CN101996316A - 一种用于辨别拉深件裂纹的模糊识别方法 - Google Patents
一种用于辨别拉深件裂纹的模糊识别方法 Download PDFInfo
- Publication number
- CN101996316A CN101996316A CN 201010519589 CN201010519589A CN101996316A CN 101996316 A CN101996316 A CN 101996316A CN 201010519589 CN201010519589 CN 201010519589 CN 201010519589 A CN201010519589 A CN 201010519589A CN 101996316 A CN101996316 A CN 101996316A
- Authority
- CN
- China
- Prior art keywords
- characteristic parameter
- state
- probability
- possibility
- probability variable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开一种用于辨别拉深件裂纹的模糊识别方法,先将采集到的原始声发射信号进行预处理,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;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,可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,显著缩短诊断时间,实现精密诊断。
Description
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 。
用最佳特征参数来识别拉深件的裂纹状态时,要事先知道最佳特征参数服从怎样的概率分布,但多数情况下并不知道其服从怎样的分布。设已知概率分布函数为∑,用以下公式将最佳特征参数变换成服从概率分布函数∑的概率变量:
(2)
四. 基于可能性理论进行模糊识别
为了状态识别,需要确定特征参数的关系函数,也即隶属度函数;本发明中隶属度函数是根据概率一致性原理和可能性理论由特征参数的概率密度函数得到。
1.概率一致性原理
可能性分布同概率之间虽没有直接的联系,但在实际中可能性的知识可以传递概率方面的信息。一个事件的概率如果很大,则它的可能性一定也大,或者等价地,如果一个事件是小可能性的,则它一定是小概率的,这就是所谓的可能性。
(4)
2.求取可能性分布函数
3.求取可能性
在状态不明的情况下,测定拉深加工设备的振动信号时,对这个信号的各种异常状态的可能性可以分别求出,从而可以综合判定异常状态。
4.模糊诊断
(9)
Claims (2)
1.一种用于辨别拉深件裂纹的模糊识别方法,其特征是包括如下步骤: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。
2.根据权利要求1所述一种用于辨别拉深件裂纹的模糊识别方法,其特征是:用公式 将所述最佳特征参数变换成服从正态分布的所述概率变量;均值=0,是标准偏差=1的标准正态分布的概率分布函数,是最佳特征参数的累积概率分布函数;
概率变量的可能性分布函数, , ,是概率变量的平均值;,,…,,N是概率变量的定义区间N等分;在状态和状态下求得的正态分布的概率变量的可能性分布函数分别为和,在状态中由波形数据求得的正态特征参数的值为,状态与状态相同的可能性分别为、 ;最大值可能是也可能是;得出及两个隶属度函数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010519589 CN101996316A (zh) | 2010-10-26 | 2010-10-26 | 一种用于辨别拉深件裂纹的模糊识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010519589 CN101996316A (zh) | 2010-10-26 | 2010-10-26 | 一种用于辨别拉深件裂纹的模糊识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101996316A true CN101996316A (zh) | 2011-03-30 |
Family
ID=43786454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010519589 Pending CN101996316A (zh) | 2010-10-26 | 2010-10-26 | 一种用于辨别拉深件裂纹的模糊识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101996316A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692450A (zh) * | 2012-05-02 | 2012-09-26 | 江苏大学 | 基于模糊综合评判的金属拉深件成形裂纹状态识别方法 |
CN104777054A (zh) * | 2015-05-18 | 2015-07-15 | 浙江工业大学 | 一种基于软测量技术的谐振式疲劳裂纹扩展试验振动系统的参数识别方法 |
CN109708877A (zh) * | 2018-12-27 | 2019-05-03 | 昆明理工大学 | 基于小波模糊识别和图像分析理论的机械故障分析方法 |
CN112144321A (zh) * | 2020-09-18 | 2020-12-29 | 同济大学 | 一种用于无砟轨道板裂缝的无损监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101532902A (zh) * | 2009-04-14 | 2009-09-16 | 江苏大学 | 用于冷冲模具的质量监测和故障诊断方法 |
