CN116577190B - 一种t型实验试块的智能化检测方法 - Google Patents
一种t型实验试块的智能化检测方法 Download PDFInfo
- Publication number
- CN116577190B CN116577190B CN202310859708.1A CN202310859708A CN116577190B CN 116577190 B CN116577190 B CN 116577190B CN 202310859708 A CN202310859708 A CN 202310859708A CN 116577190 B CN116577190 B CN 116577190B
- Authority
- CN
- China
- Prior art keywords
- detection
- test block
- experimental test
- mechanical
- shaped experimental
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 261
- 238000001514 detection method Methods 0.000 title claims abstract description 212
- 238000007373 indentation Methods 0.000 claims abstract description 96
- 230000006835 compression Effects 0.000 claims abstract description 95
- 238000007906 compression Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 50
- 239000000463 material Substances 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000004088 simulation Methods 0.000 claims description 14
- 238000001125 extrusion Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000009864 tensile test Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 abstract 4
- 238000005259 measurement Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000010959 steel Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009662 stress testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种T型实验试块的智能化检测方法,涉及材料应力测试技术领域,该方法在S1‑S6步骤中,引用智能化检测方法,建立力学运动数字孪生模型,并将规划力学检测点,将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,通过视觉视频采集方式智能获得力学抗压检测数据集Lx中的压痕值输入至力学运动数字孪生模型中,建立T型实验试块力学抗压检测数据集Lx,分析生成检测抗压系数Kysx,并通过相关性系数F和检测总方差系数Zfcxs进行判断T型实验试块是否合格,在考虑到温度的影响,提供了应用预测的准确性,支持更可靠的设计和决策过程。
Description
技术领域
本发明涉及材料应力测试技术领域,具体为一种T型实验试块的智能化检测方法。
背景技术
T型实验试块的检测用于评估钢材料的强度特性和耐久性,这对于许多不同领域的应用非常重要。钢材质生产的结构在材料科学、结构工程、制造业等领域具有广泛的应用,可以用于材料评估、结构设计、质量控制和可靠性分析等方面。它们为工程师和研究人员提供了重要的工具来研究钢材料的力学性能和应用特性。
现在T型实验试块在检测是否符合力学标准的过程中,需要通过压力设备或弯曲设备对T型实验试块给予压力,并检测T型实验试块的受压情况,并由人工在检测过程中记录检测记录,且在检测的过程中没有考虑到温度影响材料力学性能,容易导致无法准确评估T型实验试块在不同温度下的性能变化,导致对于未来在不同温度环境下的应用预测也会存在偏差,导致设计或工程决策的错误情况。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种T型实验试块的智能化检测方法,在S1-S6步骤中,引用智能化检测方法,建立力学运动数字孪生模型,并将规划力学检测点,将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,通过视觉视频采集方式智能获得力学抗压检测数据集Lx中的压痕值输入至力学运动数字孪生模型中,建立T型实验试块力学抗压检测数据集Lx,分析生成检测抗压系数Kysx,并通过相关性系数F和检测总方差系数Zfcxs进行判断T型实验试块是否合格,在考虑到温度的影响,提供了应用预测的准确性,支持更可靠的设计和决策过程。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种T型实验试块的智能化检测方法,包括以下步骤:
S1、获取T型实验试块的原始参数:力学检测之前,获取T型实验试块的原始参数,生成原始数据集Ys,所述原始数据集Ys包括尺寸参数Cc、材料弹性模量CL和表面光滑度Gh;
S2、制定力学线程测试点:将T型实验试块制定规划力学检测点,根据若干个力学检测点创造检测线程,获得若干个线程测试点选取位置;
S3、进行力学强度检测:将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,使用摄像头拍摄力学强度检测过程中的视频图像,依据获取到的图像检测数据,建立力学抗压检测数据集Lx,在获取到若干个T型实验试块的变形数据稳定性低于预设阈值时,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块压痕变化值进行函数拟合;
