一种应用于工件温度冲击试验的方法及系统技术方案

本申请属于温度冲击试验的技术领域，公开了一种应用于工件温度冲击试验的方法及系统，所述方法包括：识别投入工件型号；基于投入工件型号，获取历史温度冲击试验数据，提取历史温度冲击试验数据的历史特征参数；将历史特征参数加权处理后输入预设的神经网络模型中，预测得到温度变化趋势；基于温度变化趋势和预置的参数标准库，设定检测频次动态阈值；将检测频次动态阈值和历史特征参数输入预设的模糊控制模型，设定实际检测频次；本申请相较于现有技术，本申请的方法能够根据工件型号自适应设定检测频次，提高了温度冲击试验评估结果的准确性

【技术实现步骤摘要】
一种应用于工件温度冲击试验的方法及系统


[0001]本申请属于温度冲击试验的
，尤其是涉及一种应用于工件温度冲击试验的方法及系统
。

技术介绍

[0002]温度冲击试验方法被广泛应用于评估各种工件在高温和低温环境下的耐受能力和可靠性；通过该方法可以模拟工件在温度急剧变化的情况下所面临的瞬时温度差异，并评估其在温度变化过程中的物理
、
机械
、
电气等性能表现，这有助于指导工件的改进和优化，提高其性能和可靠性
。
[0003]现有的温度冲击试验受操作人员预设参数的限制，每种工件温度冲击试验的检测频次恒定，在温度冲击试验设备温度快速骤变时，难以准确地捕捉温度的变化和工件存在的潜在问题
(
例如材料破损
、
导电率下降等
)
，进而导致试验评估结果不准确
。

