CN118155750A - 一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 - Google Patents
一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118155750A CN118155750A CN202410299295.0A CN202410299295A CN118155750A CN 118155750 A CN118155750 A CN 118155750A CN 202410299295 A CN202410299295 A CN 202410299295A CN 118155750 A CN118155750 A CN 118155750A
- Authority
- CN
- China
- Prior art keywords
- information
- forging
- alloy
- values
- nodes
- 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
- 238000005242 forging Methods 0.000 title claims abstract description 193
- 239000000956 alloy Substances 0.000 title claims abstract description 90
- 229910045601 alloy Inorganic materials 0.000 title claims abstract description 85
- 230000002068 genetic effect Effects 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 375
- 230000008569 process Effects 0.000 claims abstract description 350
- 238000010586 diagram Methods 0.000 claims abstract description 66
- 239000000463 material Substances 0.000 claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 33
- 238000004088 simulation Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 51
- 239000000047 product Substances 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004800 variational method Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910000601 superalloy Inorganic materials 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Forging (AREA)
Abstract
本申请涉及高温合金锻造检测的技术领域，尤其涉及一种GH4169合金锻件的组织遗传检测方法、装置、设备及介质。该方法包括：获取工艺流程信息，对工艺流程信息进行热力图检测，得到工艺热力图，对工艺流程信息的锻造数值进行模拟，得到工艺锻造值，对工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个材料锻造值按输入至合金模型组中，生成模型转换信息，对模型转换信息以及多个材料锻造值进行对应点位追踪，得到点位追溯信息，将点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与消除遗传信息。本申请的效果：能够在对GH4169合金进行锻造过程中，消除GH4169合金材料所存在的劣质组织遗传，提高了GH4169合金锻造成品的质量。
Description
技术领域
本申请涉及高温合金锻造检测的技术领域，尤其是涉及一种GH4169合金锻件的组织遗传检测方法、装置、设备及介质。
背景技术
GH4169合金是我国先进航空发动机压气机盘、涡轮盘等关键转动盘类件的关键材料之一，也是用量最大的变形高温合金，GH4169合金成熟度的不断提高是确保先进航空发动机安全性、可靠性、经济性的基础。
当前，在对GH4169合金进行锻造生产过程中，GH4169合金锻件仍然存在黑斑及元素偏析等冶金缺陷，锻件的组织均匀性较差、存在晶粒尺寸超标现象，锻件性能裕度低、性能一致性差，成本偏高等问题，以上问题的原因一方面是来源于GH4169合金棒材锻造过程中，即棒材中存在冶金缺陷，导致存在粗大组织遗传至锻件中，另一方面则来源于锻件的锻造工艺不成熟。而随着锻造技术的发展，对合金锻件的锻造工艺也愈加成熟，因锻造工艺不成熟而导致的合金锻件性能问题出现的占比逐渐降低，甚至当出现锻件性能问题时，以逐渐忽略合金锻造工艺是否存在不成熟问题，进而粗大组织遗传至锻件中则成为了出现锻件性能问题的根本原因。
但是，目前对GH4169合金组织遗传性的研究还很少，虽然有研究者研究发现了GH4169合金原材料配料过程中加入的固体料的组织对最终产品微观组织的影响。但是无法知晓如何全面调控使GH4169合金材料具有优异的微观组织和遗传基因。
发明内容
为了检测并消除GH4169合金在锻造过程中所存在的劣质组织遗传，本申请提供了一种GH4169合金锻件的组织遗传检测方法、装置、设备及介质。
第一方面，本申请提供一种GH4169合金锻件的组织遗传检测方法，采用如下的技术方案：
