采用神经网络和耦合迭代对16Mn钢承力件进行拉伸损伤状态的识别系统技术方案

本发明专利技术公开了一种采用神经网络和耦合迭代对１６Ｍｎ钢承力件进行拉伸损伤状态的识别系统，该系统由多个声发射换能器（４）、多路前置放大器（３）、一个声发射仪（２）和一个１６Ｍｎ钢承力件无损检测单元（１）组成。１６Ｍｎ钢承力件无损检测单元（１）包括有过滤模块（１１）、数据融合模块（１２）。１６Ｍｎ钢承力件无损检测单元（１）内嵌在声发射仪（２）的存储器中。本发明专利技术采用声发射神经网络和数据融合模型对１６锰钢拉伸损伤状态进行识别，建立了１６Ｍｎ钢拉伸损伤状态识别诊断系统：首先采用神经网络构建一个损伤度标志模型，然后用该模型对每个声发射换能器信息进行局部诊断；进而用神经网络输出结果构造数据融合模块的基本概率值；最后采用数据融合的组合公式对拉伸损伤状态进行诊断。利用该模型，可对１６Ｍｎ钢拉伸过程中的损伤状态进行识别、诊断，进而对其可靠运行提供依据。

【技术实现步骤摘要】

本专利技术涉及一种对在役16Mn钢承力件服役期间的失效状态进行识别的方法。更特别地说，是指一种对声发射换能器采集的数据首先进行神经网络的训练得到一个损伤度标志模型，然后应用该模型对在役16Mn钢承力件实时采集的声发射数据进行耦合迭代处理，从而识别出在役16Mn钢承力件属于何种拉伸损伤状态。
技术介绍
港口大型机械设备中的岸边设备如装船机、卸船机、抓斗机，常应用16锰钢作为关键承力件。岸边设备在使用一段时间后，作为主要承力件的16锰钢的损伤状态对整个岸边设备的使用寿命将造成重要影响。 16Mn钢(16锰钢)是结合我国资源情况发展起来的一种低合金钢，已被广泛使用。16Mn钢结构在服役一定的时间后，时常会发生一些失效事故，而损伤是造成其失效的主要原因，为此要对其损伤状态作出有效的识别，及时、正确地评价16Mn钢承力件的损伤程度，为其安全运行及寿命预测提供依据。 声发射技术(Acoustic Emission Technique)因具有动态、实时检测等优点，已广泛的应用于结构和构件的损伤检测。实践表明，材料在受力(形变)过程的不同阶段，其声发射特征会发生一系列不同的变化，也就是说本文档来自技高网...

【技术保护点】
一种采用神经网络和耦合迭代对１６Ｍｎ钢承力件进行拉伸损伤状态的识别系统，该系统包括有多个声发射换能器（４）、多路前置放大器（３）、一个声发射仪（２），其特征在于：还包括有一个１６Ｍｎ钢承力件无损检测单元（１）；　１６Ｍｎ钢承力件无损检 测单元（１）包括有过滤模块（１１）和数据融合模块（１２），其中，过滤模块（１１）有数据滤波处理模块（１１Ａ）和波形滤波处理模块（１１Ｂ），数据融合模块（１２）有损伤度标志模型（１２Ａ）和耦合迭代模型（１２Ｂ）；　声发射换能器（４）与前 置放大器（３）为配套使用，即每一个声发射换能器（４）的输出端与一个前置放大器（３）的输入端连接，每一个前置放...

【技术特征摘要】

【专利技术属性】
技术研发人员：骆红云，王宏伟，张峥，韩志远，钟群鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]