技术实现思路

[0004]本申请提供一种应用于工件温度冲击试验的方法及系统，用于提高温度冲击试验评估结果的准确性
。
[0005]本申请的专利技术目的一采用如下技术方案实现：一种应用于工件温度冲击试验的方法，包括：识别投入工件型号；基于所述投入工件型号，获取历史温度冲击试验数据，提取所述历史温度冲击试验数据的历史特征参数；将所述历史特征参数加权处理后输入预设的神经网络模型中，预测得到温度变化趋势；基于所述温度变化趋势和预置的参数标准库，设定检测频次动态阈值；将所述检测频次动态阈值和所述历史特征参数输入预设的模糊控制模型，设定实际检测频次
。
[0006]通过上述技术方案，先识别工件型号，再根据工件型号获取历史温度冲击试验数据，并从中提取历史特征参数，再将历史特征参数通过加权处理后输入到预设的神经网络模型中，预测得到温度变化趋势，然后根据温度变化趋势和预设的参数标准库，设定检测频次动态阈值，最后将检测频次动态阈值和历史参数输入到预设的模糊控制模型中，以自适应设定实际检测频次；相较于现有技术，本申请的方法能够根据工件型号，预测出温度变化趋势，并根据温度变化趋势和参数标准库，设定检测频次动态阈值作为实际检测频次的限制范围，并通过模糊控制模型根据历史特征参数的性质自适应设定检测频次，从而降低了因检测频次恒定导致在温度冲击试验设备温度快速骤变时，难以准确地捕捉温度的变化和工件潜在问题的可能性，进而提高了温度冲击试验评估结果的准确性
。
[0007]本申请进一步设置为：所述历史特征参数包括历史工件记录
、
历史存储占用率
、
历
史检测时间和历史温度变化参数；预设的神经网络模型包括第一神经元
、
第二神经元
、
第三神经元
、
第四神经元和
BP
网络；所述将所述历史特征参数加权处理后输入预设的神经网络模型中，预测得到温度变化趋势包括：将所述历史工件记录加权处理后输入所述第一神经元；将所述历史存储占用率加权处理后输入所述第二神经元；将所述历史检测时间加权处理后输入所述第三神经元；将所述历史温度变化参数加权处理后输入所述第四神经元；基于所述
BP
网络，获取所述第一神经元
、
所述第二神经元
、
所述第三神经元和所述第四神经元内的数据并进行处理，预测得到温度变化趋势
。
[0008]通过上述技术方案，第一神经元用于接收历史工件记录通过加权处理后的矩阵向量，并将历史工件记录
(
字符等形式
)
转化为可量化关联的数据表征；第二神经元用于接收历史存储占用率通过加权处理后的矩阵向量；第三神经元用于接收历史检测时间通过加权处理后的矩阵向量；第四神经元用于接收历史温度变化参数通过加权处理后的矩阵向量；
BP
网络将各个神经元的矩阵向量进行归一化，最后预测得到对应工件型号的温度变化趋势；相较于现有技术，当试验人员投入不同型号的工件时，本申请方法能够适应预测得到对应工件的温度变化趋势，以辅助试验人员预测温度冲击试验的效果
。
[0009]本申请进一步设置为：所述检测频次动态阈值包括恒温检测动态阈值和变温检测动态阈值，所述基于所述温度变化趋势和预置的参数标准库，设定检测频次动态阈值包括：基于所述温度变化趋势，获取恒温趋势和变温趋势；基于预置的参数标准库，设置标准检测频次区间；基于所述恒温趋势和所述标准检测频次区间，设置所述恒温检测动态阈值；基于所述变温趋势和所述标准检测频次区间，设置所述变温检测动态阈值
。
[0010]通过上述技术方案，工件在恒温状态下进行测试时，工件自身出现的潜在问题的概率相较于变温状态要小得多，采用较低的检测频次即可满足检测需求；参数标准库可以按照国标
GB2423
设定，也可以依照内部的技术文件进行设定，参数标准库用于限定检测频次设置的上限和下限；相较于现有技术，通过恒温趋势和标准检测频次区间，设置恒温检测动态阈值，以自适应工件在恒温测试下的变化特性；通过变温趋势和标准检测频次区间，设置变温检测动态阈值，以自适应工件在变温测试下的变化特性
。
[0011]本申请进一步设置为：所述历史特征参数还包括历史检测设定频次；所述实际检测频次包括恒温检测频次；所述将所述检测频次动态阈值和所述历史特征参数输入预设的模糊控制模型，设定实际检测频次，包括：将所述恒温检测动态阈值作为第一变量范围，输入预设的模糊控制模型；将所述历史温度变化参数
、
所述历史检测设定频次和所述历史存储占用率作为模糊集，基于所述第一变量范围，设定所述恒温检测频次
。
[0012]通过上述技术方案，将恒温检测动态阈值作为模糊控制模型的第一变量范围，而历史温度变化参数
、
历史检测设定频次和历史存储占用率作为模糊集，以关联历史检测设定频次和历史存储占用率的隶属关系，模块控制模型根据历史检测设定频次
、
历史存储占用率和第一变量范围，自适应设定恒温检测频次，以在满足检测需求的前提下，尽可能地降低检测频次，从而降低温度冲击试验设备的数据处理量
、
减少数据占用的闪存，为变温试验
过程预留较为充裕的设备资源
。
[0013]本申请进一步设置为：所述实际检测频次包括变温检测频次；所述将所述检测频次动态阈值和所述历史特征参数输入预设的模糊控制模型，设定实际检测频次，包括：将所述变温检测动态阈值作为第二变量范围，输入预设的模糊控制模型；基于所述模糊集和所述第二变量范围，设定所述变温检测频次
。
[0014]通过上述技术方案，将变温检测动态阈值作为第二变量范围，基于模糊集和第二变量范围设定变温检测频次，以在设备资源和标准检测频次区间允许的前提下，尽可能地增大检测频次，从而提高了温度冲击试验评估结果的准确性
。
[0015]本申请进一步设置为：在所述将所述检测频次动态阈值和所述历史特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于工件温度冲击试验的方法，其特征在于，包括：识别投入工件型号；基于所述投入工件型号，获取历史温度冲击试验数据，提取所述历史温度冲击试验数据的历史特征参数；将所述历史特征参数加权处理后输入预设的神经网络模型中，预测得到温度变化趋势；基于所述温度变化趋势和预置的参数标准库，设定检测频次动态阈值；将所述检测频次动态阈值和所述历史特征参数输入预设的模糊控制模型，设定实际检测频次
。2.
根据权利要求1所述的一种应用于工件温度冲击试验的方法，其特征在于，所述历史特征参数包括历史工件记录
、
历史存储占用率
、
历史检测时间和历史温度变化参数；预设的神经网络模型包括第一神经元
、
第二神经元
、
第三神经元
、
第四神经元和
BP
网络；所述将所述历史特征参数加权处理后输入预设的神经网络模型中，预测得到温度变化趋势包括：将所述历史工件记录加权处理后输入所述第一神经元；将所述历史存储占用率加权处理后输入所述第二神经元；将所述历史检测时间加权处理后输入所述第三神经元；将所述历史温度变化参数加权处理后输入所述第四神经元；基于所述
BP
网络，获取所述第一神经元
、
所述第二神经元
、
所述第三神经元和所述第四神经元内的数据并进行处理，预测得到温度变化趋势
。3.
根据权利要求2所述的一种应用于工件温度冲击试验的方法，其特征在于，所述检测频次动态阈值包括恒温检测动态阈值和变温检测动态阈值，所述基于所述温度变化趋势和预置的参数标准库，设定检测频次动态阈值包括：基于所述温度变化趋势，获取恒温趋势和变温趋势；基于预置的参数标准库，设置标准检测频次区间；基于所述恒温趋势和所述标准检测频次区间，设置所述恒温检测动态阈值；基于所述变温趋势和所述标准检测频次区间，设置所述变温检测动态阈值
。4.
根据权利要求3所述的一种应用于工件温度冲击试验的方法，其特征在于，所述历史特征参数还包括历史检测设定频次；所述实际检测频次包括恒温检测频次；所述将所述检测频次动态阈值和所述历史特征参数输入预设的模糊控制模型，设定实际检测频次，包括：将所述恒温检测动态阈值作为第一变量范围，输入预设的模糊控制模型；将所述历史温度变化参数
、
所述历史检测设定频次和所述历史存储占用率作为模糊集，基于所述第一变量范围，设定所述恒温检测频次
。5.
根据权利要求4所述...

【专利技术属性】
技术研发人员：赵剑峰，钟海东，林嘉成，
申请(专利权)人：广州计测检测技术股份有限公司，
类型：发明
国别省市：