温材料进行位置确认;
视点集确定单元:对所述待测量标准耐高温材料进行平行扫描,且结合位置确认结果,寻找最优视点集,并对所述运动控制平台上的移动摄像头与脉冲激光头进行自动路径规划,实现对标准耐高温材料的全方位测量;
特性分析单元:通过移动摄像头全方位采集到的二维图像数据以及脉冲激光头全方位扫描到的点云数据,分析所述待测量标准耐高温材料的机械特性,其中,所述机械特性与耐高温性、硬度、抗压强度与抗疲劳性有关。
优选的,标准测量模块中所述视点集确认单元,包括:
扫描点确认功能块:根据平行扫描结果,确定对所述标准耐高温材料的每个扫描位置点的表面特征以及空间位置关系;
根据所述表面特征以及空间位置关系,将边界点位置与不规则平面位置处的扫描点规定为必须扫描点,将规则平面上密集区域内的扫描点规定为非必须扫描点;
依据约束条件将全部必须扫描点以及非必须扫描点所构成的密集区域的圆心处的点,确定为最优视点集;
路径优化功能块:依据最优视点集各视点间的路径,以路径为权值进行计算,得到扫描的最优路径。
优选的,标准测量模块中所述的特性分析单元,包括:
特征点标记功能块:对扫描得到的待拼接点云数据中不规则拐点位置与边界位置进行特征点的标记;
粗匹配功能块:将标记特征点与摄像头采集到的全方位二维图像数据进行粗匹配;
剔除粗匹配中的误差数据与噪声数据,获取若干匹配点;
从匹配点中筛选满足第一匹配率的匹配点集进行第一三角网的构建,获得所述标准耐高温材料的粗三维图像;
精匹配功能块:以所述第一三角网为约束条件,选择精细特征角点,遍历所述第一三角网进行精匹配;
计算精匹配结果的精细匹配率,若精细匹配率小于第二匹配率,则继续选择新的精细特征角点进行持续精细化,其中,新的精细特征角点的精细到大于精细匹配率的精细度;
否则,得到第二三角网;
将所述第二三角网与摄像头采集到的全方位二维图像进行匹配,进行正确匹配率与均方根误差的评价,得到第一三维图像。
优选的,编码入库模块,包括:
材料编码单元:基于采集到的标准耐高温材料数据,按照材料的大类、种类、颜色、规格进行编码,对标准耐高温材料进行唯一编码;
数据存储单元:将标准测量与采集模块中获取到的数据信息按照标准耐高温材料的唯一编码建立相应数据表,存入数据库。
优选的,预筛选模块,包括:
预置需求分析单元:从实际耐高温材料应用的设备需求中提取预置需求条件;
确定所述预置需求条件中的每个子条件的可调整参数范围及参数类型;
根据对应的参数范围以及可调整参数范围,从标准数据库中筛选得到待分析材料组;
从所有待分析材料组中筛选重叠材料,作为第一耐高温材料;
对预置需求条件中的每个子条件的优先程度赋不同的权重;
评分预测单元:根据实际耐高温材料的预置需求条件中每个子条件的最佳参数值,对所有第一耐高温材料进行评分预测:
;其中,n表示预置需求条件所包含的子条件数量,表示所述标准耐高温材料对应的第i1个子条件的参数值与所述预置需求条件中该子条件最佳参数值的比例,/>表示第i1个子条件在预置需求条件中的权重值,即预设权重,则表示实际耐高温材料本身对第i1个子条件的满足权重,当满足权重/>预设权重时,的取值为1,否则,取值为/>;P表示对应的评分预测结果;
分别计算预置需求条件中每个子条件的误差值:
;其中,/>表示第j个第一耐高温材料的第i1个子条件的参数值;/>表示所有第一耐高温材料的评分预测结果的平均值;/>表示所有第一耐高温材料中所包含的第i1个子条件的材料数量;/>表示第i1个子条件的误差函数;
分别获取每个误差值与对应误差阈值的第一计算差值;
从所有误差值中提取第一计算差值不在对应预设范围内的第一值;
根据每个第一值的第一计算差值,对相应的评分预测结果进行优化;
;其中,/>表示第一耐高温材料的第i3个子条件的误差阈值,/>表示第一耐高温材料的第i3个子条件的预设权重,表示第一耐高温材料第i2个子条件的第一计算差值与第一耐高温材料第i2个子条件误差阈值的绝对值,/>表示第一耐高温材料的第i2个子条件的预设权重,/>表示对应优化的预测评分值;n3表示第一耐高温材料所对应的子条件的总个数;n2表示与每个第一值所对应子条件的总个数;
对所有最终预测结果进行优先级排序,筛选得到第一耐高温材料。
优选的,试验测量与采集模块,包括:
试验测量单元:获取当前试验条件下的实际耐高温材料在从试验开始至试验结束状态下的试验点云数据与第一耐高温材料二维图像;
噪点处理单元:对所述试验点云数据进行噪点处理,得到从试验开始至试验结束状态过程中每个状态下的滤波图像;
点云拼接单元:按照状态发生规律,对所有的滤波图像以及第一耐高温材料二维图像进行匹配拼接处理,得到对应状态下的实际耐高温材料的第二三维图像;
对所述三维图像进行预处理,得到实际耐高温材料的三维模型;
三维动态化单元:对同一试验条件的不同阶段性状态下的三维模型进行有限元分析,得到试验条件下实际耐高温材料的第一动态三维图。
优选的,评估与终筛选模块,包括:
实用性测试单元:基于在同一试验条件下所有实际耐高温材料的第一动态三维图进行分析;
获取实际设备的最低维护时间与实际工况中的特殊天气情况与复杂工况条件;
模拟特殊天气情况对动态三维数据的第一影响;
模拟复杂工况条件对动态三维数据的第二影响;
获得实际耐高温材料第一影响和第二影响下的第一影响三维变化图与第二影响三维变化图;
终测评单元:基于实际设备的最低维护时间,分析关于实际耐高温材料的所有三维变化图像,进行实用性评价;
将实用性评价与预测评分结合考虑,得到关于预置设备条件的适配程度,按照适配程度从高到低的第二耐高温材料组及其相应的测评结果。
与现有技术相比,本申请的有益效果如下:
