机械零件应力腐蚀检测方法与流程

1.本发明涉及人工智能领域，具体涉及一种机械零件应力腐蚀检测方法。


背景技术：

2.恒载荷法是试验过程中试样加载载荷保持不变的一种评价方法与光滑试样相同，亦属于通过/失败类评价方法，可用于材料的合格性验收。将试样的一端固定，另一端加上恒定的拉伸静载荷，然后将试样浸泡在腐蚀介质中，记录scc发生的时间。由于裂纹萌生后，应力水平不断增加，裂纹加速扩展，因此无法获得裂纹扩展速率等信息，因此观测恒载荷scc的时间成本较高，且无法提前观测裂纹扩展信息。恒载荷法多在高压环境下进行多种材料或研究多种变量对应力腐蚀敏感性试验，费用较高。


技术实现要素：

3.为了克服上述现有技术的缺点，本发明采用以下技术方案：一种机械零件应力腐蚀检测方法，包括以下步骤：步骤一：在一种材料的初次批量测试中，使用恒载荷法以不同应力强度测量多个材料，构建恒定载荷下的scc发生时间和析氢特征序列；步骤二：分析不同测试组的析氢序列的置信度，确定样本间的序列相似度，从而训练tcn；步骤三：在后续的材料试验中使用tcn预测scc的发生时间，从而提前提醒使用者观测金属样本的腐蚀情况。
4.进一步，步骤一具体为：使用恒载荷测量装置，进行恒载荷scc时间测量，同时得到应力计读数和析氢过程图像序列，scc恒载荷测量装置由待测材料和两端固定端组成，将其施加预应力，并浸入腐蚀性溶液中，模拟金属的腐蚀老化过程，并观测断裂现象的发生时间，对每次消泡的图像序列进行处理，得到析氢特征向量，构建每个测试的作为该次测试的特征数据。
5.进一步，步骤二具体为：计算析氢气泡序列置信度，确定样本间序列相似度，使用k=2的kmeans算法，基于上述样本距离得到二分类结果，其中簇内评价scc时间小的一组作为短期预测组，另一组作为长期预测组。
6.进一步，步骤三具体为：对所有样本使用长时间和短时间tcn，基于前期提到的析氢特征s，比对tcn的预测残差，若长时间的tcn的s预测结果残差比短时间的更小，则认为该样本是长时间腐蚀的样本，在其余样本发生scc之前可以不观察该样本，反之观察该样本，因为该样本有可能是较短时间发生scc的样本。
7.本发明的有益效果是：通过分析图像的析氢特征来反应腐蚀过程的特征，并对未来的腐蚀速率进行预测，辅助人工判断是否要开始重点观测。
附图说明
8.图1是本发明示意图。
具体实施方式
9.下面结合附图和实施例对本发明进行详细的描述。
10.步骤一：在一种材料的初次批量测试中，使用恒载荷法以不同应力强度测量多个材料，构建恒定载荷下的scc发生时间和析氢特征序列。
11.使用如图1的恒载荷测量装置，进行恒载荷scc时间测量，同时得到应力计读数和析氢过程图像序列。scc恒载荷测量装置由待测材料和两端固定端组成，将其施加预应力，并浸入腐蚀性溶液中，模拟金属的腐蚀老化过程，并观测断裂现象的发生时间。首先实施者使用类如图中所示的测试装置，测试装置包含常规恒载荷方法需要的应力计、施力机构等，还额外加入了震动装置，用于晃动测量装置使其消除析氢反应带来的气泡。因此，实施者使用与常规恒载荷测试方法相同的流程操作即可。本发明中，测试装置与常规的测试装置不同之处在于加入了震动装置，实施者基于经验给定一个时间间隔t，使得装置能够在金属表面发生析氢反应时，一定量气泡附着在金属表面而不大量上浮时开启震动装置，使得附着的气泡脱离金属表面。其作用是为了通过图像特征分析析氢的速率特征。因此在该过程中需要定时启动振动单元，从而对表面析氢气泡的消泡。所述振动单元可以与实验容器向紧贴，对容器施加各个方向的振动，亦可将多个实验容器装载至一种试验台上，定时震动移动试验台来达到消泡的目的。在震动启动前，采集一帧图像作为该样本的析氢特征图像，其中n为第n次采集。