一种零件中非金属夹杂物含量的预测方法及系统，涉及杂物含量检测方法及系统。目的是为了克服现有对轴承套圈进行非金属夹杂物的检测会对轴承套圈造成损耗的问题，其中方法，步骤如下：步骤一、获取超声波通过待测零件时的横波声速与纵波声速；步骤二、将横波声速与纵波声速均输入非金属夹杂物含量预测模型，预测得到零件的非金属夹杂物含量的预测值。
2、轴承套圈可能存在的质量问题包括裂纹、缩孔、非金属夹杂物等内部缺陷，其中非金属夹杂物是轴承套圈内部产生疲劳裂纹的重要原因，它的存在使微观组织不均匀，破坏了材料的连续性，降低了轴承套圈的冲击韧性和疲劳强度，严重危害轴承安全，因此，需要对轴承套圈内部非金属夹杂物含量进行检测确保其维持在安全范围内。
3、钢中非金属夹杂物主要有硫化物、氧化铝、硅酸盐、球状氧化物以及单颗粒球状五种类别，目前对钢中非金属夹杂物含量的评定方法主要有：最恶劣视场评定法，逐个视场评定法，钢的洁净度法等，均通过制作标准试样，对其使用光学显微镜进行非金属夹杂物的检测与评定，来判断材料内部非金属夹杂物的含量是否符合标准。
>4、步骤二、将横波声速与纵波声速均输入非金属夹杂物含量预测模型，预测得到零件的非金属夹杂物含量的预测值。5、进一步地，非金属夹杂物含量预测模型的建立过程如下：
6、步骤二一、预先采集多个规格相同的零件的纵波声速、横波声速以及非金属夹杂物含量的实际值；
7、步骤二二、将非金属夹杂物含量的实际值作为响应变量，将纵波声速和横波声速作为解释变量构建带有模型参数的贝叶斯回归模型；
8、模型参数包括纵波声速系数、横波声速系数和模型截距；
9、步骤二三、将模型参数视作正态分布，计算得到当模型参数的后验分布最大时模型参数的取值；
10、步骤二四、将模型参数的取值代入贝叶斯回归模型中，完成非金属夹杂物含量预测模型的构建。
11、进一步地，非金属夹杂物含量预测模型如下：
12、
13、其中，y为非金属夹杂物含量的预测值，cl为纵波声速，cs为横波声速，βl为纵波声速系数，βs为横波声速系数，α为模型截距。
14、进一步地，步骤一的具体过程如下：
15、步骤一一、将待测零件放置入液体中；
16、步骤一二、向液体中的待测零件发射超声波、使得超声波入射至待测零件时为横波或纵波，同时记录超声波发射时间；
17、步骤一三、接收横波或纵波并分别记录横波接收时间和纵波接收时间；通过横波在待测零件中的传播路径长度、横波接收时间和超声波发射时间计算得到横波声速，通过纵波在待测零件中的传播路径长度、纵波接收时间和超声波发射时间计算得到纵波声速。
18、进一步地，步骤一还包括：
19、步骤一四、旋转待测零件，并重复步骤一一至步骤一三，计算得到待测零件在不同位置的横波声速和纵波声速，并分别计算横波声速和纵波声速的平均值。
20、本专利技术还提供一种零件中非金属夹杂物含量的预测系统，包括
21、声速采集模块，用于获取超声波通过待测零件时的横波声速与纵波声速；
22、非金属夹杂物含量预测模型，用于将横波声速与纵波声速均输入非金属夹杂物含量预测模型，预测得到零件的非金属夹杂物含量的预测值。
23、进一步地，建立非金属夹杂物含量预测模型的模块包括：
24、数据采集模块，用于预先采集n个规格相同的零件的纵波声速、横波声速以及非金属夹杂物含量的实际值；
25、回归模型构建模块，用于将非金属夹杂物含量的实际值作为响应变量，将纵波声速和横波声速作为解释变量构建带有模型参数的贝叶斯回归模型；
26、模型参数包括纵波声速系数、横波声速系数和模型截距；
27、模型参数计算模块，用于将模型参数视作正态分布，计算得到当模型参数的后验分布最大时模型参数的取值；
28、参数代入模块，用于将模型参数的取值代入贝叶斯回归模型中，完成非金属夹杂物含量预测模型的构建。
29、进一步地，非金属夹杂物含量预测模型如下：
30、
31、其中，y为非金属夹杂物含量的预测值，cl为纵波声速，cs为横波声速，βl为纵波声速系数，βs为横波声速系数，α为模型截距。
32、进一步地，声速采集模块包括：
33、液体池，用于将待测零件放置入液体中；