对耐高温材料进行三维自动化的测量、各类环境中性能的测评、变化分析以及特性比较,保证耐高温材料最后选取的可靠性,为实际应用中选取最佳耐高温材料提供智能决策。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,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,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种耐高温材料的自动化测量及测评系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种耐高温材料的自动化测量及测评系统,如图1所示,包括:
标准测量与采集模块:通过激光超声波显微镜对处于不同试验温度下的标准耐高温材料进行三维自动化测量,得到所述耐高温材料的标准机械特性;
编码入库模块:对所述标准耐高温材料进行唯一编码,并将所述唯一编码以及与唯一编码匹配的标准机械特性存入标准数据库;
预筛选模块:根据设备需求的预置需求条件,从所述标准数据库中筛选第一耐高温材料;
试验测量与采集模块:获取设备需求对应的材料试验条件,基于所述材料试验条件对与第一耐高温材料的唯一编码一致的实际耐高温材料分别试验,并得到每个耐高温材料在不同试验标准指标下的第一变化情况;
评估与终筛选模块:根据每个实际耐高温材料所对应的所有第一变化情况进行分析,筛选得到第二耐高温材料;
材料测评模块:将所述第二耐高温材料与所述标准数据库中唯一编码一致的待比较材料进行特性比较,得到所述第二耐高温材料的测评结果。
该实施例中,激光超声波显微镜指的是激光扫描与高穿透力的超声波共同作用的显微镜,包括运动控制平台、脉冲激光器、电源单元、控制与采集装置、处理与显示装置、冷却系统与热防护系统,激光超声波显微镜通过导轨以及高精度电动转台;
运动控制平台包括:脉冲激光头、摄像头、扫描振镜、激光接收传感器、相关滤波器、运动平台控制器、谐振转换器、标识码识别模块与PLC可编程逻辑模块;
控制与采集装置包括:振镜控制器,超声波信号采集器、图像采集器和谐振转换器。
该实施例中,不同试验温度是按照从1580℃到4000℃之间每间隔100℃的试验温度。
该实施例中,三维自动化测量指的是通过装置上的PLC可编程控制模块依据编写好的代码,控制导轨与电动转台的移动、摄像头与脉冲激光头的偏转,实现自动化控制激光超声波显微镜,使其主动对待测量耐高温材料进行扫描,实现对耐高温材料表面形状的数字化采样,并通过摄像头与超声波信号采集器对耐高温材料的三维物理空间中的位置和朝向进行计算和实时跟踪,然后对耐高温材料的形状和表观进行模拟,对耐高温材料进行估计和动态重建,实现对耐高温材料的检测、识别、跟踪与检索,以及对耐高温材料的试验环境进行分割和语义标记。
该实施例中,唯一编码是指按照耐高温材料的大类、种类、颜色、规格进行的编码,用于对耐高温材材料的存储。
该实施例中,标准机械特性与耐高温性、硬度、抗压强度与抗疲劳性有关。
该实施例中,标准数据库是将采集到的数据存储至SQL数据库中,进行标准数据表的设计,设计列名包括唯一编码、标准耐高温材料的机械特性以及测评结果,将采集数据按照唯一编码进行存储。
该实施例中,预置需求条件可以是从实际设备需求条件中筛选出来的,能够从标准数据库中检索到的需求条件,也可以是按照标准数据库标准预设的需求条件,比如,预置需求条件可以是:最高连续使用温度2000小时600℃,酸性环境、导热率为0.5、硬度为0.75、拉伸强度为25-45、压缩强度为5-6、抗冲击强度为160-170、电击穿强度为20-24、阻燃率为95%,其中存在子条件有:持续耐高温性、环境酸碱性、导热性、硬度、拉伸与压缩强度、抗冲击强度、阻燃率。对应的实际应用设备可以是航天设备的发动机、深井开采钻具、内燃机车等运输工具使用的涡轮增加器。
该实施例中,第一耐高温材料是基于预置需求条件,在耐高温材料中初步筛选出来的符合实际设备要求的耐高温材料。
该实施例中,材料试验条件指的是在实际设备中对耐高温材料的应用所需的条件,比如在航天航空的发动机应用时,耐高温合金材料在燃烧室的实际条件为承受温度800-900℃,局部达到1100℃,具有良好的高温抗氧化和抗燃气腐蚀性能以及良好的冷热疲劳性能;在石油化工行业,深井开采中的实际应用条件为:酸性环境、氯化物浓度高,有硫化氢气体,气体分压大,温度波动在0-218℃范围内。
该实施例中,分别试验指的是分别对所有与第一耐高温材料唯一编码一致的实际耐高温材料按照材料试验条件进行的试验。
该实施例中,第一变化情况指的是所述第一耐高温材料在试验条件下的性能变化图像,包括摄像头采集到的二维变化图像以及点云变化数据,主要分析耐高温材料在由标准条件下至试验条件下、长时间处于试验条件下以及从结束试验条件恢复至标准条件下,耐高温材料的表面形态,内部结构会发生什么样的变化以及发生变化的时间间隔,在这些情况下会经历多少种状态,比如:耐高温材料经过持续高温条件下材料表面性征的变化与发生变化的阶段,当耐高温材料在相应试验条件下的状态满足预置需求条件时,更加符合实际设备需求。
该实施例中,第二耐高温材料是通过对所述第一变化图像分析后,在第一耐高温材料组中进一步筛选得到的更加符合实际设备需求的耐高温材料组。
该实施例中,特性比较就是将标准数据库中与第二耐高温材料唯一编码一致的耐高温材料视为待比较材料,对第二耐高温材料与待比较材料分别比较,测量得到的特性,包括耐高温性、抗疲劳性、硬度等这些特性进行比较。
