通过过程监控、高斯过程模型和卡尔曼滤波器调整参数，提高涂层重复性

生产可重复质量的涂层是任何涂层工艺（包括大气热喷涂 (APS)）的关键目标。使用 APS 中现有的输出调节方法，通常会看到连续涂层部件的涂层特性存在显著变化，这不足以满足新涂层应用日益严格的要求。因此，本文提出了一种新颖的过程输出调节方法，通过结合先进的监控解决方案和机器学习方法来提高涂层特性的可重复性。它使用高斯过程模型和卡尔曼滤波器根据喷枪电压、整体粒子温度、沉积效率和应用率的反馈来调整连续涂层部件之间的过程输入参数。该方法不仅可以补偿过程退化，而且更普遍地通过使用系统状态感知过程模型来跟踪涂层系统的时间变化，最大限度地减少不同涂层运行之间过程状态的长期差异。在工业环境中测试了开发的方法，并将其与 APS 中最常用的喷涂具有相同过程输入参数的连续部件的方法以及基于喷枪电压调整过程输入的方法进行了比较。与其他两种方法相比，所开发的方法产生的涂层变化更小，更接近目标。