CN113962136A - 一种基于有限元的焊接后工件应力重构方法及系统 - Google Patents
一种基于有限元的焊接后工件应力重构方法及系统 Download PDFInfo
- Publication number
- CN113962136A CN113962136A CN202111575067.4A CN202111575067A CN113962136A CN 113962136 A CN113962136 A CN 113962136A CN 202111575067 A CN202111575067 A CN 202111575067A CN 113962136 A CN113962136 A CN 113962136A
- Authority
- CN
- China
- Prior art keywords
- row
- function
- subgraphs
- subgraph
- obtaining
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于有限元的焊接后工件应力重构方法及系统,将焊接后工件通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布,并进行灰度化和二值化处理得到数值图,对数值图进行图像分割得到多个子图并将子图的集合作为子图集合,获取子图集合中各个子图之间的阈值,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化,实现了减少计算时间并且获得逼近全局最优解的子图集合进行强化的有益效果。
Description
技术领域
本公开属于应力重构技术、焊接残余应力测量与检测技术领域,具体涉及一种基于有限元的焊接后工件应力重构方法及系统。
背景技术
在海洋工程领域,焊接工艺是原油钻井平台,自升式风电安装船、原油转驳船CTV(Cargo Transfer Vessel)等大型海工装备的建造过程中至关重要的一环,焊接后的工件在焊缝处易出现气孔、夹渣和未熔合等焊接缺陷,出现局部组织晶粒粗大,并带来拉伸残余拉应力和微裂纹,影响到其韧性、塑性、强度和硬度,使其在服役过程中极易出现应力腐蚀开裂,严重制约了海工装备的服役寿命。因此焊接工艺实施后对工件的残余应力检测和评估是非常必要的,而现有的常规方法,通常是采用深孔法、轮廓法或X射线衍射法,获得的仅仅是离散的有限点上的残余应力值,对于大型海工装备结构件而言,如果在整个区域内测量是不太现实的,因此亟需找到一种方法来获得焊后工件某一特定区域内的全场残余应力分布。残余应力是由于材料内部变形的不协调造成的,这种变形的不协调性通常是由于在材料加工过程中的非弹性过程,即塑性变形过程、相变过程、工件间的热膨胀过程中产生了非弹性应变,也称为固有应变或本征应变,可以借助有限元软件根据焊接区域的残余应力值反求材料的固有应变,从而达到重构整个区域的残余应力分布的目的。但对于固有应变分布的选定,还是采用试错法,通过每次选定不同的有限元参数来寻找与实际测量点误差最小的固有应变分布,耗费较长时间且人工修改参数极易陷入局部最优解。因此,亟需找到一种缩短建模时间和优化时间,提高优化精度的方法。
发明内容
本发明的目的在于提出一种基于有限元的焊接后工件应力重构方法及系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
通过每次选定不同的有限元参数来寻找与实际测量点误差最小的固有应变分布,耗费较长时间且人工修改参数极易陷入局部最优解。因此,亟需找到一种缩短建模时间和优化时间,提高优化精度的方法。
本公开提供了一种基于有限元的焊接后工件应力重构方法及系统,将焊接后工件通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布,并进行灰度化和二值化处理得到数值图,对数值图进行图像分割得到多个子图并将子图的集合作为子图集合,获取子图集合中各个子图之间的阈值,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
为了实现上述目的,根据本公开的一方面,提供一种基于有限元的焊接后工件应力重构方法,所述方法包括以下步骤:
S100,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图;
S200,对应力分布图进行灰度化和二值化处理得到数值图;
S300,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合;
S400,获取子图集合中各个子图之间的阈值;
S500,根据阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
进一步地,在S100中,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图的方法为:在焊接后,将焊接后工件静置于常温的空间内,用温度传感器检测焊接后工件的温度,当焊接后工件的温度达到室温时,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图。
进一步地,在S200中,对应力分布图进行灰度化和二值化处理得到数值图的方法为:将应力分布图的图像矩阵中的每个像素点通过灰度化和二值化处理为[0,255]的数值,由此得到的图像矩阵作为数值图。
进一步地,在S300中,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合的方法为:对数值图通过分水岭算法进行图像分割得到多个子图,将子图的集合作为子图集合。
进一步地,在S400,获取子图集合中各个子图之间的阈值的方法为:分割后得到的子图为不规则图像,使用OpenCV工具库中的boundingRect模块获取子图的最小外接正矩形的图像矩阵,将各个子图从不规则图像转化为该不规则图像的最小外接正矩形的图像矩阵,最小外接正矩形的图像矩阵中行的数量和列的数量相同,记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合Aset中序号为i的元素为A(i);
