一種識別金屬拉深件成形微裂紋位置的方法
2023-05-20 05:04:01 2
專利名稱：一種識別金屬拉深件成形微裂紋位置的方法
技術領域：
本發明涉及的領域是金屬拉深件製造，尤其涉及對金屬拉深件在製造過程中識別微裂紋產生位置，同樣也能用於鋼結構、旋轉機械等狀態檢測和故障檢測。
背景技術：
拉深加工作為ー種高效、節能、高材料利用率的加工方法，可以製成筒形、階梯形、錐形、球形和其它不規則形狀的薄壁零件，如果和其它衝壓成型エ藝配合，還可以製造形狀極為複雜的零件。隨著現代社會對拉深加工產品的需求越來越大以及競爭的加劇，人們對拉深件的質量提出了更高的要求，許多關鍵部位的拉深製件在整個產品的性能及質量上起著關鍵性作用，因此拉深件的質量愈來愈被人所關注，卻也一直是企業棘手的技術難題。
裂紋是造成拉深件質量問題的主要因素之一，這是由於拉深過程中，板料產生塑性變形材料被轉移和重新分布，內部的應カ和應變十分複雜，導致拉深過程中的狀態難以精確控制，使製件產生裂紋，有些微裂紋肉眼難以察覺，在生產過程中可能會產生成批的廢品。目前，拉深件質量的好壞全靠現場工人和技術人員的經驗來判斷，最常見的檢驗方式是檢驗人員進行首檢、抽檢和終檢實現質量檢測，這屬於事後檢測，具有一定的時滯性，當發現製件產生微裂紋時，可能前面有相當數量的製件已經產生了微裂紋，因此，積極開展微裂紋位置的識別技術研究不僅能及時調整エ藝參數有重要指導意義，而且對於實現金屬拉深成形的狀態識別及質量監測有著深遠的意義。
發明內容
本發明提供一種識別金屬拉深件成形微裂紋位置的方法，對金屬拉深件的微裂紋位置進行識別，可以根據微裂紋位置來調整エ藝參數，從而消除微裂紋的產生。本發明的技術方案是採用如下步驟(I)在拉深模具的凸模和凹模上均布置採集拉深件成形微裂紋信號的聲發射傳感器，得到表徵信號的相對到達時間、幅度、能率、振鈴計數、上升計數、上升時間、能量、持續時間、有效值電壓、平均信號電平、時間消耗這11個特徵參數；
(2)設計ー個BP神經網絡，BP神經網絡激活函數採用Sigmoid函數，輸入神經元個數m由聲發射信號的特徵參數個數確定，輸出層神經元個數
f由可能產生微裂紋的位置個數e確定，隱含層神經元個數η由公式〃確定，a
為[I, 10]的常數;權初始值域取(-0. 1,0. I),最大循環迭代為10000 ；
(3)採集訓練樣本，將樣本數據歸ー化處理後作為BP神經網絡的輸入數據，每個目標輸出由I個ニ進位表示，設置c個微裂紋位置對應的目標輸出，對BP神經網絡進行訓練。當訓練誤差小於O. 001時停止訓練，得到了訓練好的BP神經網絡；
(4)將測試數據輸入訓練好的BP神經網絡進行測試，計算特徵參數對識別結果的靈敏度，得到靈敏度從高到低的特徵參數；刪除靈敏度最小的特徵參數，得到新的訓練樣本數據和測試數據，
(5)重複步驟(2)、(3)、(4)，最終提取振鈴計數、時間消耗、持續時間、幅度、能量5個特徵參數；
(6)使用所述5個特徵參數對應的訓練樣本數據作為BP神經網絡的輸入，重複步驟
(2)、(3)、建立5個特徵參數和微裂紋位置的非線性映射關係；
(7)將實際檢測到的聲發射信號的5個特徵參數對應的數據表中的數據進行歸ー化處理後輸入BP神經網絡，根據所建立的非線性映射關係，當BP神經網絡輸出和某ー個目標輸出ー樣時，可識別微裂紋產生的位置。本發明採集不同位置微裂紋的聲發射信號特徵參數，使用這些特徵參數對BP神經網絡進行訓練，建立起了特徵參數和微裂紋位置的非線性映射關係。根據特徵參數對識 別結果的靈敏度，在保證不影響識別結果的前提下，提取了 5個最能表徵信號的參數，將生產中採集的5個特徵參數輸入BP神經網絡，識別微裂紋產生的位置，對比網絡輸出和目標輸出，可以得到微裂紋產生的位置。本發明能很好地對金屬拉深件裂紋產生位置進行識別，在獲得足夠訓練樣本的前提下，可以很準確的識別微裂紋位置，為選取エ藝參數提供重要依據和參考。
