CN101994001A

CN101994001A - 基于支持向量机算法的振动时效效果预测方法

Info

Publication number: CN101994001A
Application number: CN2010102805079A
Authority: CN
Inventors: 刘龙; 董达善
Original assignee: Shanghai Maritime University
Current assignee: Shanghai Maritime University
Priority date: 2010-09-14
Filing date: 2010-09-14
Publication date: 2011-03-30

Abstract

本发明涉及一种利用支持向量机算法预测振动时效工艺消除结构残余应力效果的方法，包括收集结构振动时效试验数据、选择合适输入输出参数构建训练样本集、建立基于支持向量机的振动时效效果预测模型、计算实际残余应力消除水平。本发明可以通过少量振动时效试验数据建立预测模型，将实际时效参数输入到该模型中，即可计算出结构残余应力消除程度，从而实时定量评定振动时效效果。

Description

基于支持向量机算法的振动时效效果预测方法

技术领域

本发明属于振动时效技术领域，具体涉及一种基于支持向量机算法预测振动时效工艺消除结构残余应力效果的方法。

背景技术

在机械制造领域，金属构件经过铸造、锻压、焊接等加工后，内部通常会产生残余应力。残余应力的存在会导致结构尺寸发生变化，影响使用寿命。因此，消除残余应力是必需的工艺处理环节。

常用消除残余应力的方法有自然时效技术、热时效技术和振动时效技术等。振动时效技术由于效果显著、投资少、生产周期短、符合环保要求，近年来呈现出替代前两种时效技术的趋势。振动时效的原理是以共振的形式对工件施加附加动应力，当附加动应力与残余应力叠加达到或超过材料的屈服极限时，结构发生微观或宏观塑性变形，达到降低和均化残余应力的效果。

目前，我国很多行业已采用振动时效技术来消除结构中的残余应力，时效效果评定主要参照中华人民共和国机械行业标准JB/T 5926-2005《振动时效效果评定方法》中提出的三种方法，即参数曲线观测察法、工件尺寸稳定性检测法和残余应力检测法。前两种方法属于实时测量，只能定性评价，无法进行定量分析。残余应力检测法可以定量估测振动时效工艺效果，但测量工艺复杂、耗时长，无法实时获得测量结果。所以，现场操作人员很难实时定量地设计调整振动时效工艺参数，消除残余应力常常难以得到较为满意的效果。因此，振动时效技术研究的一个重要课题，就是开发一种实时定量的振动时效效果评估方法。

目前，国内已有多项技术应用于振动时效效果的判定。如专利200910108292.X“快速判峰的方法及振动时效系统”，提供一种使用小波分析方法的振动时效判别方法；专利200410003053.5“对工件进行振动时效及应变检测的方法”，通过检测工件目标点的动应变幅值和相位，定量检测时效过程中工件的残余应力释放值。专利200810018780.7“一种新型振动时效的方法”，以磁致伸缩激振器作为振源，提出一种采用动应力作为时效参数和振动效果判据的振动时效方法。专利200910119461.X“一种运用电动振动试验系统进行的振动时效方法及装置”，通过实时检测高频工件中的动应力水平来调整振动时效参数。

由于振动时效是一个对结构施加动载荷、使其产生预期动应力的过程，所以可先进行相关试验，建立振动时效参数与残余应力消除效果的经验公式。在振动时效实施阶段，就可依据经验公式估算出时效工艺效果。但获得经验公式需要进行大量的结构材料性能试验，耗时耗力，不利于实际工程应用。

随着人工智能技术快速发展，特别是近年来出现的支持向量机算法(Support Vector Machine，SVM)，在数据样本量较少的情况下亦能获得很好的学习效果。结构振动时效效果预测，作为典型的小样本问题，很适合支持向量机算法的应用。

发明内容

本发明的目的是利用少量短时振动时效试验数据，实时定量评估实际振动时效的工艺效果，为此，本发明提供基于支持向量机算法的振动时效消除结构残余应力效果的预测方法。

影响振动时效效果的因素很多，经过多次比较筛选，确定振动时效动应力幅度σ、加载循环次数n和原始残余应力当量k作为主要影响振动效果判据模型的参数，将试样表面的应变变化当量ε作为表征消除残余应力效果的参数。

根据上述原理，本发明应用支持向量机算法描述不同振动时效动应力、循环次数、原始残余应力当量与残余应力消除水平的关系，建立振动时效效果预测模型，最终估算长时振动时效后残余应力消除效果。

基于支持向量机算法的振动时效效果预测方法，通过收集振动时效试验数据，包括振动时效动应力、循环次数、原始残余应力水平和试验残余应力消除水平，建立训练样本集；利用支持向量机算法建立振动时效效果预测模型，将实际结构振动时效工艺数据输入到该模型中，就可实时定量计算出实际残余应力消除水平，包括以下步骤，

