CN114964388B - 基于光学技术的渣浆泵外壳材料缺陷检测方法 - Google Patents

基于光学技术的渣浆泵外壳材料缺陷检测方法 Download PDF

Info

Publication number
CN114964388B
CN114964388B CN202210918995.4A CN202210918995A CN114964388B CN 114964388 B CN114964388 B CN 114964388B CN 202210918995 A CN202210918995 A CN 202210918995A CN 114964388 B CN114964388 B CN 114964388B
Authority
CN
China
Prior art keywords
corrosion
slurry pump
shell
preset time
sequence
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.)
Active
Application number
CN202210918995.4A
Other languages
English (en)
Other versions
CN114964388A (zh
Inventor
张银华
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.)
Qidong Chuanglyu Greening Engineering Co ltd
Original Assignee
Tuolunsi Semiconductor Equipment Qidong Co ltd
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 Tuolunsi Semiconductor Equipment Qidong Co ltd filed Critical Tuolunsi Semiconductor Equipment Qidong Co ltd
Priority to CN202210918995.4A priority Critical patent/CN114964388B/zh
Publication of CN114964388A publication Critical patent/CN114964388A/zh
Application granted granted Critical
Publication of CN114964388B publication Critical patent/CN114964388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明涉及材料检测技术领域，具体涉及一种基于光学技术的渣浆泵外壳材料缺陷检测方法。该方法包括：利用每个环境条件下渣浆泵外壳的每个子区域在预设时段内的腐蚀厚度和腐蚀面积序列获得每个环境条件下渣浆泵外壳的每个子区域在预设时段内的腐蚀程度；进行直线拟合获得方差最大对应的环境条件，在该环境条件下基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域；预测获得预测的腐蚀程度，根据预测的腐蚀程度获得外壳的寿命。本发明能够准确的检测出渣浆泵的外壳存在缺陷的子区域，同时能够准确的预测出现缺陷的渣浆泵的外壳的使用寿命，给判断外壳的锻造工艺是否出现问题提供了依据，使得专业人员能够及时的调整外壳的锻造工艺。

Description

基于光学技术的渣浆泵外壳材料缺陷检测方法
技术领域
本发明涉及材料检测技术领域，具体涉及一种基于光学技术的渣浆泵外壳材料缺陷检测方法。
背景技术
渣浆泵在很多行业的各个方面使用的范围都很广，主要应用于矿山、电厂、疏浚、冶金、化工、建材及石油等行业领域；浆泵主要通过借助离心力，也即是渣浆泵的叶轮的旋转的作用使固、液混合介质能量增加的一种机械设备，它能够将电能转换为介质的势能和动能，从而达到对介质的输送和抽取。
而渣浆泵的外壳对渣浆泵里的主要组成部分起到了至关重要的保护作用，而当其外壳的在锻造过程中由于工艺的问题出现缺陷，会导致外壳出现缺陷，从而导致腐蚀的速度加快，从而降低渣浆泵的使用周期，造成经济损失，更关键的是，在使用过程中很有可能因为外壳的腐蚀过快导致渣浆泵出现安全事故。
传统的对于渣浆泵外壳材料缺陷检测的方法都是通过锻造过程中工人的经验判断，这样由于主观因素的影响，会出现不准确的情况，同时也不能准确的判断出现缺陷的外壳的使用寿命。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于光学技术的渣浆泵外壳材料缺陷检测方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于光学技术的渣浆泵外壳材料缺陷检测方法，方法包括：获得渣浆泵在使用时周围的空气的湿度信息和温度信息分别组成湿度序列和温度序列；对湿度和温度序列中的元素进行组合获得不同的环境条件；将渣浆泵外壳区域均匀划分为预设数量的子区域；分别获得每个环境条件下渣浆泵外壳的每个子区域在预设时段内的腐蚀厚度序列和腐蚀面积序列；
基于每个环境条件下渣浆泵外壳每个子区域在一个预设时段内的腐蚀厚度序列和腐蚀面积序列的标准差和均值获得每个环境条件下每个子区域的腐蚀程度；基于各环境条件下多个预设时段内每个子区域的腐蚀程度进行直线拟合获得每个环境条件下各子区域对应的直线斜率的方差；
获得方差最大对应的环境条件，在该环境条件下基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域；基于存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度进行预测获得预测的腐蚀程度，根据预测的腐蚀程度获得外壳的寿命。
优选地，湿度序列和温度序列包括：以预设的采样频率采集渣浆泵在使用过程中的空气的湿度信息，将其以升序的顺序排列得到湿度序列；以预设的采样频率采集渣浆泵在使用过程中周围的温度信息将其以升序的顺序排列得到温度序列。
优选地，对湿度和温度序列中的元素进行组合获得不同的环境条件包括：每个环境条件由湿度序列中的一个元素和温度序列中的一个元素构成，且环境条件的数量为湿度序列中的元素的数量与温度序列中元素的数量乘积。
优选地，腐蚀厚度序列和腐蚀面积序列包括：利用超声波测厚仪以预设的采样频率采集在预设时段内采集子区域的腐蚀厚度，组成腐蚀厚度序列，所述腐蚀厚度为子区域中腐蚀区域的平均厚度；利用反射性光电传感器以预设的采样频率采集在预设时段内采集子区域的腐蚀面积，组成腐蚀厚度序列。
优选地，腐蚀程度为：
Figure 696664DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀程度；
Figure 640350DEST_PATH_IMAGE004
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列；
Figure DEST_PATH_IMAGE005
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列；
Figure 481398DEST_PATH_IMAGE006
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的标准差；
Figure 100002_DEST_PATH_IMAGE007
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的均值；
Figure 302461DEST_PATH_IMAGE008
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的标准差；
Figure DEST_PATH_IMAGE009
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的均值。
优选地，述获得方差最大对应的环境条件之前还包括：获得方差最小对应的环境条件，将该环境条件下各子区域的腐蚀程度归一化，并获得归一化后的各子区域的腐蚀程度的均值；设定判断阈值，归一化后的各子区域的腐蚀程度的均值大于等于判断阈值，则表示渣浆泵的外壳都存在缺陷；若归一化后的各子区域的腐蚀程度的均值小于判断阈值，则获得方差最大对应的环境条件。
优选地，基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域包括：获得方差最大对应的环境条件下各个子区域的多个预设时段的腐蚀程度并归一化，且获得归一化后的腐蚀程度的均值；设定缺陷阈值，其中归一化后的腐蚀程度的均值大于等于缺陷阈值的对应的子区域为渣浆泵外壳中存在缺陷的子区域。