该实施例中,第二耐高温材料的测评结果就是对关于不同试验条件下以及同一试验条件下不同阶段状态的机械性能变化与三维图像变化结果分析,通过模拟实际设备在使用时会遇到的特殊天气情况与复杂杂工况条件,例如在雨雪天气、沙尘暴环境中长期使用,在高振动、高压负荷,电磁辐射等情况下持续工作,基于这些实际情况,对第二耐高温材料进行实用测评,综合以上影响得到关于第二耐高温材料的实用性测评结果。
上述技术方案的有益效果是:对耐高温材料进行三维自动化的测量、各类环境中性能的测评、变化分析以及特性比较,保证耐高温材料最后选取的可靠性,为实际应用中选取最佳耐高温材料提供智能决策。
本发明提供一种耐高温材料的自动化测量及测评系统,标准测量与采集模块,包括:
材料确认单元:对放置在运动控制平台上的待测量标准耐高温材料进行位置确认;
视点集确定单元:对所述待测量标准耐高温材料进行平行扫描,且结合位置确认结果,寻找最优视点集,并对所述运动控制平台上的移动摄像头与脉冲激光头进行自动路径规划,实现对标准耐高温材料的全方位测量;
特性分析单元:通过移动摄像头全方位采集到的二维图像数据以及脉冲激光头全方位扫描到的点云数据,分析所述待测量标准耐高温材料的机械特性,其中,所述机械特性与耐高温性、硬度、抗压强度与抗疲劳性有关。
该实施例中,对标准耐高温材料进行位置确认是通过激光超声波对耐高温材料进行简单扫描,通过运动控制平台上的激光接收传感器获取标准耐高温材料的位置。
该实施例中,平行扫描指的是不调整摄像头与脉冲激光头的偏转,只移动导轨以及高精度电动转台,获取关于耐高温材料的正面的二维图像与点云数据。
该实施例中,最优视点集指的是对耐高温材料表面达到最高的数据覆盖率以及最短的运动代价的视点的集合。
该实施例中,对耐高温材料进行全方位的扫描,借助导轨以及高精度电动转台进行水平方向的移动,通过运动平台控制器控制摄像头与脉冲激光头的偏转,实现测量角度的移动。
该实施例中,自动路径规划指的是以最优视点集中各视点之间的距离作为每两个视点之间的边的权值,以此来表示导轨与高精度电动转台的运动代价,通过路径的遍历分析,得到一条最优的路径,用于对耐高温材料的全方位测量。
该实施例中,耐高温材料的图像数据是通过摄像头采集获取,点云数据则是通过运动控制平台上的谐振转换器调制脉冲激光头发射频率不同的激光超声波,一定频率的激光通过反射得到回波,显示出所述耐高温材料的表面不同高度与有一定间距的波形,得到耐高温材料的表面特性,一定频率的激光通过进入材料内部,发生散射或衍射,根据接收到信号,在相关滤波器处理后得到不同类型的回波信号,通过控制与采集装置中的超声波信号采集器探头接受到回波信号,产生为一系列电信号,传输至系统中进行存储与分析,根据底波的次数和幅度来衡量材料的衰减情况,从而判断材料晶粒度大小、缺陷密集程度、材料硬度等一些特性,获得所述耐高温材料的机械性能特性。
上述技术方案的有益效果是:以最少的运动代价,实现对标准耐高温材料精准的三维全方位测量,并分析得到耐高温材料的精确的机械特性等测量数据,间接为实际应用中选取最佳耐高温材料提供基础。
本发明提供一种耐高温材料的自动化测量及测评系统,标准测量与采集模块的视点集确认单元,包括:
扫描点确认功能块:根据平行扫描结果,确定对所述标准耐高温材料的每个扫描位置点的表面特征以及空间位置关系;
根据所述表面特征以及空间位置关系,将边界点位置与不规则平面位置处的扫描点规定为必须扫描点,将规则平面上密集区域内的扫描点规定为非必须扫描点;
依据约束条件将全部必须扫描点以及非必须扫描点所构成的密集区域的圆心处的点,确定为最优视点集;
路径优化功能块:依据最优视点集各视点间的路径,以路径为权值进行计算,得到扫描的最优路径。
该实施例中,表面特征指的是材料表面的粗糙光滑、凹凸情况等。
该实施例中,空间位置关系指的是对应扫描位置点的空间坐标。
该实施例中,平行扫描结果即对耐高温材料表面的二维测量图像与点云数据,根据结果确认处于边界点位置、不规则表面位置以及规则平面处的扫描点。
该实施例中,必须扫描点是边界点位置与不规则平面位置处的扫描点,作为最优视点集中的一部分,用于更好地观察边界位置处和不规则表面位置处的耐高温材料,更好地观察一些平行视角无法观察到的细节。
该实施例中,非必须扫描点是规则平面上密集区域内的扫描点,其中的一部分即非必须扫描点所构成的密集区域内的圆心处的点列入最优视点集,只要保证规则平面可以被覆盖到即可,无需过多规则平面上的扫描点。
上述技术方案的工作原理及有益效果是:通过最优视点集与最优路径的确认,在保证对耐高温材料的数据全覆盖之外还满足最小的运动代价,更好实现三维全方位自动化测量,提供最佳测量数据,间接帮助得到最优耐高温材料。
本发明提供一种耐高温材料的自动化测量与测评系统,标准测量与采集模块中的特性分析单元,包括:
特征点标记功能块:对扫描得到的待拼接点云数据中不规则拐点位置与边界位置进行特征点的标记;
粗匹配功能块:将标记特征点与摄像头采集到的全方位二维图像数据进行粗匹配;
剔除粗匹配中的误差数据与噪声数据,获取若干匹配点;
从匹配点中筛选满足第一匹配率的匹配点集进行第一三角网的构建,获得所述标准耐高温材料的粗三维图像;
精匹配功能块:以所述第一三角网为约束条件,选择精细特征角点,遍历所述第一三角网进行精匹配;
计算精匹配结果的精细匹配率,若精细匹配率小于第二匹配率,则继续选择新的精细特征角点进行持续精细化,其中,新的精细特征角点的精细到大于精细匹配率的精细度;
否则,得到第二三角网;
将所述第二三角网与摄像头采集到的全方位二维图像进行匹配,进行正确匹配率与均方根误差的评价,得到第一三维图像。