函数col()为获取图像矩阵中列的数量的函数,函数row()为获取图像矩阵中行的数量的函数,函数c()为获取图像矩阵中列的序号的函数,函数r()为获取图像矩阵中行的序号的函数,以函数col()获取A(i)中列的数量为col(A(i)),以函数c()获取A(i)中列的序号为c(A(i)),以函数row()获取A(i)中行的数量为row(A(i)),以函数r()获取A(i)中行的序号为r(A(i)),c(A(i))∈[1, col(A(i))],r(A(i))∈[1, row(A(i))],A(i)中行序号为r(A(i))、列序号为c(A(i))的元素记为A(i)[r(A(i)), c(A(i))];
函数len()表示获取数组或集合中的元素数量的函数;函数avg()表示获取数组或集合中的元素的算术平均数的函数;
函数Bol()为计算子图之间的阈值函数,计算子图之间的阈值的方法为:从集合Aset的序号中选出任意两个不同子图的序号记为a和b,a∈[1,n],b∈[1,n],a不等于b,子图集合中序号为a的元素为A(a),子图集合中序号为b的元素为A(b),Bol(A(a), A(b))表示A(a)与A(b)之间的阈值,Bol(A(a), A(b))的计算过程如下:
S401-1,设置变量b1;设置变量h;设置变量r(A(a));设置变量r(A(b));设置这些变量为1;
S401-2,以函数col()获取A(a)中列的数量为col(A(a)),以函数c()获取A(a)中列的序号为c(A(a)),以函数row()获取A(a)中行的数量为row(A(a)),以函数r()获取A(a)中行的序号为r(A(a)),c(A(a))∈[1, col(A(a))],r(A(a))∈[1, row(A(a))];
以函数col()获取A(b)中列的数量为col(A(b)),以函数c()获取A(b)中列的序号为c(A(b)),以函数row()获取A(b)中行的数量为row(A(b)),以函数r()获取A(b)中行的序号为r(A(b)),c(A(b))∈[1, col(A(b))],r(A(b))∈[1, row(A(b))];
A(a)中行序号为r(A(a))、列序号为c(A(a))的元素记为A(a)[ r(A(a)), c(A(a))],A(b)中行序号为r(A(b))、列序号为c(A(b))的元素记为A(b)[ r(A(b)), c(A(b))];
S401-3,判断是否满足约束条件row(A(a))≤row(A(b)),若是则将row(A(a))的数值赋值给b1并将row(A(b))的数值赋值给h,若否则将row(A(b))的数值赋值给b1并将row(A(a))的数值赋值给h;
S401-4-1,设置空数组Dlist;将r(A(a))的初始值设置为1;
S401-4-2,将r(A(a))的数值赋值给r(A(b));判断是否满足约束条件r(A(a))≤row(A(a))且r(A(b))≤row(A(b)),若是则转到S401-4-3,若否则转到S401-4-7;
S401-4-3,获取A(a)中序号为r(A(a))的行中的元素;获取A(b)中序号为r(A(b))的行中的元素;记A(a)中序号为r(A(a))的行中的元素与A(b)中序号为r(A(b))的行中的元素的信号差为D(r(A(a)), r(A(b))),信号差为两个图像矩阵的行中的元素之间的信号的差距,D(r(A(a)), r(A(b)))的计算方法为:
其中,log()为以2为底取对数的函数,exp()为以自然数e为底的指数函数,D(r(A(a)), r(A(b)))的计算方法即为信号差的计算方法;
S401-4-4,将D(r(A(a)), r(A(b)))的数值作为元素加入数组Dlist中;获取数组Dlist中元素的数量len(Dlist);
S401-4-5,判断是否满足约束条件len(Dlist)≧row(A(a)),若是则转到S401-4-7,若否则转到S401-4-6;
S401-4-6,将r(A(a))的数值增加1;转到S401-4-3;
S401-4-7,计算数组Dlist中各元素的算术平均数为avg(Dlist);
S401-4-8,输出b1/h*avg(Dlist);
输出的b1/h*avg(Dlist)即为Bol(A(a), A(b))的计算结果,S401-1至S401-4-8的过程即为计算子图之间的阈值的方法,根据计算子图之间的阈值的方法获取子图集合中各个子图之间的阈值。
进一步地,在S500中,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化的方法为:
记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合中序号为i的元素为A(i);
记子图集合中序号为i`的元素为A(i`),i`∈[1,n],i`不等于i,函数Bol()表示获取两个子图之间的阈值的函数,Bol(A(i), A(i`))表示A(i)与A(i`)之间的阈值;
设置集合Bset为超过阈值的子图的集合,根据阈值筛选出超过阈值的子图的过程如下:
S501-1,初始化集合Bset为空集合,Bset为具有互异性的集合;变量i的初始值1;
S501-2,获取A(i);将与A(i)邻接的子图的集合记作集合Vin(i);
S501-3,将集合Vin(i)中的元素记为V(i);计算集合Vin(i)中各元素与A(i)之间的阈值;
S501-4,选取Vin(i)中与A(i)之间阈值数值最大的元素记为A(i`),A(i`)的序号为i`;A(i)与A(i`)之间阈值记为Bol(A(i), A(i`));
S501-5,将与A(i`)邻接的子图的集合记作集合Vin(i`);
将集合Vin(i`)中的元素记为V(i`);
计算集合Vin(i`)中各元素与A(i`)之间的阈值;
选取Vin(i`)中与A(i`)之间阈值数值最大的元素记为A(i``),A(i``)的序号为i``;
S501-5,A(i`)与A(i``)之间阈值记为Bol(A(i`), A(i``));
S501-6,若满足i`不等于i``且满足Bol(A(i), A(i`))≧Bol(A(i`), A(i``)),则将A(i`)加入集合Bset中;