一种GH4169合金锻件的组织遗传检测方法，包括：
获取工艺流程信息，所述工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息；
对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图；
基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值；
对所述工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个所述材料锻造值按照所述锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息；
对所述模型转换信息以及多个所述材料锻造值进行对应点位追踪，得到点位追溯信息；
将所述点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与所述点位遗传信息相对应的消除遗传信息。
本申请在一较佳示例中可以进一步配置为：所述对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图，包括：
基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息；
基于所述工艺图像信息，确定图像瓦片数据；
根据所述图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
对所述至少一个待调度区域进行热力检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图。
本申请在一较佳示例中可以进一步配置为：基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，包括：
对所述工艺热力图中不同工艺节点的GH4169合金棒材以及锻造模具进行尺寸数值测量，得到锻造数值；
创建三维模型，并将所述锻造数值输入至所述三维模型中，得到与不同工艺节点的GH4169合金棒材相对应的几何体模型；
对所述几何体模型进行网格划分，并定义位于不同网格区域的集合体模型的锻造加载参数；
将所述锻造加载参数输入至预设求解器中进行模拟求解，得到工艺锻造值。
本申请在一较佳示例中可以进一步配置为：所述基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息，包括：
对所述工艺流程信息进行分析，获取至少一项目标工艺信息；
获取预设历史时间内的工艺信息，并对所述工艺信息进行数据分析，得到与所述至少一项目标工艺信息相匹配的权重值；
基于权重值对所述至少一项目标工艺信息进行排序，确定工艺序列信息，并根据所述工艺序列信息，确定所述工艺图像信息。
本申请在一较佳示例中可以进一步配置为：所述基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息，之后还包括：
对所述工艺图像信息进行去噪处理，并将去噪后的所述工艺图像信息进行图像增强处理。
本申请在一较佳示例中可以进一步配置为：所述基于所述工艺图像信息，确定图像瓦片数据，包括：
对所述工艺图像信息中的地图点数据进行处理，生成图层信息；
根据所述图层信息对所述工艺图像信息进行切片处理，生成瓦片数据。
第二方面，本申请提供一种GH4169合金锻件的组织遗传检测装置，采用如下的技术方案：
一种GH4169合金锻件的组织遗传检测装置，包括，
信息获取模块，用于获取工艺流程信息，所述工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息；
热力图检测模块，用于对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图；
锻造模拟模块，用于基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值；
锻造分析模块，用于对所述工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个所述材料锻造值按照所述锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息；
点位追踪模块，用于对所述模型转换信息以及多个所述材料锻造值进行对应点位追踪，得到点位追溯信息；
遗传检测模块，用于将所述点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与所述点位遗传信息相对应的消除遗传信息。
在一种可能的实现方式中，所述热力图检测模块在对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图时，具体用于：
基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息；
基于所述工艺图像信息，确定图像瓦片数据；
根据所述图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
对所述至少一个待调度区域进行热力检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图。
在另一种可能的实现方式中，所述锻造模拟模块在基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值时，具体用于：
对所述工艺热力图中不同工艺节点的GH4169合金棒材以及锻造模具进行尺寸数值测量，得到锻造数值；
创建三维模型，并将所述锻造数值输入至所述三维模型中，得到与不同工艺节点的GH4169合金棒材相对应的几何体模型；
对所述几何体模型进行网格划分，并定义位于不同网格区域的集合体模型的锻造加载参数；
将所述锻造加载参数输入至预设求解器中进行模拟求解，得到工艺锻造值。
在另一种可能的实现方式中，所述热力图检测模块在基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息时，具体用于：
对所述工艺流程信息进行分析，获取至少一项目标工艺信息；
获取预设历史时间内的工艺信息，并对所述工艺信息进行数据分析，得到与所述至少一项目标工艺信息相匹配的权重值；
基于权重值对所述至少一项目标工艺信息进行排序，确定工艺序列信息，并根据所述工艺序列信息，确定所述工艺图像信息。
在另一种可能的实现方式中，所述装置还包括：图像处理模块，其中，
图像处理模块，用于对所述工艺图像信息进行去噪处理，并将去噪后的所述工艺图像信息进行图像增强处理。
在另一种可能的实现方式中，所述热力图检测模块在基于所述工艺图像信息，确定图像瓦片数据时，具体用于：
对所述工艺图像信息中的地图点数据进行处理，生成图层信息；
根据所述图层信息对所述工艺图像信息进行切片处理，生成瓦片数据。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的一种GH4169合金锻件的组织遗传检测方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的一种GH4169合金锻件的组织遗传检测方法。
综上所述，本申请包括以下至少一种有益技术效果：
在对GH4169合金进行锻造过程中，为了消除GH4169合金材料所存在的劣质组织遗传，提高了GH4169合金锻造成品的质量，本申请通过获取工艺流程信息，其中工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息，然后对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图，然后基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，然后对所述工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个所述材料锻造值按照所述锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息，然后对所述模型转换信息以及多个所述材料锻造值进行对应点位追踪，得到点位追溯信息，将所述点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与所述点位遗传信息相对应的消除遗传信息，从而达到了提高GH4169合金锻造成品的质量的效果。
附图说明
图1为本申请实施例提供的一种GH4169合金锻件的组织遗传检测方法的流程示意图；
图2为本申请实施例提供的一种GH4169合金锻件的组织遗传检测装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种GH4169合金锻件的组织遗传检测方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制。
结合图1，图1为本申请实施例提供的一种GH4169合金锻件的组织遗传检测方法的流程示意图，如图1所示，该方法包括步骤S10、步骤S11、步骤S12、步骤S13、步骤S14以及步骤S15，其中：
步骤S10：获取工艺流程信息。
其中，工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息。
步骤S11：对工艺流程信息进行热力图检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图。
具体地，在对工艺流程信息中的不同工艺节点进行热力图像处理时，首先对收集到的工艺流程信息价进行数据预处理，其中，数据预处理方式包括但不限制于数据清洗、格式转换、归一化等，然后根据工艺流程信息的特点，提取能够反映工艺节点状态的特征变量，然后将提取的特征变量映射到热力图，根据不同工艺节点生成与之对应的工艺热力图。
步骤S12：基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值。
具体地，根据工艺热力图和工艺流程信息，确定模拟所需的参数，包括不同工艺节点的温度、压力、变形速度、变形程度等。然后利用有限元分析软件，建立与实际工艺流程相对应的有限元模型。在模型中，需要考虑到不同工艺节点的特点和相互影响。然后根据工艺流程信息和模拟参数，设定有限元模型的边界条件和加载条件。这些条件应能够反映实际工艺流程中的实际情况。在设定好所有参数和条件后，进行模拟计算。在计算过程中，需要考虑到材料的力学性能和热力学性能等因素。然后模拟计算完成后，输出不同工艺节点的工艺锻造值。这些值可以包括应力、应变、金属流动等参数，用于评估和优化工艺流程。
步骤S13：对工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个材料锻造值按照锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息。
具体地，根据预设的锻造标准对工艺锻造值进行分析，其中，包括对锻造温度、合金变形速度、变形程度等参数进行评估，以确定是否满足预设锻造标准，当满足时，对工艺锻造值进行收集，得到多个材料锻造值，这些值反映了在不同工艺节点下，材料的力学性能和热力学性能等参数的变化情况，将得到的多个材料锻造值按照锻造加工顺序逐一输入至预先创建的合金模型组中。在本申请实施例中，通过SWSOLIDWORKS软件创建初始的合金模型组，即将不同工艺节点的合金锻造过程进行模拟，得到不同工艺节点的合金模型，将多个合金模型进行整合得到合金模型组，然后将多个材料锻造值按照锻造加工顺序输入至对应的合金模型中，对初始的合金模型进行规格调整，从而得到模型法转换信息。
步骤S14：对模型转换信息以及多个材料锻造值进行对应点位追踪，得到点位追溯信息。
具体地，确定模型转换信息中需要追踪的点位，这些点位可以是关键工艺节点的特征点，也可以是材料锻造值发生显著变化的区域，然后利用有限元分析软件或者其他相关工具，建立能够追踪点位的模型，模型中需要考虑到不同工艺节点和材料锻造值的影响，在模型建立完成后，将模型转换信息和材料锻造值输入到追踪模型中，进行点位追踪。这个过程可以实时追踪点位的移动和变化，记录其轨迹和变化情况。追踪完成后，输出点位追溯信息。这些信息包括点位的移动轨迹、速度、加速度等参数，用于分析和优化工艺过程。
步骤S15：将点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与点位遗传信息相对应的消除遗传信息。
具体地，采集历史数据，包括在历史预设时间段内的点位追溯信息以及点位追溯信息中存在不良遗传特征的消除遗传信息，然后利用机器学习或深度学习等技术，构建能够处理历史数据的追溯模型，然后将历史数据输入至追溯模型中进行训练，得到训练后的追溯模型。
在本申请实施例中，在对GH4169合金进行锻造过程中，为了消除GH4169合金材料所存在的劣质组织遗传，提高了GH4169合金锻造成品的质量，本申请通过获取工艺流程信息，其中工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息，然后对工艺流程信息进行热力图检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图，然后基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，然后对工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个材料锻造值按照锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息，然后对模型转换信息以及多个材料锻造值进行对应点位追踪，得到点位追溯信息，将点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与点位遗传信息相对应的消除遗传信息，从而达到了提高GH4169合金锻造成品的质量的效果。
本申请实施例的一种可能的实现方式，步骤S11具体包括步骤S111、步骤S112、步骤S113以及步骤S114，其中，
步骤S111，基于工艺流程信息确定不同工艺节点对应的工艺图像信息。
具体地，根据工艺流程信息确定关键工艺节点，这些节点可能对工艺过程和产品质量有重要影响。然后根据关键工艺节点的特点和需求，生成与之对应的工艺图像信息。这些图像信息可以包括流程图、示意图、照片等，以直观地展示工艺过程和关键节点的状态。
步骤S112，基于工艺图像信息，确定图像瓦片数据；
具体地，分析收集到的工艺图像信息，确定工艺图像信息的特点和需求，确定需要提取的图像瓦片区域。然后根据确定的区域，将工艺图像划分为若干个图像瓦片。这些瓦片应具有适当的尺寸和分辨率，以便后续的处理和使用。对每个划分好的图像瓦片，提取其数据。这些数据可能包括颜色、形状、纹理等特征，用于后续的分析和处理。将提取的图像瓦片数据进行存储和管理，以便后续的使用和查询。通过数据库、文件系统等方式实现。
步骤S113，根据图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
步骤S114，对至少一个待调度区域进行热力检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图。
本申请实施例的一种可能的实现方式，基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，包括：
对工艺热力图中不同工艺节点的GH4169合金棒材以及锻造模具进行尺寸数值测量，得到锻造数值，创建三维模型，并将锻造数值输入至三维模型中，得到与不同工艺节点的GH4169合金棒材相对应的几何体模型，对几何体模型进行网格划分，并定义位于不同网格区域的集合体模型的锻造加载参数，将锻造加载参数输入至预设求解器中进行模拟求解，得到工艺锻造值。
本申请实施例的一种可能的实现方式，基于工艺流程信息确定不同工艺节点对应的工艺图像信息，包括：
对工艺流程信息进行分析，获取至少一项目标工艺信息，然后获取预设历史时间内的工艺信息，并对工艺信息进行数据分析，得到与至少一项目标工艺信息相匹配的权重值，然后基于权重值对至少一项目标工艺信息进行排序，确定工艺序列信息，并根据工艺序列信息，确定工艺图像信息。
本申请实施例的一种可能的实现方式，基于工艺流程信息确定不同工艺节点对应的工艺图像信息，之后还包括：
对工艺图像信息进行去噪处理，并将去噪后的工艺图像信息进行图像增强处理。
具体地，噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。常见的图像噪音有加性噪音、乘兴噪音、量化噪音以及“椒盐”噪音。加性嗓声和图像信号强度是不相关的，例如：图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声；乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，例如：飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒等等；量化嗓声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异；“椒盐”噪音，例如：图像切割引起的即黑图像上的白点，白图像上的黑点噪声，在变换域引入的误差，使图像反变换后造成的变换噪声。
图像去噪的方式包括空间域滤波、变换域滤波、偏微分方程以及变分法。空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理；变换域去噪方法是对图像进行某种变换，将图像从空间域转换到变换域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的；偏微分方程是近年来兴起的一种图像处理方法，主要针对低层图像处理并取得了很好的效果。偏微分方程具有各向异性的特点，应用在图像去噪中，可以在去除噪声的同时，很好的保持边缘；变分法是利用数学进行图像去噪方法是基于变分法的思想，确定图像的能量函数，通过对能量函数的最小化工作，使得图像达到平滑状态。
对去噪后的图像信息进行图像增强处理，通过对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
本申请实施例的一种可能的实现方式，基于工艺图像信息，确定图像瓦片数据，包括：
对工艺图像信息中的地图点数据进行处理，生成图层信息；
根据图层信息对工艺图像信息进行切片处理，生成瓦片数据。
上述实施例从方法流程的角度介绍一种GH4169合金锻件的组织遗传检测方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种GH4169合金锻件的组织遗传检测装置，具体详见下述实施例。
本申请实施例提供一种GH4169合金锻件的组织遗传检测装置20，如图2所示，图2为本申请实施例提供的一种GH4169合金锻件的组织遗传检测装置的结构示意图。该装置20具体可以包括：
信息获取模块21，用于获取工艺流程信息，工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息；
热力图检测模块22，用于对工艺流程信息进行热力图检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图；
锻造模拟模块23，用于基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值；
锻造分析模块24，用于对工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个材料锻造值按照锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息；
点位追踪模块25，用于对模型转换信息以及多个材料锻造值进行对应点位追踪，得到点位追溯信息；
遗传检测模块26，用于将点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与点位遗传信息相对应的消除遗传信息。
对于本申请实施例，在对GH4169合金进行锻造过程中，为了消除GH4169合金材料所存在的劣质组织遗传，提高了GH4169合金锻造成品的质量，本申请通过获取工艺流程信息，其中工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息，然后对工艺流程信息进行热力图检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图，然后基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，然后对工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个材料锻造值按照锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息，然后对模型转换信息以及多个材料锻造值进行对应点位追踪，得到点位追溯信息，将点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与点位遗传信息相对应的消除遗传信息，从而达到了提高GH4169合金锻造成品的质量的效果。
本申请实施例的一种可能的实现方式，热力图检测模块22在对工艺流程信息进行热力图检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图时，具体用于：
基于工艺流程信息确定不同工艺节点对应的工艺图像信息；
基于工艺图像信息，确定图像瓦片数据；
根据图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
对至少一个待调度区域进行热力检测，得到与工艺流程信息中不同工艺节点相对应的工艺热力图。
本申请实施例的另一种可能的实现方式，锻造模拟模块23在基于工艺热力图，对工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值时，具体用于：
对工艺热力图中不同工艺节点的GH4169合金棒材以及锻造模具进行尺寸数值测量，得到锻造数值；
创建三维模型，并将锻造数值输入至三维模型中，得到与不同工艺节点的GH4169合金棒材相对应的几何体模型；
对几何体模型进行网格划分，并定义位于不同网格区域的集合体模型的锻造加载参数；
将锻造加载参数输入至预设求解器中进行模拟求解，得到工艺锻造值。
本申请实施例的另一种可能的实现方式，热力图检测模块22在基于工艺流程信息确定不同工艺节点对应的工艺图像信息时，具体用于：
对工艺流程信息进行分析，获取至少一项目标工艺信息；
获取预设历史时间内的工艺信息，并对工艺信息进行数据分析，得到与至少一项目标工艺信息相匹配的权重值；
基于权重值对至少一项目标工艺信息进行排序，确定工艺序列信息，并根据工艺序列信息，确定工艺图像信息。
本申请实施例的另一种可能的实现方式，装置20还包括：图像处理模块，其中，
图像处理模块，用于对工艺图像信息进行去噪处理，并将去噪后的工艺图像信息进行图像增强处理。
本申请实施例的另一种可能的实现方式，热力图检测模块22在基于工艺图像信息，确定图像瓦片数据时，具体用于：
对工艺图像信息中的地图点数据进行处理，生成图层信息；
根据图层信息对工艺图像信息进行切片处理，生成瓦片数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种GH4169合金锻件的组织遗传检测装置20的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例中提供了一种电子设备，如图3所示，图3为本申请实施例提供的一种电子设备的结构示意图。图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种GH4169合金锻件的组织遗传检测方法，其特征在于，包括：
获取工艺流程信息，所述工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息；
对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图；
基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值；
对所述工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个所述材料锻造值按照所述锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息；
对所述模型转换信息以及多个所述材料锻造值进行对应点位追踪，得到点位追溯信息；
将所述点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与所述点位遗传信息相对应的消除遗传信息。
2.根据权利要求1所述的一种GH4169合金锻件的组织遗传检测方法，其特征在于，所述对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图，包括：
基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息；
基于所述工艺图像信息，确定图像瓦片数据；
根据所述图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
对所述至少一个待调度区域进行热力检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图。
3.根据权利要求1所述的一种GH4169合金锻件的组织遗传检测方法，其特征在于，所述基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值，包括：
对所述工艺热力图中不同工艺节点的GH4169合金棒材以及锻造模具进行尺寸数值测量，得到锻造数值；
创建三维模型，并将所述锻造数值输入至所述三维模型中，得到与不同工艺节点的GH4169合金棒材相对应的几何体模型；
对所述几何体模型进行网格划分，并定义位于不同网格区域的集合体模型的锻造加载参数；
将所述锻造加载参数输入至预设求解器中进行模拟求解，得到工艺锻造值。
4.根据权利要求2所述的一种GH4169合金锻件的组织遗传检测方法，其特征在于，所述基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息，包括：
对所述工艺流程信息进行分析，获取至少一项目标工艺信息；
获取预设历史时间内的工艺信息，并对所述工艺信息进行数据分析，得到与所述至少一项目标工艺信息相匹配的权重值；
基于权重值对所述至少一项目标工艺信息进行排序，确定工艺序列信息，并根据所述工艺序列信息，确定所述工艺图像信息。
5.根据权利要求2所述的一种GH4169合金锻件的组织遗传检测方法，其特征在于，所述基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息，之后还包括：
对所述工艺图像信息进行去噪处理，并将去噪后的所述工艺图像信息进行图像增强处理。
6.根据权利要求2所述的一种GH4169合金锻件的组织遗传检测方法，其特征在于，所述基于所述工艺图像信息，确定图像瓦片数据，包括：
对所述工艺图像信息中的地图点数据进行处理，生成图层信息；
根据所述图层信息对所述工艺图像信息进行切片处理，生成瓦片数据。
7.一种GH4169合金锻件的组织遗传检测装置，其特征在于，包括：
信息获取模块，用于获取工艺流程信息，所述工艺流程信息为GH4169合金在锻造过程中按照锻造加工顺序中不同工艺节点所对应的工艺信息；
热力图检测模块，用于对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图；
锻造模拟模块，用于基于所述工艺热力图，对所述工艺流程信息中不同工艺节点的锻造数值进行模拟，得到工艺锻造值；
锻造分析模块，用于对所述工艺锻造值按照预设锻造标准进行分析，得到多个材料锻造值，并将多个所述材料锻造值按照所述锻造加工顺序逐一输入至预先创建的合金模型组中，生成不同工艺节点对应的模型转换信息；
点位追踪模块，用于对所述模型转换信息以及多个所述材料锻造值进行对应点位追踪，得到点位追溯信息；
遗传检测模块，用于将所述点位追溯信息输入至训练后的追溯模型中进行训练，得到点位遗传信息以及与所述点位遗传信息相对应的消除遗传信息。
8.根据权利要求7所述的一种GH4169合金锻件的组织遗传检测装置，其特征在于，所述热力图像检测模块在对所述工艺流程信息进行热力图检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图时，具体用于：
基于所述工艺流程信息确定不同工艺节点对应的工艺图像信息；
基于所述工艺图像信息，确定图像瓦片数据；
根据所述图像瓦片数据的调度规则，生成与工艺场景相匹配的至少一个待调度区域；
对所述至少一个待调度区域进行热力检测，得到与所述工艺流程信息中不同工艺节点相对应的工艺热力图。
9.一种电子设备，其特征在于，其包括：
一个或者多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～6任一项所述的一种GH4169合金锻件的组织遗传检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6任一项所述的一种GH4169合金锻件的组织遗传检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410299295.0A CN118155750A (zh) | 2024-03-15 | 2024-03-15 | 一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410299295.0A CN118155750A (zh) | 2024-03-15 | 2024-03-15 | 一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118155750A true CN118155750A (zh) | 2024-06-07 |
Family
ID=91294201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410299295.0A Pending CN118155750A (zh) | 2024-03-15 | 2024-03-15 | 一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118155750A (zh) |
-
2024
- 2024-03-15 CN CN202410299295.0A patent/CN118155750A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112734691B (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
| CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
| CN109949219B (zh) | 一种超分辨率图像的重构方法、装置及设备 | |
| CN102110284B (zh) | 信息处理设备及信息处理方法 | |
| CN111369550A (zh) | 图像配准与缺陷检测方法、模型、训练方法、装置及设备 | |
| Acosta et al. | An innovative image-processing model for rust detection using Perlin Noise to simulate oxide textures | |
| JP2008197852A (ja) | 塑性加工における被加工材の組織発展の解析装置、解析システムおよび記録媒体 | |
| CN115439694A (zh) | 一种基于深度学习的高精度点云补全方法及装置 | |
| CN111325738A (zh) | 一种用于横穿孔周边裂纹的智能检测方法及系统 | |
| CN112053427A (zh) | 一种点云的特征提取方法、装置、设备及可读存储介质 | |
| CN113962136B (zh) | 一种基于有限元的焊接后工件应力重构方法及系统 | |
| CN116307195A (zh) | 一种基于深度学习的带钢精轧宽展预测方法和系统 | |
| CN114358091B (zh) | 一种基于卷积神经网络的桩损伤识别方法、设备及介质 | |
| CN113421242A (zh) | 基于深度学习的焊点外观质量检测方法、装置及终端 | |
| CN112749735B (zh) | 基于深度学习的转炉出钢钢流识别方法、系统、介质及终端 | |
| CN116542926B (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
| CN116127802B (zh) | 3d视景展示cae仿真结果的方法、装置及系统 | |
| CN118155750A (zh) | 一种gh4169合金锻件的组织遗传检测方法、装置、设备及介质 | |
| CN114065798A (zh) | 基于机器识别的视觉识别方法及装置 | |
| CN111915489A (zh) | 一种基于监督深度网络学习的图像重定向方法 | |
| CN116188917A (zh) | 缺陷数据生成模型训练方法、缺陷数据生成方法及装置 | |
| JP7070308B2 (ja) | 推定器生成装置、検査装置、推定器生成方法、及び推定器生成プログラム | |
| CN115223033A (zh) | 一种合成孔径声呐图像目标分类方法及系统 | |
| CN110136061B (zh) | 一种基于深度卷积预测与插值的分辨率提升方法及系统 | |
| CN111627018B (zh) | 一种基于双流神经网络模型的钢板表面缺陷分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |