基于声发射的激光冲击强化表面硬度智能监测

作者：秦锐; 张志芬^*; 李耿; 都正尧; 温广瑞; 何卫锋

来源：振动.测试与诊断, 2023, 43(04): 746-832.

DOI：10.16450/j.cnki.issn.1004-6801.2023.04.017

• 激光冲击强化
• 声发射
• 表面质量监测
• 倒频谱分析
• 神经网络

为了实现激光冲击强化过程中材料表面显微硬度的实时评价，提出了一种结合声发射技术和机器学习技术的用于7075铝合金板材表面/次表面硬化率的在线监测方法。首先，通过离线硬度检测构建了表征材料表面硬化的综合指标——亚表面硬化率；其次，利用模态声发射理论实现了基于反对称A0模态的梅尔倒谱时频图特征提取；然后，构建了融合多个感受野和注意力机制的神经网络质量评估模型；最后，通过激光冲击强化的实测数据对所提出方法的有效性和可行性进行了验证。实验结果表明，提取的时频图特征中具有更丰富的细节信息，相比于传统的神经网络，所提出模型的平均准确率最高达到了97.41%。

• 单位
  西安交通大学; 空军工程大学