S501-7,判断是否满足i≧n,若是则转到S501-8,若否则将i的值增加1转到S501-2;
S501-8,输出集合Bset;
若输出的集合Bset不为空,则Bset中的各子图对应在焊接后工件上的位置即为需要使用激光进行强化的位置,按照集合Bset中的各子图对应在焊接后工件上相应的位置使用激光进行强化。
本公开还提供了一种基于有限元的焊接后工件应力重构系统,所述一种基于有限元的焊接后工件应力重构系统包括:处理器、存储器及存储在所述存储器中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计算机程序时实现所述一种基于有限元的焊接后工件应力重构方法中的步骤,所述一种基于有限元的焊接后工件应力重构系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下系统的单元中:
应力获取单元,用于将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图;
数值图处理单元,用于对应力分布图进行灰度化和二值化处理得到数值图;
子图分割单元,用于对数值图进行图像分割得到多个子图,将子图的集合作为子图集合;
阈值计算单元,用于获取子图集合中各个子图之间的阈值;
子图强化单元,用于根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
本公开的有益效果为:本公开提供了一种基于有限元的焊接后工件应力重构方法及系统,将焊接后工件通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布,并进行灰度化和二值化处理得到数值图,对数值图进行图像分割得到多个子图并将子图的集合作为子图集合,获取子图集合中各个子图之间的阈值,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化,实现了减少计算时间并且获得逼近全局最优解的子图集合进行强化的有益效果。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种基于有限元的焊接后工件应力重构方法的流程图;
图2所示为一种基于有限元的焊接后工件应力重构系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种基于有限元的焊接后工件应力重构方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种基于有限元的焊接后工件应力重构方法及系统。
本公开提出一种基于有限元的焊接后工件应力重构方法,所述方法具体包括以下步骤:
S100,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图;
S200,对应力分布图进行灰度化和二值化处理得到数值图;
S300,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合;
S400,获取子图集合中各个子图之间的阈值;
S500,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
进一步地,在S100中,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图的方法为:在焊接后,将焊接后工件静置于常温的空间内,用温度传感器检测焊接后工件的温度,当焊接后工件的温度达到室温时,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图。
进一步地,在S200中,对应力分布图进行灰度化和二值化处理得到数值图的方法为:将应力分布图的图像矩阵中的每个像素点通过灰度化和二值化处理为[0,255]的数值,由此得到的图像矩阵作为数值图。
进一步地,在S300中,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合的方法为:对数值图通过分水岭算法进行图像分割得到多个子图,将子图的集合作为子图集合。
进一步地,在S400,获取子图集合中各个子图之间的阈值的方法为:分割后得到的子图为不规则图像,使用OpenCV工具库中的boundingRect模块获取子图的最小外接正矩形的图像矩阵,将各个子图从不规则图像转化为该不规则图像的最小外接正矩形的图像矩阵,最小外接正矩形的图像矩阵中行的数量和列的数量相同,记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合中序号为i的元素为A(i);
函数col()为获取图像矩阵中列的数量的函数,函数row()为获取图像矩阵中行的数量的函数,函数c()为获取图像矩阵中列的序号的函数,函数r()为获取图像矩阵中行的序号的函数,以函数col()获取A(i)中列的数量为col(A(i)),以函数c()获取A(i)中列的序号为c(A(i)),以函数row()获取A(i)中行的数量为row(A(i)),以函数r()获取A(i)中行的序号为r(A(i)),c(A(i))∈[1, col(A(i))],r(A(i))∈[1, row(A(i))],A(i)中行序号为r(A(i))、列序号为c(A(i))的元素记为A(i)[ r(A(i)), c(A(i))];
函数len()表示获取数组或集合中的元素数量的函数;函数avg()表示获取数组或集合中的元素的算术平均数的函数;
函数Bol()为计算子图之间的阈值函数,计算子图之间的阈值的方法为:从集合Aset的序号中选出任意两个不同的序号记为a和b,a∈[1,n],b∈[1,n],a不等于b,子图集合中序号为a的元素为A(a),子图集合中序号为b的元素为A(b),Bol(A(a), A(b))表示A(a)与A(b)之间的阈值,Bol(A(a), A(b))的计算过程如下:
S401-1,设置变量b;设置变量h;设置变量r(A(a));设置变量r(A(b));
S401-2,以函数col()获取A(a)中列的数量为col(A(a)),以函数c()获取A(a)中列的序号为c(A(a)),以函数row()获取A(a)中行的数量为row(A(a)),以函数r()获取A(a)中行的序号为r(A(a)),c(A(a))∈[1, col(A(a))],r(A(a))∈[1, row(A(a))];
