[发明专利]一种基于DBSCAN聚类算法的蠕墨铸铁形核率的预测方法

说明书

本发明涉及一种基于DBSCAN的聚类算法的蠕墨铸铁形核率预测方法，用聚类数代替共晶团数进行形核率计算，通过采集数据集，确定指定半径ε以及密度阈值minPts，进行DBSCAN算法统计，从而得到形核率预测模型。该方法可以更加准确地统计形核率，由此计算得到的冷却曲线与实验直接测得基本吻合，有助于提高蠕墨铸铁件的生产精度，良品率等。对于指导实际蠕墨铸铁的工业生产具有十分重要的意义。

技术领域

本发明属于蠕墨铸铁性能测试分析领域，具体涉及一种基于DBSCAN聚类算法的蠕墨铸铁形核率的预测方法。

背景技术

众所周知，铸造凝固过程的形核率对于铸件的综合性能具有重要的影响。这主要体现在形核率能直接预测凝固过程冷却曲线，从而间接决定铸造产品的微观结构及力学性能。因此，形核率是在铸造凝固过程非常重的参数指标。

相较于灰铸铁和球墨铸铁，蠕墨铸铁的凝固具有一些独特之处。首先，由于蠕墨铸铁的最大过冷度要大于球墨铸铁和灰铸铁的最大过冷度，导致其凝固过程中会出现大量的奥氏体枝晶，使得蠕墨铸铁的凝固组织由奥氏体枝晶和各种形态的石墨形成的共晶团组成。据研究显示，蠕墨铸铁的奥氏体枝晶和石墨的形核和生长在熔体中独立进行，石墨颗粒最初在熔体中生长，逐渐与同样生长着的奥氏体枝晶接触，形成共晶团。在该共晶团中，奥氏体和石墨共同生长，两相均与熔体接触。当铸件暴露与较高冷却速率的部分达到较大的过冷度时，会出现较大的奥氏体形核密度，从而导致晶粒尺寸较小。另一方面，较慢的冷却部分奥氏体形核密度较低，因此具有较大的晶粒尺寸。这些晶粒中每一个都包含许多球状共晶团。区别于球墨铸铁通过统计石墨个数得到形核率和灰铸铁通过统计共晶团数目来得到形核率，蠕墨铸铁由于其本身存在一种特殊共晶团形核方式，使得一直以来采用现有的两种方法统计其形核率十分不准确。

发明内容

基于上述技术问题，本发明提供了一种基于DBSCAN聚类算法的蠕墨铸铁形核率预测方法。本发明采用聚类算法统计蠕墨铸铁形核率可以实现对蠕墨铸铁形核率的准确预测，进而影响蠕墨铸铁的综合力学性能。对于改进蠕墨铸铁生产工艺，提升蠕墨铸铁件的质量具有十分重要的指导意义。

一种基于DBSCAN聚类算法的蠕墨铸铁形核率的预测方法，其特征在于，该方法包括如下步骤：

(1)提取数据，将蠕墨铸铁样品的金相图片转换为数据集；

(2)根据蠕墨铸铁样品的实际情况，设定合适的指定半径ε以及密度阈值 minPts；将各参数传入DBSCAN算法中，得到蠕墨铸铁样品平均聚类数；

(3)通过实验得到蠕墨铸铁样品的冷却速度R_E以及上述步骤(2)得到的蠕墨铸铁样品平均聚类数，确定形核公式。

进一步地，所述步骤(1)具体如下：通过MATLAB将各蠕墨铸铁样品的金相图片转换为数据集。

进一步地，通过函数将金相图片进行处理，处理好后，对图像中的每个目标即共晶团中的石墨提取二值特征，其中包含图像目标的质心坐标；质心坐标按散点图绘制，通过对每一个金相图片进行同样的的操作，便得到数据集。

进一步地，所述通过函数将金相图片进行处理具体操作方法为：通过imread() 函数载入图像，然后通过im2bw()函数将图片转换为二值图，并对转换后的二值图采用medfilt2()函数进行滤波，用bwareaopen()函数去除500个像素以下的噪声点，用strel()函数进行膨胀腐蚀去除内部空洞。

进一步地，所述步骤(1)中，采用regionprops()函数对图像中的每个目标提取二值特征。

进一步地，所述步骤(2)中：经过聚类后还需将不满足密度阈值minPts的噪声点排除，设定规则为当存在大面积的噪声点时，该数据不计入平均聚类数中；当单个类中点的个数小于5时，该类不计数。