基于声发射信号模式的齿轮特征识别研究

鉴于声发射信号对齿轮早期裂纹具有独特的敏感性,对早期齿轮声发射信号的特征识别具有重要意义。介绍小波变换理论及其原理,建立齿轮疲劳试验平台,利用小波阈值降噪对不同工况下齿轮声发射信号进行预处理,获取高能量频段的信号并提取时域、频域特征参数,将其作为BP神经网络的输入,以识别不同工况下的声发射信号。实验结果表明：与去噪后的全频段信号相比,基于高能量频段信号所提取的特征参数具有更高的识别率,为早期齿轮故障信号分析和检测提供借鉴。     

钢结构疲劳损伤声发射监测

采用声发射技术对已开裂的焊缝进行监测,实现了在复杂的环境噪声中识别出裂纹活动信号。通过分析疲劳裂纹损伤产生的原因以及材料在交变载荷作用下产生声发射的机理,得到表征焊缝裂纹活动过程的信号特征。试验表明,声发射技术对钢结构裂纹损伤的活度、强度具有较大的敏感性,可以实现对裂纹损伤状态发展变化的实时监测。     

基于EEMD的特征提取及其在齿轮裂纹故障诊断中的应用

为了提取齿轮裂纹故障的特征参数并识别不同裂纹深度齿轮的类型,以单级齿轮箱中的圆柱齿轮为实验对象,采集3种不同裂纹深度齿轮的振动信号。对采集到的信号进行时频域分析和EEMD分解,分别提取时域特征参数和EEMD能量特征参数,分析和构造齿轮裂纹故障特征向量,选用基于径向基核函数的支持向量机分类方法进行不同裂纹深度齿轮的识别。结果表明：结合时域特征参数和EEMD能量特征参数构造的齿轮裂纹故障特征向量能准确识别不同裂纹深度齿轮的类型。     

激光焊接偏差识别的神经网络模型试验研究

激光焊接偏差识别是保证激光焊接质量的关键技术,本文研究一种用于识别激光束与焊缝位置偏差的BP神经网络模型。在大功率光纤激光焊接试验条件下,利用高速红外摄像机摄取焊接区域熔池图像,分析激光束与焊缝对中及偏离所对应的红外辐射瞬态特征。通过图像处理增强熔池图像,计算熔池特征参数（熔池匙孔特征参数、匙孔质心值、热堆积效应参数）以及相对应的焊缝与激光束之间的偏差值,将其输入所设计的神经网络进行网络权值参数的训练,建立基于BP神经网络且具有一定环境适应能力的焊缝偏差模型。试验结果表明,该模型能够反映熔池特征参数与焊缝偏差之间的规律,可实现较精确的焊缝偏差识别。     

2.25Cr-1Mo材料在拉伸过程中的声发射信号聚类分析

声发射(AE)技术能用来区分发生在受载材料内的不同损伤模式,而聚类分析能在无先验知识的情况下通过揭示数据内部结构对数据进行分类。声发射波形包含了丰富的声发射源信息,而常规的特征参数并不能满足深层次的声源识别要求。文章尝试从波形的频率分布特征、形状特征和强度特征三个方面分别选取小波变换能量特征系数、波形裕度因子和幅值作为描述声发射波形的新参数。基于波形新参数的聚类分析能有效地区分加氢反应器材料2.25Cr-1Mo带裂纹和无裂纹试件拉伸过程中屈服阶段塑性变形信号、微裂纹扩展信号和断裂失稳信号。     

金属材料拉伸断裂过程中的声发射特性研究

对含有I型裂纹的SM490A试样,使用声发射仪检测了拉伸断裂过程中的塑性变形和断裂过程。通过声发射特征参数分析了裂纹尖端和塑性变形区域的力学特征。结果表明:用CCD图像来研究裂纹断裂过程中不同阶段的声发射信号是可行的,在断裂过程中含裂纹的SM490A试样在高速断裂时R方向与T方向试件产生的声发射信号之间的差异比低速断裂时的小。     