S4、建立力学运动数字孪生模型:在T型实验试块力学强度检测过程中,对T型实验试块若干个线程测试点进行标记和追踪,依据T型实验试块力学强度检测过程中的变形过程建立力学运动数字孪生模型,进行仿真分析后,在压力试验机对T型实验试块进行挤压后,在经过温度间隔时间Jzt的测试下,获取T型实验试块上受压的压痕变化状态;
S5、温度和力学抗压相关性分析:结合力学运动数字孪生模型,在给定温度环境和固定挤压时间,获取T型实验试块的压痕深度值,并基于T型实验试块力学抗压检测数据集Lx生成检测抗压系数Kysx,通过相关性分析,生成温度干扰度Gr与检测抗压系数Kysx的相关性系数F;
S6、判断T型实验试块是否合格:基于原始数据集,分别获取尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,生成检测总方差系数Zfcxs,基于相关性系数F和检测总方差系数Zfcxs,结合预设合格标准阈值,判断当前批次的T型实验试块是否为合格产品。
优选的,所述S1包括以下步骤,采用图像采集设备,拍摄T型实验试块图像,提取T型实验试块尺寸特征和表面特征,分析获取T型实验试块的尺寸参数Cc和表面光滑度Gh,所述尺寸参数Cc包括长度、宽度和高度值;
采用拉伸试验机,在施加均匀的拉伸载荷下进行拉伸,计算加载前后的应力,计算获取材料弹性模量CL。
优选的,所述S2包括以下步骤,分析T型实验试块的结构特点,将T型实验试块制定规划力学检测线程,在T型实验试块上设置至少六个力学检测测试点,以测试点的中心位置,作为若干个线程测试点选取位置,并标记为x1、x2、x3、x4、x5、x6、...、xN作为测试点位置。
优选的,所述S3包括以下步骤,建立力学抗压检测数据集Lx;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g1,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w1压痕深度值、w2压痕深度值、w3压痕深度值、w4压痕深度值、w5压痕深度值和w6压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g2,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w11压痕深度值、w12压痕深度值、w13压痕深度值、w14压痕深度值、w15压痕深度值和w16压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g3,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w21压痕深度值、w22压痕深度值、w23压痕深度值、w24压痕深度值、w25压痕深度值和w26压痕深度值存储在力学抗压检测数据集Lx中;
所述固定压力值g3>固定压力值g2>固定压力值g1;
将以上获取的力学抗压检测数据集Lx与稳定性阈值进行对比,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块变形压痕深度变化值进行函数拟合。
优选的,所述S4包括以下步骤,在T型实验试块力学强度检测过程中,使用摄像头或其他图像采集设备对若干个线程测试点进行标记和追踪;确保能够记录下T型实验试块在不同力加载下的变形过程;同时,记录压力试验机施加的压力值和时间;
根据采集到的试块变形过程数据,建立力学运动数字孪生模型;
在建立的力学运动数字孪生模型上进行仿真分析;通过施加与实际试验中相同的压力加载和温度间隔时间Jzt,模拟试块的压痕变化过程;
根据仿真分析的结果,获取T型实验试块上受压的压痕变化状态;包括T型实验试块表面的形变和变形情况,压痕的形状、大小和深度值。
优选的,述基于建立的力学运动数字孪生模型,在给定温度环境和固定挤压时间下,模拟T型实验试块的压痕变化过程,从仿真结果中获取试块的压痕深度值;利用T型实验试块力学抗压检测数据集Lx,计算检测抗压系数Kysx,所述检测抗压系数Kysx通过以下公式获得:
式中,w表示为T型实验试块的压痕深度值、w0表示无压力时的T型实验试块的初始压痕深度值,即为试块初始状态,g是施加的压力值,A是T型实验试块的受力面积,C表示为修正常数。
优选的,所述温度干扰度Gr通过以下公式获得:
式中,ΔKysx表示为检测抗压系数Kysx在两个不同温度下的差异值;ΔT:两个温度之间的温度差值;Kysx0:参考温度下的检测抗压系数,设置为常温20°C时的检测抗压系数,根据上述公式,计算得到的温度干扰度Gr表示单位温度变化对检测抗压系数的影响程度。
优选的,相关性系数F使用皮尔逊相关系数来计算,用于评估温度干扰度Gr与检测抗压系数Kysx之间的相关性,所述相关性系数F通过以下公式获得:
式中,cov(Gr,Kysx)表示为温度干扰度Gr和检测抗压系数Kysx的协方差,σGr表示为温度干扰度Gr的标准差;σKysx表示为检测抗压系数Kysx的标准差;相关性系数F的取值范围在-1到1之间;当相关性系数F接近1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强正相关;当相关性系数F接近-1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强负相关;当相关性系数F接近0时,表示温度干扰度Gr与检测抗压系数Kysx之间几乎没有相关性。
优选的,所述S6包括以下步骤,根据原始数据集,计算尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,方差用于衡量数据的离散程度,并将尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差进行汇总,计算检测总方差系数Zfcxs;
综合考虑相关性系数F和检测总方差系数Zfcxs;如果相关性系数F表明温度干扰度Gr与检测抗压系数Kysx存在显著的相关性,并且检测总方差系数Zfcxs低于合格标准阈值,则判断当前批次的T型实验试块为合格产品;
反之,如果相关性系数F较低或检测总方差系数Zfcxs超过合格标准阈值,则需要进行进一步的调查、改进或剔除不合格的T型实验试块。
(三)有益效果
本发明提供了一种T型实验试块的智能化检测方法。具备以下有益效果:
(1)该一种T型实验试块的智能化检测方法,传统的T型实验试块力学性能检测方法在人工记录和未考虑温度影响方面存在缺点,可能导致数据的不准确性、应用预测的偏差以及设计或工程决策的错误。而通过本发明S1-S6步骤中,引用智能化检测方法,建立力学运动数字孪生模型,并将规划力学检测点,将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,通过视觉视频采集方式智能获得力学抗压检测数据集Lx中的压痕值输入至力学运动数字孪生模型中,建立T型实验试块力学抗压检测数据集Lx,分析生成检测抗压系数Kysx,并通过相关性系数F和检测总方差系数Zfcxs进行判断T型实验试块是否合格,在考虑到温度的影响,提供了应用预测的准确性,支持更可靠的设计和决策过程。
(2)该一种T型实验试块的智能化检测方法,使用图像采集设备和图像处理技术可以实现对T型实验试块尺寸参数Cc和表面光滑度Gh的准确测量和分析。这可以提高测量的自动化程度、准确性和效率,并为后续的力学性能评估提供可靠的基础数据。
(3)该一种T型实验试块的智能化检测方法,通过分析T型实验试块的结构特点,并制定合适的力学检测线程和测试点位置,可以实现针对性、全面性和标准化的力学性能测量。这有助于提高测量结果的准确性和可靠性,并为后续的力学性能分析和评估提供有益的数据基础。
(4)该一种T型实验试块的智能化检测方法,通过设置不同温度和压力条件,收集多个条件下的力学抗压数据。这提供了对T型实验试块在不同工作环境下的性能变化的全面了解;将收集的力学抗压数据存储在Lx数据集中,为后续的分析和评估提供基础。可以通过对数据的统计、趋势分析和数据挖掘等方法,得出力学性能随温度和压力变化的规律;通过对T型实验试块变形压痕深度变化的趋势分析,可以生成温度间隔时间Jzt和进行变形压痕深度的函数拟合。这有助于进一步了解T型实验试块的变形特性和压力变化对其性能的影响。
附图说明
图1为本发明T型实验试块的智能化检测方法步骤示意图;
图2为本发明S2步骤中对T型实验试块创造检测线程测试点x1-x6选取位置平面示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
T型实验试块的检测用于评估钢材料的强度特性和耐久性,这对于许多不同领域的应用非常重要。钢材质生产的结构在材料科学、结构工程、制造业等领域具有广泛的应用,可以用于材料评估、结构设计、质量控制和可靠性分析等方面。它们为工程师和研究人员提供了重要的工具来研究钢材料的力学性能和应用特性。
现在T型实验试块在检测是否符合力学标准的过程中,需要通过压力设备或弯曲设备对T型实验试块给予压力,并检测T型实验试块的受压情况,并由人工在检测过程中记录检测记录,且在检测的过程中没有考虑到温度影响材料力学性能,容易导致无法准确评估T型实验试块在不同温度下的性能变化,导致对于未来在不同温度环境下的应用预测也会存在偏差,导致设计或工程决策的错误情况。
本发明提供一种T型实验试块的智能化检测方法,请参照图1,包括以下步骤:
S1、获取T型实验试块的原始参数:力学检测之前,获取T型实验试块的原始参数,生成原始数据集Ys,所述原始数据集Ys包括尺寸参数Cc、材料弹性模量CL和表面光滑度Gh;有助于提供T型实验试块的基本特征信息,为后续的T型实验试块力学性能检测提供基础数据;
S2、制定力学线程测试点:将T型实验试块制定规划力学检测点,根据若干个力学检测点创造检测线程,获得若干个线程测试点选取位置;确保力学检测的全面性和准确性,涵盖T型实验试块的关键区域,获取具有代表性的数据;
S3、进行力学强度检测:将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,使用摄像头拍摄力学强度检测过程中的视频图像,依据获取到的图像检测数据,建立力学抗压检测数据集Lx,在获取到若干个T型实验试块的变形数据稳定性低于预设阈值时,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块压痕变化值进行函数拟合;这可以提供力学性能的定量数据,并获取温度间隔时间Jzt以控制力学测试的稳定性;
S4、建立力学运动数字孪生模型:在T型实验试块力学强度检测过程中,对T型实验试块若干个线程测试点进行标记和追踪,依据T型实验试块力学强度检测过程中的变形过程建立力学运动数字孪生模型,进行仿真分析后,在压力试验机对T型实验试块进行挤压后,在经过温度间隔时间Jzt的测试下,获取T型实验试块上受压的压痕变化状态;有助于理解试块的变形行为,进行更准确的模拟和预测;
S5、温度和力学抗压相关性分析:结合力学运动数字孪生模型,在给定温度环境和固定挤压时间,获取T型实验试块的压痕深度值,并基于T型实验试块力学抗压检测数据集Lx生成检测抗压系数Kysx,通过相关性分析,生成温度干扰度Gr与检测抗压系数Kysx的相关性系数F;量化温度对力学性能的影响,并评估温度与抗压性能之间的关联程度;
S6、判断T型实验试块是否合格:基于原始数据集Ys,分别获取尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,生成检测总方差系数Zfcxs,基于相关性系数F和检测总方差系数Zfcxs,结合预设合格标准阈值,判断当前批次的T型实验试块是否为合格产品。通过计算尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,可以考虑T型实验试块的多个方面的变化程度,提供全面的评估指标;考虑参数间的关联性:通过结合相关性系数F和检测总方差系数Zfcxs,综合考虑温度与力学性能指标之间的关联程度以及各参数的方差,增加了判断的准确性和可靠性;定量评估合格与否:基于预设合格标准阈值,通过对相关性系数F和检测总方差系数Zfcxs的判断,可以定量地评估当前批次的T型实验试块是否符合合格要求,提供决策依据。
本实施例中,传统的T型实验试块力学性能检测方法在人工记录和未考虑温度影响方面存在缺点,可能导致数据的不准确性、应用预测的偏差以及设计或工程决策的错误。而通过本发明S1-S6步骤中,引用智能化检测方法,建立力学运动数字孪生模型,并将规划力学检测点,将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,获得力学抗压检测数据集Lx中的压痕值输入力学运动数字孪生模型中,建立T型实验试块力学抗压检测数据集Lx,分析生成检测抗压系数Kysx,并通过相关性系数F和检测总方差系数Zfcxs进行判断T型实验试块是否合格,在考虑到温度的影响,提供了应用预测的准确性,支持更可靠的设计和决策过程。