该实施例中,待拼接点云数据就是在同一试验条件的同一阶段状态下的所有点云数据。
该实施例中,标记特征点的确立与最优视点集确立中必须扫描点的确立一致,是对点云数据与二维图像中的特征点进行标记,对标记特征点进行匹配的过程就是依据同一试验条件的同一状态下的点云数据与二维图像相应特征点的匹配,并按照二维图像将点云数据中得到的匹配点进行轨迹连接。
该实施例中,剔除误差数据与噪声数据的是对点云数据中偏离标记特征点轨迹的数据进行确认并剔除。
该实施例中,第一匹配率设置为80%,粗匹配后的匹配率是关于粗匹配后得到的匹配点数与最初匹配点数的比值,当满足第一匹配率时,采用Delaunay三角网进行第一三角网的建立,否则重新进行粗匹配。
该实施例中,精细特征角点是使用Harris角点检测方法出来的更为精细的特征点,基于第一三角网,通过精细特征角点对第一三角网进行遍历,对照摄像头采集到的二维图像进行细节上的精匹配。
该实施例中,第二匹配率设置为95%,精匹配后的匹配率需达到第二匹配率才算是完成较为精确的匹配,最终得到第二三角网,否则重新进行Harris特征角点的检测,并进行新一轮精匹配,直至匹配率大于或等于第二匹配率。
该实施例中,对第二三角网以及摄像头采集的全方位二维图像进行的匹配评价,使用匹配率与均方根误差,是计算达到第二匹配率的匹配点与所有特征点的比值,均方根误差则是计算从粗匹配开始到最终完成精匹配所有过成中的误差值。
该实施例中,第一三维图像是对第二三角网加工处理后,即把所述第二三角网对应的耐高温材料的可视机械性能通过使用不同颜色、颜色深浅以及颗粒度等方式添加到第二三角网中所得到的的三维图像。
上述技术方案的有益效果是:依据特征点,对Delaunay三角网的建立,实现了耐高温材料的不规则处的更高还原度,两次匹配也增加了还原后的图像精度,使得最终的三维图像更加真实,测量结果更加准确,进而使得数据更好地作为系统分析的基础。
本发明提供一种耐高温材料的自动化测量与测评系统,编码入库模块,包括:
材料编码单元:基于采集到的标准耐高温材料数据,按照材料的大类、种类、颜色、规格进行编码,对标准耐高温材料进行唯一编码;
数据存储单元:将标准测量与采集模块中获取到的数据信息按照标准耐高温材料的唯一编码建立相应数据表,存入数据库。
该实施例中,唯一编码是对耐高温材料进行记录管理的一种方式,系统对耐高温材料按照材料大类、种类、颜色以及规格进行编码,并将唯一编码与其图像数据存入数据库,再次对此耐高温材料扫描时候,通过运动控制平台上的标识码识别模块对耐高温材料的唯一编码进行识别。
该实施例中,数据库的使用可以采用SQL数据库,也可以采用云端Hive数据库进行存储。
上述技术方案的有益效果是:对耐高温材料的唯一编码以及数据库存储保证了系统对耐高温材料的高效管理与控制,采用结构化数据库也减轻了工作量,提高了工作效率,有效控制冗余数据,提高了测量数据的利用率和一致性。
本发明提供一种耐高温材料的自动化测量与测评系统,预筛选模块,包括:
预置需求分析单元:从实际耐高温材料应用的设备需求中提取预置需求条件;
确定所述预置需求条件中的每个子条件的可调整参数范围及参数类型;
根据对应的参数范围以及可调整参数范围,从标准数据库中筛选得到待分析材料组;
从所有待分析材料组中筛选重叠材料,作为第一耐高温材料;
对预置需求条件中的每个子条件的优先程度赋不同的权重;
评分预测单元:根据实际耐高温材料的预置需求条件中每个子条件的最佳参数值,对所有第一耐高温材料进行评分预测:
;其中,n表示预置需求条件所包含的子条件数量,表示所述标准耐高温材料对应的第i1个子条件的参数值与所述预置需求条件中该子条件最佳参数值的比例,/>表示第i1个子条件在预置需求条件中的权重值,即预设权重,则表示实际耐高温材料本身对第i1个子条件的满足权重,当满足权重/>预设权重时,的取值为1,否则,取值为/>;P表示对应的评分预测结果;
分别计算预置需求条件中每个子条件的误差值:
;其中,/>表示第j个第一耐高温材料的第i1个子条件的参数值;/>表示所有第一耐高温材料的评分预测结果的平均值;/>表示所有第一耐高温材料中所包含的第i1个子条件的材料数量;/>表示第i1个子条件的误差函数;
分别获取每个误差值与对应误差阈值的第一计算差值;
从所有误差值中提取第一计算差值不在对应预设范围内的第一值;
根据每个第一值的第一计算差值,对相应的评分预测结果进行优化;
;其中,/>表示实际第一耐高温材料的第i3个子条件的误差阈值,/>表示第一耐高温材料的第i3个子条件的预设权重,表示第一耐高温材料第i2个子条件的第一计算差值与第一耐高温材料第i2个子条件误差阈值的绝对值,/>表示第一耐高温材料的第i2个子条件的预设权重,/>表示对应优化的预测评分值;n3表示第一耐高温材料所对应的子条件的总个数;n2表示与每个第一值所对应子条件的总个数;
对所有最终预测结果进行优先级排序,筛选得到第一耐高温材料。
该实施例中,可调整参数范围是基于预置需求条件中每个子条件的最佳参数值,对每一子条件确定唯一合理的可调整范围。
该实施例中,对子条件所赋权重,是基于预置需求条件中每一子条件对实际应用中的紧急程度进行权重的分配。
该实施例中,误差阈值是设关于误差范围的设定,以期望的精度为标准进行设定。
该实施例中,设备需求囊括是预置需求条件在内,且每个预设需求条件包括至少一个子条件在内,且子条件与机械性能相关,比如,耐高温、耐低温等。