以函数col()获取A(b)中列的数量为col(A(b)),以函数c()获取A(b)中列的序号为c(A(b)),以函数row()获取A(b)中行的数量为row(A(b)),以函数r()获取A(b)中行的序号为r(A(b)),c(A(b))∈[1, col(A(b))],r(A(b))∈[1, row(A(b))];
A(a)中行序号为r(A(a))、列序号为c(A(a))的元素记为A(a)[ r(A(a)), c(A(a))],A(b)中行序号为r(A(b))、列序号为c(A(b))的元素记为A(b)[ r(A(b)), c(A(b))];
S401-3,判断是否满足约束条件row(A(a))≤row(A(b)),若是则将row(A(a))的数值赋值给b并将row(A(b))的数值赋值给h,若否则将row(A(b))的数值赋值给b并将row(A(a))的数值赋值给h;
S401-4-1,设置空数组Dlist;将r(A(a))的初始值设置为1;
S401-4-2,将r(A(a))的数值赋值给r(A(b));判断是否满足约束条件r(A(a))≤row(A(a))且r(A(b))≤row(A(b)),若是则转到S401-4-3,若否则转到S401-4-7;
S401-4-3,获取A(a)中序号为r(A(a))的行中的元素;获取A(b)中序号为r(A(b))的行中的元素;记A(a)中序号为r(A(a))的行中的元素与A(b)中序号为r(A(b))的行中的元素的信号差为D(r(A(a)), r(A(b))),信号差为两个图像矩阵的行中的元素之间的信号值的差距,D(r(A(a)), r(A(b)))的计算方法为:
其中,log()为以2为底取对数的函数,exp()为以自然数e为底的指数函数,D(r(A(a)), r(A(b)))的计算方法即为信号差的计算方法;
S401-4-4,将D(r(A(a)), r(A(b)))的数值作为元素加入数组Dlist中;获取数组Dlist中元素的数量len(Dlist);
S401-4-5,判断是否满足约束条件len(Dlist)≧row(A(a)),若是则转到S401-4-7,若否则转到S401-4-6;
S401-4-6,将r(A(a))的数值设置增加1;转到S401-4-3;
S401-4-7,计算数组Dlist中各元素的算术平均数为avg(Dlist);
S401-4-8,输出b/h*avg(Dlist);
输出的b/h*avg(Dlist)即为Bol(A(a), A(b))的计算结果,S401-1至S401-4-8的过程即为计算子图之间的阈值的方法,根据计算子图之间的阈值的方法获取子图集合中各个子图的阈值。
进一步地,在S500中,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化的方法为:
记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合中序号为i的元素为A(i);
记子图集合中序号为i`的元素为A(i`),i`∈[1,n],i`不等于i,函数Bol()表示获取两个子图之间的阈值的函数,Bol(A(i), A(i`))表示A(i)与A(i`)之间的阈值;
设置集合Bset为超过阈值的子图的集合,根据阈值筛选出超过阈值的子图的过程如下:
S501-1,初始化集合Bset为空集合,Bset为具有互异性的集合;变量i的初始值1;
S501-2,获取A(i);将与A(i)邻接的子图的集合记作集合Vin(i);
S501-3,将集合Vin(i)中的元素记为V(i);计算集合Vin(i)中各元素与A(i)之间的阈值;
S501-4,选取Vin(i)中与A(i)之间阈值数值最大的元素记为A(i`),A(i`)的序号为i`;A(i)与A(i`)之间阈值记为Bol(A(i), A(i`));
S501-5,将与A(i`)邻接的子图的集合记作集合Vin(i`);
将集合Vin(i`)中的元素记为V(i`);
计算集合Vin(i`)中各元素与A(i`)之间的阈值;
选取Vin(i`)中与A(i`)之间阈值数值最大的元素记为A(i``),A(i``)的序号为i``;
S501-5,A(i`)与A(i``)之间阈值记为Bol(A(i`), A(i``));
S501-6,若满足i`不等于i``且满足Bol(A(i), A(i`))≧Bol(A(i`), A(i``)),则将A(i`)加入集合Bset中;
S501-7,判断是否满足i≧n,若是则转到S501-8,若否则转到S501-2;
S501-8,输出集合Bset;
若输出的集合Bset不为空,则Bset中的各子图对应在焊接后工件上的位置即为需要使用激光进行强化的位置,按照集合Bset中的各子图对应在焊接后工件上相应的位置使用激光进行强化。
所述一种基于有限元的焊接后工件应力重构系统包括:处理器、存储器及存储在所述存储器中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计算机程序时实现上述一种基于有限元的焊接后工件应力重构方法实施例中的步骤,所述一种基于有限元的焊接后工件应力重构系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中,可运行的系统可包括,但不仅限于,处理器、存储器、服务器集群。
本公开的实施例提供的一种基于有限元的焊接后工件应力重构系统,如图2所示,该实施例的一种基于有限元的焊接后工件应力重构系统包括:处理器、存储器以及存储在所述存储器中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计算机程序时实现上述一种基于有限元的焊接后工件应力重构方法实施例中的步骤,所述处理器执行所述计算机程序运行在以下系统的单元中:
应力获取单元,用于将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图;
数值图处理单元,用于对应力分布图进行灰度化和二值化处理得到数值图;
子图分割单元,用于对数值图进行图像分割得到多个子图,将子图的集合作为子图集合;
