CN104749337A - 一种基于神经网络的铝合金变质效果在线检测方法及装置 - Google Patents

一种基于神经网络的铝合金变质效果在线检测方法及装置 Download PDF

Info

Publication number
CN104749337A
CN104749337A CN201510129069.9A CN201510129069A CN104749337A CN 104749337 A CN104749337 A CN 104749337A CN 201510129069 A CN201510129069 A CN 201510129069A CN 104749337 A CN104749337 A CN 104749337A
Authority
CN
China
Prior art keywords
aluminum alloy
neural network
man
modification effect
machine interface
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
Application number
CN201510129069.9A
Other languages
English (en)
Inventor
孙金根
付丽君
张嘉男
赵忠兴
张显飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Ligong University
Original Assignee
Shenyang Ligong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Ligong University filed Critical Shenyang Ligong University
Priority to CN201510129069.9A priority Critical patent/CN104749337A/zh
Publication of CN104749337A publication Critical patent/CN104749337A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

一种基于神经网络的铝合金变质效果在线检测方法及装置，方法包括:样本数据采集、神经网络训练、采集铝合金液自然冷却过程的温度通过执行人机接口面板中的神经网络的脚本程序，得到铝合金变质效果分析的信息。使用的装置包括热分析样杯、温度传感器、控制器和人机接口面板。本方法可以在线检测铝合金变质效果，本装置采集数据方便。

