[发明专利]一种金属板板形残余应力分布特征获取方法及系统

权利要求书

1.一种金属板板形残余应力分布特征获取方法，其特征在于，所述方法包括：

获取金属板各子区域的板形数据及其对应各子区域残余应力值的分布等级；

构建基于卷积神经网络的板材子区域残余应力的分布等级预测网络模型；

利用各所述子区域的板形数据及其对应子区域残余应力的分布等级数据训练所述分布等级预测网络模型；

采集生产现场的金属板板形各子区域板形数据并输入至训练后的所述分布等级预测网络模型中，输出金属板各个子区域残余应力分布等级；根据所述板形子区域残余应力分布等级绘制金属板板形残余应力分布特征图。

2.根据权利要求1所述的方法，其特征在于，所述获取金属板各子区域的板形数据及其对应各子区域残余应力值的分布等级，具体包括：

采用工业相机采集板材图像数据或用结构光扫描仪采集板材平面高度点云数据矩阵作为金属板的板形数据；

设置滑动窗口，对所述板形数据的数据矩阵通过移动所述滑动窗口提取每一所述滑动窗口内的数据矩阵，得到多个大小相等的子区域板形数据块。

将所述子区域板形数据块所对应金属板的位置区域进行残余应力的测量，获得子区域残余应力分布值；

依据金属板残余应力分布值范围对应的预设残余应力分布等级，将所述子区域残余应力分布值赋予残余应力分布等级值。

3.根据权利要求1所述的方法，其特征在于，所述基于卷积神经网络的板材子区域残余应力的分布等级预测网络模型包括5层结构；

第1层包括一个卷积核为3×3×16，步长为1的卷积层和一个最大池化层；

第2层包括1个卷积核为3×3×32，步长为1的卷积层和4个残差模块，每个所述残差模块包括2个卷积核为3×3×64，步长为1的卷积层；

第3层包括1个卷积核为3×3×128，步长为2的卷积层和4个残差模块，每个所述残差模块有2个卷积核为3×3×128，步长为1的卷积层；

第4层包括括1个卷积核为3×3×256，步长为2的卷积层和3个残差模块，每个所述残差模块包括2个卷积核为3×3×256，步长为1的卷积层；

第5层包含一个平均池化层和一个全连接层并经Softmax层输出结果。

4.根据权利要求3所述的方法，其特征在于，每一所述卷积层均连接批标准化层；采用的激活函数为Leaky RELU激活函数。

5.根据权利要求4所述的方法，其特征在于，所述Leaky RELU激活函数的表达式为：

其中，桔为神经元的输入，为一个常数。

6.根据权利要求1所述的方法，其特征在于，所述分布等级预测网络模型损失函数为：

其中，桔为随机分布的样本值，p为样本桔的期望概率分布，q为样本桔的实际概率分布。