CN117261287A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117261287A CN117261287A CN202311286809.0A CN202311286809A CN117261287A CN 117261287 A CN117261287 A CN 117261287A CN 202311286809 A CN202311286809 A CN 202311286809A CN 117261287 A CN117261287 A CN 117261287A
- Authority
- CN
- China
- Prior art keywords
- preheating
- image
- heating
- glossiness
- temperature
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000008569 process Effects 0.000 title claims abstract description 50
- 239000011347 resin Substances 0.000 title claims abstract description 28
- 229920005989 resin Polymers 0.000 title claims abstract description 28
- 238000001764 infiltration Methods 0.000 title claims abstract description 24
- 230000008595 infiltration Effects 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 229920001169 thermoplastic Polymers 0.000 title claims abstract description 23
- 239000004416 thermosoftening plastic Substances 0.000 title claims abstract description 23
- 238000010438 heat treatment Methods 0.000 claims abstract description 42
- 239000000835 fiber Substances 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims abstract description 17
- 238000010191 image analysis Methods 0.000 claims abstract description 11
- 238000005470 impregnation Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000000149 penetrating effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000010792 warming Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 claims description 4
- 238000002791 soaking Methods 0.000 claims description 4
- 238000003703 image analysis method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000007493 shaping process Methods 0.000 abstract description 2
- 238000013136 deep learning model Methods 0.000 abstract 1
- 230000003321 amplification Effects 0.000 description 6
- 238000003199 nucleic acid amplification method Methods 0.000 description 6
- 238000001723 curing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 238000000465 moulding Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
- B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
- B29C70/28—Shaping operations therefor
- B29C70/40—Shaping or impregnating by compression not applied
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
- B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
- B29C70/28—Shaping operations therefor
- B29C70/40—Shaping or impregnating by compression not applied
- B29C70/42—Shaping or impregnating by compression not applied for producing articles of definite length, i.e. discrete articles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
