本發(fā)明涉及無損檢測，尤其涉及基于磁記憶技術的齒輪缺陷智能檢測方法及系統(tǒng)。

背景技術：

1、磁記憶缺陷檢測技術是一種基于鐵磁材料在應力和應變作用下的磁記憶效應的無損檢測方法，指鐵磁材料在制造、使用或外部應力作用下，會在應力集中的區(qū)域產(chǎn)生穩(wěn)定的磁化狀態(tài)。而當材料在磁場中被拉伸或壓縮時，局部磁化強度會發(fā)生變化，這種變化可以在無外加磁場的情況下被檢測出來。因此，可通過檢測磁化后齒輪材料表面泄漏的磁場信號識別出應力集中區(qū)域和潛在的缺陷。但現(xiàn)有磁記憶技術檢測齒輪材料缺陷的檢測方法較為低效，一方面難以快速高效的依據(jù)磁通信號特征判定齒輪的服役正常與否，運算量大，過程繁瑣且速率慢，降低了磁記憶技術對于齒輪缺陷檢測的效率，同時另一方面難以通過磁化強度與磁疇結(jié)構(gòu)方面的變化表達捕捉齒輪的潛在缺陷和種類，使得檢測結(jié)果存在較大誤差，影響齒輪缺陷檢測的質(zhì)量和可靠程度。因此，需研發(fā)一種能夠基于磁記憶技術的高效精準的齒輪缺陷智能檢測方法解決上述問題。

技術實現(xiàn)思路

1、本發(fā)明克服了現(xiàn)有技術的不足，提供了基于磁記憶技術的齒輪缺陷智能檢測方法及系統(tǒng)。

2、為達上述目的，本發(fā)明采用的技術方案為：

3、本發(fā)明第一方面提供了基于磁記憶技術的齒輪缺陷智能檢測方法，包括以下步驟：

4、s102：獲取服役齒輪連續(xù)的磁通信號以及不同應力系數(shù)下對應的可疑磁通基準特征，基于所述可疑磁通基準特征將所述服役齒輪連續(xù)的磁通信號進行希爾伯特變換，得到實際磁通特征譜；

5、s104：根據(jù)所述實際磁通特征譜提取出概率值大于預設概率值的實際可疑磁通特征點，并在高位空間領域與低維空間領域?qū)嶋H可疑磁通特征點進行概率分布計算，得到高維空間相似度分布以及低維空間相似度分布；

6、s106：基于所述高維空間相似度分布與低維空間相似度分布之間的kl散度在梯度下降法逐步調(diào)整每個實際可疑磁通特征點的位置參數(shù)，輸出點位坐標值，通過所述點位坐標值分析服役齒輪是否存在異常服役現(xiàn)象；

7、s108：若服役齒輪為異常服役齒輪，則通過移動滑動窗口計算準漏磁磁通特征點相較于正常磁通特征點存在準漏磁的若干突變磁通信號，生成磁通線趨勢分布圖，識別分析所述磁通線趨勢分布圖，得到每個準漏磁磁通特征點在磁化過程中的實際磁疇結(jié)構(gòu)；

8、s110：分析所述實際磁疇結(jié)構(gòu)獲取每個準漏磁磁通特征點的多個磁矩矢量變化量，基于強磁場的磁化強度對于正常服役齒輪的磁矩矢量的改變幅值與多個磁矩矢量變化量對服役齒輪的缺陷特征進行剖析，最終輸出準確缺陷種類。

9、更具體地，所述s102步驟，具體包括以下步驟：

10、獲取服役齒輪，將所述服役齒輪放入強磁場中進行磁化，通過霍爾傳感器沿著齒輪表面磁化后的服役齒輪掃描檢測，得到服役齒輪連續(xù)的磁通信號；

11、獲取服役齒輪的材質(zhì)信息以及服役場景，基于所述材質(zhì)信息和服役場景在大數(shù)據(jù)網(wǎng)絡中檢索獲取實際應用中極易導致服役齒輪產(chǎn)生缺陷的應力指數(shù)，并獲取各應力指數(shù)下對應的可疑磁通基準特征；