该实施例中,比如,子条件与温度有关,此时,参数类型为温度参数,可调整参数范围为对耐高温或者耐低温温度的调整,比如,原先的耐高温温度范围为[1000摄氏度,1200摄氏度],可调整参数范围为[999摄氏度,10000摄氏度],此时,就可以从标准数据库中获取[999摄氏度,1200摄氏度]的待分析材料组。
该实施例中,比如:材料组1包括:材料01、02、03,材料组2包括:材料02、材料03,此时,材料02与材料03即为重叠材料,也就是可以作为第一耐高温材料。
该实施例中,向预置需求条件的子条件设置的权重是根据条件本身来设置的,不同预置需求条件所对应的子条件的权重设置结果是不一样的。
上述技术方案的有益效果是:预筛选出第一耐高温材料,简化了不必需材料的试验步骤,提高了试验的效率;对耐高温材料的评分预测则为后续智能推荐提供帮助。同时,依据子条件的不同权重,可以更加精准地对预置需求条件进行匹配,得到准确的推荐结果。
本发明提供一种耐高温材料的自动化测量与测评系统,试验测量与采集模块,包括:
试验测量单元:获取当前试验条件下的实际耐高温材料在从试验开始至试验结束状态下的试验点云数据与第一耐高温材料二维图像;
噪点处理单元:对所述试验点云数据进行噪点处理,得到从试验开始至试验结束状态过程中每个状态下的滤波图像;
点云拼接单元:按照状态发生规律,对所有的滤波图像以及第一耐高温材料二维图像进行匹配拼接处理,得到对应状态下的实际耐高温材料的第二三维图像;
对所述三维图像进行预处理,得到实际耐高温材料的三维模型;
三维动态化单元:对同一试验条件的不同阶段性状态下的三维模型进行有限元分析,得到试验条件下实际耐高温材料的第一动态三维图。
该实施例中,每个状态下的滤波图像是基于同一试验条件下,耐高温材料发生不同状态变化,比如:材料表面微微变软、材料表面融化、材料表面腐蚀材料断裂、材料在在融化后恢复到标准条件的过程中变得坚硬等,针对同一变化状态,对耐高温材料的点云数据进行区分,并分别进行去除噪声处理得到每一状态下的滤波图像。
该实施例中,对试验点云数据进行噪点处理,由于人为、仪器精度与试验条件,存在数据噪声,本系统采用最小阈值算法以及高斯滤波算法进行噪点处理,首先通过一种小波分析,对激光点云数据进行时频分析,区分出激光超声波回波信号的噪声与突变部分,再通过小波变换,分析回波信号的成分,收到平稳的信号或低频信号则是有用信息,而高频信号则是噪声,对于高频噪声信号进行加权平均处理,获得一种线性平滑的滤波图像,进而消除噪声。
该实施例中,耐高温材料的状态发生规律,比如,当某一耐高温材料钨在进行条件为8000℃、承受压力为2600Kg的试验时,若暂不考虑承受压力的影响,在温度达到6000℃时,钨的表面形态微微变化,当达到7000℃时,钨的表面形态由微微变化转变为开始融化,那么,关于例子中钨的状态发生规律就为正常状态、微微变化状态和开始融化三个状态,每一状态开始至新的状态开始时的温度变化就是钨的状态发生规律,实际中,要考虑多个条件综合作用下的状态变化,其状态变化规律也包含多个条件的影响。
该实施例中,对滤波图像以及第一耐高温材料二维图像进行的匹配凭借处理与对标准测量与采集模块中方式一致。
该实施例中,对三维图像进行的预处理与有限元分析过程,就是将去除噪声后的三维图像通过灰度分割进行提取,对提取的模型进行重塑、光顺化处理、去除特征,通过颜色与深浅程度表示温度与载荷程度,颗粒度表示耐高温材料的硬度,随时间、试验条件的改变,材料的形状动态变化展示硬度、抗压强度、抗疲劳性,获得不同试验条件及试验不同过程状态下所述第一耐高温材料的三维动态图即第一变化图像,称为第一动态三维图。
上述技术方案的有益效果是:采用最小阈值法和高斯滤波算法对数据去除噪声,抑制噪声数据好,图像清晰度不受影响,同时使边界的保持更加灵活,又降低计算。确保测量数据的准确性,对耐高温材料的三维模型以及动态模型的还原更加真实,间接为得到最佳耐高温材料服务。
本发明提供一种耐高温材料的自动化测量与测评系统,评估与终筛选模块,包括:
实用性测试单元:基于在同一试验条件下所有实际耐高温材料的第一动态三维图进行分析;
获取实际设备的最低维护时间与实际工况中的特殊天气情况与复杂工况条件;
模拟特殊天气情况对动态三维数据的第一影响;
模拟复杂工况条件对动态三维数据的第二影响;
获得实际耐高温材料第一影响和第二影响下的第一影响三维变化图与第二影响三维变化图;
终测评单元:基于实际设备的最低维护时间,分析关于实际耐高温材料的所有三维变化图像,进行实用性评价;
将实用性评价与预测评分结合考虑,得到关于预置设备条件的适配程度,按照适配程度从高到低的第二耐高温材料组及其相应的测评结果。
该实施例中,特殊天气情况主要是对雨天、雪天、大风天、以及特殊地区的特殊天气:沙尘暴、梅雨这些情况进行模拟,基于具体试验条件加上特殊天气情况条件,对耐高温材料进行自动化测量,根据采集到的图像数据与点云数据,进行所述点云去噪、拼接处理,分析得到一定试验条件下的耐高温材材料在特殊天气情况下的材料性能变化与试验过程中的三维变化图像,与上述第一动态三维图进行对照分析得到关于特殊天气情况下的第一影响。
该实施例中,复杂工况条件主要是针对工作时高频振动、高压负荷、电磁辐射与电流谐波的影响进行模拟,基于具体试验条件加上复杂工况条件,对耐高温材料进行自动化测量,根据采集到的图像数据与点云数据,进行点云去噪、拼接处理,分析得到一定试验条件下的耐高温材材料在复杂工况下的材料性能变化与试验过程中的三维变化图像,与上述第一动态三维图进行对照分析得到关于复杂工况下的第二影响。
该实施例中,对第一影响三维图与第二影响三维图中耐高温材料的性能变化阶段、稳定性能持续时间以及与第一动态三维图像的对比,分析图像中在特殊天气情况与复杂工况下耐高温材料表面特性与内部结构的变化,进而根据实际应用条件判断该耐高温材料在不同实际应用条件下的实用性。