- B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
- B29C70/28—Shaping operations therefor
- B29C70/54—Component parts, details or accessories; Auxiliary operations, e.g. feeding or storage of prepregs or SMC after impregnation or during ageing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
- B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
- B29C70/28—Shaping operations therefor
- B29C70/54—Component parts, details or accessories; Auxiliary operations, e.g. feeding or storage of prepregs or SMC after impregnation or during ageing
- B29C70/546—Measures for feeding or distributing the matrix material in the reinforcing structure
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Composite Materials (AREA)
- Mechanical Engineering (AREA)
- Moulding By Coating Moulds (AREA)
Abstract
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，在预热阶段，利用摄像头或其他图像采集设备实时拍摄预热过程的图像，并通过图像分析算法评估预热效果。在加热与渗透阶段，该方法使用热电偶控制并维持设定的加热温度，同时，通过图像分析和深度学习模型实时评估树脂与纤维的浸渍效果。为了更精确地满足特定质量标准，目标函数也被优化，以便在预测低光泽度但实际为高光泽度时加大损失。最后，在固化与成型后，本方法进一步包括了必要的后处理和全面的质量检验。整体而言，该发明提供了一种高度集成和自适应的解决方案，旨在提高热塑性预浸丝成型过程的效率和质量。
Description
技术领域
本发明涉及复合材料加工，图像分析及深度学习领域，特别是涉及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。
背景技术
在复合材料制造领域，热塑性预浸丝成型技术已经成为一种越来越受关注的方法。这种技术具有很高的潜在应用价值，例如在航空、汽车和可再生能源等多个行业。然而，热塑性预浸丝成型过程涉及到多个复杂和精密的步骤，如预热、加热与渗透、固化与成型，以及后处理与质量检验等，其中每个步骤都需要精确的控制以确保最终产品的质量。传统上，这些控制过程多依赖于人工操作或者简单的自动控制系统。例如，预热和加热通常使用热电偶进行，但热电偶只能提供有限的温度控制精度，并且不能全面评估材料的温度分布和浸渍效果。另外，现有的质量检测方法主要是依靠后期检验，这样不仅效率低下，而且很难实现实时的质量控制和优化。更为重要的是，传统方法很难处理材料属性在成型过程中的动态变化。例如，预浸丝的光泽度、色调等物理属性会随着加热和渗透过程而变化，但现有的技术没有有效的方法来实时监测和调整这些变化。这就导致了成型过程中需要更多的迭代和调整，从而增加了成本和时间。同时，虽然有些先进的监控系统尝试通过使用图像识别或机器学习算法来改善这些问题，但这些方法通常是离线的，缺乏实时性，或者需要大量的训练数据和计算资源。综上所述，当前的技术存在多个限制和不足，迫切需要一种能够实现高精度、实时监控和自适应控制的热塑性预浸丝成型方法。
发明内容
为解决上述问题，本发明提出了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，能够实现高精度、实时监控和自适应控制的热塑性预浸丝成型。
为达此目的，本发明提供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，包括以下步骤：
1)纤维和树脂的物理和化学属性测量与确定；
首先是材料的准备与预热过程，操作人员选择合适类型的纤维和树脂作为原材料,其中这些材料应当符合预设的物理和化学属性要求，在选定材料后，进行必要的量测，包括纤维和树脂的熔点、黏度和热导率，这些数据将用于确定最优的预热和加热参数；
2)预热阶段图像采集与分析；
采用图像算法对预热阶段进行采集与分析，以实现该过程的无损检测，首先将摄像头定位于一个能够清晰捕捉预热并且能够覆盖整个模具区域的位置，并通过热成像来确定摄像头的最佳配置参数，此外对于图像的采集频率，需要确保足够的密度，即根据该纤维的运转线速度进行调试，并预热图像采样公式给定；
提出一种全局预热优化方法，以实时评估预热的质量，采用图像对预热后的纤维丝进行分析，并按照全局预热判定公式进行给定；
3)加热与渗透；
在加热与渗透阶段，通过控制和维持预设的加热温度以达到最佳的树脂与纤维浸渍效果，在预热完成后，本步骤中热电偶开始实时监控工作环境的温度，这些温度数据被发送到一个控制系统，即PLC或微控制器，进而能够自动调整加热设备的功率以及工作状态，以保持预定的温度水平；
加热过程的所有实时数据，包括温度、时间和可能的异常，均进行记录和分析，便于后续的质量控制和工艺优化，通过集成高精度温度监控和实时数据反馈，实现了浸渍过程质量的最大化，同时增强了整个制程的稳定性和可重复性；
4)预浸丝成形反馈优化；