优选地，述基于存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度进行预测获得预测的腐蚀程度之前还包括：利用振动传感器在预设时段内采集渣浆泵的振动强度，组成振动强度序列；统计振动强度序列中每个振动强度持续的时间，得到每个振动强度持续的时间与预设时段的比值，记为每个振动强度的时间占比；振动强度序列中的每个振动强度与时间占比的乘积的和为预设时段内的振动影响指数。
优选地，获得预测的腐蚀程度包括：利用存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度对TCN网络进行训练，其损失函数为：
Figure DEST_PATH_IMAGE011
其中，
Figure 23292DEST_PATH_IMAGE012
表示一个存在缺陷的子区域有N个预设时段对应的腐蚀程度；
Figure DEST_PATH_IMAGE013
表示该存在缺陷的渣浆泵外壳的子区域在第a个预设时段内对应的腐蚀程度；
Figure 473515DEST_PATH_IMAGE014
表示TCN网络输出的该存在缺陷的渣浆泵外壳的子区域第a个预测的腐蚀程度；
Figure DEST_PATH_IMAGE015
表示第a个预设时段对应的振动影响指数与所有预设时段对应的振动影响指数的和的比值；基于训练好的TCN网络得到预测的腐蚀程度。
本发明实施例至少具有如下有益效果：本发明通过对各个环境条件下渣浆泵外壳的各个子区域的腐蚀厚度和腐蚀面积随着时间的变化情况进行分析，能够准确的检测出渣浆泵的外壳存在缺陷的子区域，同时，在预测存在缺陷的子区域的腐蚀程度时，考虑了渣浆泵振动对于腐蚀的影响，这样能够更加准确的预测出现缺陷的渣浆泵的外壳中的子区域的使用寿命和整体外壳的使用寿命，子区域的使用寿命、整体外壳的使用寿命以及渣浆泵外壳存在缺陷的子区域的分布给判断外壳的锻造工艺是否出现问题提供了依据，使得专业人员能够及时的调整外壳的锻造工艺。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为一种基于光学技术的渣浆泵外壳材料缺陷检测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于光学技术的渣浆泵外壳材料缺陷检测方法的具体方案。
实施例：
本发明的主要应用场景为：本实施例应用于渣浆泵生产后对于渣浆泵的外壳的材料检测，通过抽检同一批次中的渣浆泵，分析其在不同的环境条件下外壳的腐蚀的变化情况，判断渣浆泵是否由于锻造工艺的问题导致外壳存在材料缺陷，同时预测渣浆泵外壳的使用寿命，基于使用寿命再次判断外壳锻造工艺是否存在问题。
请参阅图1，其示出了本发明一个实施例提供的一种基于光学技术的渣浆泵外壳材料缺陷检测方法流程图，该方法包括以下步骤：
步骤一：获得渣浆泵在使用时周围的空气的湿度信息和温度信息分别组成湿度序列和温度序列；对湿度和温度序列中的元素进行组合获得不同的环境条件；将渣浆泵外壳区域均匀划分为预设数量的子区域；分别获得每个环境条件下渣浆泵外壳的每个子区域在预设时段内的腐蚀厚度序列和腐蚀面积序列。
首先，正常情况下，钢铁腐蚀受空气中的温度和湿度的影响，其中湿度决定着渣浆泵是否会发生腐蚀，而温度决定着腐蚀的快慢。由于需要对渣浆泵的外壳的材料缺陷进行检测，所以需要采集渣浆泵在使用的环境中的周围空气中的湿度信息，当空气中湿度越大，渣浆泵表面接触到的水分越大，表面发生腐锈的可能性越大，当湿度越大时，对渣浆泵表面腐蚀的影响程度越大。设置预设的采样频率，本实施例中预设的采样频率为1小时采集一次，将采集到湿度信息按照升序的顺序进行排列组成湿度序列H。
同样的，需要以预设的采样频率采集渣浆泵在使用的环境中的周围的温度信息；由于生锈是一个氧化反应，而温度的大小会影响氧化反应的快慢，温度过低时原子的活动减慢，而氧化反应也会变慢，同样，温度变高时，氧化反应也会加快。所以，当温度变化越大，其渣浆泵的外壳腐蚀的速度也会变化；跟湿度信息一样，将采集到温度信息按照升序的顺序进行排列形成温度序列T。
进一步的，由于需要模拟渣浆泵使用的各种环境条件，因此需要将湿度序列和温度序列中的湿度和温度进行随机的组合形成各种环境条件，其中，环境条件的数量为湿度序列中的元素的数量与温度序列中元素的数量乘积，例如湿度序列中有3个元素，温度序列中有3个元素，则组合成的环境条件共有9个。同时需要说明的是在采集渣浆泵使用环境中的湿度信息和温度信息时，采集的湿度信息和温度信息组合形成环境条件时应尽可能的能够模拟真实的渣浆泵的使用环境。
最后，将渣浆泵的外壳均匀分为预设数量的子区域，优选地，本实施例中将渣浆泵的外壳分为8个面积相等的子区域，也即是预设数量为8，分析渣浆泵表面外壳的8个子区域在不同环境下的下腐蚀情况变化可以获得那个子区域在锻造过程中工艺出现了问题，例如锻造过程中，合钢与合金材料锻造时的分布不均匀问题。
由于渣浆泵的外壳整体材质本身为钢铁材料，而钢铁在空气中会受水汽和氧气的影响，发生氧化反映，使钢铁腐蚀，破坏渣浆泵的整体质量。当渣浆泵表面外壳发生腐蚀时，腐蚀越厚，说明对渣浆泵整体质量影响越大。所以，在分析腐蚀厚度对质量的影响程度时，需要对渣浆泵表面的腐蚀厚度数据信息进行采集。在这里使用超声波测厚仪测量渣浆泵外壳的腐蚀厚度信息，利用超声波测厚仪测量钢板蚀余厚度,是最常用和最精确的一种无损检测方法,精确度可达0.1e。但检测时要求测表面平整光洁，这样才能与超声波探头很好地偶合。也可用于较大的蚀坑蚀余厚度的测量。其采集频率也是1小时采集一次，设定预设时段一个预设时段为一天，获得每个子区域的在每个环境条件下的腐蚀厚度序列
Figure 932570DEST_PATH_IMAGE004
