專利名稱：一種用于辨別拉深件裂紋的模糊識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于識(shí)別拉伸件裂紋的方法，應(yīng)用于冷沖模具的質(zhì)量檢測(cè)與故障 診斷系統(tǒng)，或金屬擠壓成形過程中的狀態(tài)識(shí)別及質(zhì)量監(jiān)測(cè)。
背景技術(shù)：
拉深件的拉深加工的工作環(huán)境極其惡劣，拉深件在成形過程中不僅要承受高接觸 壓力和劇烈的摩擦，而且還要承受循環(huán)加載引起的應(yīng)力、應(yīng)變和溫度的周期性變化，使制件 產(chǎn)生裂紋，有些微小裂紋肉眼難以察覺，但在生產(chǎn)過程中會(huì)產(chǎn)生成批的廢品，因此，識(shí)別拉 深件的裂紋狀態(tài)具有很重要的工程意義。裂紋的識(shí)別最為關(guān)鍵的兩個(gè)問題是一，要準(zhǔn)確提取到裂紋的特征參數(shù)；二、要在 各種不同的聲發(fā)射信號(hào)中識(shí)別出裂紋產(chǎn)生的特殊信號(hào)。目前，對(duì)于拉深件裂紋特征參數(shù)的 提取，現(xiàn)有技術(shù)提供了以下三種方法
(1)根據(jù)金屬裂紋及環(huán)境噪聲的頻率特性，剔除噪聲及摩擦磨損信號(hào)，即對(duì)信號(hào)進(jìn)行小 波包分解，再對(duì)小波包分解后的不同頻段的數(shù)據(jù)進(jìn)行重構(gòu)，然后采用時(shí)間序列的方法對(duì)去 噪后的聲發(fā)射信號(hào)進(jìn)行時(shí)序分析，建立時(shí)序模型，選取能量參數(shù)組成識(shí)別裂紋聲發(fā)射信號(hào) 所需的特征向量；
(2)將裂紋聲發(fā)射信號(hào)的上升時(shí)間、聲發(fā)射事件計(jì)數(shù)，能量、持續(xù)時(shí)間、幅度、平均頻率、 有效值電壓、平均信號(hào)電平、回響頻率、初始化頻率、強(qiáng)度、頻率質(zhì)心、峰值頻率等13個(gè)特征 參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，計(jì)算各樣本各個(gè)參數(shù)對(duì)裂紋特征的的靈敏度，最終得出 幾個(gè)能表征裂紋程度最為顯著的特征參數(shù)；
(3)將采集到的拉深件裂紋聲發(fā)射原始信號(hào)先經(jīng)過信號(hào)預(yù)處理，再進(jìn)行局域波局部能 量特征提取，最后通過遺傳算法的特征參數(shù)自動(dòng)重組生成得到有效識(shí)別拉深件裂紋聲發(fā)射 信號(hào)的最佳特征參數(shù)。以上三種方法都可以有效提取到拉深件裂紋聲發(fā)射信號(hào)的特征參數(shù)，在提取到特 征參數(shù)之后，就是使用這些特征參數(shù)識(shí)別出拉深件的裂紋狀態(tài)。在進(jìn)行特征識(shí)別時(shí)，事先并 不知道用于特征識(shí)別的特征參數(shù)是服從哪一種概率密度分布，通常是假定其特征參數(shù)是服 從正態(tài)分布來進(jìn)行特征識(shí)別，這樣帶來的缺陷是無法保證判斷結(jié)果的精確度。

發(fā)明內(nèi)容
本發(fā)明的目的是在有效提取到裂紋特征參數(shù)以后進(jìn)一步實(shí)現(xiàn)對(duì)裂紋特征的識(shí)別 而提出的一種模糊識(shí)別方法，識(shí)別率高、效率高、計(jì)算速度快，能很好地區(qū)分出正常信號(hào)和 裂紋信號(hào)。本發(fā)明采用的技術(shù)方案是先將采集到的原始聲發(fā)射信號(hào)進(jìn)行預(yù)處理，包括前置 放大、濾波、A/D轉(zhuǎn)換處理；再對(duì)經(jīng)過預(yù)處理的聲發(fā)射信號(hào)基于局域波時(shí)頻域局部能量特征提取法進(jìn)行特征參數(shù)的提取，然后經(jīng)遺傳算法進(jìn)行自動(dòng)重組生成得到最佳特征參數(shù)，作為 識(shí)別拉深件裂紋的特征參數(shù)；如果最佳特征參數(shù)不服從正態(tài)分布，將其轉(zhuǎn)變成服從正態(tài)分 布的概率變量；然后根據(jù)概率一致性原理和可能性理論求取可能性分布函數(shù)及其可能性， 并求出概率變量的隸屬度函數(shù)，最后進(jìn)行模糊診斷，實(shí)現(xiàn)對(duì)拉深件正常及裂紋兩種狀態(tài)的 識(shí)別。本發(fā)明的有益效果是
1、本發(fā)明對(duì)提取的特征參數(shù)先進(jìn)行判斷是否服從正態(tài)分布，如果不服從正態(tài)分布先將 其轉(zhuǎn)變成正態(tài)分布變量，消除了傳統(tǒng)方法在進(jìn)行狀態(tài)識(shí)別時(shí)假定特征參數(shù)服從正態(tài)分布所 帶來的不足；
