專利名稱：一種提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及拉深件制造領(lǐng)域，尤其涉及對(duì)拉深件在制造過(guò)程中所產(chǎn)生的裂紋聲發(fā) 射信號(hào)特征參數(shù)的提取方法，也可用于其它鍛造、旋轉(zhuǎn)機(jī)械等狀態(tài)監(jiān)測(cè)和故障辨別。
背景技術(shù)：
拉深件是工業(yè)生產(chǎn)的主要制件之一，特別在汽車覆蓋件上應(yīng)用相當(dāng)廣泛。由于模 具的工作環(huán)境極其惡劣，拉深件在成形過(guò)程中不僅要承受高接觸壓力和劇烈的摩擦，而且 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，易使制件產(chǎn)生裂紋。有些微小裂紋 肉眼難以察覺(jué)，在生產(chǎn)過(guò)程中會(huì)產(chǎn)生成批的廢品，給企業(yè)帶來(lái)巨大經(jīng)濟(jì)損失。目前，拉深件 質(zhì)量的好壞全靠現(xiàn)場(chǎng)人員的經(jīng)驗(yàn)判斷，屬于事后檢測(cè)，具有一定的時(shí)滯性。當(dāng)發(fā)現(xiàn)某制件產(chǎn) 生裂紋時(shí)，在該制件之前已有相當(dāng)數(shù)量的制件產(chǎn)生了裂紋，因此，會(huì)導(dǎo)致制件次品的增多和 材料的浪費(fèi)。目前，針對(duì)拉深制件的質(zhì)量監(jiān)測(cè)和故障診斷，有采用時(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，最后在計(jì)算機(jī)中結(jié)合模糊綜合評(píng)判方法與最大 隸屬度原則實(shí)現(xiàn)對(duì)金屬拉深件的狀態(tài)辨別。但金屬裂紋聲發(fā)射信號(hào)是短時(shí)沖擊信號(hào)，不能 滿足時(shí)序建模的平穩(wěn)性要求，而且樣本采集也有困難，因此，采用時(shí)序建模的方法來(lái)進(jìn)行監(jiān) 測(cè)金屬裂紋其實(shí)難以實(shí)現(xiàn)。

發(fā)明內(nèi)容
本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)的不足，提供一種優(yōu)化的提取拉深件裂紋聲 發(fā)射特征參數(shù)的方法，可同步提取出最能表征拉深件裂紋聲發(fā)射信號(hào)的幾種參數(shù)。本發(fā)明采用的技術(shù)方案是拉深件的聲發(fā)射信號(hào)通過(guò)凸模和凹模輸入與凸模和凹 模相接觸的聲發(fā)射傳感器，聲發(fā)射傳感器的輸出信號(hào)依次輸入前置放大器、聲發(fā)射處理模 塊和計(jì)算機(jī)；先是聲發(fā)射處理模塊提取聲發(fā)射上升時(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 頻率這13個(gè)聲發(fā)射特征參數(shù)并輸入計(jì)算機(jī)中；然后將所述13個(gè)聲發(fā)射特征信號(hào)作為BP 網(wǎng)絡(luò)特征提取的輸入向量，對(duì)所述13個(gè)聲發(fā)射特征參數(shù)進(jìn)行訓(xùn)練，并計(jì)算各聲發(fā)射特征參 數(shù)對(duì)裂紋信號(hào)的靈敏度，根據(jù)靈敏度優(yōu)化提取其中的聲發(fā)射上升時(shí)間、聲發(fā)射事件計(jì)數(shù)，能 量、頻率質(zhì)心、峰值頻率5個(gè)聲發(fā)射特征參數(shù)來(lái)表征裂紋信號(hào)；最后根據(jù)所述5個(gè)聲發(fā)射特 征參數(shù)在線監(jiān)測(cè)拉深件是否正?；虍a(chǎn)生裂紋。進(jìn)一步地BP神經(jīng)網(wǎng)絡(luò)為一個(gè)隱藏層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層為13個(gè)神經(jīng)元， 隱藏層為8個(gè)神經(jīng)元，輸出層為2個(gè)神經(jīng)元；權(quán)的初始值域取(-0. 05，0. 05)，最大的循環(huán)迭
M
代為5000 ；靈敏度的計(jì)算公式為Ak = Σ wVuJk，式中ξ &為靈敏度；Ujk為隱藏層神經(jīng)元
7 = 1
L
的凈輸出，=YwijXl-σj-^i.為權(quán)值，權(quán)值取0. 01 ；Xi為輸入層；σ」為輸出層的閥值。
3
本發(fā)明將各聲發(fā)射特征參數(shù)通過(guò)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化提取，將BP神經(jīng)網(wǎng)絡(luò)的輸入 從13個(gè)降低到5個(gè)，降低了輸入端的維數(shù)，降低了網(wǎng)絡(luò)的計(jì)算復(fù)雜程度，同時(shí)也提高了特征 參數(shù)反應(yīng)拉深件成形狀態(tài)的能力，提高了 BP神經(jīng)網(wǎng)絡(luò)識(shí)別裂紋的準(zhǔn)確性，并且，在成形現(xiàn) 場(chǎng)的強(qiáng)噪聲環(huán)境下，能準(zhǔn)確區(qū)分噪聲信號(hào)和裂紋信號(hào)，具有平穩(wěn)性高的特點(diǎn)。


圖1是提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)的結(jié)構(gòu)連接示意圖。圖2是圖1提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)方法的流程圖。圖中1_凸模；2-凹模；3-聲發(fā)射傳感器；4-前置放大器；5-聲發(fā)射處理模塊； 6_計(jì)算機(jī)。
具體實(shí)施例方式如圖1所示，先建立一個(gè)完整的聲發(fā)射測(cè)試平臺(tái)，將聲發(fā)射傳感器3分別與凸模1 和凹模2相接觸安裝，拉深件的聲發(fā)射信號(hào)通過(guò)凸模1和凹模2傳遞輸入到聲發(fā)射傳感器 3。將聲發(fā)射傳感器3依次連接前置放大器4、聲發(fā)射處理模塊5和計(jì)算機(jī)6。聲發(fā)射傳感 器3輸出的信號(hào)經(jīng)過(guò)前置放大器4放大后輸入聲發(fā)射處理模塊5，聲發(fā)射處理模塊5對(duì)通過(guò) 前置放大器4放大后的信號(hào)進(jìn)行濾波和提取，濾去部分環(huán)境噪音，提取聲發(fā)射上升時(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、峰值頻率這13個(gè)聲發(fā)射特征參數(shù)，然后將這13個(gè)聲發(fā)射特征參 數(shù)輸入計(jì)算機(jī)6中，計(jì)算機(jī)6通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)這13個(gè)聲發(fā)射特征參數(shù)進(jìn)行優(yōu)化提取，只 提取其中的聲發(fā)射上升時(shí)間、聲發(fā)射事件計(jì)數(shù)，能量、頻率質(zhì)心、峰值頻率這5個(gè)聲發(fā)射特 征參數(shù)。如圖2，本發(fā)明采用BP神經(jīng)網(wǎng)絡(luò)將聲發(fā)射特征參數(shù)進(jìn)行優(yōu)化提取時(shí)，先采用圖1結(jié) 構(gòu)獲得訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的原始數(shù)據(jù)，再對(duì)BP神經(jīng)網(wǎng)絡(luò)特征提取器的結(jié)構(gòu)進(jìn)行設(shè)計(jì)，配置其 參數(shù)，然后選擇BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，最后對(duì)訓(xùn)練的結(jié)果進(jìn)行識(shí) 別和處理分析，若BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置合理，并且各個(gè)訓(xùn)練樣本選擇合適，則計(jì)算各樣本 的靈敏度；若BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置不合理，則重新設(shè)置BP神經(jīng)網(wǎng)絡(luò)的參數(shù)并對(duì)其結(jié)構(gòu)進(jìn)行 改進(jìn)。若訓(xùn)練樣本選擇不合理，則重新選擇樣本。具體方法如下一、上述BP神經(jīng)網(wǎng)絡(luò)特征提取器的設(shè)計(jì)和參數(shù)配置包括隱層的設(shè)計(jì)、權(quán)和閥值初 始值的確定和迭代停止標(biāo)準(zhǔn)等1、隱層的設(shè)計(jì)本發(fā)明采用具有一個(gè)隱藏層的三層BP網(wǎng)絡(luò)，確定隱藏層的神經(jīng)元個(gè)數(shù)公式為η, =4^+ m+a其中m為輸入神經(jīng)元個(gè)數(shù)，η為輸出神經(jīng)元個(gè)數(shù)，a為1，10的常數(shù)。輸入神經(jīng)元為聲發(fā)射上升時(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，輸出神 經(jīng)元是制件正常、產(chǎn)生裂紋，因此隱層神經(jīng)元的個(gè)數(shù)可為5-14個(gè)，通過(guò)比較采用各個(gè)隱層 神經(jīng)元個(gè)數(shù)訓(xùn)練下的網(wǎng)絡(luò)誤差和訓(xùn)練次數(shù)，在隱層神經(jīng)元為8個(gè)的情況下網(wǎng)絡(luò)誤差和訓(xùn)練 次數(shù)最小，因此確定本發(fā)明隱層神經(jīng)元為8個(gè)。
本發(fā)明在神經(jīng)網(wǎng)絡(luò)的隱層和輸出層，激活函數(shù)采用的是Sigmoid函數(shù)形式如下
<Pj (V; ( )) = 7；-7Τ7
1a + b exp(-c Vj ( )) 其中Vj(n)是神經(jīng)元j的誘導(dǎo)局部域，且根據(jù)非線性，％(、(《))的范圍在0，1之 間，通過(guò)調(diào)整a，b，c的值來(lái)改變函數(shù)的飽和區(qū)，從而調(diào)整輸出。
在a，b，c均取1時(shí)，訓(xùn)練和識(shí)別都有較好的效果，此時(shí)激活函數(shù)的表達(dá)式為 =，形同/W = Y^_
l + e-2、權(quán)的初始閥值的確定權(quán)值和閥值是隨著迭代的進(jìn)行而更新的，并且一般是收斂的，但權(quán)的初始值太大， 可能導(dǎo)致網(wǎng)絡(luò)很快就達(dá)到飽和。本發(fā)明為了盡可能避免飽和，并考慮到網(wǎng)絡(luò)的收斂速度以 及樣本的復(fù)雜性，較小的初始值域更利于權(quán)值均勻地隨機(jī)初始，權(quán)的初始值域取(-0. 05， 0. 05)，對(duì)初始權(quán)值在上述范圍內(nèi)采用重復(fù)試驗(yàn)的方法，通過(guò)比較擬合效果，確定最佳初始 權(quán)值。3、迭代停止標(biāo)準(zhǔn)設(shè)置最大的循環(huán)迭代為5000 ；循環(huán)次數(shù)超過(guò)5000次仍未達(dá)到迭代停止標(biāo)準(zhǔn)，則表 明實(shí)驗(yàn)失敗。收斂目標(biāo)允許存在有誤差，在網(wǎng)絡(luò)的輸出和樣本之間的差小于給定的誤差范 圍，則停止對(duì)網(wǎng)絡(luò)權(quán)值的修正。之后，采用變化的自適應(yīng)學(xué)習(xí)率保證BP神經(jīng)網(wǎng)絡(luò)能夠穩(wěn)定并快速地收斂，采用變 化的自適應(yīng)學(xué)習(xí)速率的調(diào)整公式是
‘1.05 χ η{Κ), SSE(k +1) < SSE(Jc) rj(k + 1) = - 0.7x Tj(Jc), SSE(k +1) > 1.04 χ SSE(Jc) ；7(幻，其他其中η (k)表示學(xué)習(xí)速率，SSE (k)表示訓(xùn)練的誤差。二、本發(fā)明將聲發(fā)射上升時(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、峰值頻率這13個(gè)聲發(fā) 射特征信號(hào)作為BP網(wǎng)絡(luò)的訓(xùn)練樣本?？紤]到拉深件在成形過(guò)程中凸模1和凹模2的往 復(fù)運(yùn)動(dòng)和一個(gè)周期內(nèi)的受力振動(dòng)的特點(diǎn)，以及拉深件內(nèi)部產(chǎn)生應(yīng)力波的影響，選擇帶寬為 100KHz-300KHz的諧振式聲發(fā)射傳感器3，產(chǎn)生裂紋時(shí)能對(duì)其相應(yīng)的聲信號(hào)進(jìn)行捕捉。