，表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列。
在渣浆泵刚生产出来的时候，渣浆泵表面处于一个较为平整光滑的状态，当使用一束光照射在渣浆泵外壳本身，对入射光的反射较为稳定，当渣浆泵表面发生腐蚀时，会对光的反射程度有所影响。当渣浆泵本身对光的反射程度越大，渣浆泵表面的腐蚀面积越大，同样对不同预设时段的渣浆泵表面的腐蚀面积变化进行采集，采集的采样频率同样是1个小时采样一次。使用反射性光电传感器对每个环境条件下的渣浆泵表面外壳的腐蚀面积进行采集，获得腐蚀面积序列
Figure 437501DEST_PATH_IMAGE005
，表示表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列。
至此，获得了渣浆泵在使用过程中的各种环境条件，以及在每个环境条件下，渣浆泵外壳在每个预设时段内的腐蚀厚度序列和腐蚀面积序列，其中预设时段的数量由实施者根据具体情况进行设置，本实施例中设置预设时段的数量为N。
步骤二：基于每个环境条件下渣浆泵外壳每个子区域在一个预设时段内的腐蚀厚度序列和腐蚀面积序列的标准差和均值获得每个环境条件下每个子区域的腐蚀程度；基于各环境条件下多个预设时段内每个子区域的腐蚀程度进行直线拟合获得每个环境条件下各子区域对应的直线斜率的方差。
首先，通过对每个预设时段内的渣浆泵在各个环境条件下，表面外壳的腐蚀厚度的变化和渣浆泵表面外壳的腐蚀面积的变化得到渣浆泵外壳的腐蚀程度：
Figure 906397DEST_PATH_IMAGE002
其中，
Figure 762358DEST_PATH_IMAGE003
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀程度；
Figure 725634DEST_PATH_IMAGE004
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列；
Figure 475285DEST_PATH_IMAGE005
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列；
Figure 889649DEST_PATH_IMAGE006
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的标准差；
Figure 967326DEST_PATH_IMAGE007
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的均值；
Figure 485026DEST_PATH_IMAGE008
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的标准差；
Figure 230128DEST_PATH_IMAGE009
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的均值。至此，可以获得每个预设时段的处于每个环境条件下的渣浆泵的外壳各个子区域的腐蚀程度，同时将每个子区域的每个环境条件下的所有预设时段的腐蚀程度进行归一化方便后续进行分析。
进一步的，由于渣浆泵外壳的八个子区域在不同的环境条件下腐蚀变化都是随着时间呈线性变化的，因此需要对不同子区域的腐蚀程度进行线性分析，由于渣浆泵外壳的各个子区域在温度和湿度的影响下，腐蚀的程度是呈线性变化的，因此采用线性表示，这样分析数据是十分可靠的；在不同的环境条件下，腐蚀的速率和腐蚀的程度是不一样的，因此需要在对腐蚀程度进行线性分析的前提下确定在那个环境条件下能够清晰的判断渣浆泵的外壳材料是否存在缺陷。
基于最小二乘法，在每个环境条件下，对渣浆泵外壳的每个子区域多个预设时段内的腐蚀程度的拟合直线，其中直线的斜率为k，斜率k能够表示一个环境条件下，渣浆泵外壳的一个子区域的腐蚀程度的变化率；获得每个环境条件下，8个子区域的腐蚀程度拟合的直线的斜率的方差Y，获得方差最小对应的环境条件，将该环境条件下各子区域的腐蚀程度归一化，并获得归一化后的各子区域的腐蚀程度的均值；设置判断阈值W，优选地，本实施例中的判断阈值取值为0.82，若归一化后的各子区域的腐蚀程度的均值大于等于判断阈值W=0.82，则表示渣浆泵的外壳都存在缺陷，此时就不需要再进行后续的分析了，需要专业的工作人员对渣浆泵的外壳的锻造工艺进行梳理发现问题。
最后，需要说明的是方差Y的大小更够反映渣浆泵外壳的每个子区域的腐蚀程度的变化情况，当方差Y越大时，说明8个子区域的腐蚀程度的变化波动性越大，需要在此环境条件下分析获得存在缺陷的子区域；另外，当方差Y越小时，此时可能是渣浆泵的外壳每个子区域都没发生缺陷，也有可能是渣浆泵的外壳都存在缺陷，因此需要先对方差最小的对应的环境条件下的每个子区域的腐蚀程度进行判断分析，看是否渣浆泵外壳都存在缺陷。
步骤三：获得方差最大对应的环境条件，在该环境条件下基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域；基于存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度进行预测获得预测的腐蚀程度，根据预测的腐蚀程度获得外壳的寿命。