采用图像分析以及BP网络算法对于整个加热与渗透过程进行把控，其中首先对于加热渗透完毕后的图像进行参数提取，包括提取图像中的色调平均值，色调的方差，丝材光泽度的平均值以及光泽度的方差，对于图像中每一列的最大像素点值与最小像素点值的差值作为输入特征之一进行学习，即通过图像分析的方法采集出图像中的色调平均值，色调的方差，丝材光泽度的平均值，光泽度的方差以及每一列的最大像素点值与最小像素点值的差值，输入到BP网络当中，对预浸丝成形后的样本光泽度进行预测评分，采用光泽度损失函数作为整体的评价标准；
5)预浸丝成形整合与质量反馈；
根据上述的图像分析的实时数据，自适应地去调整热电偶的加热温度和加热时间，此外，这个阶段调整预热的相关参数，从而能够控制整个加热与渗透过程，进而加强复合材料的内在质量和外观特性，在达到预设的加热时间和温度后，将进行固化处理，然后拆除模具，并取出成型后的复合材料，以便进行进一步的后处理，最后，进行必要的后处理步骤，并对最终成品进行全方位的质量检验，包括机械性能和表面质量的评估。
作为本发明进一步改进，所述步骤2)中预热图像采样公式表示为：
其中，预热图像采样公式表示为：
其中，s代表每秒钟图像采集的次数，v则表示纤维每秒中向前滚动的距离，单位为毫米，α则为取样超参；
所述步骤2)中全局预热判定公式表示为：
其中，全局预热判定公式表示为：
其中，为灰度平均值，N为总像素数，Li为像素点值，γ为前预热过程的均匀性指数,ΔT为实时需要调整的温度变化量，k1与k2这两个是权重因子，用于平衡灰度均值和均匀性两个目标，/>为目标灰度均值，/>为当前图像灰度均值，Utar为目标均匀性指数。
作为本发明进一步改进，所述步骤4)中光泽度损失函数表示为：
其中，光泽度损失函数表示为：
其中，Loss为网络的损失函数，wi为损失权重调节函数，ω为前置放大超参以及指数放大插槽，用于控制权重的放大程度，N为样本的总数目，yi,/>分别为实际光泽度与预测光泽度，ρ则为误差判定因子。
本发明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，有益效果：
1)本申请提供的一种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，采用图像分析和深度学习技术，实现了实时质量监控。不仅可以实时检测预浸丝的温度、光泽度和色调等多个属性，还可以通过自适应算法优化这些参数，从而实现高效、高质量的成型。
2)本申请提供的一种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，由于采用了自适应调整和实时监控，可以大大减少人工干预和质量问题导致的返工，从而降低生产成本和提高生产效率。
3)本申请提供的一种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，引入了一套实时参数调整算法，不仅考虑了当前的图像和传感器数据，还与预先设定的目标进行比较，然后自动调整热电偶的加热温度和时间。这大大提高了过程的自适应性和准确性。
4)本申请提供的一种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，采用加权目标函数进而特别强调了光泽度误差，尤其是将低光泽度的成品预测为高光泽度，进而使得模型在预测低光泽度时更为准确。
附图说明
图1根据本申请实施例提供的一种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流程图；
图2根据本申请实施例提供的一种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预热处理图像示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示为本申请提供的一种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流程图。
步骤S1：纤维和树脂的物理和化学属性测量与确定。
在本工艺方法的初始阶段，首先是材料的准备与预热过程，这两步被综合为一个连贯的操作环节。具体来说，操作人员选择合适类型的纤维和树脂作为原材料。其中这些材料应当符合预设的物理和化学属性要求，以确保能在后续的成形和固化过程中达到优秀的性能。在选定材料后，进行必要的量测，包括纤维和树脂的熔点、黏度和热导率，这些数据将用于确定最优的预热和加热参数。
步骤S2：预热阶段图像采集与分析。
如图2所示为本申请提供的一种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预热处理图像示意图。
本次申请中，采用图像算法对预热阶段进行采集与分析，以实现该过程的无损检测。在本步骤中，首先将摄像头定位于一个能够清晰捕捉预热并且能够覆盖整个模具区域的位置，并通过热成像来确定摄像头的最佳配置参数，此外对于图像的采集频率，本次申请需要确保足够的密度，即根据该纤维的运转线速度进行调试，并预热图像采样公式给定。
其中，预热图像采样公式表示为：
其中，s代表每秒钟图像采集的次数，v则表示纤维每秒中向前滚动的距离，单位为毫米，α则为取样超参。
通过该公式即可完成预热阶段的图像采集的频率，当纤维的运转的线速度越快时，则进行采样的频率越高，而当纤维的运转的线速度较慢时，则进行采样的频率为一个较低值，进而能够合理的降低的设备的负担。
本次申请提出一种全局预热优化方法，以实时评估预热的质量，在预热过程中，经常会发生预热过量或者预热不足的情况，传统的预热过程当中，需要通过类似于温度传感器等对纤维进行温度分析，但是温度传感器的反应时间不够快，无法精确地反映出材料内部或表面的实际温度。这可能导致温度波动，从而影响最终产品的质量，并且传统的温度传感器通常只能在单一位置或几个位置上测量温度，很难全面了解整个物体或材料的温度分布。因此本次申请采用图像对预热后的纤维丝进行分析，并按照全局预热判定公式进行给定。
其中，全局预热判定公式表示为：
其中，为灰度平均值，N为总像素数，Li为像素点值，γ为前预热过程的均匀性指数,ΔT为实时需要调整的温度变化量，k1与k2这两个是权重因子，用于平衡灰度均值和均匀性两个目标，/>为目标灰度均值，/>为当前图像灰度均值，Utar为目标均匀性指数。