Description

一种基于神经网络的铝合金变质效果在线检测方法及装置
技术领域
本发明属于铝合金变质效果在线检测方法及装置领域，特别涉及一种基于神经网络的铝合金变质效果在线检测方法及装置，可以对及铝合金变质效果进行分析。
背景技术
炉前对铝合金变质进行分析，是提高铸件质量，降低废品率,实现生产监控的重要环节。目前对于铝合金变质效果的分析方法有断口观察法、电导率法、金相法以及热分析法等。断口观察法、金相法主观随意性大，而电导率法工艺复杂，速度慢，不适宜在线检测。针对金相法中操作者的主观性及观察区域的有限性等局限性因素，H.Jiang、M.Djurdjevic等人提出了图像分析法，这种图像分析方法实现了合金变质效果定量评估，精确度比较高，并且M.Djurdjevic将它作为后热分析判据的检验标准。然而，其测量过程复杂、周期长，不能在恶劣环境下工作，故不能实现熔体变质质量的在线检测。热分析法由于精度高、稳定性好，适于在线检测，因此在铸造中的应用越来越广泛。目前国内外对热分析判据研究有两种趋势，一种是综合温度特性参数、时间参数和固相分数判据，包括探求计算热分析零曲线和计算凝固潜热的新方法；另一种是基于热分析技术，引进先进的计算机算法。但是，温度特性参数和时间参数对应铝合金变质效果之间没有规律可循。本发明提出了一种基于神经网络的铝合金变质效果在线检测方法及装置，利用神经网络的非线性逼近功能，建立了温度特性参数和时间参数等参数与铝合金变质效果之间的对应关系，这样由样本数据对神经网络进行训练，通过训练好的神经网络可以在线检测铝合金变质效果。
发明内容
本发明的一个目的是提供一种基于神经网络的铝合金变质效果在线检测方法，本发明的另一个目的是提供此方法使用的装置，可以在线检测铝合金变质效果。
一种基于神经网络的铝合金变质效果在线检测方法，过程分以下步骤：
①样本数据采集:采集铝合金变质样本数据。
②神经网络训练：神经网络训练直到满足指标。
③神经网络应用：将训练好的神经网络模型进行编程，把神经网络的脚本程序下载到人机接口面板。
④温度数据采集：将铝合金液盛到热分析样杯中，通过温度传感器，由控制器采集铝合金液自然冷却过程的温度，同时对温度数据进行处理，搜索特征值，然后将数据上传至人机接口面板。
⑤在线检测铝合金变质效果：由控制器上传的数据，通过执行人机接口面板的神经网络的脚本程序，得到铝合金变质效果分析的信息。
一种基于神经网络的铝合金变质效果在线检测方法使用的装置，包括热分析样杯、温度传感器、控制器和人机接口面板。
温度传感器的热端位于热分析样杯内，温度传感器的数据输出端连接控制器的模拟量接口，控制器和人机接口面板之间通过RS485接口连接。
还可包括上位机和打印记录设备。
所述的人机接口面板和上位机之间通过RS232接口连接。所述的人机接口面板的打印机接口连接打印记录设备。
其中的神经网络可选择BP神经网络，其神经网络结构见附图2。BP神经网络输入层对应X变量，由X1、X2、···Xi构成输入向量,这里i＝3，即X＝[T、△T、△t],其中T是共晶平台温度，△T是共晶平台温差，△t是共晶平台生长时间。BP神经网络的中间层为隐含层，隐含层的神经元数量通过训练确定。BP神经网络输出层对应Y变量，即输出的是Y向量，不过这里Y向量只有1个变量，其含义是铝合金变质效果，铝合金变质效果按等级区分，等级分为四档：效果好、合格、基本合格、不合格。采用BP神经网络检测铝合金变质效果的过程描述如下：控制器采集铝合金变质凝固冷却过程的温度，温度数据处理，特征值搜索，并记录铝合金变质处理凝固的温度冷却曲线中的3个特征值，即共晶平台温度T、共晶平台温差△T、共晶平台生长时间△t。控制器通过通信接口，把数据上传到人机接口面板(HMI)，然后执行人机接口面板(HMI)的神经网络的脚本程序，得到铝合金变质效果的等级Y，这样实现了在线检测铝合金变质效果。
BP神经网络训练方式可采用在线训练方式或者离线训练方式：由样本数据对选定的BP神经网络进行训练，如达不到目标要求，则增加隐含层神经元个数，再对神经网络进行训练。
在线训练方式，铝合金变质样本数据并保存到人机接口面板(HMI)。
离线训练方式，铝合金变质样本数据应存放在训练BP神经网络的设备中。
铝合金变质样本数据可由多种标准的变质铝合金，通过本发明的装置采集获得。或者铝合金变质样本数据直接保存到人机接口面板(HMI)。
其优点在于：
本方法可以在线检测铝合金变质效果，本装置采集数据方便。
附图说明
图1：一种基于神经网络的铝合金变质效果检测装置框图。
图2：BP神经网络。
具体实施方式
实施例1
本实施例的铝合金变质效果检测的神经网络选择BP神经网络，其神经网络结构见附图2。BP神经网络输入层对应X变量，由X1、X2、···Xi构成输入向量,这里i＝3，即X＝[T、△T、△t],其中，T是共晶平台温度，△T是共晶平台温差，△t是共晶平台生长时间。BP神经网络的中间层为隐含层，隐含层的神经元数量通过训练确定。BP神经网络输出层对应Y变量，即输出的是Y向量，不过这里Y向量只有1个变量，其含义是铝合金变质效果，铝合金变质效果按等级区分，等级分为四档：效果好、合格、基本合格、不合格。
本实施例中使用的变质铝合金为市售的ZL104号的材料。
一种基于神经网络的铝合金变质效果在线检测方法，过程分以下步骤：
①样本数据采集:采用离线方式对BP神经网络训练，铝合金变质样本数据(共晶平台温度T、共晶平台温差△T、共晶平台生长时间△t、铝合金变质效果等级Y)存放在训练BP神经网络的设备中(上位机)，训练BP神经网络的设备是一台带神经网络训练软件的pc机。
②神经网络训练：由铝合金变质样本数据对选定的BP神经网络进行训练，如达不到目标要求，则增加隐含层神经元个数，再对BP神经网络进行训练，直到满足指标。
③神经网络应用：将训练好的BP神经网络模型进行编程，编程应该符合人机接口面板(HMI)4的脚本模式，把神经网络的脚本程序下载到人机接口面板(HMI)4。
④温度数据采集：温度传感器2(本实施例中使用的是镍铬-镍硅热电偶，型号为：WRNK-191)固定在支架台上，并将它的热端伸至热分析样杯1(金属样杯)正中心，热分析样杯1应该事先进行预热。将铝合金液盛到热分析样杯中，控制器3采集铝合金液自然冷却过程的温度，同时对温度数据进行处理，搜索特征值(共晶平台温度T、共晶平台温差△T、共晶平台生长时间△t)。然后，将数据上传至人机接口面板(HMI)4。
⑤在线检测铝合金变质效果：由控制器3上传的数据，通过执行人机接口面板(HMI)4的神经网络的脚本程序，得到铝合金变质效果分析的信息，即铝合金变质效果等级。
⑥显示和打印记录：人机接口面板(HMI)4显示温度曲线和铝合金变质效果的等级，同时记录打印设备5打印温度曲线及铝合金变质效果等级，以便现场技术人员判断铝合金变质效果。
⑦若继续测试，则重复④--⑥步骤。
一种基于神经网络的铝合金变质效果在线检测方法使用的装置，包括热分析样杯1、温度传感器2、控制器3和人机接口面板(HMI)4。
温度传感器2固定在支架台上，温度传感器2为镍铬-镍硅热电偶，热电偶的热端位于热分析样杯1的正中心，温度传感器2的数据输出端连接控制器3的模拟量接口，控制器3和人机接口面板(HMI)4之间通过RS485接口连接。
上位机和人机接口面板(HMI)4之间通过RS232接口连接。
人机接口面板(HMI)4的打印机接口连接打印记录设备。
热分析样杯1用来盛铝合金液，可采用金属样杯，并且铝合金液在热分析样杯1中完成自然冷却凝固。
温度传感器2用于测量铝合金冷却凝固过程时的温度，可采用镍铬-镍硅组合的热电偶，型号为WRNK-191。
控制器3完成测控功能，如温度数据采集、数据处理、特征值搜索、测温过程控制和报警等，控制器3采用西门子可编程控制器S7-200。
人机接口面板(HMI)4用于由训练好的BP神经网络在线检测铝合金变质效果及显示变质效果的信息，人机接口面板(HMI)4采用威纶通MT6070iH触摸屏。
打印记录设备5完成曲线的绘制及铝合金变质效果数据记录，打印记录设备5采用炜煌WH-C1微型打印机。
铝合金变质样本数据保存在上位机内，上位机可采用pc机。铝合金变质样本数据用于神经网络学习。
实施例2
BP神经网络训练采用在线方式，可不需要使用上位机，将BP神经网络和训练程序下载到人机接口面板(HMI)4，铝合金变质样本数据也保存在人机接口面板(HMI)4内，通过运行程序人机接口面板(HMI)4实现在线训练，生成神经网络的脚本程序。