首先，获得方差最大对应的环境条件，当某个子区域腐蚀程度明显加快时，各个子区域的腐蚀程度就会相差越大，此时方差Y的值就越大。获得方差最大对应的环境条件下各个子区域的多个预设时段的腐蚀程度并归一化，且获得归一化后的腐蚀程度的均值；设定缺陷阈值Z，优选地，本实施例中缺陷阈值Z=0.9若某个子区域归一化后的腐蚀程度的均值大于等于缺陷阈值Z=0.9，则该子区域为渣浆泵外壳中存在缺陷的子区域，至此获得渣浆泵外壳的8个子区域中存在缺陷的子区域。
进一步的，需要对存在缺陷的子区域的使用寿，命进行预测，在进行预测的时候还需要考虑到渣浆泵的振动对腐蚀程度的影响，由于渣浆泵一般应用在煤炭、金属矿的洗选环节,用于输送含有颗粒物的浆体，例如煤浆、矿浆等，会存在一些固体颗粒，输送过程中浆体内的固体颗粒物会与渣浆泵碰撞，产生振动，颗粒物越大，振动越大。而振动会将一些附着在最表面的腐锈的物质振动晃动掉下来，一旦最外层表皮脱落，渣浆泵外壳的内层就增大了与氧气和水分的接触面，就会增快腐蚀的速度。因此，使用程度越大，产生的振动越大，腐蚀的速度越快。
利用振动传感器在预设时段内，也即是一天内采集渣浆泵的振动强度x，组成振动强度序列X，同时还需要统计振动强度序列中每个振动强度所持续的时间，获得预设时段内振动强度序列中每个振动强度所持续的时间与预设时段的比值，记为预设时段内每个振动强度的时间占比，由此获得每个预设时段内的振动影响指数G，预设时段内的振动影响指数G为预设时段内对应的振动强度序列中的振动强度与时间占比的乘积的和，至此获得每个预设时段内的振动影响指数。同时获得一个预设时段内的振动影响指数与所有预设时段的振动影响指数的比值
Figure 791560DEST_PATH_IMAGE015
：
Figure DEST_PATH_IMAGE017
其中，
Figure 871380DEST_PATH_IMAGE015
表示第a个预设时段对应的振动影响指数与所有预设时段对应的振动影响指数的和的比值；
Figure 51826DEST_PATH_IMAGE018
表示第a个预设时段对应的振动影响指数；
Figure DEST_PATH_IMAGE019
表示共有N个预设时段的振动影响指数。
最后，结合每个预设时段的振动影响指数和存在缺陷的子区域在方差最大对应的环境条件下的每个预设时段的腐蚀程度预测存在缺陷的子区域的使用寿命。
构建TCN网络，训练数据为存在缺陷的子区域在方差最大对应的环境条件下的N个预设时段的腐蚀程度，标签为当前预设时段对应的下一个预设时段的腐蚀程度，TCN网络的损失函数为：
Figure 228598DEST_PATH_IMAGE020
其中，
Figure 633035DEST_PATH_IMAGE012
表示一个存在缺陷的子区域有N个预设时段对应的腐蚀程度；
Figure 13200DEST_PATH_IMAGE013
表示该存在缺陷的渣浆泵外壳的子区域在第a个预设时段内对应的腐蚀程度；
Figure 607124DEST_PATH_IMAGE014
表示TCN网络输出的该存在缺陷的渣浆泵外壳的子区域第a个预测的腐蚀程度；
Figure 61239DEST_PATH_IMAGE015
表示第a个预设时段对应的振动影响指数与所有预设时段对应的振动影响指数的和的比值，当Loss函数收敛到最小时，表明TCN网络已经训练完成，此时TCN网络还学习到了振动对腐蚀程度的影响，能够使得预测变得更加准确。输入一个存在缺陷的子区域的所有预设时段对应的腐蚀程度，输出预测的腐蚀程度。
由实际情况设置一个阈值Th=0.84，在实际使用中能够，由实施者根据实际情况对阈值的值进行设定；对于得到的阈值，当某个存在缺陷的子区域的经过网络预测输出的某个预测的腐蚀程度大于Th=0.84这个阈值时，可以确定该存在缺陷的子区域的使用寿命，至此可以得到存在缺陷的所有子区域的使用寿命，使用寿命最短的子区域的使用寿命为渣浆泵整个外壳的使用寿命。专业的人员可以根据存在缺陷的子区域的使用寿命和渣浆泵整个外壳的使用寿命判断外壳在锻造过程中工艺出现问题的严重性，再根据存在缺陷的子区域的分布从而调整锻造过程中的工艺，防止缺陷再次发生。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，该方法包括：获得渣浆泵在使用时周围的空气的湿度信息和温度信息分别组成湿度序列和温度序列；对湿度和温度序列中的元素进行组合获得不同的环境条件；将渣浆泵外壳区域均匀划分为预设数量的子区域；分别获得每个环境条件下渣浆泵外壳的每个子区域在预设时段内的腐蚀厚度序列和腐蚀面积序列；
基于每个环境条件下渣浆泵外壳每个子区域在一个预设时段内的腐蚀厚度序列和腐蚀面积序列的标准差和均值获得每个环境条件下每个子区域的腐蚀程度；基于各环境条件下多个预设时段内每个子区域的腐蚀程度进行直线拟合获得每个环境条件下各子区域对应的直线斜率的方差；
获得方差最大对应的环境条件，在该环境条件下基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域；基于存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度进行预测获得预测的腐蚀程度，根据预测的腐蚀程度获得外壳的寿命；所述获得预测的腐蚀程度包括：利用存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度对TCN网络进行训练，其损失函数为：
Figure DEST_PATH_IMAGE001
其中，
Figure 992413DEST_PATH_IMAGE002
表示一个存在缺陷的子区域有N个预设时段对应的腐蚀程度；
Figure 441718DEST_PATH_IMAGE003
表示该存在缺陷的渣浆泵外壳的子区域在第a个预设时段内对应的腐蚀程度；
Figure 28557DEST_PATH_IMAGE004
表示TCN网络输出的该存在缺陷的渣浆泵外壳的子区域第a个预测的腐蚀程度；
Figure 291874DEST_PATH_IMAGE005
表示第a个预设时段对应的振动影响指数与所有预设时段对应的振动影响指数的和的比值；基于训练好的TCN网络得到预测的腐蚀程度。
2.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，所述湿度序列和温度序列包括：以预设的采样频率采集渣浆泵在使用过程中的空气的湿度信息，将其以升序的顺序排列得到湿度序列；以预设的采样频率采集渣浆泵在使用过程中周围的温度信息将其以升序的顺序排列得到温度序列。
3.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，所述对湿度和温度序列中的元素进行组合获得不同的环境条件包括：每个环境条件由湿度序列中的一个元素和温度序列中的一个元素构成，且环境条件的数量为湿度序列中的元素的数量与温度序列中元素的数量乘积。
4.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，所述腐蚀厚度序列和腐蚀面积序列包括：利用超声波测厚仪以预设的采样频率采集在预设时段内采集子区域的腐蚀厚度，组成腐蚀厚度序列，所述腐蚀厚度为子区域中腐蚀区域的平均厚度；利用反射性光电传感器以预设的采样频率采集在预设时段内采集子区域的腐蚀面积，组成腐蚀面积序列。
5.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，所述腐蚀程度为：
Figure 841935DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE007
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀程度；
Figure 208063DEST_PATH_IMAGE008
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列；
Figure 169066DEST_PATH_IMAGE009
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列；
Figure 676271DEST_PATH_IMAGE010
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的标准差；
Figure 30023DEST_PATH_IMAGE011
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀厚度序列的均值；
Figure 407914DEST_PATH_IMAGE012
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的标准差；
Figure 274239DEST_PATH_IMAGE013
表示渣浆泵外壳的第i个子区域在第j个预设时段内的腐蚀面积序列的均值。
6.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，在所述获得方差最大对应的环境条件之前还包括：获得方差最小对应的环境条件，将该环境条件下各子区域的腐蚀程度归一化，并获得归一化后的各子区域的腐蚀程度的均值；设定判断阈值，归一化后的各子区域的腐蚀程度的均值大于等于判断阈值，则表示渣浆泵的外壳都存在缺陷；若归一化后的各子区域的腐蚀程度的均值小于判断阈值，则获得方差最大对应的环境条件。
7.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，所述基于每个子区域多个预设时段的腐蚀程度的均值获得存在缺陷的子区域包括：获得方差最大对应的环境条件下各个子区域的多个预设时段的腐蚀程度并归一化，且获得归一化后的腐蚀程度的均值；设定缺陷阈值，其中归一化后的腐蚀程度的均值大于等于缺陷阈值的对应的子区域为渣浆泵外壳中存在缺陷的子区域。
8.根据权利要求1所述的一种基于光学技术的渣浆泵外壳材料缺陷检测方法，其特征在于，在所述基于存在缺陷的子区域的在方差最大对应的环境条件下的多个预设时段的腐蚀程度进行预测获得预测的腐蚀程度之前还包括：利用振动传感器在预设时段内采集渣浆泵的振动强度，组成振动强度序列；统计振动强度序列中每个振动强度持续的时间，得到每个振动强度持续的时间与预设时段的比值，记为每个振动强度的时间占比；振动强度序列中的每个振动强度与时间占比的乘积的和为预设时段内的振动影响指数。
CN202210918995.4A 2022-08-02 2022-08-02 基于光学技术的渣浆泵外壳材料缺陷检测方法 Active CN114964388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210918995.4A CN114964388B (zh) 2022-08-02 2022-08-02 基于光学技术的渣浆泵外壳材料缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210918995.4A CN114964388B (zh) 2022-08-02 2022-08-02 基于光学技术的渣浆泵外壳材料缺陷检测方法

Publications (2)

Publication Number Publication Date
CN114964388A CN114964388A (zh) 2022-08-30
CN114964388B true CN114964388B (zh) 2022-10-21

Family

ID=82968616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210918995.4A Active CN114964388B (zh) 2022-08-02 2022-08-02 基于光学技术的渣浆泵外壳材料缺陷检测方法

Country Status (1)

Country Link
CN (1) CN114964388B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5208162A (en) * 1990-05-08 1993-05-04 Purafil, Inc. Method and apparatus for monitoring corrosion
WO2016103445A1 (ja) * 2014-12-26 2016-06-30 株式会社日立製作所 腐食環境診断システム、腐食防止システム、腐食環境診断方法及び腐食防止方法
CN109001207A (zh) * 2018-05-07 2018-12-14 华侨大学 一种透明材料表面及内部缺陷的检测方法和检测系统
CN110264445A (zh) * 2019-05-30 2019-09-20 西安交通大学 分块模板匹配结合形态学处理的电池丝印质量检测方法
CN112198685A (zh) * 2020-10-30 2021-01-08 成都中电熊猫显示科技有限公司 Coa基板检测方法及装置
CN112302965A (zh) * 2020-10-30 2021-02-02 天长市龙源泵阀有限公司 一种渣浆泵性能检测方法和装置
CN113916306A (zh) * 2021-11-19 2022-01-11 电子科技大学 基于多传感信息融合的管道缺陷检测及定位方法
CN114529779A (zh) * 2021-12-31 2022-05-24 扬州市恒泰人防设备有限公司 一种人防门锈蚀状态检测系统及方法
CN114777698A (zh) * 2022-06-21 2022-07-22 南通市通州区袁灶燃气有限公司 一种储油罐腐蚀检测方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5208162A (en) * 1990-05-08 1993-05-04 Purafil, Inc. Method and apparatus for monitoring corrosion
WO2016103445A1 (ja) * 2014-12-26 2016-06-30 株式会社日立製作所 腐食環境診断システム、腐食防止システム、腐食環境診断方法及び腐食防止方法
CN109001207A (zh) * 2018-05-07 2018-12-14 华侨大学 一种透明材料表面及内部缺陷的检测方法和检测系统
CN110264445A (zh) * 2019-05-30 2019-09-20 西安交通大学 分块模板匹配结合形态学处理的电池丝印质量检测方法
CN112198685A (zh) * 2020-10-30 2021-01-08 成都中电熊猫显示科技有限公司 Coa基板检测方法及装置
CN112302965A (zh) * 2020-10-30 2021-02-02 天长市龙源泵阀有限公司 一种渣浆泵性能检测方法和装置
CN113916306A (zh) * 2021-11-19 2022-01-11 电子科技大学 基于多传感信息融合的管道缺陷检测及定位方法
CN114529779A (zh) * 2021-12-31 2022-05-24 扬州市恒泰人防设备有限公司 一种人防门锈蚀状态检测系统及方法
CN114777698A (zh) * 2022-06-21 2022-07-22 南通市通州区袁灶燃气有限公司 一种储油罐腐蚀检测方法及系统