阈值计算单元,用于获取子图集合中各个子图之间的阈值;
子图强化单元,用于根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
所述一种基于有限元的焊接后工件应力重构系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中。所述一种基于有限元的焊接后工件应力重构系统包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于有限元的焊接后工件应力重构方法及系统的示例,并不构成对一种基于有限元的焊接后工件应力重构方法及系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于有限元的焊接后工件应力重构系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于有限元的焊接后工件应力重构系统的控制中心,利用各种接口和线路连接整个一种基于有限元的焊接后工件应力重构系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于有限元的焊接后工件应力重构方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本公开提供了一种基于有限元的焊接后工件应力重构方法及系统,将焊接后工件通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布,并进行灰度化和二值化处理得到数值图,对数值图进行图像分割得到多个子图并将子图的集合作为子图集合,获取子图集合中各个子图之间的阈值,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化,实现了减少计算时间并且获得逼近全局最优解的子图集合进行强化的有益效果。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (8)
1.一种基于有限元的焊接后工件应力重构方法,其特征在于,所述方法包括以下步骤:
S100,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图;
S200,对应力分布图进行灰度化和二值化处理得到数值图;
S300,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合;
S400,获取子图集合中各个子图之间的阈值;
S500,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化。
2.根据权利要求1所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S100中,将焊接后工件静置并自然冷却至室温,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图的方法为:在焊接后,将焊接后工件静置于常温的空间内,用温度传感器检测焊接后工件的温度,当焊接后工件的温度达到室温时,通过有限元分析软件检测焊接后工件的全场残余应力得到应力分布图。
3.根据权利要求1所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S200中,对应力分布图进行灰度化和二值化处理得到数值图的方法为:将应力分布图的图像矩阵中的每个像素点通过灰度化和二值化处理为[0,255]的数值,由此得到的图像矩阵作为数值图。
4.根据权利要求1所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S300中,对数值图进行图像分割得到多个子图,将子图的集合作为子图集合的方法为:对数值图通过分水岭算法进行图像分割得到多个子图,将子图的集合作为子图集合。
5.根据权利要求1所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S400,获取子图集合中各个子图之间的阈值的方法为:分割后得到的子图为不规则图像,使用OpenCV工具库中的boundingRect模块获取子图的最小外接正矩形的图像矩阵,将各个子图从不规则图像转化为该不规则图像的最小外接正矩形的图像矩阵,最小外接正矩形的图像矩阵中行的数量和列的数量相同,记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合中序号为i的元素为A(i);
函数col()为获取图像矩阵中列的数量的函数,函数row()为获取图像矩阵中行的数量的函数,函数c()为获取图像矩阵中列的序号的函数,函数r()为获取图像矩阵中行的序号的函数,以函数col()获取A(i)中列的数量为col(A(i)),以函数c()获取A(i)中列的序号为c(A(i)),以函数row()获取A(i)中行的数量为row(A(i)),以函数r()获取A(i)中行的序号为r(A(i)),c(A(i))∈[1, col(A(i))],r(A(i))∈[1, row(A(i))],A(i)中行序号为r(A(i))、列序号为c(A(i))的元素记为A(i)[ r(A(i)), c(A(i))];
函数len()表示获取数组或集合中的元素数量的函数;函数avg()表示获取数组或集合中的元素的算术平均数的函数;
函数Bol()为计算子图之间的阈值函数,计算子图之间的阈值的方法为:从集合Aset的序号中选出任意两个不同子图的序号记为a和b,a∈[1,n],b∈[1,n],a不等于b,子图集合中序号为a的元素为A(a),子图集合中序号为b的元素为A(b),Bol(A(a), A(b))表示A(a)与A(b)之间的阈值,根据计算子图之间的阈值的方法获取子图集合中各个子图之间的阈值。
6.根据权利要求5所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S400,获取子图集合中各个子图之间的阈值的方法还包括Bol(A(a), A(b))的计算过程如下:
S401-1,设置变量b1;设置变量h;设置变量r(A(a));设置变量r(A(b));