焊接冷裂纹起裂及扩展过程的声发射特性

由于焊接冷裂纹的萌生与扩展具有时间延迟性,使得对冷裂纹的检测较为困难。采用声发射测试技术,对15CrMoR材料制作的不同板厚和不同拘束焊缝长度斜Y型坡口对接焊接试件进行焊后自然冷却过程的声发射监测试验。试验结果表明:依据声发射撞击-时间、幅值-时间分布图,能够准确判别冷裂纹起裂点,确定试件焊后冷裂纹产生及扩展过程,且该过程具有焊接冶金过程、冷裂纹孕育过程、冷裂纹起裂点、微裂纹汇聚过程、主裂纹延迟扩展过程的"一点四过程"特征。     

基于声发射的Q345B钢失稳断裂模式识别

研究了一种基于声发射技术的Q345B钢材进入失稳断裂模式的识别方法。其以声发射计数率作为研究的数据对象,利用数理统计学分析计数率数据变化的规律,提出了用声发射计数率的离散系数对疲劳裂纹扩展过程的第二阶段与第三阶段进行识别,建立了Q345B钢材声发射计数率的离散系数与应力强度因子幅值的关系,可为利用声发射技术作为Q345B钢材失稳断裂预警识别提供依据。     

磁记忆技术在焊缝缺陷检测中的量化研究

为解决磁记忆技术不能定量分析焊缝缺陷的问题,本文针对Q345R钢焊板试件,测取了沿焊缝方向和垂直焊缝方向的2种磁记忆信号,分析焊缝裂纹长度与深度对磁记忆信号的影响,建立焊缝裂纹尺寸与磁记忆信号间的量化关系。探索并提出了利用组合测量路线进行焊缝裂纹量化识别的新途径。结果说明,2条测量路线检测得到的磁记忆信号均存在明显的焊缝裂纹定位特征,但单独1条测量路线的磁记忆信号是不能反映裂纹的全部尺寸信息的,需综合沿焊缝方向和垂直焊缝方向磁记忆信号进行焊缝裂纹尺寸的量化识别。此外,本文还用BP神经网络方法对此课题进行了深入研究,结果表明BP神经网络可以实现焊缝裂纹尺寸的量化评价。     

异种钢接头热影响区裂纹扩展声发射特征信号分析

文中以P92钢与Ni基焊材焊接热影响区为研究对象,通过采集紧凑拉伸试验过程中异种钢接头热影响区启裂及裂纹扩展的声发射特性信号,分析裂纹扩展的声发射信号幅值、频率分布、能量及振铃计数等特征参数,同时分析声发射特征信号与断口形貌之间的对应关系。结果表明：裂纹扩展声发射信号均为突发型信号,频率主要集中在50～200 kHz;裂纹稳定扩展的声发射信号具有平均幅值较低、总能量和振铃计数率参数变化平缓的特点;裂纹失稳扩展的声发射信号具有平均幅值较高、总能量和振铃计数率参数呈瞬时增加的特点;裂纹稳定扩展阶段的声发射特征信号与韧性断口特征相对应;裂纹失稳扩展阶段的声发射特征信号与准解理断裂或解理断裂特征相对应。     

基于神经网络模型的P-GMAW焊缝成形过程仿真

脉冲熔化极气体保护焊(P-GMAW)是一种高效、适应性强的焊接方法之一,在工业生产中得到了广泛的应用.文中以低碳钢P-GMAW为对象,研究其焊缝成形过程的建模与仿真方法.文中首先利用BP神经网络,建立了该过程的动态模型,然后利用该模型的稳态与动态仿真揭示了P-GMAW过程的成形规律.同时,文中提出了一种利用神经网络模型...     

改进的神经网络技术在声发射定位中的应用

针对时差定位法受很多因素影响的弊端，将神经网络技术应用到声发射源定位中。提取最能揭示声发射源的特征参数和运用主元分析技术来降低输入样本的数量；采用增加隐含层神经元个数探讨它们的误差变化来确定隐含层；运用附加动量法和优化选取初始阈值等措施进行网络设计。将设计好的网络运用到实例中，通过与实际缺陷位置的比较，结果表明，选择合理的网络结构和输入参数可准确定出结构损伤位置，且精度有较大的提高，计算更简单有效。     

On-line evaluating on quality of mild steel joints in resistance spot welding

A method was developed to realize quality evaluation on every weld-spot in resistance spot welding based on information processing of artificial intelligent. Firstly, the signals of welding current and welding voltage, as information source, were synchronously collected. Input power and dynamic resistance were selected as monitoring waveforms. Eight characteristic parameters relating to weld quality were extracted from the monitoring waveforms. Secondly, tensile-shear strength of the spot-welded joint was employed as evaluating target of weld quality. Through correlation analysis between every two parameters of characteristic vector, five characteristic parameters were reasonably selected to found a mapping model of weld quality estimation. At last, the model was realized by means of the algorithms of Radial Basic Function neural network and sample matrixes. The results showed validations by a satisfaction in evaluating weld quality of mild steel joint on-line in spot welding process.     

