论文部分内容阅读
本课题研究的主要目的是对拉深成形过程中产生的早期裂纹进行识别,以实现拉深件质量的实时在线检测。本研究以45号钢的盒形拉深件为研究对象,通过分析金属板材拉.深成形过程中产生的声发射(AcousticEmission,AE)信号,对其进行滤波,进而识别出拉深件成形过程中产生的早期裂纹。
本研究的主要内容和结果如下:
首先,本文分析了盒形拉深件的变形和缺陷分析、AE检测技术的基本原理、裂纹AE产生机理和拉深裂纹AE信号的特征。在对拉深成形过程中盒形件的变形和缺陷分析的基础上,得出盒形拉深件成形过程AE信号的特点。根据目前AE信号处理的方法研究本课题中的金属拉深AE信号的采集和信号处理方案。
其次,分析了基于中值滤波法和小波阈值滤波法的基本原理和各自的优缺点,以MATLAB软件为工具,采用中值-小波阈值滤波法,首先对金属拉深成形AE信号进行中值滤波,接着以db4为小波基函数对AE信号进行3层小波分解的阈值滤波,完成金属板材拉深成形裂纹AE信号的滤波;然后,采用小波包分解法对经滤波后的拉深成形裂纹AE信号进行3层小波包分解,进而提取各小波包节点的能量系数,并以此作为特征参数。
再次,对拉深件的成形状态进行模糊聚类的模糊模式识别。采用模糊聚类分析获得拉深成形状态的分类,形成一个标准模型库;在此标准模型库中,通过模糊模式识别对样本进行匹配,然后应用最大贴近度原则完成对拉深件成形状态的识别,从而发现拉深件中存在的早期裂纹。
最后,进行金属拉深件成形状态的识别实验,根据本课题所采用的理论研究,对实验所采集的信号数据进行处理和分析,得到了无裂纹、小裂纹和大裂纹AE信号的滤波图和特征参数,并对三种状态下各自特征参数的特点进行了分析;采用模糊聚类得到标准模型库,并通过模糊模式识别对样本进行匹配,应用最大贴近度原则成功地识别出拉深件中存在的早期裂纹,同时验证了此方法的可行性。
研究结果表明:借助于MATLAB软件强大的数据处理功能,运用中值-小波阈值滤波法可较好地滤除拉深成形过程中的干扰信号,小波包能量系数提取法能准确地提取出拉深成形裂纹AE信号的特征参数;根据所提取的特征参数,采用模糊聚类得到标准模型库,通过模糊模式识别对样本进行匹配,应用最大贴近度原则准确地识别出拉深件中存在的早期裂纹,且识别率较高。