PREP工艺多金属粉末粒径评估数据

来源于PREP工艺制备TC4/45钢/IN625三种金属粉末的粒径分布综合评估与对比数据。 数据结构中含了主弧电流、进给速度、主轴转速等参数和材料类型分类字段，用于驱动以材料类型为分类特征的多材料随机森林回归模型计算D50预测值；粒径分布D10/D50/D90实测值和粒度均匀性指数用于评估粒度控制效果；材料间粒度对比指数用于跨材料横向比较。各字段协同形成完整的多材料粒径分布评估体系。 具体应用包括：（1）为PREP工艺研发人员提供“工艺参数-材料类型-粒径分布”的量化映射模型，辅助根据目标粒径和材料类型反向优化工艺参数；（2）为粉末冶金车间操作人员提供三种材料统一评价体系下的粒度对比数据，支持材料选型时的粒径特性差异判断；（3）为制粉工艺优化工程师提供粒度均匀性评估依据，辅助识别异常大颗粒、提升粉末质量一致性。可供AI模型训练工艺参数与性能的关联标注数据。（4）可供AI模型训练PREP工艺参数与多材料粉末性能的关联标注数据，支撑粉末制备工艺优化模型的训练与泛化能力提升。【加工前的数据说明】原始数据来源于PREP工艺制备TC4钛合金、45钢、IN625镍基合金三种金属粉末的生产测试记录。数据以结构化格式存储，包含测试批次编号、金属材料类型、测试时间、主弧电流、进给速度、主轴转速、粒径分布D10/D50/D90等字段，数据规模涵盖全部历史生产测试记录。 【处理规则】（1）数据采集与预处理：采集三种金属粉末PREP工艺测试数据，字段包括材料类型、主弧电流、进给速度、主轴转速、D10/D50/D90；采用3σ准则识别并剔除粒径分布异常测试数据，对缺失值采用同材料类型均值填充；（2）多材料数据聚合与数据集构建：将三种材料的历史测试数据按材料类型进行标注聚合，形成多材料数据集X，其中材料类型作为分类特征参与建模；（3）多材料粒径分布预测模型构建：以材料类型、主弧电流、进给速度、主轴转速为输入特征，以D50为预测目标，构建随机森林多输出回归模型，设置决策树数量为200棵、最大深度为10层；（4）粒度均匀性评估：基于D10、D50、D90实测值计算粒度均匀性指数=1-(D90-D10)/D50，均匀性指数越接近1表示粒径分布越集中；（5）材料间粒度对比：以TC4材料的D50预测值为基准值，计算45钢和IN625的D50预测值与TC4基准值的比值作为材料间粒度对比指数；（6）粒度等级判定：当D50预测误差率≤3%且粒度均匀性指数≥0.80时判定为“优良”，当误差率≤5%且均匀性指数≥0.70时判定为“合格”，否则判定为“待优化”。 【数据内容描述】最终输出涵盖PREP工艺TC4、45钢、IN625三种金属粉末在不同工艺参数组合下的粒径分布评估结果，包含各材料D50预测值、预测误差率、粒度均匀性指数、材料间粒度对比指数和粒度等级等评估指标。 以上计算结果均保留2位小数。

搜集汇总

背景与挑战

背景概述

该数据集涵盖PREP工艺制备的TC4钛合金、45钢及IN625镍基合金三种金属粉末的粒径分布评估结果，包含主弧电流、进给速度、主轴转速等工艺参数及D10/D50/D90实测值、D50预测值、预测误差率、粒度均匀性指数、材料间粒度对比指数和粒度等级等指标，共1131条记录。数据基于历史生产测试记录，经过去异常和缺失值填充处理，并以材料类型为分类特征构建随机森林模型预测D50，同时提供粒度均匀性评估和跨材料对比分析，用于辅助工艺参数优化、材料选型及粉末质量一致性控制，并可作为AI模型训练数据。