2、本發(fā)明基于可能性理論對(duì)拉深件裂紋進(jìn)行模糊識(shí)別，可以準(zhǔn)確辨別出正常狀態(tài)和裂 紋狀態(tài)，有效提高了裂紋特征的識(shí)別率，能顯著縮短診斷時(shí)間，提高診斷效率，實(shí)現(xiàn)了精密 診斷。


下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明； 圖1是本發(fā)明的流程圖。
具體實(shí)施例方式如附圖1所示，本發(fā)明先將采集到的拉深件裂紋的原始聲發(fā)射信號(hào)進(jìn)行信號(hào)預(yù)處 理，再基于局域波時(shí)頻域局部能量特征提取法和遺傳算法得到拉深件裂紋聲發(fā)射信號(hào)的特 征參數(shù)，然后將該特征參數(shù)變換成服從正態(tài)分布的變量，最后通過基于可能性理論的模糊 識(shí)別方法實(shí)現(xiàn)對(duì)拉深件裂紋的識(shí)別，具體步驟如下
一.原始聲發(fā)射信號(hào)的預(yù)處理
將采集到的拉深件裂紋聲發(fā)射原始信號(hào)先經(jīng)過信號(hào)預(yù)處理，信號(hào)預(yù)處理依次包括前置 放大、濾波、A/D轉(zhuǎn)換等。二.提取裂紋聲發(fā)射信號(hào)的特征參數(shù)
本發(fā)明的該步驟采用的是現(xiàn)有技術(shù)，基于局域波時(shí)頻域局部能量特征提取法，用局 域波時(shí)頻域局部能量特征提取法得到各個(gè)局部能量之后，將這些局部能量作為初始特征參 數(shù)基于遺傳算法進(jìn)行自動(dòng)重組生成，從而快速地找到可以準(zhǔn)確識(shí)別出拉深件裂紋特征的最
佳特征參數(shù)y0。三.將最佳特征參數(shù)y0芟換成服從正態(tài)分布的概率變量y0
用最佳特征參數(shù)y0來識(shí)別拉深件的裂紋狀態(tài)時(shí)，要事先知道最佳特征參數(shù)y0服從怎 樣的概率分布，但多數(shù)清況下并不知道其服從怎樣的分布。設(shè)已知概率分布函數(shù)為Σ，用以 下公式將最佳特征參數(shù)y0變換成服從概率分布函數(shù)Σ的概率變量y
權(quán)利要求
1. 一種用于辨別拉深件裂紋的模糊識(shí)別方法，其特征是包括如下步驟先將米集到的 原始聲發(fā)射信號(hào)進(jìn)行預(yù)處理，包括前置放大、濾波、A/D轉(zhuǎn)換處理；再對(duì)經(jīng)過預(yù)處理的聲發(fā) 射信號(hào)基于局域波時(shí)頻域局部能量特征提取法進(jìn)行特征參數(shù)的提取，然后經(jīng)遺傳算法進(jìn)行 自動(dòng)重組生成得到最佳特征參數(shù)，作為識(shí)別拉深件裂紋的特征參數(shù)；如果最佳特征參數(shù)不 服從正態(tài)分布，將其轉(zhuǎn)變成服從正態(tài)分布的概率變量；然后根據(jù)概率一致性原理和可能性 理論求取可能性分布函數(shù)及其可能性，并求出概率變量的隸屬度函數(shù)，最后進(jìn)行模糊診斷， 實(shí)現(xiàn)對(duì)拉深件正常及裂紋兩種狀態(tài)的識(shí)別。
2.根據(jù)權(quán)利要求1所述一種用于辨別拉深件裂紋的模糊識(shí)別方法，其特征是用公式
全文摘要
本發(fā)明公開一種用于辨別拉深件裂紋的模糊識(shí)別方法，先將采集到的原始聲發(fā)射信號(hào)進(jìn)行預(yù)處理，再對(duì)經(jīng)過預(yù)處理的聲發(fā)射信號(hào)基于局域波時(shí)頻域局部能量特征提取法進(jìn)行特征參數(shù)的提取，然后經(jīng)遺傳算法進(jìn)行自動(dòng)重組生成得到最佳特征參數(shù)作為識(shí)別拉深件裂紋的特征參數(shù)；如果最佳特征參數(shù)不服從正態(tài)分布，將其轉(zhuǎn)變成服從正態(tài)分布的概率變量；然后根據(jù)概率一致性原理和可能性理論求取可能性分布函數(shù)及其可能性，并求出概率變量的隸屬度函數(shù)，最后進(jìn)行模糊診斷；消除了傳統(tǒng)方法在進(jìn)行狀態(tài)識(shí)別時(shí)假定特征參數(shù)服從正態(tài)分布所帶來的不足，可準(zhǔn)確辨別出正常狀態(tài)和裂紋狀態(tài)，有效提高了裂紋特征的識(shí)別率，顯著縮短診斷時(shí)間，實(shí)現(xiàn)精密診斷。
文檔編號(hào)G06K9/62GK101996316SQ201010519589
公開日2011年3月30日 申請(qǐng)日期2010年10月26日 優(yōu)先權(quán)日2010年10月26日
發(fā)明者何鑫, 胥愛成, 陳強(qiáng), 駱志高 申請(qǐng)人:江蘇大學(xué)