通过公式(2)与公式(3)，即可完成自适应地调整预热温度以接近预设目标，从而优化预热质量和整个制程。其中实时需要调整的温度变化量能够直接输出需要调整的需插值，这个参数根据实时图像分析和两个目标灰度均值和均匀性来自适应地调整。通过权重k1与k2平衡这两个目标的重要性，即通过该公司能自适应地调整预热温度，实现更高质量和更高效率的生产过程，同时减少能源消耗和人工调整的需求。
步骤S3：加热与渗透。
在加热与渗透阶段，关键是精确控制和维持预设的加热温度以达到最佳的树脂与纤维浸渍效果。在预热完成后，本步骤中热电偶开始实时监控工作环境的温度。这些温度数据被发送到一个高级控制系统，即PLC或微控制器，进而能够自动调整加热设备的功率以及工作状态，以保持预定的温度水平。此外，精确的温度控制能够确保树脂的粘度和流动性处于最佳状态，从而提高其与纤维的接触和浸渍质量。加热过程的所有实时数据，包括温度、时间和可能的异常，均进行记录和分析。便于后续的质量控制和工艺优化。因此，这一阶段通过集成高精度温度监控和实时数据反馈，实现了浸渍过程质量的最大化，同时增强了整个制程的稳定性和可重复性。
步骤S4：预浸丝成形反馈优化。
在本次申请中，采用图像分析以及BP网络算法对于整个加热与渗透过程进行把控，其中首先对于加热渗透完毕后的图像进行参数提取，包括提取图像中的色调平均值，色调的方差，丝材光泽度的平均值以及光泽度的方差，此外本次申请对于图像中每一列的最大像素点值与最小像素点值的差值作为输入特征之一进行学习，即通过图像分析的方法采集出图像中的色调平均值，色调的方差，丝材光泽度的平均值，光泽度的方差以及每一列的最大像素点值与最小像素点值的差值，输入到BP网络当中，对预浸丝成形后的样本光泽度进行预测评分。此外本次申请中采用光泽度损失函数作为整体的评价标准。
其中，光泽度损失函数表示为：
其中，Loss为网络的损失函数，wi为损失权重调节函数，ω为前置放大超参以及指数放大插槽，用于控制权重的放大程度，N为样本的总数目，yi,/>分别为实际光泽度与预测光泽度，ρ则为误差判定因子。
通过该公式，即可确定整个网络的损失函数，并且当模型预测的光泽度高于实际的光泽度时，该误差会被放大，从而在优化过程中给予更多的注意，使得网络在判断预浸丝成形光泽度较低时，及时给予反馈调控。
步骤S5：预浸丝成形整合与质量反馈。
根据上述的图像分析的实时数据，自适应地去调整热电偶的加热温度和加热时间。此外，这个阶段也可以调整预热的相关参数，从而能够更精准地控制整个加热与渗透过程。进而加强复合材料的内在质量和外观特性。在达到预设的加热时间和温度后，将进行固化处理，然后拆除模具，并取出成型后的复合材料，以便进行进一步的后处理。最后，进行必要的后处理步骤，如修剪、打磨等，并对最终成品进行全方位的质量检验，包括机械性能和表面质量的评估。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (3)
1.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，其特征在于：，包括以下步骤：
1)纤维和树脂的物理和化学属性测量与确定；
首先是材料的准备与预热过程，操作人员选择合适类型的纤维和树脂作为原材料,其中这些材料应当符合预设的物理和化学属性要求，在选定材料后，进行必要的量测，包括纤维和树脂的熔点、黏度和热导率，这些数据将用于确定最优的预热和加热参数；
2)预热阶段图像采集与分析；
采用图像算法对预热阶段进行采集与分析，以实现该过程的无损检测，首先将摄像头定位于一个能够清晰捕捉预热并且能够覆盖整个模具区域的位置，并通过热成像来确定摄像头的最佳配置参数，此外对于图像的采集频率，需要确保足够的密度，即根据该纤维的运转线速度进行调试，并预热图像采样公式给定；
提出一种全局预热优化方法，以实时评估预热的质量，采用图像对预热后的纤维丝进行分析，并按照全局预热判定公式进行给定；
3)加热与渗透；
在加热与渗透阶段，通过控制和维持预设的加热温度以达到最佳的树脂与纤维浸渍效果，在预热完成后，本步骤中热电偶开始实时监控工作环境的温度，这些温度数据被发送到一个控制系统，即PLC或微控制器，进而能够自动调整加热设备的功率以及工作状态，以保持预定的温度水平；
加热过程的所有实时数据，包括温度、时间和可能的异常，均进行记录和分析，便于后续的质量控制和工艺优化，通过集成高精度温度监控和实时数据反馈，实现了浸渍过程质量的最大化，同时增强了整个制程的稳定性和可重复性；
4)预浸丝成形反馈优化；
采用图像分析以及BP网络算法对于整个加热与渗透过程进行把控，其中首先对于加热渗透完毕后的图像进行参数提取，包括提取图像中的色调平均值，色调的方差，丝材光泽度的平均值以及光泽度的方差，对于图像中每一列的最大像素点值与最小像素点值的差值作为输入特征之一进行学习，即通过图像分析的方法采集出图像中的色调平均值，色调的方差，丝材光泽度的平均值，光泽度的方差以及每一列的最大像素点值与最小像素点值的差值，输入到BP网络当中，对预浸丝成形后的样本光泽度进行预测评分，采用光泽度损失函数作为整体的评价标准；
5)预浸丝成形整合与质量反馈；
根据上述的图像分析的实时数据，自适应地去调整热电偶的加热温度和加热时间，此外，这个阶段调整预热的相关参数，从而能够控制整个加热与渗透过程，进而加强复合材料的内在质量和外观特性，在达到预设的加热时间和温度后，将进行固化处理，然后拆除模具，并取出成型后的复合材料，以便进行进一步的后处理，最后，进行必要的后处理步骤，并对最终成品进行全方位的质量检验，包括机械性能和表面质量的评估。
2.根据权利要求1所述的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，其特征在于：所述步骤2)中预热图像采样公式表示为：
其中，预热图像采样公式表示为：
其中，s代表每秒钟图像采集的次数，v则表示纤维每秒中向前滚动的距离，单位为毫米，α则为取样超参；
所述步骤2)中全局预热判定公式表示为：
其中，全局预热判定公式表示为：