该实施例中,通过对实际材料条件中的特殊天气情况与复杂工况进行模拟,得到关于实际材料条件的第一影响三维图与第二影响三维图,结合具体使用环境中对特殊天气情况以及复杂工况下耐高温材料的关键指标,对图像中的数据进行试验指标的计算,试验指标越符合关键指标,适配程度越高,最终得到关于适配程度由高到低的第二耐高温材料组,及其在模拟条件下的试验指标数据。
上述技术方案的有益效果是:对耐高温材料进行了实用性的测试,确保材料本身机械性能的同时,确保在实际应用中的实用性以及在特殊天气情况与复杂工况下材料的耐用性,并能得到一个对每一耐高温材料的最低维护时间,延长耐高温材料的使用寿命,减少因为耐高温材料损耗带来的不必要开支,为实际应用提高最佳的耐高温材料选择。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种耐高温材料的自动化测量及测评系统,其特征在于,包括:
标准测量与采集模块:通过激光超声波显微镜对处于不同试验温度下的标准耐高温材料进行三维自动化测量,得到所述耐高温材料的标准机械特性;
编码入库模块:对所述标准耐高温材料进行唯一编码,并将所述唯一编码以及与唯一编码匹配的标准机械特性存入标准数据库;
预筛选模块:根据设备需求的预置需求条件,从所述标准数据库中筛选第一耐高温材料;
试验测量与采集模块:获取设备需求对应的材料试验条件,基于所述材料试验条件对与第一耐高温材料的唯一编码一致的实际耐高温材料分别试验,并得到每个耐高温材料在不同试验标准指标下的第一变化情况;
评估与终筛选模块:根据每个实际耐高温材料所对应的所有第一变化情况进行分析,筛选得到第二耐高温材料;
材料测评模块:将所述第二耐高温材料与所述标准数据库中唯一编码一致的待比较材料进行特性比较,得到所述第二耐高温材料的测评结果。
2.根据权利要求1所述的耐高温材料的自动化测量及测评系统,其特征在于,标准测量与采集模块,包括:
材料确认单元:对放置在运动控制平台上的待测量标准耐高温材料进行位置确认;
视点集确定单元:对所述待测量标准耐高温材料进行平行扫描,且结合位置确认结果,寻找最优视点集,并对所述运动控制平台上的移动摄像头与脉冲激光头进行自动路径规划,实现对标准耐高温材料的全方位测量;
特性分析单元:通过移动摄像头全方位采集到的二维图像数据以及脉冲激光头全方位扫描到的点云数据,分析所述待测量标准耐高温材料的机械特性,其中,所述机械特性与耐高温性、硬度、抗压强度与抗疲劳性有关。
3.根据权利要求2所述的耐高温材料的自动化测量及测评系统,其特征在于,所述视点集确认单元,包括:
扫描点确认功能块:根据平行扫描结果,确定对所述标准耐高温材料的每个扫描位置点的表面特征以及空间位置关系;
根据所述表面特征以及空间位置关系,将边界点位置与不规则平面位置处的扫描点规定为必须扫描点,将规则平面上密集区域内的扫描点规定为非必须扫描点;
依据约束条件将全部必须扫描点以及非必须扫描点所构成的密集区域的圆心处的点,确定为最优视点集;
路径优化功能块:依据最优视点集各视点间的路径,以路径为权值进行计算,得到扫描的最优路径。
4.根据权利要求2所述的耐高温材料的自动化测量及测评系统,其特征在于,所述特性分析单元,包括:
特征点标记功能块:对扫描得到的待拼接点云数据中不规则拐点位置与边界位置进行特征点的标记;
粗匹配功能块:将标记特征点与摄像头采集到的全方位二维图像数据进行粗匹配;
剔除粗匹配中的误差数据与噪声数据,获取若干匹配点;
从匹配点中筛选满足第一匹配率的匹配点集进行第一三角网的构建,获得所述标准耐高温材料的粗三维图像;
精匹配功能块:以所述第一三角网为约束条件,选择精细特征角点,遍历所述第一三角网进行精匹配;
计算精匹配结果的精细匹配率,若精细匹配率小于第二匹配率,则继续选择新的精细特征角点进行持续精细化,其中,新的精细特征角点的精细到大于精细匹配率的精细度;
否则,得到第二三角网;
将所述第二三角网与摄像头采集到的全方位二维图像进行匹配,进行正确匹配率与均方根误差的评价,得到第一三维图像。
5.根据权利要求1所述的耐高温材料的自动化测量及测评系统,其特征在于,编码入库模块,包括:
材料编码单元:基于采集到的标准耐高温材料数据,按照材料的大类、种类、颜色、规格进行编码,对标准耐高温材料进行唯一编码;
数据存储单元:将标准测量与采集模块中获取到的数据信息按照标准耐高温材料的唯一编码建立相应数据表,存入数据库。
6.根据权利要求1所述的耐高温材料的自动化测量及测评系统,其特征在于,预筛选模块,包括:
预置需求分析单元:从实际耐高温材料应用的设备需求中提取预置需求条件;
确定所述预置需求条件中的每个子条件的可调整参数范围及参数类型;
根据对应的参数范围以及可调整参数范围,从标准数据库中筛选得到待分析材料组;
从所有待分析材料组中筛选重叠材料,作为第一耐高温材料;
对预置需求条件中的每个子条件的优先程度赋不同的权重;
评分预测单元:根据实际耐高温材料的预置需求条件中每个子条件的最佳参数值,对所有第一耐高温材料进行评分预测:
;其中,n表示预置需求条件所包含的子条件数量,/>表示所述标准耐高温材料对应的第i1个子条件的参数值与所述预置需求条件中该子条件最佳参数值的比例,/>表示第i1个子条件在预置需求条件中的权重值,即预设权重,/>则表示实际耐高温材料本身对第i1个子条件的满足权重,当满足权重/>预设权重时,/>的取值为1,否则,取值为/>;P表示对应的评分预测结果;
