机电产品开发与创薪

《机电产品开发与创薪》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第19卷第3期机电产品开发与创薪V01.1孰No.32006年5月Development&Innovationofmachinery&electricalproductsMay.,2006基于人工神经网络的曲轴残余应力巴克豪森测试仪侯瑞生，王文军，王庆东，佘娜(河北工程大学，河北邯郸056021)摘要:研制了基于巴氏噪声的曲轴残余应力测试仪，介绍了人工神经网络技术的原理、学习与训练方法等内容，以及如何建立BN信号与应力间的关系。实验数据表明该仪器测试数据准确可靠。关健词:残余应力;Barkhausen噪声;径向基函数(RBF);Madab中圈分类号:TM936文

2、献标识码:A文章编号:1002-6673(2006)03-045-030引言9热曲轴是内燃机最重要的零件之一，它的性能如何直接影响着发动机的寿命与可靠性。内燃机工作时，曲轴受到交变的弯曲和扭转的联合作用，主要破坏形式为疲劳破信号处理电路吓}瘾坏。经过有关科研人员的长期观察与研究，曲轴过渡圆角然*Al主部位出现疲劳裂纹前，该部位的残余应力为拉应力时，会趁彼器放大器渔，雄竺声龙鱼亚可降低曲轴疲劳强度。因此在曲轴使用过程中，我们期望能圈1益机枉圈方便的、无损的测量出圆角部位的残余应力状态与大小，以便能够对曲轴的早期疲劳损伤状况作出预测。人工神经网络RBF1广义RBF(

3、ArtificialNeuralNetwork)神经方法。网络广义RBF网络的拓扑结构如图2所德国物理学家Barkhausen在1919年发现，若将一示。划I!练样本N个;导体线圈置于材料表面，并对材料施以交变磁化场，则输人层有M个神经物入层恤含层物出层材料畴壁的不可逆跳跃将在线圈内感应一系列类似于噪元;输出层有J个神声的电压脉冲信号。这一现象称为巴克豪森效应，相应圈2广义RBF神经网络经元;但隐含层有I磁噪声称巴克豪森噪声，简称MBN。巴克豪森噪声的强(I

4、,HRC,Dg,...，H)(1)的中心，t;[tu,ti2,.**,ti...tm.](i=1,2,---,I)。此外，在输式中:。一材料内部应力;HRC一料表面洛氏硬度;出单元还设置了阑值小。，其目的是令隐含层的一个神经Dg一材料平均晶粒直径;H一外磁场的磁场强度。因此，元Go的输出始终恒为一，从而输出单元与其相连的权值由BN与。之间的函数关系可以方便的对曲轴的残余应为、。训练样本集为X=[Xl,X2,".,Xk,".,XJ，任一训练力进行无损检测。为此在设计中设计了图1所示的残余样本为Xk=[Xkl,Xk2,.-，Xk--,XkF}，对应的实际输出为Yk=

5、应力无损检测装置。[Yki,Yk2,*',Yki,'',YkJ]，此时期望是输出为dk=[dkl,dk2,...,dk,,由于材料在激磁过程中释放的MBN信号随的材料...,dki](j=1,2,⋯，N)。当网络输人训练样本X‘时，网内部的应力变化关系是一个复杂的非线性关系，很难以络第j个输出神经元的实际输出为:某个解析式或其它显式关系进行表达，因此我们采用了tyk;(X,O=w.i+乏wi;cp(Xk,0，(i=1,2,...J)(2),=1收稿日期2006-03-032Barkhausen噪讯智能分析系统作者简介侯瑞生(1977-)，男，助教。主要从事机械电

6、子技术研究与教学工作，发表论文5篇。智能网络分析系统主要由数据接收处理模块、神经45·产品与市场·网络学习与处理模块和通信设置模块等三部分组成。矢量的个数相同，因此各层神经元的个数决定于输人的2.，数据接收处理模块样本矢量数的多少。为了使应力与BN信号间的对应关数据处理的目的是去除信号中的噪声和提取有用的系的逼近精度足够，要求网络隐层神经元的个数要足够特征向量。BN信号波形特征的包络线峰峰值VW、频率多。神经网络的输人是测得的BN信号特征值丐、E.特征f,,f2与利用式‘___tt1o2得到的半高宽对于整个信号万、万。特征参数石、万、万作为识别信号，用来确定BN

7、信号的变化是否受内应力的影响;V.为BN信号包络线的占空比七，是反映应力影响的主要特征参量。从数据峰值，用于确定BN信号与材料内部应力值间的对应关采集系统的信号中，提取出这四个特征参量，利用式系。神经网络的输出为材料或试件的内部应力值。(3)递推平均滤波法编制计算机程序:n-l艺网络学习训练输入样本集为实验测得的BN信号特门旧(3)征值VPp,E,,f,T,-，图4为实验系统方框图，输出目标Yn、一依次递推i次的采样值;Y.一计算得出集是利用其他方法测得计算机卜一闷侧试仪被侧试件X射线应的本次采样值;n一递推平均项数。将平滑处理后的VPP,力侧试仪的材料应力石,

8、f,,f2作为采样值提供