[發(fā)明專利]一種音頻法的多模態(tài)鑄鐵工件質(zhì)量的檢驗方法在審
| 申請?zhí)枺?/td> | 202010582110.9 | 申請日: | 2020-06-23 |
| 公開(公告)號: | CN111751452A | 公開(公告)日: | 2020-10-09 |
| 發(fā)明(設計)人: | 徐從裕 | 申請(專利權)人: | 徐從裕 |
| 主分類號: | G01N29/44 | 分類號: | G01N29/44;G01N29/12 |
| 代理公司: | 安徽合肥華信知識產(chǎn)權代理有限公司 34112 | 代理人: | 張果果 |
| 地址: | 230002 安徽省合肥市*** | 國省代碼: | 安徽;34 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 音頻 多模態(tài) 鑄鐵 工件 質(zhì)量 檢驗 方法 | ||
1.一種音頻法的多模態(tài)鑄鐵工件質(zhì)量的檢驗方法,其特征在于:包括以下步驟:
(1)、選取待檢測鑄鐵工件的特征檢測頻率點,具體步驟如下:
(1.1)、構建待檢測鑄鐵工件的模型,并將模型導入到有限元分析軟件中,利用有限元模態(tài)分析模塊對模型進行模態(tài)分析,并對待檢測鑄鐵工件對應的模型進行網(wǎng)絡化劃分;
(1.2)、通過步驟(1.1)對待檢測鑄鐵工件的模型進行模態(tài)分析,確定模型各階模態(tài)的性質(zhì),將模型的各階模態(tài)劃分為對稱模態(tài)和孤立模態(tài);
(1.3)、將按步驟(1.2)劃分至對稱模塊的各階模態(tài)、劃分至孤立模態(tài)中的各階模態(tài),分別根據(jù)模態(tài)頻率值從小到大進行排序;
(1.4)、從孤立模態(tài)排序后的模態(tài)頻率中,優(yōu)先選取響應幅值大的模態(tài)頻率作為特征檢測頻率;
(1.5)、判斷步驟(1.4)得到的特征檢測頻率數(shù)量是否滿足要求,若不滿足要求則從對稱模態(tài)排序后的模態(tài)頻率中,優(yōu)先選擇對稱模態(tài)頻率差值大、且響應幅值大的一個模態(tài)頻率作為特征檢測頻率,以補充步特征檢測頻率數(shù)量,重復該過程直至補充后特征檢測頻率的數(shù)量滿足要求;
(1.6)、根據(jù)選擇的特征檢測頻率,確定特征檢測頻率在網(wǎng)絡化的待檢測鑄鐵工件模型上的對應點位置,并以確定的各點作為特征檢測頻率點;
(2)、構建鑄件工件質(zhì)量判定模型如下:
公式(1)中,
同時,設定判定閾值對鑄鐵工件質(zhì)量進行等級劃分,每個質(zhì)量等級給予不同的判定閾值;
(3)、按照步驟(1)得到的特征頻率檢測點,在現(xiàn)實中待檢測鑄件工件中找到相應的點作為敲擊點,分別敲擊各個敲擊點使待檢測鑄件工件產(chǎn)生音頻響應,采集每個敲擊點產(chǎn)生音頻響應時的音頻信號;
(4)、將步驟(3)采集得到的各個敲擊點的音頻信號的采樣值分別變換為特征檢測頻率值,然后將特征檢測頻率值分別代入至公式(1),計算得到待檢測鑄鐵工件的判定值
(5)、將步驟(4)計算得到的判定值
2.根據(jù)權利要求1所述的一種音頻法的多模態(tài)鑄鐵工件質(zhì)量的檢驗方法,其特征在于:步驟(1.2)中,將各階模態(tài)中有重根的模態(tài)劃分為對稱模態(tài),將各階模態(tài)中稱不具有重根的模態(tài)劃份為孤立模態(tài)。
3.根據(jù)權利要求1所述的一種音頻法的多模態(tài)鑄鐵工件質(zhì)量的檢驗方法,其特征在于:步驟(1.5)中數(shù)量滿足要求是指滿足步驟(2)中鑄件工件質(zhì)量判定模型輸入?yún)?shù)的數(shù)量要求。
4.根據(jù)權利要求1所述的一種音頻法的多模態(tài)鑄鐵工件質(zhì)量的檢驗方法,其特征在于:步驟(2)的公式(1)中,系數(shù)A1,A2,A3…An,以及常數(shù)An+1均通過大數(shù)據(jù)學習確定和修正,具體的取多個批次已知質(zhì)量等級的鑄鐵工件,獲取它們的特征檢測頻率值并輸入至公式(1)中,通過多次迭代學習最終確定和修正系數(shù)A1,A2,A3…An以及常數(shù)An+1。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于徐從裕,未經(jīng)徐從裕許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010582110.9/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 用于智能機器人系統(tǒng)多模態(tài)輸出的方法及裝置
- 一種基于深度學習的多模態(tài)醫(yī)學影像識別方法及裝置
- 一種基于多模態(tài)生成式對抗網(wǎng)絡的云圖分類方法
- 一種基于多模態(tài)信息的食道功能性疾病診斷系統(tǒng)
- 一種有監(jiān)督的快速離散多模態(tài)哈希檢索方法和系統(tǒng)
- 一種多模態(tài)數(shù)據(jù)處理方法及系統(tǒng)
- 一種基于多模態(tài)學習的電力攻擊識別方法
- 多源多模態(tài)數(shù)據(jù)的處理系統(tǒng)及應用該系統(tǒng)的方法
- 一種基于門機制多模態(tài)融合的情感分析方法
- 面向寬域飛行的多模態(tài)精確劃分方法