对于消泡的具体机理和机械装置是现有技术中常见的，故不在本发明中继续讨论。至此，得到了每次消泡过程前的图像序列,振动过后的图像、测试刚开始时的图像，以及scc时间t，其中n为scc发生前的采集次数。对每次消泡的图像序列进行处理，得到析氢特征向量。对每个图像样本进行如下处理，提取析氢特征。该特征是一种反应一个时间段内析氢速率的强度特征。若为第一次，则基于一个金属件后得到的初始图象,反之基于上一次振动过后的图像,对当前第n次采集的图像进行图下操作。由于观测过程时间很长，因此采集环境中的图像的溶液颜色、浑浊度等可观测的图像指标会出现较大的变化，因此使用如下特征构建帧差图像，从而对其进行析氢特征的描述：首先对初始图像和待处理图像进行中值滤波处理，用于对采集的图像噪声进行简单降噪，消除较为明显的椒盐噪声，降低金属表面的腐蚀纹理等特征对后续评价的影响。中值滤波的核大小为5为宜，实施者可以根据具体的图像质量和分辨率进行微调，或略过该步骤。
12.对三通道rgb图像做如下处理：，（由于金属的锈蚀颜色可能时彩色的即使用三个通道中最暗的值作为最终灰度图的像素
值。其目的是，由于气泡的反射特性导致气泡边缘的饱和度较低，因此可以通过降低对颜色的响应强度，颜色越鲜艳像素值越暗，降低金属锈蚀后颜色对后续气泡判断的影响，提高气泡的边缘像素的局部对比度。）对预处理后的图像进行边缘特征提取：构建sobel算子的两个方向卷积核gx和gy，并对原图进行卷积操作，得到x方向和y方向的边缘响应，对两张图象的边缘响应进行求和，得到各个方向的边缘响应。至此，分别得到处理后的图像,，由于原图的金属表面和腐蚀后的金属表面的气泡的边缘强度关系是原图金属表面的边缘强度低于气泡部分的边缘强度，因此使用如下方式评价金属析氢带来的析氢特征：对像素是否属于气泡进行判断，，计算评价指标其中s越大意味着附着气泡越多，当前时间段的析氢速率较大。重复上述过程，结束后对s进行如下处理：,得到的是s相对于第一次析氢评价指标的倍率：至此得到析氢特征s。至此，构建每个测试的作为该次测试的特征数据。
13.步骤二：分析不同测试组的析氢序列的置信度，确定样本间的序列相似度，从而训练tcn。由于析氢过程中部分金属样品在不同应力下的scc特性不同：计算析氢气泡序列置信度，由于析氢特征s只能体现一定程度上的析氢速率和反应强弱，对于一些样本无法完全线性地基于反应速率预测scc时间，因此需要训练tcn来得到scc发生的预测结果，而每个样本的序列的模式有一定的平滑变化的规律，因此基于s的变化特征可以对样本的类别、重要性进行调整。首先计算气泡序列的置信度，消除序列中不可信的观测结果，从而保证该序列与其它序列之间的关联正确性。置信度的计算方式是：由于scc测试过程中腐蚀的速率无法保证是递增的，因此评价指标s有如下规律：若金属在腐蚀过程中形成致密氧化层，则s先大后小最终可能变大，若不形成致密氧化层，则s自小到大，因此上述规律必然符合三次三项式拟合：.将s代入m，进行最小二乘法拟合，最终得到每个s相对于最终的m的残差r。本实施例中，舍弃top-25%的残差大的样本，重新拟合m。实施者根据实验中的采样个数n进行调整，本实施例中n最小的序列的n为20。最终得到残差之和r和模型m，由于为反应初期的气泡特征，具有绝对的准确率，因此,conf的值域在[0,1]。其中为拟合结果和实际的差异大小，r为剔除残差大的样本后拟合的m中，s相对于m的残差之和。确定样本间序列相似度，每个样本都是同一种金属，而应力的大小不同导致析氢速率会在某一时刻发生较大的变化，其原因是scc的本质是应力拉伸加剧金属在腐蚀环境中的氧化反应，从而令微裂痕区域的接触面不断扩大，因此需要对每个应力下的金属的腐蚀序列建立相似度模型，
找到因微裂痕而明显加速腐蚀进而导致scc的一组样本。在此构建相似度模型:，其中ppmcc为两个s特征的序列相似度，两者若呈相呼应的关系，则认为两者发生scc的加速腐蚀时期相似，速度相似，否则意味着微裂痕区域导致加速腐蚀的时间点和具体的加速现象不同。trunc为截断函数，在此定义trunc的方式为小于0截断为0，进而trucn的值域位于[0,1]。其中两置信度的分式代表了两个置信度的差异比，若差异比越大，则意味着两者的拟合效果越差,置信度值域[0,1]。至此，完成了两个样本之间的相似度比较，相似度的值域范围在将相似度转为样本距离：,使用k=2的kmeans算法，基于上述样本距离得到二分类结果，其中簇内评价scc时间小的一组作为短期预测组，另一组作为长期预测组。分别对scc大和小的两组构建tcn的训练样本。tcn的causal convolution窗口大小为5，实施者应根据实际的消泡频率适当调整窗口大小。其中时间大的一组使用当前序列中未来的第5个s值作为预测值，时间小的一组使用未来的第2个s值作为预测值。实际的未来第n个的数值的选择由实施者根据待测材料的scc时间来选择。其中未来预测值的定义是：以时间大的一组为例，当tcn的窗口滑动到时，tcn当前时刻的标签为.使用不同的未来预测值的原因是：若scc时间较长，则意味着该腐蚀过程中存在如下现象：微裂痕出现的时间较晚，主要因素是施加的应力较小，因此可以加大tcn的预测提前量。反之减小tcn的预测提前量，帮助研究者预先观测腐蚀情况。本发明使用tcn进行未来数值的预测，训练tcn的方式为输入序列的前一部分，并将序列的下n个值作为标签，使得tcn能够学习到当前序列模式下的下n个预测值。由于tcn的训练方式，网络规模是众所周知的，本发明不再赘述。tcn的损失函数为均方差loss，由于tcn的样本量较小，需要扩增样本，同时要保证小样本的分布符合scc实际测试时的特征，本发明使用两样本两两混合并对监督loss加权的方式：具体做法为：确定一个批量的样本中每个样本的权重q：首先挑出同一簇的样本，选择其中两个计算，并基于两者置信度的比例进行混合：a,b的置信度比例计算方式为，从而得到两个样本的混合比例，由于ab两样本的长度不同，因此截断最长的样本到最短样本的长度，得到模型，得到混合样本，对应的样本权重q计算方式与前面给出的置信度conf计算方式相同，当自己混合自己时，权重为1。本实施例中，批量大小为32，对于权重q需要归一化整个批量对应的q，使得所有q相加和为1，得到缩放系数，对一个批量中的每个样本loss乘以e，使得总loss中每个样本的权重是
不一样的：，此处调节loss权重的目的是，对于增广的样本，由于一些样本的相似度较低，混合后的样本虽然在一定程度上有合理性，但不能保证所有样本都是合理的，因此以簇之间的相关性为基础，叠加两个样本混合后的相关性，得到最终的权重q，基于一个批量中的q做归一化，从而保证训练过程中不会因样本的噪声出现欠拟合现象，同时基于每个腐蚀过程的s的扩增结果克服样本过少导致的过拟合现象。
[0014]
步骤三：在后续的材料试验中使用tcn预测scc的发生时间，从而提前提醒使用者观测金属样本的腐蚀情况。对所有样本使用长时间和短时间tcn，基于前期提到的析氢特征s，比对tcn的预测残差，若长时间的tcn的s预测结果残差比短时间的更小，则认为该样本是长时间腐蚀的样本，在其余样本发生scc之前可以不观察该样本，反之观察该样本，因为该样本有可能是较短时间发生scc的样本。
[0015]
以上实施例仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