S401-2,以函数col()获取A(a)中列的数量为col(A(a)),以函数c()获取A(a)中列的序号为c(A(a)),以函数row()获取A(a)中行的数量为row(A(a)),以函数r()获取A(a)中行的序号为r(A(a)),c(A(a))∈[1, col(A(a))],r(A(a))∈[1, row(A(a))];
以函数col()获取A(b)中列的数量为col(A(b)),以函数c()获取A(b)中列的序号为c(A(b)),以函数row()获取A(b)中行的数量为row(A(b)),以函数r()获取A(b)中行的序号为r(A(b)),c(A(b))∈[1, col(A(b))],r(A(b))∈[1, row(A(b))];
A(a)中行序号为r(A(a))、列序号为c(A(a))的元素记为A(a)[ r(A(a)), c(A(a))],A(b)中行序号为r(A(b))、列序号为c(A(b))的元素记为A(b)[ r(A(b)), c(A(b))];
S401-3,判断是否满足约束条件row(A(a))≤row(A(b)),若是则将row(A(a))的数值赋值给b1并将row(A(b))的数值赋值给h,若否则将row(A(b))的数值赋值给b1并将row(A(a))的数值赋值给h;
S401-4-1,设置空数组Dlist;将r(A(a))的初始值设置为1;
S401-4-2,将r(A(a))的数值赋值给r(A(b));判断是否满足约束条件r(A(a))≤row(A(a))且r(A(b))≤row(A(b)),若是则转到S401-4-3,若否则转到S401-4-7;
S401-4-3,获取A(a)中序号为r(A(a))的行中的元素;获取A(b)中序号为r(A(b))的行中的元素;记A(a)中序号为r(A(a))的行中的元素与A(b)中序号为r(A(b))的行中的元素的信号差为D(r(A(a)), r(A(b))),信号差为两个图像矩阵的行中的元素之间的信号的差距,D(r(A(a)), r(A(b)))的计算方法为:
其中,log()为以2为底取对数的函数,exp()为以自然数e为底的指数函数,D(r(A(a)), r(A(b)))的计算方法即为信号差的计算方法;
S401-4-4,将D(r(A(a)), r(A(b)))的数值作为元素加入数组Dlist中;获取数组Dlist中元素的数量len(Dlist);
S401-4-5,判断是否满足约束条件len(Dlist)≧row(A(a)),若是则转到S401-4-7,若否则转到S401-4-6;
S401-4-6,将r(A(a))的数值增加1;转到S401-4-3;
S401-4-7,计算数组Dlist中各元素的算术平均数为avg(Dlist);
S401-4-8,输出b1/h*avg(Dlist);
输出的b1/h*avg(Dlist)即为Bol(A(a), A(b))的计算结果,S401-1至S401-4-8的过程即为计算子图之间的阈值的方法。
7.根据权利要求1所述的一种基于有限元的焊接后工件应力重构方法,其特征在于,在S500中,根据各个子图之间的阈值筛选出超过阈值的子图,将超过阈值的子图使用激光进行强化的方法为:
记子图集合为集合Aset,记子图集合中元素的数量为n,子图集合中元素的序号为i,i∈[1,n],子图集合中序号为i的元素为A(i);
记子图集合中序号为i`的元素为A(i`),i`∈[1,n],i`不等于i,函数Bol()表示获取两个子图之间的阈值的函数,Bol(A(i), A(i`))表示A(i)与A(i`)之间的阈值;
设置集合Bset为超过阈值的子图的集合,根据阈值筛选出超过阈值的子图,输出集合Bset;
若输出的集合Bset不为空,则Bset中的各子图对应在焊接后工件上的位置即为需要使用激光进行强化的位置,按照集合Bset中的各子图对应在焊接后工件上相应的位置使用激光进行强化。
8.一种基于有限元的焊接后工件应力重构系统,其特征在于,所述一种基于有限元的焊接后工件应力重构系统包括:处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1所述的一种基于有限元的焊接后工件应力重构方法中的步骤,所述一种基于有限元的焊接后工件应力重构系统运行于桌上型计算机、笔记本、掌上电脑及云端数据中心计算设备中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575067.4A CN113962136B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有限元的焊接后工件应力重构方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575067.4A CN113962136B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有限元的焊接后工件应力重构方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113962136A true CN113962136A (zh) | 2022-01-21 |
CN113962136B CN113962136B (zh) | 2022-04-15 |
Family
ID=79473482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111575067.4A Active CN113962136B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有限元的焊接后工件应力重构方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962136B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439938A (zh) * | 2022-09-09 | 2022-12-06 | 湖南智警公共安全技术研究院有限公司 | 一种防分裂的人脸档案数据归并处理方法及系统 |
