本发明专利技术公开了一种金属构件的应力测量方法，包括对待测金属构件加热并采集待测金属构件的红外热图像以及红外热图像对应的加热时长；根据预先确定的深度神经网络模型、红外热图像以及加热时长确定待测金属构件当前承受应力大小；深度神经网络模型为金属构件在特定加热时长对应的红外热图像随承受应力大小变化关系的模型。本申请中依据待测金属构件在承受应力时，局部电导率会发生改变，进而温度也是各不相同的这一依据，将深度学习与红外热成像进行结合，能够提高金属构件应力检测的精度与效率，节省时间与成本，有利于金属工件工作状态进行有效评估。本申请还提供了一种金属构件的应力测量装置、设备以及计算机可读存储介质，具有上述有益效果。具有上述有益效果。具有上述有益效果。
【技术实现步骤摘要】
金属构件的应力测量方法、装置、设备及存储介质
[0001]本专利技术涉及金属构件性能检测
，特别是涉及一种金属构件的应力测量方法、装置、设备以及计算机可读存储介质。
技术介绍
[0002]结构工件所承受的应力是结构工件工作状态可靠性的重要指标，若能精确测量结构的工作应力，则可以准确评估结构的受力状态。常用应力检测方法可分为两大类，即局部破损检测方法和无损检测方法，这些检测方法在很大程度上也依赖于研究人员的操作及经验，无法对现有结构工件的应力状态进行有效的评估。
技术实现思路
[0003]本专利技术的目的是提供一种金属构件的应力测量方法、装置、设备以及计算机可读存储介质，能够有效评估金属构件所承受的应力大小。
[0004]为解决上述技术问题，本专利技术提供一种金属构件的应力测量方法，包括：
[0005]对待测金属构件加热并采集所述待测金属构件的红外热图像以及所述红外热图像对应的加热时长；
[0006]根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小；其中，所述深度神经网络模型为金属构件在特定加热时长对应的红外热图像随承受应力大小变化关系的模型。
[0007]在本申请的一种可选地实施例中，预先确定深度神经网络模型的过程包括：
[0008]对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点的红外热图像样本、加热时长样本以及应力值样本；
[0009]将对所述标准金属构件施加的应力增大预设应力增量值，并重复执行对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点对应的红外热图像样本以及对应的加热时长样本的步骤，直到对所述标准金属构件施加的应力达到屈服应力；
[0010]创建深度神经网络模型，以所述红外热图像样本为输入，所述加热时长样本和所述应力值样本为标签，进行神经网络训练，获得所述深度神经网络模型。
[0011]在本申请的一种可选地实施例中，所述标准金属构件包括不同疲劳损伤程度的金属构件。
[0012]在本申请的一种可选地实施例中，对所述待测金属构件加热，包括：
[0013]对所述待测金属构件进行脉冲涡流加热；
[0014]相应地，对所述标准金属构件加热，包括：
[0015]对所述标准金属构件进行脉冲涡流加热。
[0016]在本申请的一种可选地实施例中，根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小，包括：
[0017]根据所述深度神经网络模型和所述红外热图像，确定所述待测金属构件的预测应力值和对应的预测加热时长；
[0018]判断所述预测加热时长和所述加热时长之间的时间差值是否在预设差值范围内，若是，所述预测应力值为所述待测金属构件当前承受应力的大小。
[0019]在本申请的一种可选地实施例中，在对待测金属构件加热并采集所述待测金属构件的红外热图像以及所述红外热图像对应的加热时长之后，还包括：
[0020]对所述红外热图像进行剪裁，去除所述红外热图像中不包含待测金属构件区域的部分，再执行根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小的步骤。
[0021]本申请还提供一种金属构件的应力测量装置，包括：
[0022]采集模块，用于对待测金属构件加热并采集所述待测金属构件的红外热图像以及所述红外热图像对应的加热时长；
[0023]运算模块，用于根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小；其中，所述深度神经网络模型为金属构件在特定加热时长对应的红外热图像随承受应力大小变化关系的模型。
[0024]在本申请的一种可选地实施例中，还包括模型训练模块，所述模型训练模块包括：
[0025]样本采集单元，用于对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点的红外热图像样本、加热时长样本以及应力值样本；将对所述标准金属构件施加的应力增大预设应力增量值，并重复执行对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点对应的红外热图像样本以及对应的加热时长样本的步骤，直到对所述标准金属构件施加的应力达到屈服应力；