技术特征：
1.一种机械零件应力腐蚀检测方法，其特征在于，包括：步骤一：在一种材料的初次批量测试中，使用恒载荷法以不同应力强度测量多个材料，构建恒定载荷下的scc发生时间和析氢特征序列；步骤二：分析不同测试组的析氢序列的置信度，确定样本间的序列相似度，从而训练tcn；步骤三：在后续的材料试验中使用tcn预测scc的发生时间，从而提前提醒使用者观测金属样本的腐蚀情况。2.根据权利要求1所述一种机械零件应力腐蚀检测方法，其特征在于，步骤一具体为：使用恒载荷测量装置，进行恒载荷scc时间测量，同时得到应力计读数和析氢过程图像序列，scc恒载荷测量装置由待测材料和两端固定端组成，将其施加预应力，并浸入腐蚀性溶液中，模拟金属的腐蚀老化过程，并观测断裂现象的发生时间，对每次消泡的图像序列进行处理，得到析氢特征向量，构建每个测试的作为该次测试的特征数据。3.根据权利要求2所述一种机械零件应力腐蚀检测方法，其特征在于，步骤二具体为：计算析氢气泡序列置信度，确定样本间序列相似度，使用k=2的kmeans算法，基于上述样本距离得到二分类结果，其中簇内评价scc时间小的一组作为短期预测组，另一组作为长期预测组。4.根据权利要求3所述一种机械零件应力腐蚀检测方法，其特征在于，步骤三具体为：对所有样本使用长时间和短时间tcn，基于前期提到的析氢特征s，比对tcn的预测残差，若长时间的tcn的s预测结果残差比短时间的更小，则认为该样本是长时间腐蚀的样本，在其余样本发生scc之前可以不观察该样本，反之观察该样本，因为该样本有可能是较短时间发生scc的样本。5.根据权利要求4所述一种机械零件应力腐蚀检测方法，其特征在于，步骤二进一步为：若金属在腐蚀过程中形成致密氧化层，则评价指标s先大后小最终可能变大，若不形成致密氧化层，则s自小到大，三次三项式拟合：.将s代入m，进行最小二乘法拟合，最终得到每个s相对于最终的m的残差r；舍弃top-25%的残差大的样本，重新拟合m；n最小的序列的n为20；最终得到残差之和r和模型m，,conf的值域在[0,1]；其中为拟合结果和实际的差异大小，r为剔除残差大的样本后拟合的m中，s相对于m的残差之和；确定样本间序列相似度，在此构建相似度模型:，其中ppmcc为两个s特征的序列相似度，两者若呈相呼应的关系，则认为两者发生scc的加速腐蚀时期相似，速度相似，否则意味着微裂痕区域导致加速腐蚀的时间点和具体的加速现象不同；trunc为截断函数，在此定义trunc的方式为小于0截断为0，进而trucn的值域位于[0,1]；相似度的值域范围在将相似度转为样本距离：,使用k=2的kmeans算法，
基于上述样本距离得到二分类结果，其中簇内评价scc时间小的一组作为短期预测组，另一组作为长期预测组。6.分别对scc大和小的两组构建tcn的训练样本。7.tcn的causal convolution窗口大小为5，其中时间大的一组使用当前序列中未来的第5个s值作为预测值，时间小的一组使用未来的第2个s值作为预测值，以时间大的一组为例，当tcn的窗口滑动到时，tcn当前时刻的标签为.确定一个批量的样本中每个样本的权重q：首先挑出同一簇的样本，选择其中两个计算，并基于两者置信度的比例进行混合：a,b的置信度比例计算方式为，从而得到两个样本的混合比例，由于ab两样本的长度不同，因此截断最长的样本到最短样本的长度，得到模型，得到混合样本，对应的样本权重q计算方式与前面给出的置信度conf计算方式相同，当自己混合自己时，权重为1。8.批量大小为32，对于权重q需要归一化整个批量对应的q，使得所有q相加和为1，得到缩放系数，对一个批量中的每个样本loss乘以e，使得总loss中每个样本的权重是不一样的：，此处调节loss权重的目的是，对于增广的样本。

技术总结
本发明涉及一种机械零件应力腐蚀检测方法，包括：在一种材料的初次批量测试中，使用恒载荷法以不同应力强度测量多个材料，构建恒定载荷下的SCC发生时间和析氢特征序列；分析不同测试组的析氢序列的置信度，确定样本间的序列相似度，从而训练TCN；通过分析图像的析氢特征来反应腐蚀过程的特征，并对未来的腐蚀速率进行预测，辅助人工判断是否要开始重点观测。辅助人工判断是否要开始重点观测。辅助人工判断是否要开始重点观测。


技术研发人员：王耀琼
受保护的技术使用者：南通重矿金属新材料有限公司
技术研发日：2022.04.24
技术公布日：2022/5/25