12、基于各應力系數(shù)下對應的可疑磁通基準特征預設可疑磁通信號基準值域，提取所述服役齒輪連續(xù)的磁通信號中處于可疑磁通信號基準值域的局部極大值與局部極小值；

13、通過三次樣條插值法擬合出所有局部極大值的上包絡線和所有局部極小值的下包絡線，并結(jié)合計算上包絡線與下包絡線，得到上包絡線-下包絡線平均值，基于上包絡線-下包絡線平均值將所述服役齒輪連續(xù)的磁通信號分解為一系列本征模態(tài)函數(shù)分量和一個殘差項；

14、引入希爾伯特-黃變換算法對每個所述本征模態(tài)函數(shù)分量與殘差項之間進行希爾伯特變換，生成實際磁通特征譜。

15、更具體地，所述s104步驟，具體包括以下步驟：

16、獲取服役齒輪的標準模型圖，基于所述標準模型圖以及連續(xù)的磁通信號構(gòu)建服役齒輪的磁通信號分布圖，根據(jù)實際磁通特征譜將所述磁通信號分布圖分割為多個子分布圖塊，并標定為可疑磁通子分布圖塊；

17、獲取服役齒輪的運維日志，通過所述運維日志提取出服役齒輪中每個可疑磁通子分布圖塊位于預設時間段內(nèi)的實際工況數(shù)據(jù)包；

18、構(gòu)建貝葉斯推斷模型，將每個可疑磁通子分布圖塊的所述實際工況數(shù)據(jù)包以及實際磁通特征譜導入貝葉斯推斷模型中進行概率推算，得到各個可疑磁通子分布圖塊導致實際磁通特征產(chǎn)生的概率值；

19、在實際磁通特征譜中只提取出概率值大于預設概率值的可疑磁通子分布圖對應的實際磁通特征點，標記為實際可疑磁通特征點；

20、構(gòu)建高維空間領域，在所述高維空間領域中計算當前的實際可疑磁通特征點與相鄰的實際可疑磁通特征點之間的高斯分布概率并作對稱化處理，得到對稱化概率矩陣，根據(jù)所述對稱化概率矩陣確定高維空間領域中每個實際可疑磁通特征點之間的相似度，得到高維空間相似度分布；

21、構(gòu)建低維空間領域，將高維空間領域中所有對稱化處理的實際可疑磁通特征點映射至低維空間領域并計算映射出的t分布，根據(jù)所述t分布確定低維空間領域中每個實際可疑磁通特征點之間的相似度，得到低維空間相似度分布。

22、更具體地，所述s106步驟，具體包括以下步驟：

23、引入梯度下降法，計算所述高維空間相似度分布與低維空間相似度分布之間的kl散度，利用梯度下降法逐步調(diào)整低維空間領域中每個實際可疑磁通特征點的位置參數(shù)；

24、調(diào)整過程中，不斷更新迭代低維空間領域中實際可疑磁通特征點的位置坐標，并檢查更新迭代后的當前kl散度是否最小化達到預設kl散度；

25、若未最小化達到，則繼續(xù)更新迭代直至當前kl散度最小化達到預設kl散度為止，最終輸出每個實際可疑磁通特征點位于服役齒輪的低維空間領域中的點位坐標值；

26、基于大數(shù)據(jù)網(wǎng)絡獲取服役齒輪未出現(xiàn)任意預設應力缺陷時正常磁通特征點處于低維空間領域的基準點位坐標圖，并根據(jù)實際磁通特征譜獲取各個實際可疑磁通特征點的瞬時磁通頻率以及瞬時磁通幅值；

27、基于所述瞬時磁通頻率以及瞬時磁通幅值預設各個實際磁通特征點的潛在可疑磁通區(qū)間閾值，通過所述基準點位坐標圖截取出低維空間領域中各點位坐標值對應的基準點位坐標段，直至到達潛在可疑磁通區(qū)間閾值后停止截取；

28、截取完成后，生成每個實際可疑磁通特征點位于低維空間領域中的基準點位坐標區(qū)間段，逐一判斷各個點位坐標值是否位于對應的基準點位坐標區(qū)間段內(nèi)；

29、若不存在至少一個點位坐標值未處于對應的基準點位坐標區(qū)間段內(nèi)，則標定該服役齒輪為正常服役齒輪；若至少存在一個及以上的點位坐標值未處于對應的基準點位坐標區(qū)間段內(nèi)，則標定該服役齒輪為異常服役齒輪。

30、更具體地，所述s108步驟，具體包括以下步驟：

31、若服役齒輪為異常服役齒輪，則提取出點位坐標值未處于對應的基準點位坐標區(qū)間段內(nèi)的一個或者多個實際可疑磁通特征點，標定為準漏磁磁通特征點；

32、獲取基準點位坐標區(qū)間段的下限值，引入哈希算法計算各準漏磁磁通特征點的點位坐標值在低維空間領域中與對應所述下限值之間的哈希狀態(tài)函數(shù)，根據(jù)所述哈希狀態(tài)函數(shù)剝離出處于既定時序上準漏磁磁通特征點相較于正常磁通特征點存在準漏磁的若干磁通信號，定義為突變磁通信號；

33、基于既定時序預設滑動窗口的規(guī)格參數(shù)，對于每個所述突變磁通信號，計算該突變磁通信號與前一個相鄰的突變磁通信號以及后一個相鄰的突變磁通信號之間的平均值，得到若干當前滑動平均值；

34、基于所述規(guī)格參數(shù)沿著既定時序上的若干磁通信號移動滑動窗口，得到每個新的突變磁通信號，移動過程中重新計算每個新的突變磁通信號對應的當前滑動平均值，得到若干最終滑動平均值；

35、以磁通信號分布圖的圖框架為邊界基準，通過若干所述最終滑動平均值在圖框架中繪制各個準漏磁磁通特征點的磁通線趨勢分布圖，并通過磁通線趨勢分布圖獲取磁通線趨于所述邊界基準分布的漏磁頻率；

36、若所述漏磁頻率大于預設漏磁頻率，則基于大數(shù)據(jù)網(wǎng)絡獲取磁場全面知識圖譜，通過所述磁場全面知識圖譜對磁通線趨勢分布圖進行識別，得到每個準漏磁磁通特征點在磁化過程中的實際磁疇結(jié)構(gòu)。

37、更具體地，所述s110步驟，具體包括以下步驟：

38、分析每個準漏磁磁通特征點在磁化過程中的所述實際磁疇結(jié)構(gòu)，以獲取每個準漏磁磁通特征點的實際磁矩矢量；其中，所述實際磁矩矢量包括實際磁矩的排列方向、實際磁矩的擴展數(shù)量或者收縮數(shù)量以及實際磁矩的翻轉(zhuǎn)角度；

39、基于大數(shù)據(jù)網(wǎng)絡獲取服役齒輪在磁化過程中出現(xiàn)正常磁通特征點的標準磁疇結(jié)構(gòu)，通過所述標準磁疇結(jié)構(gòu)提取出標準磁矩矢量；

40、引入磁矩機制方程，通過所述磁矩機制方程計算每個所述實際磁矩矢量相較于標準磁矩矢量的磁矩矢量變化，得到多個磁矩矢量變化量；

41、通過服役齒輪的運維日志提取強磁場處于既定時序上的若干歷史磁化強度變化數(shù)據(jù)以及正常服役齒輪在強磁場中處于既定時序的若干歷史磁矩矢量變化數(shù)據(jù)，引入嶺回歸算法構(gòu)建嶺回歸損失函數(shù)方程；

42、根據(jù)所述若干歷史磁化強度變化數(shù)據(jù)與若干歷史磁矩矢量變化數(shù)據(jù)構(gòu)建變量矩陣，通過變量矩陣的協(xié)方差矩陣求解所述嶺回歸損失函數(shù)方程的解析解，得到嶺回歸系數(shù)，根據(jù)所述嶺回歸系數(shù)確定出強磁場的磁化強度對于正常服役齒輪的磁矩矢量的改變幅值；

