一种非均质轴类工件最大缺陷的评估方法

技术领域

本发明涉及材料微观分析领域，具体涉及一种通过扫描图像预测非均质轴类工件中最大缺陷的分析评估方法。

背景技术

材料的最大缺陷尺寸信息，多是通过显微CT扫描并重构获取试样内部缺陷的尺寸信息，再通过统计极值(SEV)模型计算最大缺陷尺寸。然而，在大型锻轴中，缺陷的分布规律一般为从外到内逐渐变化，而通过常规的统计极值(SEV)模型预测大型锻轴的最大缺陷尺寸时，由于大型锻轴各区域缺陷分布并不均匀，预测值与实际值误差过大。

发明内容

本发明提供一种非均质轴类工件中最大缺陷的评估方法，以解决现有技术中：锻轴各区域缺陷分布不均匀，最大缺陷尺寸预测值偏差过大的问题。

本发明提供的一种非均质轴类工件中最大缺陷的评估方法，包括如下步骤：

S101：在锻轴上设置径向分别距表面不同距离位置处取多组试样；

S102：通过显微CT获取各试样内部缺陷的三维信息，将获得的缺陷三维信息进行三维重构，通过三维重构获取三维图像，根据三维图像获取各试样内部各缺陷的长度值；

S103：将各长度值导入预设的统计极值(SEV)模型，通过统计极值(SEV)模型获取内部各缺陷的位置参数δ和尺度参数θ；

S104：将SEV方法中的位置参数δ和尺度参数θ与试样距离表面的距离值进行拟合，得到位置参数δ和尺度参数θ与距离值的关系式；

S105：将圆环厚度按预设的厚度Δr分为多个样本圆环，根据S104中的关系式获取各样本圆环对应的位置参数δ和尺度参数θ；

S106：计算各样本圆环体积，根据各样本圆环体积、位置参数δ和尺度参数θ，通过统计极值(SEV)模型分别计算各样本圆环对应的最大缺陷的尺寸；获取真实值。

优选的，还包括如下步骤：

S107：将步骤S106中的真实值作为轴类工件各缺陷的长度值，根据步骤S103的方式计算轴类工件的位置参数δ和尺度参数θ；

S108：测量锻轴的半径R；根据步骤S107中的Δr、轴类工件的位置参数δ和尺度参数θ，以及锻轴的半径R，通过公式计算锻轴整体的最大缺陷尺寸：

再优选的，还包括Δr的确定方法：

在步骤S107和步骤S108之间：还包括：

a:根据各样本圆环体积、轴类工件的位置参数δ和尺度参数θ，通过统计极值(SEV)模型分别计算各样本圆环对应的最大缺陷的尺寸；获取预测值；

b：计算真实值和预测值的相关性系数；

c：调整Δr值，获取多组真实值和预测值、以及对应的相关性系数，并获取Δr和相关性系数之间的关系式；选取相关性系数最接近1时的Δr，并选取此时的轴类工件的位置参数δ和尺度参数θ；

d：将步骤c中的Δr、轴类工件的位置参数δ和尺度参数θ作为选取的计算数值，并进行步骤S108的锻轴整体的最大缺陷尺寸计算。

优选的，在步骤a中，样本圆环中的最大缺陷尺寸用下式进行预测：

X

y＝-ln(-ln(p)) (10)；

其中p代表真实值的累积概率，定义为：

其中i代表将真实值按升序排列后单个真实值的秩，N代表真实值的总数。

优选的，在步骤S103中，借助matlab软件，使用统计极值(SEV)模型进行位置参数δ和尺度参数θ的预测，其概率密度函数表示为：

其中R(x)代表最大缺陷尺寸不大于x的概率，δ代表位置参数，θ代表尺度参数，

体积V中最大缺陷尺寸借助下式计算：

X

其中最大缺陷重现周期T表示为：

其中V代表控制体积，V

优选的，在步骤S106中，通过公式5、6计算得出不同圆环中最大缺陷尺寸，

将之作为真实值。

X

其中V

V＝π[(R-r+Δr)

其中R代表大型锻轴的半径。r代表圆环内径的半径，h代表试样高度。

本发明提供的锻轴最大缺陷的评估方法与现有技术相比，具有以下有益效果：

上述锻轴最大缺陷的评估方法，将缺陷分布不均匀的锻轴由外到内分割为多个圆环，并通过统计极值(SEV)模型和拟合的方式获取不同圆环的位置参数δ和尺度参数θ，再通过位置参数δ和尺度参数θ预测各圆环的最大缺陷的尺寸，通过上述方式进行预测，平衡不同圆环体积与缺陷分布不均之间的关系，解决了传统的统计极值(SEV)模型无法预测非均匀试样中的最大缺陷尺寸，建立一个新的预测模型，使之可以直接用于非均质轴类工件中最大缺陷尺寸的预测。

同时，在预测过程中获取各圆环分别的最大缺陷尺寸，在锻轴使用过程中，不同圆环受力也不同，分别预测不同圆环的最大缺陷尺寸也便于后续的损伤分析。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

显而易见地，下面描述中的附图仅仅是本发明的一些具体实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明实施例1中大型锻轴的立体结构示意图。