CN117436321A (zh) * | 2023-12-21 | 2024-01-23 | 中钧科技(深圳)有限公司 | 基于有限元仿真法的工件焊接分析方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198483A (zh) * | 2013-04-07 | 2013-07-10 | 西安电子科技大学 | 基于边缘和光谱反射率曲线的多时相遥感图像配准方法 |
US20130182934A1 (en) * | 2012-01-13 | 2013-07-18 | Carestream Health, Inc. | Self correcting portable digital radiography detector, methods and systems for same |
CN105989842A (zh) * | 2015-01-30 | 2016-10-05 | 福建星网视易信息系统有限公司 | 对比声纹相似度的方法、装置及其在数字娱乐点播系统中的应用 |
CN110390115A (zh) * | 2018-04-17 | 2019-10-29 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
CN111192243A (zh) * | 2019-12-25 | 2020-05-22 | 新绎健康科技有限公司 | 一种gdv能量图方向线计算方法及装置 |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN112307574A (zh) * | 2020-09-10 | 2021-02-02 | 华电电力科学研究院有限公司 | 一种量化承压管件应力集中区域的方法 |
CN112330538A (zh) * | 2020-09-29 | 2021-02-05 | 电子科技大学 | 一种基于特征点优化提取的损伤温度重构图像拼接方法 |
CN112561901A (zh) * | 2020-12-23 | 2021-03-26 | 哈尔滨工业大学 | 基于有噪谱平稳的sar图像显著区域检测方法 |
CN113222923A (zh) * | 2021-04-30 | 2021-08-06 | 广东石油化工学院 | 一种基于岩心照片识别裂缝类型的方法 |
CN113240676A (zh) * | 2021-07-13 | 2021-08-10 | 深圳奥雅设计股份有限公司 | 一种基于大数据的智慧路灯的智能调控方法及系统 |
CN113297929A (zh) * | 2021-05-10 | 2021-08-24 | 大连理工大学 | 基于全过程可视化的卷积神经网络微震监测波形识别方法 |
CN113627157A (zh) * | 2021-10-13 | 2021-11-09 | 京华信息科技股份有限公司 | 一种基于多头注意力机制的概率阈值调整方法及系统 |
CN113733080A (zh) * | 2021-08-10 | 2021-12-03 | 中国航发常州兰翔机械有限责任公司 | 一种直升机尾喷管激光冲击强化轨迹编程方法与装置 |
-
2021
- 2021-12-22 CN CN202111575067.4A patent/CN113962136B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130182934A1 (en) * | 2012-01-13 | 2013-07-18 | Carestream Health, Inc. | Self correcting portable digital radiography detector, methods and systems for same |
CN103198483A (zh) * | 2013-04-07 | 2013-07-10 | 西安电子科技大学 | 基于边缘和光谱反射率曲线的多时相遥感图像配准方法 |
CN105989842A (zh) * | 2015-01-30 | 2016-10-05 | 福建星网视易信息系统有限公司 | 对比声纹相似度的方法、装置及其在数字娱乐点播系统中的应用 |
CN110390115A (zh) * | 2018-04-17 | 2019-10-29 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN111192243A (zh) * | 2019-12-25 | 2020-05-22 | 新绎健康科技有限公司 | 一种gdv能量图方向线计算方法及装置 |
CN112307574A (zh) * | 2020-09-10 | 2021-02-02 | 华电电力科学研究院有限公司 | 一种量化承压管件应力集中区域的方法 |
CN112330538A (zh) * | 2020-09-29 | 2021-02-05 | 电子科技大学 | 一种基于特征点优化提取的损伤温度重构图像拼接方法 |
CN112561901A (zh) * | 2020-12-23 | 2021-03-26 | 哈尔滨工业大学 | 基于有噪谱平稳的sar图像显著区域检测方法 |
CN113222923A (zh) * | 2021-04-30 | 2021-08-06 | 广东石油化工学院 | 一种基于岩心照片识别裂缝类型的方法 |
CN113297929A (zh) * | 2021-05-10 | 2021-08-24 | 大连理工大学 | 基于全过程可视化的卷积神经网络微震监测波形识别方法 |
CN113240676A (zh) * | 2021-07-13 | 2021-08-10 | 深圳奥雅设计股份有限公司 | 一种基于大数据的智慧路灯的智能调控方法及系统 |
CN113733080A (zh) * | 2021-08-10 | 2021-12-03 | 中国航发常州兰翔机械有限责任公司 | 一种直升机尾喷管激光冲击强化轨迹编程方法与装置 |
CN113627157A (zh) * | 2021-10-13 | 2021-11-09 | 京华信息科技股份有限公司 | 一种基于多头注意力机制的概率阈值调整方法及系统 |