圖I是識別金屬拉深件成形微裂紋位置的流程 圖2是識別金屬拉深件成形微裂紋位置的裝置 圖中1.凸模；2.凹模；3.聲發射傳感器；4.前置放大器；5.聲發射處理模塊；6.計算機。
具體實施例方式本發明的實施步驟如下
一、如圖2所示，建立一個完整的聲發射信號採集平臺，微裂紋引起的微弱振動激勵傳感器，將其轉換成電信號。具體是在拉深模具的凸模I和凹模2上均布置聲發射傳感器3，在允許的情況下，聲發射傳感器3應儘量靠近拉深件板料，目的是為了使聲發射傳感器3更好地接收到板料成形微裂紋信號。將聲發射傳感器3的輸出依次連接前置放大器4、聲發射處理模塊5和計算機6。聲發射傳感器3採集的微裂紋信號，經前置放大器4放大，聲發射處理模塊5對放大後的信號進行濾波和提取，得到表徵信號的11個特徵參數，11個特徵參數為相對到達時間、幅度、能率、振鈴計數、上升計數、上升時間、能量、持續時間、有效值電壓(RMS)、平均信號電平(ASL)、時間消耗。ニ、如圖I所示，設計ー個有特徵參數提取和模式識別功能的三層BP神經網絡，BP神經網絡激活函數採用的是Sigmoid函數，BP神經網絡的輸入、隱層和輸出層神經元的確定如下
Ca)根據表徵聲發射信號的參數個數確定BP神經網絡輸入神經元個數m。(b)根據可能產生微裂紋的位置個數確定BP神經網絡輸出層神經元個數/,通過公式(I)確定I。C的確定可以通過有限元仿真和實際調研相結合得到。
權利要求
1.一種識別金屬拉深件成形微裂紋位置的方法，其特徵是採用如下步驟 (1)在拉深模具的凸模和凹模上均布置採集拉深件成形微裂紋信號的聲發射傳感器，得到表徵信號的相對到達時間、幅度、能率、振鈴計數、上升計數、上升時間、能量、持續時間、有效值電壓、平均信號電平、時間消耗這11個特徵參數； (2)設計ー個BP神經網絡，BP神經網絡激活函數採用Sigmoid函數，輸入神經元個數m由聲發射信號的特徵參數個數確定，輸出層神經元個數I由可能產生微裂紋的位置個數 確定，隱含層神經元個數η由公式《確定，a為[I, 10]的常數;權初始值域取(-0. 1,0. I),最大循環迭代為10000 ； (3)採集訓練樣本，將樣本數據歸ー化處理後作為BP神經網絡的輸入數據，每個目標輸出由I個ニ進位表示，設置c個微裂紋位置對應的目標輸出，對BP神經網絡進行訓練；當訓練誤差小於O. 001時停止訓練，得到了訓練好的BP神經網絡； (4)將測試數據輸入訓練好的BP神經網絡進行測試，計算特徵參數對識別結果的靈敏度，得到靈敏度從高到低的特徵參數；刪除靈敏度最小的特徵參數，得到新的訓練樣本數據和測試數據， (5)重複步驟(2)、(3)、(4)，最終提取振鈴計數、時間消耗、持續時間、幅度、能量5個特徵參數； (6)使用所述5個特徵參數對應的訓練樣本數據作為BP神經網絡的輸入，重複步驟(2)、(3)、建立5個特徵參數和微裂紋位置的非線性映射關係； (7)將實際檢測到的聲發射信號的5個特徵參數對應的數據表中的數據進行歸ー化處理後輸入BP神經網絡，根據所建立的非線性映射關係，當BP神經網絡輸出和某ー個目標輸出ー樣時，可識別微裂紋產生的位置。
全文摘要
本發明公開一種識別金屬拉深件成形微裂紋位置的方法，採集不同位置微裂紋的聲發射信號特徵參數，使用這些特徵參數對BP神經網絡進行訓練，建立起了特徵參數和微裂紋位置的非線性映射關係。根據特徵參數對識別結果的靈敏度，在保證不影響識別結果的前提下，提取了5個最能表徵信號的參數，將生產中採集的5個特徵參數輸入BP神經網絡，識別微裂紋產生的位置，對比網絡輸出和目標輸出，可以得到微裂紋產生的位置。本發明能很好地對金屬拉深件裂紋產生位置進行識別，在獲得足夠訓練樣本的前提下，可以很準確的識別微裂紋位置，為選取工藝參數提供重要依據和參考。
文檔編號G01N29/14GK102692456SQ20121013106
公開日2012年9月26日 申請日期2012年5月2日 優先權日2012年5月2日
發明者葉紅英, 張保剛, 範祥偉, 駱志高 申請人:江蘇大學