聲發(fā) 射傳感器3獲取的信號(hào)中不僅有裂紋信號(hào)，同時(shí)還有制件與凹模2和凸模1的摩擦信號(hào)和 工作環(huán)境的噪音信號(hào)，所以聲發(fā)射檢測(cè)模塊5對(duì)所獲取的聲發(fā)射信號(hào)先通過(guò)濾波處理，濾 去混在裂紋信號(hào)中的干擾信號(hào)，然后通過(guò)A/D轉(zhuǎn)換，將所得模擬信號(hào)準(zhǔn)換為數(shù)字信號(hào)作為 BP網(wǎng)絡(luò)的訓(xùn)練的原始樣本。由于各個(gè)參數(shù)衡量的指標(biāo)不一樣，原始樣本各個(gè)分量數(shù)量級(jí)有 很大的差異，為了讓各輸入數(shù)據(jù)在區(qū)間為0，1里，因此對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，歸一 化處理所用的公式為x~
"^max 1^min
5
三、將歸一化處理后的13個(gè)聲發(fā)射特征信號(hào)作為BP網(wǎng)絡(luò)特征提取的輸入向量，然 后，構(gòu)造樣本庫(kù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。根據(jù)獲得的聲發(fā)射信號(hào)參數(shù)，確定初始化網(wǎng)絡(luò)參數(shù)、最大 迭代次數(shù)、動(dòng)量因子，激活函數(shù)、訓(xùn)練精度、訓(xùn)練準(zhǔn)則。網(wǎng)絡(luò)參數(shù)確定完畢后，打開(kāi)樣本訓(xùn)練 庫(kù)，裝載樣本特征訓(xùn)練集，輸入訓(xùn)練樣本，確定網(wǎng)絡(luò)結(jié)構(gòu)，輸入各層的網(wǎng)絡(luò)節(jié)點(diǎn)，采用一個(gè)隱 藏層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層有13個(gè)神經(jīng)元，隱藏層有8個(gè)神經(jīng)元，輸出層為2個(gè)神經(jīng)兀。四、對(duì)訓(xùn)練的結(jié)果進(jìn)行識(shí)別和處理分析，若BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置合理，并且各個(gè) 訓(xùn)練樣本選擇合適，則計(jì)算各樣本各個(gè)參數(shù)對(duì)裂紋特征的的靈敏度。為了得知各個(gè)參數(shù)對(duì) 裂紋信號(hào)的表征程度，通過(guò)計(jì)算各參數(shù)對(duì)裂紋信號(hào)的靈敏度ξ來(lái)表征各個(gè)參數(shù)對(duì)裂紋信 號(hào)的表征程度，在本發(fā)明中，特征參數(shù)X對(duì)識(shí)別結(jié)果Y的靈敏度ξ (Υ/χ)定義為
οΥ由于拉深件在成形過(guò)程中所處狀態(tài)Y和特征參數(shù)之間存在單調(diào)性，即隨著裂紋程 度的提高，特征參數(shù)X也呈上升趨勢(shì)，因此，在操作中應(yīng)用靈敏度較高的參數(shù)。在本發(fā)明中，BP神經(jīng)網(wǎng)絡(luò)特征提取器采用的是改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，輸入層和 隱層之間的激活函數(shù)是S型函數(shù)，其中Xi(i = 1,2……，L)、Zj(j = 1、2……，M)、yk(k= 1， 2……M)分別代表輸入層、隱含層和輸出層，δ,* 分別表示隱含層、輸出層的閥值，則
Myk = YdUjkZj-Sk
=1因此，特征參數(shù)Xi對(duì)狀態(tài)類別yk的靈敏度為^k = ^zI , ^Vt ^2 , ^yk ^m Qxi Sz1 Qxi Sz2 Qxi dzM Qxi由上式可得"片通過(guò)數(shù)學(xué)變換得到隱藏層神經(jīng)元的凈輸出Ujk -.Ujk = YjWijXi -σ;
/=1最后得到靈敏度ξ lk
e dyk 冬
0xI j=\式中Wij表示權(quán)值，權(quán)值取0. 01，Ujk表示隱藏層神經(jīng)元的凈輸出。利用靈敏度ξ lk來(lái)評(píng)價(jià)各聲發(fā)射特征參數(shù)對(duì)裂紋信號(hào)的表征程度，按大小從大到 小順序排列最終得出聲發(fā)射上升時(shí)間、聲發(fā)射事件計(jì)數(shù)，能量、頻率質(zhì)心、峰值頻率這5個(gè) 聲發(fā)射特征參數(shù)表征裂紋程度最為顯著，能夠?qū)χ萍欠裾＿€是產(chǎn)生裂紋進(jìn)行在線監(jiān) 測(cè)。
