科技型中小企业技术创新基金(09C26213201011)
- 作品数：4 被引量：14H指数：2
- 相关作者：骆志高叶红英胥爱成张保刚何鑫更多>>
- 相关机构：江苏大学更多>>
- 发文基金：科技型中小企业技术创新基金更多>>
- 相关领域：理学一般工业技术金属学及工艺机械工程更多>>
- 基于时序分析的拉伸件成型裂纹的特征参数提取被引量：3
- 2012年
- 研究金属拉伸制件声发射信号特征参数的提取对判断成型制件的质量尤为重要。研究采用时序分析和MATLAB对经过小波包分解的声发射信号进行特征参数的提取。在此过程中利用时间序列的自相关系数和偏相关系数的拖尾性及截尾性来判断模型的类型;采用FPE(Final Prediction Error,最终预测误差0029准则对模型进行定阶;以最小二乘估计法对模型的参数进行估计。最后,根据所建立的自回归谱模型提取声发射信号的特征参数。研究结果是通过此方法成功提取到了金属拉抻制件声发射信号的特征参数及其分布图,为成型制件质量的判断提供了有利的依据。
- 骆志高叶红英胥爱成
- 关键词：声发射特征参数MATLAB
- 金属拉伸件拉伸过程微裂纹AE信号特征参数的优化及状态识别被引量：2
- 2012年
- 通过对拉伸件成型状态的声发射测试,进行了拉伸过程AE特征参数信号的提取。对采集到的信号进行局域波分解后提取各IMF(Intrinsic Mode Function)的能量值作为初始特征参数,应用遗传算法对初始特征参数进行优化,生成最优特征参数。采用简单的马氏距离方法,将正常状态和微裂纹状态两种质量状态下的实验数据进行计算,比较两种状态下马氏距离的大小,取其中最小判别距离对应的状态为测试样本的状态类型。研究结果说明了该方法可以有效地识别出拉伸件的微裂纹AE信号,从而判断出拉伸件的初始裂纹状态,实现AE信号特征参数的优化及对金属拉伸件成型质量状态的识别。
- 骆志高范祥伟陈强
- 关键词：拉伸件声发射遗传算法特征参数
- 基于BP神经网络的金属拉深件裂纹在线监测被引量：9
- 2012年
- 运用设计的三层BP神经网络对采集到的10个声发射参数进行特征提取。通过对比不同隐含层神经元个数的BP神经网络的训练误差与训练次数,确定当隐含层神经元个数为13个时,BP神经网络的逼近效果较好,产生的网络误差最小。再利用计算各声发射参数对表征裂纹信号灵敏度的大小,逐步删除各个声发射参数,降低模式识别时输入信号的维数。最后确定相对到达时间、幅度、能率、上升计数、持续时间和平均信号电平六个声发射参数能够有效地识别金属拉深件裂纹。该研究对于金属拉深件裂纹的在线监测具有理论和实际意义。
- 骆志高张保刚何鑫
- 关键词：BP神经网络拉深件声发射技术在线监测
- 拉深件成型裂纹的非平稳信号处理及状态识别被引量：1
- 2012年
- 为了对金属拉深件成型时裂纹所产生的非平稳信号进行处理,最终提取到声发射信号的特征参数,从而进行金属制件的状态识别,首先,以Matlab数据处理软件为工具,采用小波包分析对金属板料拉深成型实验中采集到的声发射信号进行多维正交分解;然后,对信号进行平滑、消除趋势项、差分处理得到平稳信号,剔除了噪声信号带来的影响;最后,采用时序分析建立各分解信号的自回归模型以提取声发射信号的特征参数,以此进行制件的状态识别,并通过实验加以验证。研究结果表明,通过此方法将金属拉深制件成型时裂纹的非平稳信号转换为平稳信号,再经时序分析提取到了声发射信号的特征参数及其分布图,根据其分布图能够判定金属制件有无裂纹状态。
- 骆志高叶红英胥爱成
- 关键词：拉深件声发射小波包MATLAB