Claims (8)

1.一种基于神经网络的铝合金变质效果在线检测方法，其特征在于过程分以下步骤：
①样本数据采集:采集铝合金变质样本数据；
②神经网络训练：神经网络训练直到满足指标；
③神经网络应用：将训练好的神经网络模型进行编程，把神经网络的脚本程序下载到人机接口面板(4)；
④温度数据采集：将铝合金液盛到热分析样杯(1)中，通过温度传感器(2)，由控制器(3)采集铝合金液自然冷却过程的温度，同时对温度数据进行处理，搜索特征值，然后将数据上传至人机接口面板(4)；
⑤在线检测铝合金变质效果：由控制器(3)上传的数据，通过执行人机接口面板(4)的神经网络的脚本程序，得到铝合金变质效果分析的信息。
2.根据权利要求1所述的一种基于神经网络的铝合金变质效果在线检测方法，其特征在于步骤中，人机接口面板(4)上选择打印温度曲线及铝合金变质效果的分析结果。
3.根据权利要求1所述的一种基于神经网络的铝合金变质效果在线检测方法，其特征在于步骤中，神经网络采用BP神经网络；BP神经网由输入层、隐含层、输出层构成，其中隐含层神经元个数按网络训练指标要求增加或减少。
4.根据权利要求1所述的一种基于神经网络的铝合金变质效果在线检测方法使用的装置，包括热分析样杯(1)、温度传感器(2)、控制器(3)和人机接口面板(4)；其特征在于：
温度传感器(2)的热端位于热分析样杯(1)内，温度传感器(2)的数据输出端连接控制器(3)的模拟量接口，控制器(3)和人机接口面板(4)之间通过RS485接口连接。
5.根据权利要求4所述的一种基于神经网络的铝合金变质效果在线检测方法使用的装置，其特征在于：还包括上位机，人机接口面板(4)和上位机之间通过RS232接口连接。
6.根据权利要求4所述的一种基于神经网络的铝合金变质效果在线检测方法使用的装置，其特征在于：人机接口面板(4)的打印机接口连接打印记录设备(5)。
7.根据权利要求4所述的一种基于神经网络的铝合金变质效果在线检测方法使用的装置，其特征在于：
所述的温度传感器(2)为：WRNK-191；控制器(3)为S7-200可编程控制器；
人机接口面板(4)为MT6070iH触摸屏。
8.根据权利要求6所述的一种基于神经网络的铝合金变质效果在线检测方法使用的装置，其特征在于：所述的打印记录设备(5)为WH-C1微型打印机。
CN201510129069.9A 2015-03-24 2015-03-24 一种基于神经网络的铝合金变质效果在线检测方法及装置 Pending CN104749337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510129069.9A CN104749337A (zh) 2015-03-24 2015-03-24 一种基于神经网络的铝合金变质效果在线检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510129069.9A CN104749337A (zh) 2015-03-24 2015-03-24 一种基于神经网络的铝合金变质效果在线检测方法及装置