实施例2
本实施例是在实施例1中的进行的解释说明,所述S1包括以下步骤,采用图像采集设备,拍摄T型实验试块图像,提取T型实验试块尺寸特征和表面特征,分析获取T型实验试块的尺寸参数Cc和表面光滑度Gh,所述尺寸参数Cc包括长度、宽度和高度值;
通过视觉技术获取试块的外观和形状信息。
提取T型实验试块尺寸特征和表面特征:通过图像处理技术,提取T型实验试块的尺寸特征和表面特征。例如,使用图像分析算法测量长度、宽度和高度等尺寸参数,以及分析表面光滑度等特征。
分析获取T型实验试块的尺寸参数Cc和表面光滑度Gh:基于图像处理结果,进行数据分析和处理,计算得到T型实验试块的尺寸参数Cc(长度、宽度和高度值)和表面光滑度Gh。这可以提供试块尺寸和外观特征的定量数据。
采用拉伸试验机,在施加均匀的拉伸载荷下进行拉伸,计算加载前后的应力,计算获取材料弹性模量CL。
通过使用图像采集设备和图像处理技术,可以实现对T型实验试块的非接触式测量。这避免了传统测量方法中可能存在的接触误差和变形影响,提高了测量的准确性和可靠性。图像采集设备和图像处理算法的应用可以实现自动化的数据提取和处理过程,促进提高了测量的效率和速度。这对于大规模数据采集和分析具有重要意义。通过图像处理技术,可以获取丰富的尺寸参数和表面特征。除了长度、宽度和高度等基本尺寸参数,还可以分析曲率、角度、纹理等更细致的特征,提供更全面的试块特征信息。图像处理技术具有较高的精度和准确性,可以实现对T型实验试块的精确测量。这有助于提供准确的尺寸参数和表面光滑度值,为后续的力学性能分析提供可靠的基础数据。
本实施例中,使用图像采集设备和图像处理技术可以实现对T型实验试块尺寸参数Cc和表面光滑度Gh的准确测量和分析。这可以提高测量的自动化程度、准确性和效率,并为后续的力学性能评估提供可靠的基础数据。
实施例3
本实施例是在实施例1中的进行的解释说明,请参照图2,所述S2包括以下步骤,分析T型实验试块的结构特点,通过分析T型实验试块的结构特点,可以确定适合力学性能检测的关键区域和位置;将T型实验试块制定规划力学检测线程,在T型实验试块上设置至少六个力学检测测试点,以测试点的中心位置,作为若干个线程测试点选取位置,并标记为x1、x2、x3、x4、x5、x6、...、xN作为测试点位置。通过设置至少六个力学检测测试点,可以覆盖试块的关键位置和可能发生变形的区域。这有助于全面了解试块的力学性能,并提供更全面的数据支持;通过确定测试点的中心位置,并进行标记,可以确保在不同试块上进行测试时选取相同的位置。这有助于实现测试结果的可比性和标准化,并便于后续的数据分析和比较;
本实施例中,通过分析T型实验试块的结构特点,并制定合适的力学检测线程和测试点位置,可以实现针对性、全面性和标准化的力学性能测量。这有助于提高测量结果的准确性和可靠性,并为后续的力学性能分析和评估提供有益的数据基础。
实施例4
本实施例是在实施例1中的进行的解释说明,所述S3包括以下步骤,建立力学抗压检测数据集Lx;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g1,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w1压痕深度值、w2压痕深度值、w3压痕深度值、w4压痕深度值、w5压痕深度值和w6压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g2,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w11压痕深度值、w12压痕深度值、w13压痕深度值、w14压痕深度值、w15压痕深度值和w16压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g3,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w21压痕深度值、w22压痕深度值、w23压痕深度值、w24压痕深度值、w25压痕深度值和w26压痕深度值存储在力学抗压检测数据集Lx中;所述固定压力值g3>固定压力值g2>固定压力值g1;
将以上获取的力学抗压检测数据集Lx与稳定性阈值进行对比,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块变形压痕深度变化值进行函数拟合。
数据采集:在温度0°C、10°C、20°C、30°C、40°C、50°C的条件下,通过压力测试机设置固定压力值g1,g2和g3,对T型实验试块依据力学检测线程的六个测试点位置进行力学强度检测。使用摄像头拍摄力学强度检测过程中的图像。
图像处理:对每个图像进行处理和分析,提取出力学抗压数据值w1、w2、w3、w4、w5和w6(对应于g1)、w11、w12、w13、w14、w15和w16(对应于g2),以及w21、w22、w23、w24、w25和w26(对应于g3)。这些数据值可以根据图像中的特征、形状或颜色进行计算或提取。
构建力学抗压检测数据集Lx:将从每个图像处理中获取的力学抗压数据值w1至w6、w11至w16和w21至w26存储在力学抗压检测数据集Lx中,确保与相应的试块编号或标识符关联。
稳定性分析:对于每个温度下的数据集Lx,分析试块变形数据的稳定性。使用预设的稳定性阈值,判断是否达到稳定状态。如果变形数据稳定性低于预设阈值,进一步进行下一步的间隔时间Jzt计算和变形趋势函数拟合。
间隔时间Jzt计算:根据T型实验试块的变形变化趋势,计算间隔时间Jzt。这可以根据变形数据的变化率、趋势和其他相关因素来确定。间隔时间Jzt表示在稳定状态后需要等待的时间,以确保试块的变形变化达到一定的稳定性。
变形趋势函数拟合:对T型实验试块的变形变化进行函数拟合。根据试验数据,选择适当的数学函数或模型,对变形趋势进行拟合分析,以获得对试块变形变化的数学描述。
本实施例中,通过设置不同温度和压力条件,可以收集多个条件下的力学抗压数据。这提供了对T型实验试块在不同工作环境下的性能变化的全面了解;将收集的力学抗压数据存储在Lx数据集中,为后续的分析和评估提供基础。可以通过对数据的统计、趋势分析和数据挖掘等方法,得出力学性能随温度和压力变化的规律;通过对T型实验试块变形压痕深度变化的趋势分析,可以生成温度间隔时间Jzt和进行变形压痕深度的函数拟合。这有助于进一步了解T型实验试块的变形特性和压力变化对其性能的影响。
实施例5
本实施例是在实施例1中的进行的解释说明,所述S4包括以下步骤,在T型实验试块力学强度检测过程中,使用摄像头或其他图像采集设备对若干个线程测试点进行标记和追踪;确保能够记录下T型实验试块在不同力加载下的变形过程;同时,记录压力试验机施加的压力值和时间;
根据采集到的试块变形过程数据,建立力学运动数字孪生模型;
在建立的力学运动数字孪生模型上进行仿真分析;通过施加与实际试验中相同的压力加载和温度间隔时间Jzt,模拟试块的压痕变化过程;
根据仿真分析的结果,获取T型实验试块上受压的压痕变化状态;包括T型实验试块表面的形变和变形情况,压痕的形状、大小和深度值。
本实施例中,用摄像头或其他图像采集设备对线程测试点进行标记和追踪,在T型实验试块力学强度检测过程中记录变形过程,可以实现实时监测和无接触测量,并为建立力学运动数字孪生模型和仿真分析提供准确的数据基础。
实施例6
本实施例是在实施例1中的进行的解释说明,具体的,基于建立的力学运动数字孪生模型,在给定温度环境和固定挤压时间下,模拟T型实验试块的压痕变化过程,从仿真结果中获取试块的压痕深度值;利用T型实验试块力学抗压检测数据集Lx,计算检测抗压系数Kysx,这个系数可以用来评估T型实验试块的抗压性能,所述检测抗压系数Kysx通过以下公式获得:
式中,w表示为T型实验试块的压痕深度值、w0表示无压力时的T型实验试块的初始压痕深度值,即为试块初始状态,g是施加的压力值,A是T型实验试块的受力面积,C表示为修正常数。
所述温度干扰度Gr通过以下公式获得:
式中,ΔKysx表示为检测抗压系数Kysx在两个不同温度下的差异值;ΔT:两个温度之间的温度差值;Kysx0:参考温度下的检测抗压系数,设置为常温20°C时的检测抗压系数,根据上述公式,计算得到的温度干扰度Gr表示单位温度变化对检测抗压系数的影响程度。
相关性系数F使用皮尔逊相关系数来计算,用于评估温度干扰度Gr与检测抗压系数Kysx之间的相关性,所述相关性系数F通过以下公式获得:
式中,cov(Gr,Kysx)表示为温度干扰度Gr和检测抗压系数Kysx的协方差,σGr表示为温度干扰度Gr的标准差;σKysx表示为检测抗压系数Kysx的标准差;相关性系数F的取值范围在-1到1之间;当相关性系数F接近1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强正相关;当相关性系数F接近-1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强负相关;当相关性系数F接近0时,表示温度干扰度Gr与检测抗压系数Kysx之间几乎没有相关性。
本实施例中,通过计算检测抗压系数Kysx、温度干扰度Gr以及相关性系数F,可以评估T型实验试块在不同温度条件下的性能变化和温度对力学性能的影响程度。这有助于提高对试块行为的理解,为设计和工程决策提供更准确的信息和依据。
实施例7
本实施例是在实施例1中的进行的解释说明,所述S6包括以下步骤,根据原始数据集,计算尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,方差用于衡量数据的离散程度,并将尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差进行汇总,计算检测总方差系数Zfcxs;
综合考虑相关性系数F和检测总方差系数Zfcxs;如果相关性系数F表明温度干扰度Gr与检测抗压系数Kysx存在显著的相关性,并且检测总方差系数Zfcxs低于合格标准阈值,则判断当前批次的T型实验试块为合格产品;
反之,如果相关性系数F较低或检测总方差系数Zfcxs超过合格标准阈值,则需要进行进一步的调查、改进或剔除不合格的T型实验试块。
本实施例中,通过综合考虑相关性系数F和检测总方差系数Zfcxs,可以对T型实验试块进行合格性判断,以保证产品质量和性能的稳定性。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种T型实验试块的智能化检测方法,其特征在于:包括以下步骤:
S1、获取T型实验试块的原始参数:力学检测之前,获取T型实验试块的原始参数,生成原始数据集Ys,所述原始数据集Ys包括尺寸参数Cc、材料弹性模量CL和表面光滑度Gh;
S2、制定力学线程测试点:将T型实验试块制定规划力学检测点,根据若干个力学检测点创造检测线程,获得若干个线程测试点选取位置;
S3、进行力学强度检测:将T型实验试块在若干个温度环境下,依据线程测试点选取位置进行力学强度检测,使用摄像头拍摄力学强度检测过程中的视频图像,依据获取到的图像检测数据,建立力学抗压检测数据集Lx,在获取到若干个T型实验试块的变形数据稳定性低于预设阈值时,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块压痕变化值进行函数拟合;
S4、建立力学运动数字孪生模型:在T型实验试块力学强度检测过程中,对T型实验试块若干个线程测试点进行标记和追踪,依据T型实验试块力学强度检测过程中的变形过程建立力学运动数字孪生模型,进行仿真分析后,在压力试验机对T型实验试块进行挤压后,在经过温度间隔时间Jzt的测试下,获取T型实验试块上受压的压痕变化状态;
S5、温度和力学抗压相关性分析:结合力学运动数字孪生模型,在给定温度环境和固定挤压时间,获取T型实验试块的压痕深度值,并基于T型实验试块力学抗压检测数据集Lx生成检测抗压系数Kysx,通过相关性分析,生成温度干扰度Gr与检测抗压系数Kysx的相关性系数F;
S6、判断T型实验试块是否合格:基于原始数据集,分别获取尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,生成检测总方差系数Zfcxs,基于相关性系数F和检测总方差系数Zfcxs,结合预设合格标准阈值,判断当前批次的T型实验试块是否为合格产品;
所述S4包括以下步骤,在T型实验试块力学强度检测过程中,使用摄像头或其他图像采集设备对若干个线程测试点进行标记和追踪;确保能够记录下T型实验试块在不同力加载下的变形过程;同时,记录压力试验机施加的压力值和时间;
根据采集到的试块变形过程数据,建立力学运动数字孪生模型;
在建立的力学运动数字孪生模型上进行仿真分析;通过施加与实际试验中相同的压力加载和温度间隔时间Jzt,模拟试块的压痕变化过程;
根据仿真分析的结果,获取T型实验试块上受压的压痕变化状态;包括T型实验试块表面的形变和变形情况,压痕的形状、大小和深度值;
所述基于建立的力学运动数字孪生模型,在给定温度环境和固定挤压时间下,模拟T型实验试块的压痕变化过程,从仿真结果中获取试块的压痕深度值;利用T型实验试块力学抗压检测数据集Lx,计算检测抗压系数Kysx,所述检测抗压系数Kysx通过以下公式获得:
式中,w表示为T型实验试块的压痕深度值、w0表示无压力时的T型实验试块的初始压痕深度值,即为试块初始状态,g是施加的压力值,A是T型实验试块的受力面积,C表示为修正常数;
所述温度干扰度Gr通过以下公式获得:
Gr=(ΔKysx/ΔT)*(1/Kysx0);
式中,ΔKysx表示为检测抗压系数Kysx在两个不同温度下的差异值;ΔT:两个温度之间的温度差值;Kysx0:参考温度下的检测抗压系数,设置为常温20℃时的检测抗压系数,根据上述公式,计算得到的温度干扰度Gr表示单位温度变化对检测抗压系数的影响程度;
相关性系数F使用皮尔逊相关系数来计算,用于评估温度干扰度Gr与检测抗压系数Kysx之间的相关性,所述相关性系数F通过以下公式获得:
F=cov(Gr,Kysx)/(σGr*σKysx);
式中,cov(Gr,Kysx)表示为温度干扰度Gr和检测抗压系数Kysx的协方差,σGr表示为温度干扰度Gr的标准差;σKysx表示为检测抗压系数Kysx的标准差;相关性系数F的取值范围在-1到1之间;当相关性系数F接近1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强正相关;当相关性系数F接近-1时,表示温度干扰度Gr与检测抗压系数Kysx之间存在强负相关;当相关性系数F接近0时,表示温度干扰度Gr与检测抗压系数Kysx之间几乎没有相关性;
所述S6包括以下步骤,根据原始数据集,计算尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差,方差用于衡量数据的离散程度,并将尺寸参数Cc、材料弹性模量CL和表面光滑度Gh的方差进行汇总,计算检测总方差系数Zfcxs;
如果相关性系数F表明温度干扰度Gr与检测抗压系数Kysx存在显著的相关性,并且检测总方差系数Zfcxs低于合格标准阈值,则判断当前批次的T型实验试块为合格产品;
反之,如果相关性系数F较低或检测总方差系数Zfcxs超过合格标准阈值,则需要进行进一步的调查、改进或剔除不合格的T型实验试块。
2.根据权利要求1所述的一种T型实验试块的智能化检测方法,其特征在于:所述S1包括以下步骤,采用图像采集设备,拍摄T型实验试块图像,提取T型实验试块尺寸特征和表面特征,分析获取T型实验试块的尺寸参数Cc和表面光滑度Gh,所述尺寸参数Cc包括长度、宽度和高度值;
采用拉伸试验机,在施加均匀的拉伸载荷下进行拉伸,计算加载前后的应力,计算获取材料弹性模量CL。
3.根据权利要求1所述的一种T型实验试块的智能化检测方法,其特征在于:所述S2包括以下步骤,分析T型实验试块的结构特点,将T型实验试块制定规划力学检测线程,在T型实验试块上设置至少六个力学检测测试点,以测试点的中心位置,作为若干个线程测试点选取位置,并标记为x1、x2、x3、x4、x5、x6、...、xN作为测试点位置。
4.根据权利要求1所述的一种T型实验试块的智能化检测方法,其特征在于:所述S3包括以下步骤,建立力学抗压检测数据集Lx;
设置在温度0℃、10℃、20℃、30℃、40℃、50℃的条件下,通过压力测试机设置固定压力值g1,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w1压痕深度值、w2压痕深度值、w3压痕深度值、w4压痕深度值、w5压痕深度值和w6压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0℃、10℃、20℃、30℃、40℃、50℃的条件下,通过压力测试机设置固定压力值g2,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w11压痕深度值、w12压痕深度值、w13压痕深度值、w14压痕深度值、w15压痕深度值和w16压痕深度值存储在力学抗压检测数据集Lx中;
设置在温度0℃、10℃、20℃、30℃、40℃、50℃的条件下,通过压力测试机设置固定压力值g3,对T型实验试块依据力学检测线程的六个测试点位置,进行力学强度检测,使用摄像头拍摄力学强度检测过程中的图像分别计算获取w21压痕深度值、w22压痕深度值、w23压痕深度值、w24压痕深度值、w25压痕深度值和w26压痕深度值存储在力学抗压检测数据集Lx中;
所述固定压力值g3>固定压力值g2>固定压力值g1;
将以上获取的力学抗压检测数据集Lx与稳定性阈值进行对比,依据T型实验试块变形变化趋势生成温度间隔时间Jzt,并对T型实验试块变形压痕深度变化值进行函数拟合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310859708.1A CN116577190B (zh) | 2023-07-13 | 2023-07-13 | 一种t型实验试块的智能化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310859708.1A CN116577190B (zh) | 2023-07-13 | 2023-07-13 | 一种t型实验试块的智能化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116577190A CN116577190A (zh) | 2023-08-11 |
CN116577190B true CN116577190B (zh) | 2023-11-28 |
Family
ID=87536428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310859708.1A Active CN116577190B (zh) | 2023-07-13 | 2023-07-13 | 一种t型实验试块的智能化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116577190B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118150327A (zh) * | 2023-10-19 | 2024-06-07 | 贵州安大航空锻造有限责任公司 | 高温合金环锻件坯料拉伸性能的智能检测方法、装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010216883A (ja) * | 2009-03-13 | 2010-09-30 | Ihi Corp | 非線形破壊力学パラメータの導出方法及び評価方法 |
JP2012163420A (ja) * | 2011-02-04 | 2012-08-30 | Panasonic Corp | 疲労限度特定システムおよび疲労限度特定方法 |
JP2013181792A (ja) * | 2012-02-29 | 2013-09-12 | Mitsubishi Heavy Ind Ltd | 破壊力学パラメータ測定方法 |
CN108133082A (zh) * | 2017-12-06 | 2018-06-08 | 中国科学院金属研究所 | 一种基于有限元模拟确定压痕应变法中应力测量常数的方法 |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 江苏科技大学 | 基于数字孪生驱动的工艺模型的建模与使用方法 |
CN111442998A (zh) * | 2020-05-06 | 2020-07-24 | 吉林大学 | 一种基于数字孪生的茎秆弯折动态过程多参数测试平台 |
EP3696622A1 (en) * | 2019-02-14 | 2020-08-19 | Rockwell Automation Technologies, Inc. | Ai extensions and intelligent model validation for an industrial digital twin |
WO2022105072A1 (zh) * | 2020-11-19 | 2022-05-27 | 中国矿业大学 | 一种千米深井提升机制动器可靠性智能评估与寿命预测方法 |
EP4015250A1 (en) * | 2020-12-15 | 2022-06-22 | Tata Consultancy Services Limited | System and method for real-time health prediction of tires |
CN114858690A (zh) * | 2022-03-23 | 2022-08-05 | 中国船舶重工集团公司第七二五研究所 | 一种基于数字孪生的金属材料深海腐蚀评价系统及方法 |
CN115033893A (zh) * | 2022-08-11 | 2022-09-09 | 创思(广州)电子科技有限公司 | 一种改进型聚类算法的信息漏洞数据分析方法 |
WO2022256803A1 (en) * | 2021-06-03 | 2022-12-08 | Saint-Gobain Abrasives, Inc. | Analytics for abrasive products and processes |
EP4116403A1 (en) * | 2021-07-07 | 2023-01-11 | Sartorius Stedim Data Analytics AB | Monitoring, simulation and control of bioprocesses |
CN116106248A (zh) * | 2023-04-14 | 2023-05-12 | 南京海鲸药业股份有限公司 | 丁苯酞注射液成分检测过程数据处理方法及系统 |
CN116150897A (zh) * | 2022-11-10 | 2023-05-23 | 北京机床研究所有限公司 | 一种基于数字孪生的机床主轴性能测评方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230194115A1 (en) * | 2017-04-26 | 2023-06-22 | View, Inc. | Environmental adjustment using artificial intelligence |
US11630041B2 (en) * | 2020-01-17 | 2023-04-18 | Tianjin University | Method for obtaining rock mechanical-geometric parameters and holographic scanning system |
-
2023
- 2023-07-13 CN CN202310859708.1A patent/CN116577190B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010216883A (ja) * | 2009-03-13 | 2010-09-30 | Ihi Corp | 非線形破壊力学パラメータの導出方法及び評価方法 |
JP2012163420A (ja) * | 2011-02-04 | 2012-08-30 | Panasonic Corp | 疲労限度特定システムおよび疲労限度特定方法 |
JP2013181792A (ja) * | 2012-02-29 | 2013-09-12 | Mitsubishi Heavy Ind Ltd | 破壊力学パラメータ測定方法 |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
CN108133082A (zh) * | 2017-12-06 | 2018-06-08 | 中国科学院金属研究所 | 一种基于有限元模拟确定压痕应变法中应力测量常数的方法 |
EP3696622A1 (en) * | 2019-02-14 | 2020-08-19 | Rockwell Automation Technologies, Inc. | Ai extensions and intelligent model validation for an industrial digital twin |