1)收集结构振动时效试验数据：进行在不同振动时效动应力、不同循环次数、不同原始残余应力水平下的短时结构振动时效试验，记录振动时效动应力、循环次数、结构原始残余应力水平和对应的残余应力消除水平试验数据，若条件不具备，可考虑设计结构拉压疲劳试验来模拟振动时效的动载过程，或者通过经过验证的有限元模型仿真计算来获得数据；

2)构建训练样本集：整理步骤1得到的试验数据，选择输入输出参数，建立训练样本集，输入参数包括动应力幅值σ、加载循环次数n和原结构残余应力当量k，输出参数为表征残余应力消除效果的结构表面应变变化当量ε；

3)建立预测模型：将训练样本输入到支持向量机算法中，建立基于支持向量机的振动时效效果预测模型，为了提高支持向量机算法的计算精度，需要选择合适的核函数，一般常用的核函数有线性核函数、多项式核函数以及径向基核函数等，通过计算发现采取径向基函数能够取得较好的预测效果，径向基函数的参数利用交叉检验方法自动寻优得到；

4)预测实际振动时效效果：将实际结构振动时效的振动时效动应力、循环次数、原始残余应力水平输入到预测模型中，实时定量计算出残余应力消除水平。

与其它方法相比，本发明采用支持向量机算法预测振动时效效果，具有如下优点：

1)振动时效动应力测量技术简单、精度高、耗时少，可与振动时效工艺同步进行，可实现实时评估；

2)通过少量短时的结构振动时效数据，建立振动时效效果预测模型，可节省大量经费和时间；

3)振动时效实施过程中，将实时测量的振动时效参数输入到预测模型中，就可以计算出残余应力消除水平，便于工作人员及时调整参数，提高残余应力消除效果。

附图说明

图1为本发明预测振动时效效果的具体流程图。

具体实施方式

下面结合实例对本发明的基于支持向量机的振动时效效果预测方法作进一步详细说明。应理解，以下实例仅用于说明目的，而非用于限定本发明的范围。

本例选取材料为碳素结构钢，尺寸为500mm×200mm×10mm，两表面中心堆焊宽为10mm的J422型焊道，以模拟结构的焊后状态。

1)收集数据

利用疲劳试验机进行疲劳拉伸试验模拟振动时效作用，动应力的方向与焊缝纵向残余应力方向相同。

试验载荷分10MPa、30MPa和50MPa三组，分别记录不同加载次数所对应的试样表面应变变化量。得到数据如下表1所示。

表1振动时效实验数据

2)建立训练样本

获得实验数据后，选取相应输入输出参数，建立训练样本。

3)建立预测模型

将训练样本输入到支持向量机算法中，核函数采取径向基函数，相关参数通过交叉检验方法自动寻优。通过计算，建立了基于支持向量机算法的振动时效效果预测模型。

4)计算实际残余应力消除效果

将实际振动时效参数输入到预测模型中，计算得到应变变化值及残余应力消除值，并与盲孔法测量值比较。如表2所示。

表2计算结果

从结果可以看出，预测模型计算值与实际测量值还是比较接近的。考虑到实际测量不可避免存在误差，确定最大应力点及最大残余应力点都比较困难，基于支持向量机算法的振动时效效果预测方法的精度还是比较满意的。

Claims

1.基于支持向量机算法的振动时效效果预测方法，其特征在于，通过收集振动时效试验数据，包括振动时效动应力、循环次数、原始残余应力水平和试验残余应力消除水平，建立训练样本集，利用支持向量机算法建立振动时效效果预测模型评估实际残余应力消除水平，包括以下步骤，

1)收集结构振动时效试验数据：进行在不同振动时效动应力、不同循环次数、不同原始残余应力水平下的结构振动时效试验，记录振动时效动应力、循环次数、结构原始残余应力水平和对应的残余应力消除水平试验数据；

2)构建训练样本集：整理步骤1得到的试验数据，选择输入输出参数，建立训练样本集；

3)建立预测模型：将训练样本输入到支持向量机算法中，建立基于支持向量机的振动时效效果预测模型；

4)预测实际振动时效效果：将结构实际振动时效的振动时效动应力、循环次数、原始残余应力水平输入到预测模型中，实时定量计算出残余应力消除水平。

2.根据权利要求1所述的基于支持向量机算法的振动时效效果预测方法，其特征在于，步骤2建立训练样本集时，输入参数包括动应力幅值，加载循环次数和原始残余应力水平当量，输出参数为表征残余应力消除效果的结构表面应变变化当量。

3.根据权利要求1所述的基于支持向量机算法的振动时效效果预测方法，其特征在于，步骤3所述的支持向量机算法选择径向基函数作为核函数，径向基函数的相关参数利用交叉检验方法自动寻优确定。