论文部分内容阅读
作为主要承载部件,轴承状态将直接影响机械的寿命和可靠性。轴承失效的主要原因之一,是其外套圈表面硬度不达标造成的表面磨损。为保证用于机械设备上的所有轴承套圈的硬度都符合使用要求,就要对其硬度实现全面、无损、准确分类及预测。本文以轴承套圈硬度检测为背景,针对目前热处理试件硬度分类和预测不准确存在的问题,提出基于涡流和磁巴克豪森噪声融合的轴承套圈硬度检测方法,该硬度检测方法结合涡流和巴克豪森噪声检测的优势,提高了硬度无损分类及检测的准确性。论文的主要研究内容如下:(1)从热处理工艺的流程和特点出发,分析了热处理轴承套圈的材质及其硬度变化的主要原因,为接下来的实验和研究奠定理论基础。(2)设计并开展里氏硬度测量实验、涡流检测实验和巴克豪森噪声检测实验。实验获得每个检测点的里氏硬度值,作为硬度标准值;获得涡流检测信号、巴克豪森噪声检测信号,并通过数据处理获得涡流、巴克豪森噪声检测特征值,为硬度分类及定量预测提供数据样本。(3)提出了热处理轴承套圈硬度智能无损分类方法。首先分析涡流和巴克豪森噪声特征值在试件的硬度分类上的效果,发现涡流和巴克豪森噪声检测特征值皆不能准确区分三类试件。但经过分析发现,涡流高频电抗信号可准确识别不合格试件,巴克豪森均方值、均值、峰值、峰值时间可准确识别未热处理试件。将两种方法的特征值进行数据融合,得到均方值-电抗变化量、均值-电抗变化量、峰值-电抗变化量、峰值时间-电抗变化量四个可有效区分三类试件的融合特征,并利用softmax分类算法进行分类。结果表明,“均方值-电抗变化量”softmax分类模型在损失值和分类准确性上表现最好,可实现硬度合格、不合格和未热处理试件的精准分类。(4)提出基于BP神经网络的热处理轴承套圈硬度检测方法。通过对比涡流和巴克豪森噪声特征的BP回归效果,发现巴克豪森均方值、均值、峰值、峰值时间在硬度检测上表现良好,涡流1kHz下电阻值也可应用于硬度检测。之后,利用这些特征值进行联合硬度检测分析。结果表明,利用两种检测方法的均方值、均值、峰值、涡流电阻值特征训练所得BP神经网络的硬度检测效果最好,其最大绝对误差5.6HLD,最大相对误差1.13%,检测精度满足工程要求。该论文有图49幅,表21个,参考文献93篇。