分别计算预置需求条件中每个子条件的误差值:
;其中,/>表示第j个第一耐高温材料的第i1个子条件的参数值;/>表示所有第一耐高温材料的评分预测结果的平均值;/>表示所有第一耐高温材料中所包含的第i1个子条件的材料数量;/>表示第i1个子条件的误差函数;
分别获取每个误差值与对应误差阈值的第一计算差值;
从所有误差值中提取第一计算差值不在对应预设范围内的第一值;
根据每个第一值的第一计算差值,对相应的评分预测结果进行优化;
;其中,/>表示第一耐高温材料的第i3个子条件的误差阈值,/>表示第一耐高温材料的第i3个子条件的预设权重,/>表示第一耐高温材料第i2个子条件的第一计算差值与第一耐高温材料第i2个子条件误差阈值的绝对值,/>表示第一耐高温材料的第i2个子条件的预设权重,/>表示对应优化的预测评分值;n3表示第一耐高温材料所对应的子条件的总个数;n2表示与每个第一值所对应子条件的总个数;
对所有最终预测结果进行优先级排序,筛选得到第一耐高温材料。
7.根据权利要求1所述的耐高温材料的自动化测量及测评系统,其特征在于,试验测量与采集模块,包括:
试验测量单元:获取当前试验条件下的实际耐高温材料在从试验开始至试验结束状态下的试验点云数据与第一耐高温材料二维图像;
噪点处理单元:对所述试验点云数据进行噪点处理,得到从试验开始至试验结束状态过程中每个状态下的滤波图像;
点云拼接单元:按照状态发生规律,对所有的滤波图像以及第一耐高温材料二维图像进行匹配拼接处理,得到对应状态下的实际耐高温材料的第二三维图像;
对所述三维图像进行预处理,得到实际耐高温材料的三维模型;
三维动态化单元:对同一试验条件的不同阶段性状态下的三维模型进行有限元分析,得到试验条件下实际耐高温材料的第一动态三维图。
8.根据权利要求1所述的耐高温材料的自动化测量及测评系统,其特征在于,评估与终筛选模块,包括:
实用性测试单元:基于在同一试验条件下所有实际耐高温材料的第一动态三维图进行分析;
获取实际设备的最低维护时间与实际工况中的特殊天气情况与复杂工况条件;
模拟特殊天气情况对动态三维数据的第一影响;
模拟复杂工况条件对动态三维数据的第二影响;
获得实际耐高温材料第一影响和第二影响下的第一影响三维变化图与第二影响三维变化图;
终测评单元:基于实际设备的最低维护时间,分析关于实际耐高温材料的所有三维变化图像,进行实用性评价;
将实用性评价与预测评分结合考虑,得到关于预置设备条件的适配程度,按照适配程度从高到低的第二耐高温材料组及其相应的测评结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790462.7A CN116522805B (zh) | 2023-06-30 | 2023-06-30 | 一种耐高温材料的自动化测量及测评系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310790462.7A CN116522805B (zh) | 2023-06-30 | 2023-06-30 | 一种耐高温材料的自动化测量及测评系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116522805A true CN116522805A (zh) | 2023-08-01 |
CN116522805B CN116522805B (zh) | 2023-11-17 |
Family
ID=87390567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310790462.7A Active CN116522805B (zh) | 2023-06-30 | 2023-06-30 | 一种耐高温材料的自动化测量及测评系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522805B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045950A (zh) * | 2015-05-28 | 2015-11-11 | 张家港江苏科技大学产业技术研究院 | 一种基于三维激光扫描的桥梁安全评估系统 |
CN112669305A (zh) * | 2021-01-05 | 2021-04-16 | 三峡大学 | 一种金属表面抗锈性能测试台及抗锈性能测评方法 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN114926004A (zh) * | 2022-05-13 | 2022-08-19 | 镇江西门子母线有限公司 | 一种陶瓷基复材母线槽的耐火性能的评价方法及系统 |
-
2023
- 2023-06-30 CN CN202310790462.7A patent/CN116522805B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045950A (zh) * | 2015-05-28 | 2015-11-11 | 张家港江苏科技大学产业技术研究院 | 一种基于三维激光扫描的桥梁安全评估系统 |
CN112669305A (zh) * | 2021-01-05 | 2021-04-16 | 三峡大学 | 一种金属表面抗锈性能测试台及抗锈性能测评方法 |