其中，为灰度平均值，N为总像素数，Li为像素点值，γ为前预热过程的均匀性指数,ΔT为实时需要调整的温度变化量，k1与k2这两个是权重因子，用于平衡灰度均值和均匀性两个目标，/>为目标灰度均值，/>为当前图像灰度均值，Utar为目标均匀性指数。
3.根据权利要求2所述的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，其特征在于：所述步骤4)中光泽度损失函数表示为：
其中，光泽度损失函数表示为：
其中，Loss为网络的损失函数，wi为损失权重调节函数，ω为前置放大超
参以及指数放大插槽，用于控制权重的放大程度，N为样本的总数目，
分别为实际光泽度与预测光泽度，ρ则为误差判定因子。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286809.0A CN117261287A (zh) | 2023-10-08 | 2023-10-08 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286809.0A CN117261287A (zh) | 2023-10-08 | 2023-10-08 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117261287A true CN117261287A (zh) | 2023-12-22 |
Family
ID=89214042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311286809.0A Pending CN117261287A (zh) | 2023-10-08 | 2023-10-08 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117261287A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118650905A (zh) * | 2024-08-20 | 2024-09-17 | 浙江联洋新材料股份有限公司 | 一种基于图像采集的碳纤维复合材料预浸渍控制方法 |
-
2023
- 2023-10-08 CN CN202311286809.0A patent/CN117261287A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118650905A (zh) * | 2024-08-20 | 2024-09-17 | 浙江联洋新材料股份有限公司 | 一种基于图像采集的碳纤维复合材料预浸渍控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
| 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 | |
| CN115122602B (zh) | 一种注塑机智能控制方法及系统 | |
| CN117008557B (zh) | 共混型互穿网络热塑性弹性体的生产控制方法及系统 | |
| CN106872509A (zh) | 一种基于红外成像的注塑制品质量在线检测装置与方法 | |
| CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
| JP2015017983A (ja) | 熱分析における測定結果の評価方法、該方法の使用、並びに該方法を行うためのコンピュータユニット、コンピュータプログラム製品及びシステム | |
| CN118469399B (zh) | 一种基于5g网络的纺织生产线智能联动监测方法及系统 | |
| CN113165243A (zh) | 用于改进物理生产过程的方法和系统 | |
| CN117086117B (zh) | 一种钛带热轧过程温度控制方法及系统 | |
| CN118163317B (zh) | 一种tpu热塑性塑料颗粒注塑成型原料热熔控制系统 | |
| CN114403487A (zh) | 一种松散回潮的加水控制方法 | |
| CN114474473A (zh) | 一种改性塑料的生产方法和系统 | |
| Wang et al. | A novel sensing feature extraction based on mold temperature and melt pressure for plastic injection molding quality assessment | |
| CN118124106A (zh) | 基于神经网络的注塑成型优化控制系统及方法 | |
| CN117313020B (zh) | 一种承载式张力传感器数据处理方法 | |
| CN114897772B (zh) | 一种基于机器视觉的橡胶正硫化调控的方法 | |
| CN115139440B (zh) | 一种压延机参数优化控制方法 | |
| CN114722888A (zh) | 一种基于Wasserstein距离的早期故障检测方法 | |
| CN109676865B (zh) | 基于电容式传感器的注塑凝固过程的在线监测方法 | |
| EP1177430A1 (en) | System and method to quantify appearance defects in molded plastic parts | |
| CN118663871B (zh) | 一种具有温度监测的铸造件脱模装置及系统 | |
| CN117505551B (zh) | 用于异型钢连轧工艺的工件质量控制方法及系统 | |
| CN118544552B (zh) | 一种注塑机智能能耗管理系统 | |
| CN112677438B (zh) | 基于注塑成型和调机数据特征分段构造与筛选方法及系统 |
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 |