MIM金属注射成型烧结产品质量控制方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112330085A(43)申请公布日2021.02.05(21)申请号202010980609.5(22)申请日2020.09.17(71)申请人上海微亿智造科技有限公司地址201100上海市闵行区元江路5500号第1幢申请人常州微亿智造科技有限公司(72)发明人顾徐波王闯马元巍宋怡然(74)专利代理机构上海段和段律师事务所31334代理人李佳俊郭国中(51)Int.Cl.G06Q10/06(2012.01)G06N3/12(2006.01)G06N20/00(2019.01)权利要求书2页说明书4页附图1页(54)发明名称MIM金属注射成型烧结产品质量控制方法及系统(57)摘要本发明提供了一种MIM金属注射成型烧结产品质量控制方法及系统，包括：步骤S1：搜集工厂以往的烧结生产数据和DOE试验数据，形成数据库，获取数据库形成结果信息；步骤S2：建立机器学习模型，模型学习以往的数据，形成一种烧结炉参数与烧结产品参数之间的映射关系，即能够实现根据烧结参数，获取烧结产品的质量信息；步骤S3：引入优化算法中的遗传算法，采用机器学习和遗传算法的组合能够根据产品所需参数要求而反推所需的烧结参数，获取MIM金属注射成型烧结产品质量控制结果信息。本发明的实施能够较大地提升烧结工厂的生产效益；本发明能够根据烧结产品质量要求，快速反推出烧结炉所需要设置的参数。CN112330085ACN112330085A权利要求书1/2页1.一种MIM金属注射成型烧结产品质量控制方法，其特征在于，包括：步骤S1：搜集工厂烧结生产数据和DOE试验数据，形成数据库，获取数据库形成结果信息；步骤S2：建立机器学习模型，获取烧结产品的质量信息；步骤S3：引入优化算法中的遗传算法，根据产品所需参数要求而反推所需的烧结参数，获取MIM金属注射成型烧结产品质量控制结果信息。2.根据权利要求1所述的MIM金属注射成型烧结产品质量控制方法，其特征在于，所述步骤S2包括：步骤S2.1：建立机器学习模型，形成烧结炉参数与烧结产品参数之间的映射关系；根据烧结炉参数、烧结产品参数，获取烧结产品的质量信息。3.根据权利要求1所述的MIM金属注射成型烧结产品质量控制方法，其特征在于，所述步骤S3包括：步骤S3.1：首先确定生产产品的各目标质量参数；步骤S3.2：初始化设定数量的遗传算法烧结参数种群；其中，每个种群中有多个个体，一个个体代表一组烧结参数；步骤S3.3：将烧结参数种群放入机器学习模型当中，预测出各烧结参数下的产品质量参数；步骤S3.4：根据产品目标质量参数和机器学习预测的质量参数之间的差异，计算种群中个体的适应度。4.根据权利要求3所述的MIM金属注射成型烧结产品质量控制方法，其特征在于，所述步骤S3还包括：步骤S3.5：对种群中各个体进行适应度排序，差异越小，适应度越好；步骤S3.6：判断是否达到结束条件；如果是，则输出最优的烧结参数；如果否，则进行选择操作，剔除种群中设定数量的适应度不好的个体。5.根据权利要求4所述的MIM金属注射成型烧结产品质量控制方法，其特征在于，所述步骤S3还包括：步骤S3.7：剩下的父代进行交叉重组、变异，产生新的子代；步骤S3.8：将父代和新的子代放入机器学习模型中，重复步骤S3.3-步骤S3.7操作。6.一种MIM金属注射成型烧结产品质量控制系统，其特征在于，包括：模块M1：搜集工厂以往的烧结生产数据和DOE试验数据，形成数据库，获取数据库形成结果信息；模块M2：建立机器学习模型，获取烧结产品的质量信息；模块M3：引入优化算法中的遗传算法，根据产品所需参数要求而反推所需的烧结参数，获取MIM金属注射成型烧结产品质量控制结果信息。7.根据权利要求6所述的MIM金属注射成型烧结产品质量控制系统，其特征在于，所述模块M2包括：模块M2.1：建立机器学习模型，形成烧结炉参数与烧结产品参数之间的映射关系；根据烧结炉参数、烧结产品参数，获取烧结产品的质量信息。8.根据权利要求6所述的MIM金属注射成型烧结产品质量控制系统，其特征在于，所述2CN112330085A权利要求书2/2页模块M3包括：模块M3.1：首先确定生产产品的各目标质量参数；模块M3.2：初始化设定数量的遗传算法烧结参数种群；其中，每个种群中有多个个体，一个个体代表一组烧结参数；模块M3.3：将烧结参数种群放入机器学习模型当中，预测出各烧结参数下的产品质量参数；模块M3.4：根据产品目标质量参数和机器学习预测的质量参数之间的差异，计算种群中个体的适应度。9.根据权利要求8所述的MIM金属注射成型烧结产品质量控制系统，其特征在于，所述模块M3还包括：模块M3.5：对种群中各个体进行适应度排序，差异越小，适应度越好