原文传递
基于神经网络的拉深件裂纹监测方法
| 专利名称： | 基于神经网络的拉深件裂纹监测方法 |
| 摘要： | 本发明公开一种在金属拉深件成形过程中基于神经网络的拉深件裂纹监测方法，首先将提取的声发射上升时间、声发射事件计数，能量、频率质心和峰值频率5个声发射监测信号作为拉深件裂纹的5个特征参数；然后对5个特征参数进行可分离判据分析，验证其表征裂纹特征的有效性；最后设计一个BP神经网络分类器，将这5个特征参数作为BP神经网络分类器的输入，输出特征向量是【1,0】和【0,1】，【1,0】是拉深件正常，【0,1】是拉深件产生裂纹；本发明提高了特征参数表征裂纹的准确性，实现了对拉深件的在线监测和质量状态判别，提高了成品率，避免材料浪费。? |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 江苏大学 |
| 发明人： | 骆志高;何鑫;胥爱成;陈强 |
| 专利状态： | 有效 |
| 申请日期： | 2010-10-26T00:00:00+0800 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201010518913.4 |
| 公开号： | CN101995436A |
| 代理机构： | 南京经纬专利商标代理有限公司 32200 |
| 代理人： | 楼高潮 |
| 分类号： | G01N29/14(2006.01)I |
| 申请人地址： | 212013 江苏省镇江市京口区学府路301号 |
| 主权项： | 一种基于神经网络的拉深件裂纹监测方法，其特征是：首先将提取的声发射上升时间、声发射事件计数，能量、频率质心和峰值频率5个声发射监测信号作为拉深件裂纹的5个特征参数；然后对5个特征参数进行可分离判据分析，验证其表征裂纹特征的有效性；最后设计一个BP神经网络分类器，将这5个特征参数作为BP神经网络分类器的输入，输出特征向量是【1,0】和【0,1】，其中【1,0】是拉深件正常，【0,1】是拉深件产生裂纹。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