Non-Patent Citations (5)
Title |
---|
CAI SHUPENG等: "A novel approach to reconstruct residual stress fields induced by surface treatments in arbitrary 3D geometries using the eigenstrain method", 《INTERNATIONAL JOURNAL OF SOLIDS AND STRUCTURES》 * |
刘加林 等: "基于快速稳健特征最大子矩阵的光谱图像配准方法", 《激光与光电子学进展》 * |
蔡舒鹏 等: "基于APDL语言的本征应变法重构激光冲击强化后的残余应力场", 《电加工与模具》 * |
赵新彦 等: "数字图像法测量光纤端面几何参数", 《南京邮电大学学报(自然科学版)》 * |
邹立 等: "基于OpenCV的数码管数字识别实验设计与实现", 《实验室科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439938A (zh) * | 2022-09-09 | 2022-12-06 | 湖南智警公共安全技术研究院有限公司 | 一种防分裂的人脸档案数据归并处理方法及系统 |
CN115439938B (zh) * | 2022-09-09 | 2023-09-19 | 湖南智警公共安全技术研究院有限公司 | 一种防分裂的人脸档案数据归并处理方法及系统 |
CN117436321A (zh) * | 2023-12-21 | 2024-01-23 | 中钧科技(深圳)有限公司 | 基于有限元仿真法的工件焊接分析方法及系统 |
CN117436321B (zh) * | 2023-12-21 | 2024-04-16 | 中钧科技(深圳)有限公司 | 基于有限元仿真法的工件焊接分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113962136B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113962136B (zh) | 一种基于有限元的焊接后工件应力重构方法及系统 | |
Singh et al. | Textural identification of basaltic rock mass using image processing and neural network | |
US8086041B2 (en) | Pattern evaluation method, pattern matching method and computer readable medium | |
CN112734691B (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
Acosta et al. | An innovative image-processing model for rust detection using Perlin Noise to simulate oxide textures | |
JP6476802B2 (ja) | 情報処理装置及び情報処理方法 | |
CN109886390B (zh) | 卷积神经网络模型优化方法、装置、计算机设备及存储介质 | |
CN112598657B (zh) | 缺陷检测方法、装置、模型构造方法和计算机设备 | |
CN116994140A (zh) | 基于遥感影像的耕地提取方法、装置、设备和介质 | |
CN116128839A (zh) | 晶圆缺陷识别方法、装置、电子设备以及存储介质 | |
Shi et al. | Intelligent fault diagnosis of rolling mills based on dual attention-guided deep learning method under imbalanced data conditions | |
US20120026902A1 (en) | Computing device and crosstalk information detection method | |
CN117332620B (zh) | 基于大气腐蚀数据的耐腐蚀材料优化方法及系统 | |
CN100465997C (zh) | 基于元胞自动机的图像边缘检测算法 | |
CN111079825A (zh) | 针对医学图像的细胞核自动检测方法 | |
CN111340788B (zh) | 硬件木马版图检测方法、装置、电子设备和可读存储介质 | |
CN101414352A (zh) | 信息处理设备、信息处理方法和程序 | |
CN116007504A (zh) | 基于图像技术的裂缝检测模块、装置和计算机设备 | |
CN111275135B (zh) | 一种故障诊断方法、装置、设备、介质 | |
CN115082444A (zh) | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 | |
CN115564702A (zh) | 模型训练方法、系统、设备、存储介质及缺陷检测方法 | |
CN114897797A (zh) | 印刷电路板的缺陷检测方法、装置、设备及存储介质 | |
Mazni et al. | An investigation into real-time surface crack classification and measurement for structural health monitoring using transfer learning convolutional neural networks and Otsu method | |
CN114692343B (zh) | 一种电压力锅的计算机辅助设计方法及系统 | |
CN111753462B (zh) | 一种环境信号值确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |