[发明专利]一种提取拉深件裂纹声发射信号特征参数的方法

说明书

技术领域

本发明涉及拉深件制造领域，尤其涉及对拉深件在制造过程中所产生的裂纹声发射信号特征参数的提取方法，也可用于其它锻造、旋转机械等状态监测和故障辨别。

背景技术

拉深件是工业生产的主要制件之一，特别在汽车覆盖件上应用相当广泛。由于模具的工作环境极其恶劣，拉深件在成形过程中不仅要承受高接触压力和剧烈的摩擦，而且要承受循环加载引起的应力、应变和温度的周期性变化，易使制件产生裂纹。有些微小裂纹肉眼难以察觉，在生产过程中会产生成批的废品，给企业带来巨大经济损失。目前，拉深件质量的好坏全靠现场人员的经验判断，属于事后检测，具有一定的时滞性。当发现某制件产生裂纹时，在该制件之前已有相当数量的制件产生了裂纹，因此，会导致制件次品的增多和材料的浪费。

目前，针对拉深制件的质量监测和故障诊断，有采用时间序列的方法对去噪后的声发射信号进行时序分析，建立时序模型，最后在计算机中结合模糊综合评判方法与最大隶属度原则实现对金属拉深件的状态辨别。但金属裂纹声发射信号是短时冲击信号，不能满足时序建模的平稳性要求，而且样本采集也有困难，因此，采用时序建模的方法来进行监测金属裂纹其实难以实现。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种优化的提取拉深件裂纹声发射特征参数的方法，可同步提取出最能表征拉深件裂纹声发射信号的几种参数。

本发明采用的技术方案是：拉深件的声发射信号通过凸模和凹模输入与凸模和凹模相接触的声发射传感器，声发射传感器的输出信号依次输入前置放大器、声发射处理模块和计算机；先是声发射处理模块提取声发射上升时间、声发射事件计数，能量、持续时间、幅度、平均频率、有效值电压、平均信号电平、回响频率、初始化频率、强度、频率质心、峰值频率这13个声发射特征参数并输入计算机中；然后将所述13个声发射特征信号作为BP网络特征提取的输入向量，对所述13个声发射特征参数进行训练，并计算各声发射特征参数对裂纹信号的灵敏度，根据灵敏度优化提取其中的声发射上升时间、声发射事件计数，能量、频率质心、峰值频率5个声发射特征参数来表征裂纹信号；最后根据所述5个声发射特征参数在线监测拉深件是否正常或产生裂纹。

进一步地：BP神经网络为一个隐藏层的三层BP神经网络，输入层为13个神经元，隐藏层为8个神经元，输出层为2个神经元；权的初始值域取(-0.05，0.05)，最大的循环迭代为5000；灵敏度的计算公式为：式中：ξ_ik为灵敏度；u_jk为隐藏层神经元的净输出，w_ij为权值，权值取0.01；x_i为输入层；σ_j为输出层的阀值。

本发明将各声发射特征参数通过BP神经网络的优化提取，将BP神经网络的输入从13个降低到5个，降低了输入端的维数，降低了网络的计算复杂程度，同时也提高了特征参数反应拉深件成形状态的能力，提高了BP神经网络识别裂纹的准确性，并且，在成形现场的强噪声环境下，能准确区分噪声信号和裂纹信号，具有平稳性高的特点。

附图说明

图1是提取拉深件裂纹声发射信号特征参数的结构连接示意图。

图2是图1提取拉深件裂纹声发射信号特征参数方法的流程图。

图中：1-凸模；2-凹模；3-声发射传感器；4-前置放大器；5-声发射处理模块；6-计算机。

具体实施方式

如图1所示，先建立一个完整的声发射测试平台，将声发射传感器3分别与凸模1和凹模2相接触安装，拉深件的声发射信号通过凸模1和凹模2传递输入到声发射传感器3。将声发射传感器3依次连接前置放大器4、声发射处理模块5和计算机6。声发射传感器3输出的信号经过前置放大器4放大后输入声发射处理模块5，声发射处理模块5对通过前置放大器4放大后的信号进行滤波和提取，滤去部分环境噪音，提取声发射上升时间、声发射事件计数，能量、持续时间、幅度、平均频率、有效值电压、平均信号电平、回响频率、初始化频率、强度、频率质心、峰值频率这13个声发射特征参数，然后将这13个声发射特征参数输入计算机6中，计算机6通过BP神经网络对这13个声发射特征参数进行优化提取，只提取其中的声发射上升时间、声发射事件计数，能量、频率质心、峰值频率这5个声发射特征参数。