铁磁构件的应力评估方法、装置、设备及存储介质

摘要: 本发明涉及金属无损检测,尤其涉及一种铁磁构件的应力评估方法、装置、设备及存储介质。背景技术:1、铁磁构件在服役器件受拉伸、弯曲、疲劳或局部接触载荷作用时,内部磁...
铁磁构件的应力评估方法、装置、设备及存储介质

本发明涉及金属无损检测,尤其涉及一种铁磁构件的应力评估方法、装置、设备及存储介质。

背景技术:

1、铁磁构件在服役器件受拉伸、弯曲、疲劳或局部接触载荷作用时,内部磁畴结构会发生不可逆重排,并在应力集中区域形成局部磁异常。通过检测构件表面的磁记忆信号的变化规律,能够对铁磁构件早期应力集中区域开展无损检测,为结构安全评估和早期损伤识别提供依据。

2、金属磁记忆(metal magnetic memory,mmm)检测技术是一种基于铁磁材料在工作载荷与地磁场共同作用下形成自发漏磁场分布规律的无损检测方法。在地磁场环境下,铁磁性材料受载荷作用而产生的力磁效应会影响空间漏磁场的分布。通过检测漏磁场的磁记忆信号分布,可用于铁磁材料的早期损失状态评价。

3、然而,目前在检测过程中,需要工程人员结合磁记忆曲线形态、峰值位置及梯度变化进行综合判断,检测结果有一定的主观性,从而导致检测结果不准确。

技术实现思路

1、本发明实施例提供了一种铁磁构件的应力评估方法、装置、设备及存储介质,以解决目前的检测方法检测不准确的问题。

2、第一方面,本发明实施例提供了一种铁磁构件的应力评估方法,包括:

3、获取待评估铁磁构件的原始磁记忆信号,并对所述原始磁记忆信号进行预处理;

4、对预处理后的原始磁记忆信号进行多维特征提取,得到多维磁记忆特征向量;

5、将所述多维磁记忆特征向量输入至预先训练的多层分类应力评估模型中,以得到所述待评估铁磁构件的评估结果;

6、其中,所述多层分类应力评估模型包括异常检测模型、缺陷位置识别模型和应力集中程度评估模型,仅当所述异常检测模型确定所述待评估铁磁构件存在缺陷时,则基于所述缺陷位置识别模型确定所述待评估铁磁构件的缺陷位置,当所述缺陷位置识别模型确定所述待评估铁磁构件的缺陷位置后,则基于所述应力集中程度评估模型确定所述待评估铁磁构件的应力集中程度。

7、在一种可能的实现方式中,所述原始磁记忆信号为法向磁记忆信号;

8、所述对预处理后的原始磁记忆信号进行多维特征提取,得到多维磁记忆特征向量,包括:

9、计算预处理后的法向磁记忆信号的梯度信号;

10、对预处理后的法向磁记忆信号和所述梯度信号分别进行多维特征提取,得到多维磁记忆特征向量。

11、在一种可能的实现方式中,所述对预处理后的法向磁记忆信号和所述梯度信号分别进行多维特征提取,得到多维磁记忆特征向量,包括:

12、提取所述预处理后的法向磁记忆信号的磁记忆信号特征;其中,所述磁记忆信号特征包括信号时域幅值统计特征、信号能量特征、信号频域特征、信号小波域特征和信号形态特征;

13、提取所述梯度信号的梯度增强特征;其中,所述梯度增强特征包括梯度统计特征、梯度能量特征、梯度变化率特征和梯度曲率特征;

14、将所述磁记忆信号特征和所述梯度增强特征进行融合,得到所述多维磁记忆特征向量。

15、在一种可能的实现方式中,所述将所述多维磁记忆特征向量输入至预先训练的多层分类应力评估模型中,以得到所述待评估铁磁构件的评估结果,包括:

16、将异常检测特征子集输入至所述异常检测模型,若确定所述待评估铁磁构件存在缺陷,则将缺陷位置特征子集输入至所述缺陷位置识别模型;

17、在确定所述待评估铁磁构件的缺陷位置后,将应力集中特征子集,输入至所述应力集中程度评估模型,得到所述待评估铁磁构件的应力集中程度;