[0026]模型创建单元，用于创建深度神经网络模型，以所述红外热图像样本为输入，所述加热时长样本和所述应力值样本为标签，进行神经网络训练，获得所述深度神经网络模型。
[0027]本申请还提供一种金属构件的应力测量设备，包括：
[0028]用于对所述待测金属构件加热的加热设备；
[0029]用于采集所述待测金属构件的红外热图像的红外热像仪；
[0030]用于根据所述红外热图像，执行实现如上任一项所述的金属构件的应力测量方法的步骤的处理器。
[0031]本申请还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时实现如上所述金属构件的应力测量方法的步骤。
[0032]本专利技术所提供的一种金属构件的应力测量方法，包括对待测金属构件加热并采集待测金属构件的红外热图像以及红外热图像对应的加热时长；根据预先确定的深度神经网络模型、红外热图像以及加热时长确定待测金属构件当前承受应力大小；其中，深度神经网络模型为金属构件在特定加热时长对应的红外热图像随承受应力大小变化关系的模型。
[0033]本申请利用在待测金属构件在承受应力时，其电导率会相应的发生改变，进而导致其电阻发生变化，那么此时对金属构件进行加热，其金属构件内部粒子之间热传导的能力相应的也会产生变化，由此在加热相同的时长，对于承受不同应力的金属构件，其温度也是各不相同的。由此，本申请中即可以此作为判断金属构件承受应力大小的依据，采集金属
构件在加热条件下的红外热图像，利用神经网络训练获得的深度神经网络模型对红外热图像进行深度学习，确定出待测金属构件所承受的应力大小，最终简单有效的获得待测金属构件的应力值，有利于金属工件工作状态进行有效评估。
[0034]本申请还提供了一种金属构件的应力测量装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
[0035]为了更清楚的说明本专利技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本申请实施例提供的测金属构件所承受应力的方法的流程示意图；
[0037]图2为本申请实施例提供的创建深度神经网络模型的流程示意图；
[0038]图3为本专利技术实施例提供的金属构件的应力测量装置的结构框图。
具体实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种金属构件的应力测量方法，其特征在于，包括：对待测金属构件加热并采集所述待测金属构件的红外热图像以及所述红外热图像对应的加热时长；根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小；其中，所述深度神经网络模型为金属构件在特定加热时长对应的红外热图像随承受应力大小变化关系的模型。2.如权利要求1所述的金属构件的应力测量方法，其特征在于，预先确定所述深度神经网络模型的过程包括：对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点的红外热图像样本、加热时长样本以及应力值样本；将对所述标准金属构件施加的应力增大预设应力增量值，并重复执行对标准金属构件施加应力并对所述标准金属构件加热，采集所述标准金属构件在不同加热时间点对应的红外热图像样本以及对应的加热时长样本的步骤，直到对所述标准金属构件施加的应力达到屈服应力；创建深度神经网络模型，以所述红外热图像样本为输入，所述加热时长样本和所述应力值样本为标签，进行神经网络训练，获得所述深度神经网络模型。3.如权利要求2所述的金属构件的应力测量方法，其特征在于，所述标准金属构件包括不同疲劳损伤程度的金属构件。4.如权利要求2所述的金属构件的应力测量方法，其特征在于，对所述待测金属构件加热，包括：对所述待测金属构件进行脉冲涡流加热；相应地，对所述标准金属构件加热，包括：对所述标准金属构件进行脉冲涡流加热。5.如权利要求1所述的金属构件的应力测量方法，其特征在于，根据预先确定的深度神经网络模型、所述红外热图像以及所述加热时长确定所述待测金属构件当前承受应力大小，包括：根据所述深度神经网络模型和所述红外热图像，确定所述待测金属构件的预测应力值和对应的预测加热时长；判断所述预测加热时长和所述加热时长之间的时间差值是否在预设差值范围内，若是，所述预测应力值为所述待测金属构件当前承受应力的大小。6.如权利要求1所述的金属构件的应力测量方法，其特征在于，在对待测金属构件加...
【专利技术属性】
技术研发人员：邓露，香超，王维，左辉，张安，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。