激光焊接声信号与熔深的相关性

激光焊接过程伴随着强烈的声信号,这些声信号中包含焊接过程的重要信息,反映了焊缝质量.以平板激光堆焊为研究对象,详细地分析了焊接过程声信号的特征.研究发现,声信号的强度和功率频谱分布与焊缝熔深具有良好的对应关系.声信号功率频谱主要集中在2～10kHz之间,并且具有明显的谱线族.随焊缝熔深的减小,声信号强度减弱,并且声信号频谱族由相对集中单一向分散多族化变化.以激光焊接过程产生的声信号特征作为传感信息,采用人工神经网络技术建立了声信号与焊缝熔深之间的关系模型.结果表明,该模型能够根据声信号特征定量地检测焊缝的熔深,为激光非熔透焊接熔深的实时检测提供一种有效的手段.     

Neural network classification of flaws detected by ultrasonic means

A methodology for the automatic recognition of weld defects, detected by a P-scan ultrasonic system, has been developed within two stages in the present work. In the first stage, a selection of the shape parameters defining the pulse-echo envelope reflected from a generic flaw, and defined in the time domain, is performed by Fischer linear discriminant analysis. In the second stage the classification is carried out by a three-layered neural network trained with the backpropagation rule, where the input values are the parameters selected by the Fischer analysis. With regard to the neural network learning process, 135 real weld defects have been considered. The defects, distributed among the classes of cracks, slags of inclusion and porosity, had been previously characterized by X-ray inspection. The results obtained confirm the effectiveness of the approach in preserving the discriminant information needed for characterization by an iterative use of Fischer analysis, and in increasing the generalization properties of the layered network by an interpretation of the knowledge embedded in the generated connections and weights. The required computation time allows in-process application.     

Identification of acoustic emission signal in aluminum alloys spot welding based on fractal theory

The acoustic emission signal of aluminum alloys spot welding includes the information of forming nugget and is one of the important parameters in the quality control. Due to the nonlinearity of the signals, classic Euclidean geometry can not be applied to depict exactly. The fractal theory is implemented to quantitatively describe the characteristics of the acoustic emission signals. The experiment and calculation results show that the box counting dimension of acoustic emission signal, between 1 and 2, are distinctive from different nugget areas in AC spot welding. It is proved that box counting dimension is an effective characteristic parameter to evaluate spot welding quality. In addition, fractal theory can also be applied in other spot welding parameters, such as voltage, current, electrode force and so on, for the purpose of recognizing the spot welding quality.     

刀具磨损监测的一种数据处理方法

采用声发射传感器采集刀具切削时的信号,提出了一种基于BP神经网络识别刀具磨损程度的方法。该方法将原始声发射信号经高通滤波后直接输入到BP神经网络中进行训练,依靠神经网络的非线性映射能力,使神经网络对不同磨损程度刀具产生的信号进行分类,并能准确判别未知信号所属类别。与传统方法相比,该方法省去了人工提取特征值这一费时费力的环节。研究了神经元个数对神经网络的训练和识别的影响,提高了神经网络的识别精度。实验结果表明,该方法可以准确地预测刀具磨损程度。     

基于信号特征提取的电阻点焊质量在线评判

以焊点接头强度作为焊点质量评判的指标,通过对点焊过程焊接电流、动态电阻、电极位移信号的同步采集和特征分析,提取若干特征参量监测点焊过程,依据特征参量与焊点接头抗剪强度间的相关分析结果,选取来自不同监测信号的7个特征参量建立了表征点焊过程的特征模式,并将此转化为计算机可以识别的模式矩阵,同时以焊接电流参数为模式分类的依据,建立不同模式矩阵类别和焊点接头抗剪强度之间的映射,将模式矩阵作为Hopfield神经网络的记忆样本存储于网络,利用网络联想记忆的功能实现对未知样本点焊过程的模式识别,进而实现点焊质量的评判。网络测试结果表明,利用Hopfield网络进行焊点质量在线评判可以得到满意的效果。