Also Published As

Publication number Publication date
CN114964388A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
US4875170A (en) Method and apparatus for estimating life expectancy of mechanical structures
CN101988889A (zh) 用于在线监控燃气轮机构件腐蚀的系统和方法
CN116128260B (zh) 基于数据样本的重点企业环境分析方法
CN115238829B (zh) 一种热轧机的轧辊磨损程度分析方法
CN112173636B (zh) 一种巡检机器人对皮带机托辊故障的检测方法
CN113175987A (zh) 一种考虑环境温度变异的桥梁动力特性异常预警方法
CN115165725A (zh) 一种基于数据驱动的海上装备腐蚀监测与安全预警系统
CN116840135A (zh) 一种腐蚀和疲劳同时作用的钢闸门加速劣化试验台及劣化后运行状态评估方法
KR102065435B1 (ko) 사회기반시설물 건전성 모니터링 시스템 및 방법
CN114964388B (zh) 基于光学技术的渣浆泵外壳材料缺陷检测方法
CN117349947B (zh) 一种基于sn曲线与svm的结构安全智慧监测方法
CN112780953B (zh) 一种基于模式检测的独立计量区域管网漏损检测方法
JPS61139743A (ja) 繰返し荷重を受ける機械構造物の余寿命評価方法およびその装置
CN111706526A (zh) 一种脱硫塔浆液循环泵故障分析诊断系统及其方法
CN116865672A (zh) 光伏组件异常识别方法及装置、计算机可读储存介质
HU183572B (en) Method for testing the abrasion state of tribology system
CN114001887B (zh) 一种基于挠度监测的桥梁损伤评定方法
Petrovska et al. Application of structural monitoring data for fatigue life predictions of monopile-supported offshore wind turbines
CN112782236B (zh) 变流器柜体的材料状态监测方法、系统、装置及存储介质
JPH0296637A (ja) 応力腐食割れ発生寿命モニタリングシステム
CN116878728B (zh) 一种压力传感器故障检测分析处理系统
CN104731955A (zh) 风电机组油液监测诊断标准建立及智能诊断方法及系统
CN110672777A (zh) 一种催化燃烧式甲烷传感器异常数据识别分析方法及系统
CN116906837B (zh) 地下管线的状态监测系统及监测方法
CN117592820B (zh) 一种基于计算机数据分析的桥梁损伤病害智能识别系统

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
TR01 Transfer of patent right

Effective date of registration: 20230419

Address after: No. 1 Kaixuan Road, Qidong Economic Development Zone, Nantong City, Jiangsu Province, 226000

Patentee after: QIDONG CHUANGLYU GREENING ENGINEERING Co.,Ltd.

Address before: 226000 No. 1000, Xinhong Road, Huilong Town, Qidong City, Nantong City, Jiangsu Province

Patentee before: TUOLUNSI SEMICONDUCTOR EQUIPMENT QIDONG Co.,Ltd.

TR01 Transfer of patent right