[发明专利]适用于深度学习金属注射成型烧结产品质量特征处理方法

权利要求书

1.一种适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于，具体包括以下步骤：

第一步骤、收集现有不同烧结零件产品的试验数据；

第二步骤、通过零件产品材料表整理出零件产品材料；

第三步骤、通过零件图纸计算出零件产品几何参数；

第四步骤、通过产品生产日期，查找试验日期环境因素；

第五步骤、对所有输入参数进行标准化及归一化设置，作为算法模型训练所需的输入特征；

第六步骤、训练出具有迁移学习能力的算法模型；通过包含零件产品材料、零件产品几何参数，根据输入特征中零件产品几何参数的变化，通过冻结部分参数权重，训练出具有迁移学习能力的算法模型，从而对新产品在特定控制参数下的性能进行预测，并且由于输入特征中包含环境因素，由此特征训练的算法可根据天气情况实时调整工艺参数，算法调节工艺参数频率为每24h更新一次，根据当天下午一点至两点平均温度、湿度作为依据进行参数。

2.根据权利要求1所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：在所述的第一步骤中，试验数据包括试验控制参数、零件位置、性能以及日期信息，所述的试验控制参数包括烧结温度、升降温速度、保温时间、分压以及冷却水套流量，所述的零件位置包括层数、列数以及行数。

3.根据权利要求2所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：所述的层数、所述的列数以及所述的行数采用0ne-hot编码形式记录。

4.根据权利要求1所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：在所述的第二步骤中，零件产品材料包括材料类型、材料组分以及材料占比。

5.根据权利要求4所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：所述的材料类型设置采用0ne-hot编码形式处理，材料组分和材料占比采用数值形式。

6.根据权利要求1所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：在所述的第三步骤中，零件产品几何参数包括通孔水利直径与零件水利直径之比、沉槽特征尺寸与零件水利直径之比、水利直径、最大厚度、最小厚度、外轮廓圆弧角度、通孔形状、通孔数量、沉槽数量以及沉槽形状。

7.根据权利要求6所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：所述的通孔形状为圆形、长圆形、长方形、椭圆或三角形。

8.根据权利要求6所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：所述的沉槽形状为圆形、长圆形、长方形、椭圆或三角形。

9.根据权利要求1所述的适用于深度学习金属注射成型烧结产品质量特征处理方法，其特征在于：在所述的第四步骤中，所述的环境因素包括环境温度、湿度信息、烧结控制温度与环境温度差异、水套进水温度、水套出水温度以及水套流量，将水套进水温度与环境温度视同，出水温度及流量采用试验值。