43、基于所述強磁場的磁化強度對于正常服役齒輪的磁矩矢量的改變幅值計算導致所述磁矩矢量變化量產(chǎn)生的局部磁化強度變化，得到每個準漏磁磁通特征點的局部磁化強度變化量；

44、獲取服役齒輪出現(xiàn)每一種不同應力缺陷種類時的局部磁化強度既定變化量并構(gòu)建缺陷鑒別庫，基于所述缺陷鑒別庫對局部磁化強度變化量進行比較分析，最終輸出準確應力缺陷種類。

45、更具體地，所述s110步驟中的獲取服役齒輪出現(xiàn)每一種不同缺陷種類時的局部磁化強度既定變化量并構(gòu)建缺陷鑒別庫，基于所述缺陷鑒別庫對局部磁化強度變化量進行比較分析，最終輸出準確缺陷種類，具體包括以下步驟：

46、通過大數(shù)據(jù)網(wǎng)絡獲取服役齒輪出現(xiàn)每一種不同應力缺陷種類時的局部磁化強度既定變化量，基于每一種所述局部磁化強度既定變化量構(gòu)建缺陷鑒別庫；

47、在缺陷鑒別庫中逐一計算所述局部磁場強度變化量與每一種局部磁化強度既定變化量之間的吻合度，得到多個吻合度；

48、若吻合度小于預設吻合度，則排除該吻合度的局部磁化強度既定變化量對應的應力缺陷種類進入下一個局部磁化強度既定變化量的比較；

49、若吻合度大于預設吻合度，則保留該吻合度的局部磁化強度既定變化量對應的應力缺陷種類，標定為預備應力缺陷種類，最終獲取所有預備應力缺陷種類；

50、創(chuàng)建降序排序表，根據(jù)吻合度在降序排序表中對所述所有預備應力缺陷種類進行降序排序，并提取出最大吻合度對應的預備應力缺陷種類，標定為準確應力缺陷種類，并將所述準確應力缺陷種類上傳至齒輪檢測維護終端。

51、本發(fā)明第二方面提供了基于磁記憶技術的齒輪缺陷智能檢測系統(tǒng)，所述基于磁記憶技術的齒輪缺陷智能檢測系統(tǒng)包括存儲器與處理器，所述存儲器中儲存有基于磁記憶技術的齒輪缺陷智能檢測方法程序，當所述基于磁記憶技術的齒輪缺陷智能檢測方法程序被所述處理器執(zhí)行時，實現(xiàn)任一項所述的基于磁記憶技術的齒輪缺陷智能檢測方法步驟。

52、本發(fā)明解決了背景技術中存在的技術缺陷，本發(fā)明的有益技術效果在于：

53、根據(jù)實際磁通特征譜提取出概率值大于預設概率值的實際可疑磁通特征點，并在高位空間領域與低維空間領域?qū)嶋H可疑磁通特征點進行概率分布計算，得到高維空間相似度分布以及低維空間相似度分布；基于所述高維空間相似度分布與低維空間相似度分布之間的kl散度在梯度下降法逐步調(diào)整每個實際可疑磁通特征點的位置參數(shù)，輸出點位坐標值，通過所述點位坐標值分析服役齒輪是否存在異常服役；若服役齒輪為異常服役齒輪，則通過移動滑動窗口計算若干突變磁通信號，以繪制磁通線趨勢分布圖，識別分析所述磁通線趨勢分布圖，得到每個準漏磁磁通特征點在磁化過程中的實際磁疇結(jié)構(gòu)；分析所述實際磁疇結(jié)構(gòu)獲取每個準漏磁磁通特征點的多個磁矩矢量變化量，基于強磁場的磁化強度對于正常服役齒輪的磁矩矢量的改變幅值與多個磁矩矢量變化量對服役齒輪的缺陷特征進行剖析，最終輸出準確缺陷種類。本發(fā)明能夠?qū)诖庞洃浖夹g對齒輪的應力缺陷進行檢測定位與識別，從而為齒輪的維護檢修提供可靠的故障檢測依據(jù)，提高齒輪使用與維護的精準性和可持續(xù)性。