基于模糊綜合評判的金屬拉深件成形裂紋狀態(tài)識別.pdf

1、本課題以45號鋼的盒形件為研究對象,通過對金屬板材在拉深成形過程中產(chǎn)生的聲發(fā)射(AcousticEmission,AE)信號進行研究,實現(xiàn)對復(fù)雜的拉深成形過程進行實時在線監(jiān)測,進而對拉深件的成形狀態(tài)進行識別。其主要內(nèi)容和結(jié)果如下:
　　 首先,本文介紹了AE檢測原理,AE信號基本特征及裂紋AE信號的產(chǎn)生機理。在對拉深成形過程中拉深件變形分析的基礎(chǔ)上,分析了盒形件的拉深特點以及拉深過程中產(chǎn)生的AE信號特點。并根據(jù)目前AE信號處理方

2、法提出了金屬拉深A(yù)E信號的采集方法和信號處理方案;
　　 其次,介紹了基于負熵最大化的FastlCA算法的基本原理,采用獨立分量分析(IndependentComponentAnalysis,ICA)法對金屬拉深成形過程產(chǎn)生的AE信號進行處理,并結(jié)合FastICA_25的MATLAB軟件完成對拉深件裂紋AE信號的分離;同時,根據(jù)時序建模所需要的條件,對分離出的拉深件裂紋AE信號進行預(yù)處理,以達到零均值、平穩(wěn)性的要求;根據(jù)預(yù)處理后

3、時序信號的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的特點確定建模類型為自回歸-滑動平均模型,采用赤池信息量(AkaikeInformationCriterion,AIC)準(zhǔn)則計算裂紋AE信號模型的模型階數(shù),并估計出模型參數(shù),驗證了模型的正確性。同時,通過MATLAB軟件完成基于時序分析的特征參數(shù)提取;
　　 再次,根據(jù)時序分析所提取的拉深件裂紋AE信號的特征參數(shù)建立模糊綜合評判的隸屬函數(shù),以提取的特征參數(shù)-能量值為因素集,以無裂紋、小裂紋和大裂

4、紋為評價集,以能量值的歸一化值為權(quán)重集,并根據(jù)五種模糊綜合評判模型對結(jié)果進行評價,按最大隸屬度原則對評判結(jié)果進行處理,進而辨別拉深件是否有裂紋;
　　 最后,為了驗證研究的可行性,進行了拉深件成形質(zhì)量的狀態(tài)識別實驗,并按照本課題的理論研究對實驗中采集的實時數(shù)據(jù)進行處理和分析;得到無裂紋、小裂紋和大裂紋AE信號的特征參數(shù)及分布圖,并分析了三種狀態(tài)下各自的特點;根據(jù)提取的特征參數(shù)進行模糊綜合評判,成功的識別出拉深件成形質(zhì)量的狀態(tài)。<