Publications (1)

Publication Number Publication Date
CN104749337A true CN104749337A (zh) 2015-07-01

Family

ID=53589330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510129069.9A Pending CN104749337A (zh) 2015-03-24 2015-03-24 一种基于神经网络的铝合金变质效果在线检测方法及装置

Country Status (1)

Country Link
CN (1) CN104749337A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882044A (zh) * 2020-08-05 2020-11-03 四川大学 一种基于图神经网络的共晶预测方法、深度学习框架
CN113887133A (zh) * 2021-09-27 2022-01-04 中国计量大学 一种基于深度学习的压铸系统自动冷却方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000048002A (ja) * 1998-07-31 2000-02-18 Natl Res Inst For Metals 鋼材の相変態図推定装置、鋼材の相変態図予測方法及び記録媒体
CN102021448A (zh) * 2009-09-11 2011-04-20 贵州华科铝材料工程技术研究有限公司 以C变质的Be-RE高强耐热铝合金材料及其制备方法
CN102645446A (zh) * 2012-05-17 2012-08-22 天津立中合金集团有限公司 一种在线检测铝合金熔体晶粒细化和变质效果的方法
CN103245711A (zh) * 2013-04-18 2013-08-14 沈阳理工大学 基于神经网络的铝液非金属夹杂物在线软测量装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000048002A (ja) * 1998-07-31 2000-02-18 Natl Res Inst For Metals 鋼材の相変態図推定装置、鋼材の相変態図予測方法及び記録媒体
CN102021448A (zh) * 2009-09-11 2011-04-20 贵州华科铝材料工程技术研究有限公司 以C变质的Be-RE高强耐热铝合金材料及其制备方法
CN102645446A (zh) * 2012-05-17 2012-08-22 天津立中合金集团有限公司 一种在线检测铝合金熔体晶粒细化和变质效果的方法
CN103245711A (zh) * 2013-04-18 2013-08-14 沈阳理工大学 基于神经网络的铝液非金属夹杂物在线软测量装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊红玲: "亚共晶铝硅合金变质效果热分析研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882044A (zh) * 2020-08-05 2020-11-03 四川大学 一种基于图神经网络的共晶预测方法、深度学习框架
CN113887133A (zh) * 2021-09-27 2022-01-04 中国计量大学 一种基于深度学习的压铸系统自动冷却方法

Similar Documents

Publication Publication Date Title
CN202306196U (zh) 加热炉温度场数模仿真系统
CN102581244B (zh) 一种连铸铸坯表面质量的在线控制系统及控制方法
CN103984287A (zh) 一种数控机床热误差补偿灰色神经网络建模方法
Voutchkov et al. An integrated approach to friction surfacing process optimisation
CN105400915A (zh) 一种定量评价高炉炉顶煤气流分布的方法及系统
CN103018181A (zh) 基于相关性分析和elm神经网络的软测量方法
CN103592047A (zh) 搅拌摩擦焊接摩擦界面温度测量装置
CN104451037A (zh) 一种实时在线检测rh精炼钢液温度的装置及其检测方法
CN104749337A (zh) 一种基于神经网络的铝合金变质效果在线检测方法及装置
CN117850503B (zh) 一种浇筑球化控温的检测控制系统
CN110597065B (zh) 一种用于送粉式激光增材自适应控制系统
CN101308045B (zh) 橡胶轮胎的模拟测温方法
CN203422388U (zh) 汽车轮速传感器测试系统
CN106018731B (zh) 一种煤质挥发分、固定碳在线检测方法及系统
CN108398150A (zh) 一种发酵自动记录分析系统
CN101430292B (zh) 单个金属微滴大冷速原位快速热分析测定过冷度的方法
CN105706010B (zh) 生产线模拟装置
CN103245711B (zh) 基于神经网络的铝液非金属夹杂物在线软测量装置及方法
CN108089457B (zh) 一种基于在线有限元仿真的过程质量控制方法
CN116310121A (zh) 一种炼铁高炉渣皮数字孪生系统及方法
CN205642844U (zh) 燃气轮机试验台测试系统
CN207248738U (zh) 一种高压红外温控仪
CN112182874B (zh) 一种基于韧性和耐热性提升聚合物材料性能的方法和装置
CN112729559A (zh) 一种lf炉炉内钢水温度监测系统
CN108223632B (zh) 基于采煤机制动器的盘内温度变化的检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150701

RJ01 Rejection of invention patent application after publication