[发明专利]一种钢板机械性能检测方法

说明书

本发明公开了一种钢板机械性能检测方法，涉及钢板性能检测技术领域，包括获取钢板的电磁特征值；获取钢板的机械性能值；以电磁特征值作为数据输入，以机械性能值作为数据输出，构建神经网络模型；对所述神经网络模型进行训练，并确定神经网络模型；基于神经网络模型和钢板的电磁特征值获取钢板的机械性能值。本发明基于电磁无损检测技术提取多种不同物理远离和效应产生的相互独立的电磁特征，其可从不同的效应远离上反应材料的微观结构、机械性能等多种参数，利用这些参数并引入神经网络处理方法对材料的机械性能进行预测，不需要对钢板进行破坏性试验，实现了对钢板的在线、无损、高效的检测。

技术领域

本发明涉及钢板性能检测技术领域，特别是涉及一种钢板机械性能检测方法。

背景技术

目前钢厂对于薄钢板的机械西能检测主要采用拉伸机进行破坏性试验。拉伸试验需要进行钢板取样、加工成标准试样、进行拉伸实验、获取检测数据四个步骤，不仅效率低，而且具备破坏性，造成资源的浪费。

发明内容

本发明所要解决的技术问题是，克服现有技术的缺点，提供一种钢板机械性能检测方法。

为了解决以上技术问题，本发明的技术方案如下：

一种钢板机械性能检测方法，包括，

获取钢板的电磁特征值；

获取钢板的机械性能值；

以电磁特征值作为数据输入，以机械性能值作为数据输出，构建神经网络模型；对所述神经网络模型进行训练，并确定神经网络模型；

基于神经网络模型和钢板的电磁特征值获取钢板的机械性能值。

作为本发明所述钢板机械性能检测方法的一种优选方案，其中：所述获取钢板的电磁特征值包括：

通过电磁无损检测方法获取钢板的电磁特征值。

作为本发明所述钢板机械性能检测方法的一种优选方案，其中：所述电磁无损检测方法包括巴克豪森、增量磁导率、多频涡流、切线磁场无损检测方法。

作为本发明所述钢板机械性能检测方法的一种优选方案，其中：所述获取钢板的机械性能值包括：

通过拉伸试验获取钢板相应位置的机械性能值。

作为本发明所述钢板机械性能检测方法的一种优选方案，其中：所述神经网络模型包括BP神经网络结构，其包括输入层、隐含层和输出层。

作为本发明所述钢板机械性能检测方法的一种优选方案，其中：对所述神经网络模型进行训练，并确定神经网络模型包括：

初始化权值与阈值；

计算输出层神经元的输入和输出；

计算输出层误差；

计算隐含层误差；

修正输出层和隐含层的权值与阈值；

判断数据样本是否全部训练完毕，若否，则重复上述步骤，若是，则进入下一步骤；

判断是否符合模型训练的结束条件，若否，则更新训练总步数，并重复上述步骤，若是，则确定神经网络模型。

本发明还提供了一种钢板机械性能检测装置，包括：

第一获取模块，用于获取钢板的电磁特征值；

第二获取模块，用于获取钢板的机械性能值；

模型构建模块，用于以电磁特征值作为数据输入，以机械性能值作为数据输出，构建神经网络模型；

模型训练模块，用于对所述神经网络模型进行训练，并确定神经网络模型；在线检测模块，用于基于神经网络模型和钢板的电磁特征值获取钢板的机械性能值。

本发明还公开了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述钢板机械性能检测方法任一项所述的方法。