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN114926004A (zh) * | 2022-05-13 | 2022-08-19 | 镇江西门子母线有限公司 | 一种陶瓷基复材母线槽的耐火性能的评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116522805B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bruno et al. | Historic Building Information Modelling: performance assessment for diagnosis-aided information modelling and management | |
Wells et al. | Statistical process monitoring approach for high-density point clouds | |
CN110490415A (zh) | 一种多无人机视觉协同的建筑进度评估方法 | |
Song et al. | Data quality-oriented 3D laser scan planning | |
Liang et al. | An sand plug of fracturing intelligent early warning model embedded in remote monitoring system | |
CN116700016B (zh) | 一种六价铬污染场地修复设备的管理方法及系统 | |
CN113008806A (zh) | 一种农产品产地重金属空间分布确定方法 | |
CN116522805B (zh) | 一种耐高温材料的自动化测量及测评系统 | |
Xu et al. | Intelligent monitoring and residual analysis of tunnel point cloud data based on free-form approximation | |
Sánchez-Aparicio et al. | Detection of damage in heritage constructions based on 3D point clouds. A systematic review | |
CN114282298B (zh) | 一种道路技术状况处理方法 | |
CN113642822B (zh) | 用于评估建筑群结构安全的基于vae的样本集指向性扩展法 | |
Okaro et al. | Automatic Fault Detection for Selective Laser Melting using Semi-Supervised Machine Learning | |
Kottke | An investigation of quantifying and monitoring stone surface deterioration using three dimensional laser scanning | |
Omar | Condition Assessment of Concrete Bridge Decks Using Ground and Airborne Infrared Thermography | |
Peng et al. | Reliability estimation for aluminum alloy welded joint with automatic image measurement of surface crack growth | |
Little et al. | Spatio‐temporal modelling of corrosion in an industrial furnace | |
Gardonyi et al. | An enhanced evaluation method of sequential probability ratio test | |
CN117517179A (zh) | 一种基于时空信息识别的腐蚀环境混凝土耐久性检测方法 | |
Liang et al. | An Automatic Measurement Method of Test Beam Response Based on Spliced Images | |
CN117196224B (zh) | 一种古建筑的修复智能管理方法及系统 | |
Roić et al. | Recent Applications of Kalman Filters in Structural Deformation Monitoring | |
KR102593813B1 (ko) | 건물용도별 딥러닝 분위회귀모델기반 건물에너지 비교평가시스템 및 비교평가방법 | |
CN116720662B (zh) | 基于集对分析的分布式能源系统适用性评估方法 | |
Makuch | Detection of rising damp and material changes on hyperboloid cooling tower shells based on the intensity of the reflected laser beam |
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 |