CN101949895A (zh) * | 2010-08-20 | 2011-01-19 | 江苏大学 | 一种金属拉深件微小裂纹冲击性信号的识别方法 |
CN101995437A (zh) * | 2010-09-27 | 2011-03-30 | 江苏大学 | 一种拉深件裂纹声发射信号的特征提取方法 |
-
2010
- 2010-10-26 CN CN 201010519589 patent/CN101996316A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101532902A (zh) * | 2009-04-14 | 2009-09-16 | 江苏大学 | 用于冷冲模具的质量监测和故障诊断方法 |
CN101949895A (zh) * | 2010-08-20 | 2011-01-19 | 江苏大学 | 一种金属拉深件微小裂纹冲击性信号的识别方法 |
CN101995437A (zh) * | 2010-09-27 | 2011-03-30 | 江苏大学 | 一种拉深件裂纹声发射信号的特征提取方法 |
Non-Patent Citations (2)
Title |
---|
《中国机械工程》 20031210 王奉涛,马孝江,邹岩崑,张志新 基于局域波法的时频局部能量特征提取方法 2012-2015 1 第14卷, 第23期 * |
《振动与冲击》 20090325 骆志高,王祥,李举,范彬彬,郭啸栋 利用声发射信号的特征分析对冲压模具的状态判别 186-189 1,2 第28卷, 第3期 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692450A (zh) * | 2012-05-02 | 2012-09-26 | 江苏大学 | 基于模糊综合评判的金属拉深件成形裂纹状态识别方法 |
CN102692450B (zh) * | 2012-05-02 | 2014-05-28 | 江苏大学 | 基于模糊综合评判的金属拉深件成形裂纹状态识别方法 |
CN104777054A (zh) * | 2015-05-18 | 2015-07-15 | 浙江工业大学 | 一种基于软测量技术的谐振式疲劳裂纹扩展试验振动系统的参数识别方法 |
CN109708877A (zh) * | 2018-12-27 | 2019-05-03 | 昆明理工大学 | 基于小波模糊识别和图像分析理论的机械故障分析方法 |
CN109708877B (zh) * | 2018-12-27 | 2020-11-24 | 昆明理工大学 | 基于小波模糊识别和图像分析理论的机械故障分析方法 |
CN112144321A (zh) * | 2020-09-18 | 2020-12-29 | 同济大学 | 一种用于无砟轨道板裂缝的无损监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111562108A (zh) | 一种基于cnn和fcmc的滚动轴承智能故障诊断方法 | |
JP2020519909A (ja) | 水道管の漏水検知方法 | |
CN101995437B (zh) | 一种拉深件裂纹声发射信号的特征提取方法 | |
CN103323755A (zh) | Gis特高频局部放电信号识别方法及系统 | |
CN103033567A (zh) | 一种基于导波的管道缺陷信号识别方法 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN111191720B (zh) | 一种业务场景的识别方法、装置及电子设备 | |
CN113112188B (zh) | 一种基于预筛选动态集成的电力调度监控数据异常检测方法 | |
CN114325256A (zh) | 一种电力设备局部放电识别方法、系统、设备及存储介质 | |
CN107808658A (zh) | 基于家居环境下实时的婴儿音频系列行为检测方法 | |
CN113496440B (zh) | 一种用户异常用电检测方法及系统 | |
CN101996316A (zh) | 一种用于辨别拉深件裂纹的模糊识别方法 | |
CN117538710B (zh) | 用于局部动态放电监测的智能预警方法及系统 | |
CN115128345B (zh) | 一种基于谐波监测的电网安全预警方法及系统 | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
CN117437933A (zh) | 基于特征聚类结合生成式学习的变压器声纹信号故障无监督检测方法 | |
CN116776075A (zh) | 风机叶片健康监测系统及其监测方法 | |
CN112906672B (zh) | 钢轨缺陷识别方法及系统 | |
CN111539381B (zh) | 风力发电机轴承故障分类诊断模型的构建方法 | |
CN111929489B (zh) | 故障电弧电流的检测方法及系统 | |
CN115310499B (zh) | 一种基于数据融合的工业设备故障诊断系统及方法 | |
CN112666430A (zh) | 变压器声纹智能故障检测方法及系统 | |
CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
CN116614366A (zh) | 一种基于边缘计算的工业互联网优化方法及系统 | |
CN116502149A (zh) | 基于电流特征传导的低压配电网户变关系识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110330 |