權(quán)利要求
一種提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)的方法，拉深件的聲發(fā)射信號(hào)通過(guò)凸模(1)和凹模(2)輸入與凸模(1)和凹模(2)相接觸的聲發(fā)射傳感器(3)，聲發(fā)射傳感器(3)輸出信號(hào)依次輸入前置放大器(4)、聲發(fā)射處理模塊(5)和計(jì)算機(jī)(6)，其特征是還包括如下步驟A、聲發(fā)射處理模塊(5)提取聲發(fā)射上升時(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、峰值頻率這13個(gè)聲發(fā)射特征參數(shù)并輸入計(jì)算機(jī)(6)中；B、將所述13個(gè)聲發(fā)射特征信號(hào)作為BP網(wǎng)絡(luò)特征提取的輸入向量，對(duì)所述13個(gè)聲發(fā)射特征參數(shù)進(jìn)行訓(xùn)練，并計(jì)算各聲發(fā)射特征參數(shù)對(duì)裂紋信號(hào)的靈敏度，根據(jù)靈敏度優(yōu)化提取其中的聲發(fā)射上升時(shí)間、聲發(fā)射事件計(jì)數(shù)，能量、頻率質(zhì)心、峰值頻率5個(gè)聲發(fā)射特征參數(shù)來(lái)表征裂紋信號(hào)；C、根據(jù)所述5個(gè)聲發(fā)射特征參數(shù)在線監(jiān)測(cè)拉深件是否正?；虍a(chǎn)生裂紋。
2.根據(jù)權(quán)利要求1所述的一種提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)的方法，其特征 是步驟B所述BP神經(jīng)網(wǎng)絡(luò)為一個(gè)隱藏層的三層BP神經(jīng)網(wǎng)絡(luò)，輸入層為13個(gè)神經(jīng)元，隱藏 層為8個(gè)神經(jīng)元，輸出層為2個(gè)神經(jīng)元；權(quán)的初始值域取(-0. 05，0. 05)，最大的循環(huán)迭代為 5000 ；所述靈敏度的計(jì)算公式為M^^ = Σ wVuJkL式中ξ ik為靈敏度；Ujk為隱藏層神經(jīng)元的凈輸出，Ujk = YjWijXi - CT7 ； Wij為權(quán)值，權(quán)值 取0. 01 ；Xi為輸入層；σ j為輸出層的閥值。
全文摘要
本發(fā)明公開(kāi)一種提取拉深件裂紋聲發(fā)射信號(hào)特征參數(shù)的方法，聲發(fā)射傳感器的輸出信號(hào)依次輸入前置放大器、聲發(fā)射處理模塊和計(jì)算機(jī)；13個(gè)聲發(fā)射特征參數(shù)并輸入計(jì)算機(jī)中；然后將13個(gè)聲發(fā)射特征信號(hào)作為BP網(wǎng)絡(luò)特征提取的輸入向量，對(duì)13個(gè)聲發(fā)射特征參數(shù)進(jìn)行訓(xùn)練，并計(jì)算各聲發(fā)射特征參數(shù)對(duì)裂紋信號(hào)的靈敏度，根據(jù)靈敏度優(yōu)化提取其中5個(gè)聲發(fā)射特征參數(shù)來(lái)表征裂紋信號(hào)。本發(fā)明將各聲發(fā)射特征參數(shù)通過(guò)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化提取，將BP神經(jīng)網(wǎng)絡(luò)的輸入從13個(gè)降低到5個(gè)，降低了輸入端的維數(shù)，降低了網(wǎng)絡(luò)的計(jì)算復(fù)雜程度，同時(shí)也提高了特征參數(shù)反應(yīng)拉深件成形狀態(tài)的能力，提高了BP神經(jīng)網(wǎng)絡(luò)識(shí)別裂紋的準(zhǔn)確性。
文檔編號(hào)G01N29/34GK101975825SQ20101027887
公開(kāi)日2011年2月16日 申請(qǐng)日期2010年9月10日 優(yōu)先權(quán)日2010年9月10日
發(fā)明者何鑫, 胥愛(ài)成, 陳強(qiáng), 駱志高 申請(qǐng)人:江蘇大學(xué)