[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

说明书

本发明涉及一种金属板板形残余应力分布特征获取方法及系统，包括：获取金属板子区域的板形数据及其对应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形残余应力的分布等级预测网络模型并对其训练；采集生产现场的金属板板形数据划分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并绘制金属板板形残余应力分布特征图。本发明借助卷积神经网络模型来寻找金属板板形特征与残余应力分布之间的关系，能够高效获取板材残余应力分布特征；建模简单易于实现且使用成本低，满足工业现场实时采集使用的条件。

技术领域

本发明涉及金属加工与深度学习预测残余应力分布技术领域，特别是涉及一种金属板板形残余应力分布特征获取方法及系统。

背景技术

金属板材产生缺陷的原因是由于板材内部存在残余应力或者残余应力分布不均，板材矫直的主要目的是为了减小和消除板材内部的残余应力，以达到改善板材板型和提高板材平直度的效果。故获取板材残余应力的分布特征对于板材矫直等加工显得尤为重要，目前板材残余应力测量方法根据其是否对板材造成损害可分为有损测量法和无损测量法。有损测量法常用的方法有小孔法、切条法、分层法等，有损测量法会对板材进行损害违背矫直的初衷；无损测量法是指在不伤害待测板材内部结构的前提下，利用目前已有的现代化物理技术测量板材残余应力，常见方法有X射线法、超声波法、压痕应变法等，但这些方法检测效率低，且很难在轧线上直接实时测量。

因此研究获取板材残余应力分布特征的新途径对提升板材产品加工质量有着至关重要的作用。

发明内容

本发明的目的是提供一种金属板板形残余应力分布特征获取方法及系统，能够实现工业现场实时获取板材残余应力分布特征，解决现有技术手段存在的问题，提高对金属板材加工的质量和效率。

为实现上述目的，本发明提供了如下方案：

一种金属板板形残余应力分布特征获取方法，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集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，得到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。

可选的，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；

可选的，所述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卷积层；