[发明专利]一种用于辨别拉深件裂纹的模糊识别方法

说明书

 

技术领域

本发明涉及一种用于识别拉伸件裂纹的方法，应用于冷冲模具的质量检测与故障诊断系统，或金属挤压成形过程中的状态识别及质量监测。

背景技术

拉深件的拉深加工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，而且还要承受循环加载引起的应力、应变和温度的周期性变化，使制件产生裂纹，有些微小裂纹肉眼难以察觉，但在生产过程中会产生成批的废品，因此，识别拉深件的裂纹状态具有很重要的工程意义。

裂纹的识别最为关键的两个问题是：一，要准确提取到裂纹的特征参数；二、要在各种不同的声发射信号中识别出裂纹产生的特殊信号。目前，对于拉深件裂纹特征参数的提取，现有技术提供了以下三种方法：

（1）根据金属裂纹及环境噪声的频率特性，剔除噪声及摩擦磨损信号，即对信号进行小波包分解，再对小波包分解后的不同频段的数据进行重构，然后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，选取能量参数组成识别裂纹声发射信号所需的特征向量；

（2）将裂纹声发射信号的上升时间、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、峰值频率等13个特征参数作为BP神经网络的训练样本，计算各样本各个参数对裂纹特征的的灵敏度，最终得出几个能表征裂纹程度最为显著的特征参数；

（3）将采集到的拉深件裂纹声发射原始信号先经过信号预处理，再进行局域波局部能量特征提取，最后通过遗传算法的特征参数自动重组生成得到有效识别拉深件裂纹声发射信号的最佳特征参数。

以上三种方法都可以有效提取到拉深件裂纹声发射信号的特征参数，在提取到特征参数之后，就是使用这些特征参数识别出拉深件的裂纹状态。在进行特征识别时，事先并不知道用于特征识别的特征参数是服从哪一种概率密度分布，通常是假定其特征参数是服从正态分布来进行特征识别，这样带来的缺陷是：无法保证判断结果的精确度。

发明内容

本发明的目的是在有效提取到裂纹特征参数以后进一步实现对裂纹特征的识别而提出的一种模糊识别方法，识别率高、效率高、计算速度快，能很好地区分出正常信号和裂纹信号。

本发明采用的技术方案是：先将采集到的原始声发射信号进行预处理，包括前置放大、滤波、A/D转换处理；再对经过预处理的声发射信号基于局域波时频域局部能量特征提取法进行特征参数的提取，然后经遗传算法进行自动重组生成得到最佳特征参数，作为识别拉深件裂纹的特征参数；如果最佳特征参数不服从正态分布，将其转变成服从正态分布的概率变量；然后根据概率一致性原理和可能性理论求取可能性分布函数及其可能性，并求出概率变量的隶属度函数，最后进行模糊诊断，实现对拉深件正常及裂纹两种状态的识别。

本发明的有益效果是：

1、本发明对提取的特征参数先进行判断是否服从正态分布，如果不服从正态分布先将其转变成正态分布变量，消除了传统方法在进行状态识别时假定特征参数服从正态分布所带来的不足；

2、本发明基于可能性理论对拉深件裂纹进行模糊识别，可以准确辨别出正常状态和裂纹状态，有效提高了裂纹特征的识别率，能显著缩短诊断时间，提高诊断效率，实现了精密诊断。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明；

图1是本发明的流程图。

具体实施方式

如附图1所示，本发明先将采集到的拉深件裂纹的原始声发射信号进行信号预处理，再基于局域波时频域局部能量特征提取法和遗传算法得到拉深件裂纹声发射信号的特征参数，然后将该特征参数变换成服从正态分布的变量，最后通过基于可能性理论的模糊识别方法实现对拉深件裂纹的识别，具体步骤如下：

一. 原始声发射信号的预处理

将采集到的拉深件裂纹声发射原始信号先经过信号预处理，信号预处理依次包括前置放大、滤波、A/D转换等。

二. 提取裂纹声发射信号的特征参数

  本发明的该步骤采用的是现有技术，基于局域波时频域局部能量特征提取法，用局域波时频域局部能量特征提取法得到各个局部能量之后，将这些局部能量作为初始特征参数基于遗传算法进行自动重组生成，从而快速地找到可以准确识别出拉深件裂纹特征的最佳特征参数                                               。 

三．将最佳特征参数变换成服从正态分布的概率变量