34、超声探头，用于向液体中的待测零件发射超声波、使得超声波入射至待测零件时为横波或纵波；
35、接收探头，用于接收横波或纵波；
36、处理单元，用于控制超声探头开启并记录超声波发射时间；以及通过接收探头接收横波和纵波并分别记录横波接收时间和纵波接收时间；通过横波在待测零件中的传播路径长度、横波接收时间和超声波发射时间计算得到横波声速，通过纵波在待测零件中的传播路径长度、纵波接收时间和超声波发射时间计算得到纵波声速。
37、进一步地，
38、声速采集模块还包括旋转台，旋转台用于旋转待测零件；
39、处理单元，还用于计算得到待测零件在不同位置的横波声速和纵波声速，并分别计算横波声速和纵波声速的平均值。
40、本专利技术的有益效果是：
41、1)超声检测不损伤轴承套圈的使用性能，减少了材料损耗。相比于x射线、涡流检测等无损方式，超声检测不产生影响人体的辐射信号，且突破了涡流检测仅适用于金属材料的局限，在测量材料内部结构时效果极佳；
42、2)相对于最恶劣视场评定法、统计加权平均值法、钢的纯净度法等方法。可以避免了人为因素干扰，降低人力成本，提高检测效率和自动化水平；
43、3)基于已知样本数据构建轴承套圈非金属夹杂物含量预测模型，当样本数据足够时可以有效实现对轴承内部非金属夹杂物的含量的准确检测。此方法不仅可以用在以超声检测为手段的轴承套圈非金属夹杂物含量检测上，还可以扩展到其他检测领域。
本文档来自技高网...
【技术保护点】
1.一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤如下：
2.根据权利要求1所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，非金属夹杂物含量预测模型的建立过程如下：
3.根据权利要求2所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，非金属夹杂物含量预测模型如下：
4.根据权利要求1、2或3所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤一的具体过程如下：
5.根据权利要求4所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤一还包括：
6.一种零件中非金属夹杂物含量的预测系统，其特征在于，包括
7.根据权利要求6所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，建立非金属夹杂物含量预测模型的模块包括：
8.根据权利要求7所述的一种零件中非金属夹杂物含量的预测系统，其特征在于，非金属夹杂物含量预测模型如下：
9.根据权利要求6、7或8所述的一种零件中非金属夹杂物含量的预测系统，其特征在于，声速采集模块包括：
10.根据权利要求9所述的一种零件中非金属夹杂物含量的预测系统，其特征在于，
...
【技术特征摘要】
1.一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤如下：
2.根据权利要求1所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，非金属夹杂物含量预测模型的建立过程如下：
3.根据权利要求2所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，非金属夹杂物含量预测模型如下：
4.根据权利要求1、2或3所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤一的具体过程如下：
5.根据权利要求4所述的一种零件中非金属夹杂物含量的预测方法，其特征在于，步骤一还包...
【专利技术属性】
技术研发人员：张凯胜，史慧楠，郑慧峰，高琪，曹娜娜，迟杰，孙慧霖，王欢，
申请(专利权)人：中国航发哈尔滨轴承有限公司，
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。