图2为本发明实施例1中部分试样显微CT扫描后的切片图。

图3为本发明实施例1中根据显微CT扫描三维重构后缺陷的三维图像照片。

图4为本发明实施例2中，根据实施例1获取的数据，将试样的位置信息作为横轴，将各试样的缺陷尺寸信息作为竖轴，列出的拟合图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。

基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

实施例1

对如图1所示的大型锻轴进行预测分析，预测分析的步骤如下所示：

步骤一样品制备：

使用线切割技术在图1中的大型锻轴高应力区位置处沿大型锻轴径向分别距表面(0mm、15mm、30mm、50mm、80mm、200mm)位置取六组直径2mm的圆柱型试样。

步骤二获取大型锻轴内部缺陷尺寸信息：

将六组试样使用型号为NIKON XTH 225/320的显微CT进行实验，采用的加速电压为80kv，电流85μA，曝光时间1.25s，以获取试样内部缺陷的尺寸及位置信息，主要是缺陷的长度值。经过显微CT试验后得到如图3所示的试样中缺陷二维切片信息，即扫描图片，图中深灰色部分代表缺陷，然后使用Avizo软件进行三维重构，从三维重构获取的三维图像中，三维图像如图3所示，从三维图像中获取试样内部缺陷的长度值。

步骤三统计极值(SEV)模型预测不同位置的最大缺陷尺寸，同时通过各缺陷的长度值数据，得到位置参数δ和尺度参数θ。

对经过显微CT扫描得到的试样中的缺陷尺寸信息借助matlab软件，使用极值统计(SEV)模型进行最大缺陷尺寸预测，其概率密度函数表示为：

其中R(x)代表最大缺陷尺寸不大于x的概率，Δ代表形状参数，δ代表位置参数，θ代表尺度参数。SEV在分析不同问题时形状参数Δ有不同的值，根据α值的不同将SEV分为如下三种类型：

类型1：Gumbel(α＝0,θ＞0)：

类型2：Frechet(α＞0,θ＞0)：

类型3：Weibull(α＜0,θ＞0)：

其中钢中非金属缺陷的分布符合统计极值统计(SEV)中的类型1分布。体积V中最大缺陷尺寸可以借助下式计算：

X

其中最大缺陷重现周期T可以表示为：

其中V代表控制体积，V

实施例2：

根据实施例1获取的位置参数δ和尺度参数θ，将试样的位置信息作为横轴，将各试样的缺陷尺寸信息(包括位置参数δ和尺度参数θ)作为竖轴，列出拟合图，即图4，根据图4可以看出，随着取样位置越靠近大型锻轴内部，最大缺陷尺寸呈上升趋势，可以说越靠近大型锻轴内部缺陷的尺寸越大，同时最大缺陷的变化趋势与δ、θ的变化趋势相同，参数δ、θ的值越高则最大缺陷长度的预测值越高。如图4所示通过对SEV预测方法中参数δ、θ进行二项式拟合，得出参数δ、θ与锻轴半径之间的关系式。从而可以对锻轴径向方向任意位置的δ、θ进行预测。

使用Origin软件进行拟合，从拟合结果可知，参数δ、θ与半径(试样距离表面的距离)间的关系为：

δ＝-7.44×10

θ＝-1.08×10

拟合后得到的相关性系数R

实施例3

根据实施例2中的拟合结果，在本实施例中，首先将大型锻轴的截面沿径向划分为数个厚度相同的圆环，将圆环厚度定义为Δr。然后借助上文中的拟合结果，即图4，根据圆环中部的半径，根据参数δ、θ与半径r的关系式(7)可得出该位置处的参数δ、θ作为整个圆环的参数。

δ＝-7.44×10

θ＝-1.08×10

通过公式(5)、(6)可以计算得出不同圆环中最大缺陷尺寸，将之作为真实值。

X

其中V

V＝π[(R-r+Δr)

其中R代表大型锻轴的半径。r代表圆环内径的半径，h代表试样高度。

实施例4：

将实施例3得到的真实值，即不同圆环的最大缺陷尺寸作为一个样品中的不同缺陷的长度值，也即真实值带入SEV极值统计模型中得到新的δ、θ值，该新的δ、θ作为大型锻轴整体的δ、θ。

根据得到的新的δ、θ值，不同圆环中的最大缺陷尺寸X

X

y＝-ln(-ln(p)) (10)

其中p代表真实值的累积概率，可以定义为：

其中i代表将真实值按升序排列后单个真实值的秩，N代表真实值的总数。

将Δr分别取值0.02mm,0.05mm,0.1mm,0.2mm,0.5mm,1mm,2mm,3mm和5mm，获取多组预测值和真实值，并分别计算不同Δr时真实值与预测值之间的相关性系数。计算得到表2中不同Δr下真实值与预测值之间的相关性系数R

表2.不同Δr下的相关性系数。

因此当Δr＝0.1时可以直接使用SEV方法预测该大型锻轴中的最大缺陷尺寸，同时可以将SEV预测模型中公式6中的最大缺陷重现周期T改为公式12:

因为当Δr＝0.1时最大缺陷尺寸的预测值最接近实际值，将Δr＝0.1代入公式12，最终根据下式计算得到本研究中大型锻轴中的最大缺陷尺寸为260.4μm。

当然，以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内，理应受到本发明的保护。