18、其中,所述异常检测特征子集、所述缺陷位置特征子集和所述应力集中特征子集是基于各候选特征分别在异常检测模型、缺陷位置识别模型和应力集中程度评估模型的训练过程中节点分裂产生的增益值的贡献度,从所述多维磁记忆特征向量中筛选出来的,所述候选特征为所述多维磁记忆特征向量中的任意一个特征。

19、在一种可能的实现方式中,所述异常检测特征子集包括信号时域幅值统计特征、信号能量特征、信号小波域特征、梯度统计特征和梯度能量特征;

20、所述缺陷位置特征子集包括信号时域幅值统计特征、信号能量特征、信号频域特征、信号小波域特征、信号形态特征、梯度统计特征和梯度变化率特征;

21、所述应力集中特征子集包括信号时域幅值统计特征、信号能量特征、梯度统计特征、梯度变化率特征和梯度曲率特征。

22、在一种可能的实现方式中,所述异常检测特征子集包括磁异常响应的最大幅值、磁异常响应的最小幅值、磁异常响应的标准差、磁异常响应的均方根值、磁异常响应的峰峰值、磁异常区域整体能量、磁异常区域整体响应强度、不同尺度磁信号的小波能量、不同尺度磁信号的小波熵、梯度信号的梯度最大值、梯度信号的梯度均方根和梯度信号的梯度能量;

23、所述缺陷位置特征子集包括磁异常响应的峰峰值、磁异常区域整体响应强度、磁信号频谱主频、磁信号频谱质心、不同尺度磁信号的小波能量、不同尺度磁信号的小波熵、磁信号波形形态的峰谷距离、磁信号波形形态的峰谷幅值比、磁信号波形形态的零交叉次数、梯度信号的梯度最大值、梯度信号的梯度标准差、梯度变化率的梯度峰值位置、梯度变化率的梯度峰谷间距、梯度变化率的梯度峰值变化程度和梯度变化率的梯度积分面积;

24、所述应力集中特征子集包括磁异常响应的均方根值、磁异常响应的峰峰值、磁异常区域整体能量、磁异常区域整体响应强度、梯度信号的梯度最大值、梯度信号的梯度均方根、梯度变化率的梯度峰值变化程度和梯度变化率的梯度积分面积、梯度曲率最大值和梯度曲率标准差。

25、在一种可能的实现方式中,所述对所述原始磁记忆信号进行预处理,包括:

26、依次对所述原始磁记忆信号进行插值重采样、滤波和标准化处理。

27、第二方面,本发明实施例提供了一种铁磁构件的应力评估装置,包括:

28、获取模块,用于获取待评估铁磁构件的原始磁记忆信号,并对所述原始磁记忆信号进行预处理;

29、提取模块,用于对预处理后的原始磁记忆信号进行多维特征提取,得到多维磁记忆特征向量;

30、评估模块,用于将所述多维磁记忆特征向量输入至预先训练的多层分类应力评估模型中,以得到所述待评估铁磁构件的评估结果;

31、其中,所述多层分类应力评估模型包括异常检测模型、缺陷位置识别模型和应力集中程度评估模型,仅当所述异常检测模型确定所述待评估铁磁构件存在缺陷时,则基于所述缺陷位置识别模型确定所述待评估铁磁构件的缺陷位置,仅当所述缺陷位置识别模型确定所述待评估铁磁构件的缺陷位置后,则基于所述应力集中程度评估模型确定所述待评估铁磁构件的应力集中程度。

32、第三方面,本发明实施例提供了一种电子设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行该计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式中的方法。

33、第四方面,本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式中的方法。

34、第五方面,本发明实施例提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式中的方法。

35、本发明实施例中,为了能够提高检测准确度和检测效率,通过从预处理后的原始磁记忆信号中提取多维磁记忆特征向量,并将多维磁记忆特征向量输入至预先训练的多层分类应力评估模型中,以得到待评估铁磁构件的评估结果。为了提高磁记忆信号的自动化识别水平,构建了同时包括异常检测模型、缺陷位置识别模型和应力集中程度评估模型的多层分类应力评估模型,将异常检测、缺陷定位与应力集中程度评估有机融合,形成了由粗到细的层次化智能评估流程,能够提高磁记忆信号的评估准确度。