CN110704974A (zh) * | 2019-09-30 | 2020-01-17 | 江苏科技大学 | 基于数字孪生驱动的工艺模型的建模与使用方法 |
CN111442998A (zh) * | 2020-05-06 | 2020-07-24 | 吉林大学 | 一种基于数字孪生的茎秆弯折动态过程多参数测试平台 |
WO2022105072A1 (zh) * | 2020-11-19 | 2022-05-27 | 中国矿业大学 | 一种千米深井提升机制动器可靠性智能评估与寿命预测方法 |
EP4015250A1 (en) * | 2020-12-15 | 2022-06-22 | Tata Consultancy Services Limited | System and method for real-time health prediction of tires |
WO2022256803A1 (en) * | 2021-06-03 | 2022-12-08 | Saint-Gobain Abrasives, Inc. | Analytics for abrasive products and processes |
EP4116403A1 (en) * | 2021-07-07 | 2023-01-11 | Sartorius Stedim Data Analytics AB | Monitoring, simulation and control of bioprocesses |
CN114858690A (zh) * | 2022-03-23 | 2022-08-05 | 中国船舶重工集团公司第七二五研究所 | 一种基于数字孪生的金属材料深海腐蚀评价系统及方法 |
CN115033893A (zh) * | 2022-08-11 | 2022-09-09 | 创思(广州)电子科技有限公司 | 一种改进型聚类算法的信息漏洞数据分析方法 |
CN116150897A (zh) * | 2022-11-10 | 2023-05-23 | 北京机床研究所有限公司 | 一种基于数字孪生的机床主轴性能测评方法及系统 |
CN116106248A (zh) * | 2023-04-14 | 2023-05-12 | 南京海鲸药业股份有限公司 | 丁苯酞注射液成分检测过程数据处理方法及系统 |
Non-Patent Citations (4)
Title |
---|
Fault diagnosis and predictive maintenance for hydraulic system based on digital twin model;Lintao Wang 等;AIP Advances;第12卷(第6期);第065213页 * |
基于压入试验的材料硬化指数及弹性模量计算方法;薛河;李萌;李富强;侯鹏飞;;中国测试(03);第29-34+86页 * |
基于压电智能骨料的混凝土强度监测方法研究;孙威 等;混凝土与水泥制品(第02期);第1-5页 * |
数字孪生变电站建模及应用;陈静 等;农村电气化(第10期);第35-38+57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116577190A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116577190B (zh) | 一种t型实验试块的智能化检测方法 | |
CN113838054B (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
CN113822889B (zh) | 一种热轧钢板表面缺陷检测方法 | |
CN107169205B (zh) | 一种铁矿石的分类建模方法 | |
CN110569566A (zh) | 一种板带力学性能预测方法 | |
JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
CN117890214B (zh) | 一种基于机器视觉的铝模板质检检测方法 | |
CN109766518B (zh) | 考虑样本个体差异的不确定加速退化建模和分析方法 | |
CN112304478A (zh) | 一种基于蠕变轮廓法的残余应力测试方法 | |
CN111238927A (zh) | 疲劳耐久性评测方法、装置、电子设备和计算机可读介质 | |
CN117370871B (zh) | 一种特种钢材的质量分析方法与系统 | |
CN118094927A (zh) | 二极管封装寿命预测方法 | |
KR20180029114A (ko) | 계측-수율 상관성 분석 방법 및 시스템 | |
CN113742248A (zh) | 一种基于项目测量数据进行组织过程预测的方法及系统 | |
CN116518868B (zh) | 基于人工智能的变形测量方法、装置、设备及存储介质 | |
CN117934404A (zh) | 一种石材表面缺陷检测方法及系统 | |
CN101592692B (zh) | 测量机台的评估方法 | |
CN116882091A (zh) | 无铆钉铆接工艺参数的优化确定 | |
CN114823398A (zh) | 模拟晶圆芯片的电性的方法及半导体工艺方法 | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
Galetto et al. | Robustness analysis of inspection design parameters for assembly of short-run manufacturing processes | |
WO2023085992A1 (en) | Image analysis of cut flowers | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
CN114596296A (zh) | 一种高灵敏度的热轧钢卷端面缺陷识别系统及方法 | |
CN110288724B (zh) | 一种基于小波函数主元分析的批次过程监测方法 |
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 |