基于人工智能的波纹管拉伸测试系统的制作方法
本发明属于拉伸测试领域，涉及数据分析技术，具体是基于人工智能的波纹管拉伸测试系统。
背景技术：
1、波纹管是指用可折叠皱纹片沿折叠伸缩方向连接成的管状弹性敏感元件。波纹管在仪器仪表中应用广泛，主要用途是作为压力测量仪表的测量元件，将压力转换成位移或力。波纹管管壁较薄，灵敏度较高，测量范围为数十帕至数十兆帕；它的开口端固定，密封端处于自由状态，并利用辅助的螺旋弹簧或簧片增加弹性。
2、公告号为cn108760473b的发明专利公开了一种用于柔性复合管拉伸性能测试的方法及试验装置，该测试方法使用的拉伸试验机采用销连接的方式，实现了对带弧度试样的安装和测试；采用视频检测的方式，对复合管内壁径向截面进行变形检测；依据“力－形变”拉伸曲线特征点、试样轴向变形量、试样内壁径向截面变形量等参数，对试样失效进行综合判定；在测试过程中，还可以对试样外壁的形变量进行实时测量，则可对试验结果进行更全面的评估；但是该测试方法的工序繁杂，效率低下，且无法根据测试参数在管件性能异常时进行优化处理分析，导致管件的拉伸性能无法得到有效优化。
3、针对上述技术问题，本技术提出一种解决方案。
技术实现思路
1、本发明的目的在于提供基于人工智能的波纹管拉伸测试系统，用于解决现有技术无法根据测试参数在管件性能异常时进行优化处理分析的问题；
2、本发明需要解决的技术问题为：如何提供一种可以根据测试参数在管件性能异常时进行优化处理分析的基于人工智能的波纹管拉伸测试系统。
3、本发明的目的可以通过以下技术方案实现：
4、基于人工智能的波纹管拉伸测试系统，包括拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块，所述拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块依次进行通信连接；
5、所述拉伸测试模块用于对波纹管进行拉伸测试分析：从一批次波纹管中随机选取若干个波纹管进行拉伸测试，将进行拉伸测试的波纹管标记为测试对象，获取测试对象的测试参数，按照测试参数对测试对象进行拉伸测试；然后生成性能监测信号并将性能监测信号发送至性能监测模块；
6、所述性能监测模块用于对波纹管在经过拉伸测试后的拉伸性能进行监测分析并得到测试对象的监测系数jc，在所有测试对象完成拉伸测试后将所有测试对象的监测系数jc发送至测试评估模块；
7、所述测试评估模块用于对该批次波纹管的整体拉伸性能进行评估分析：通过监测系数jc将测试对象标记为拉伸正常对象或拉伸异常对象，将拉伸异常对象的数量与测试对象的数量之比标记为拉伸异常系数，通过拉伸异常系数对该批次波纹管的整体拉伸性能是否满足要求进行判定；
8、所述优化分析模块用于对波纹管的拉伸性能进行优化分析。
9、进一步地，将测试对象的两端分别与管件连接固定，从连接好的管件一端注入空气，获取波纹管内部的气压值并在气压值达到气压标准值时停止注入空气；然后获取波纹管的测试负荷范围与测试时长范围，在每一个测试对象进行拉伸测试之前，均从测试负荷范围与测试时长范围中随机选取一个测试负荷值与测试时长值组成测试对象的测试参数。
10、进一步地，对测试对象进行拉伸测试的具体过程包括：在测试时段内对测试对象两端施加拉伸力，拉伸力的拉伸负荷为测试负荷值，测试时段的时长为测试时长值，测试时段结束后静置l1秒。
11、进一步地，测试对象的监测系数jc的获取过程包括：获取测试时段结束时刻的测试对象内部气压值并标记为气压监测值，将气压标准值与气压监测值的差值标记为内部压差值，将内部压差值与气压标准值的比值标记为气象泄漏值qx；对测试对象进行表面图像拍摄并将拍摄得到的图像标记为监测图像，将监测图像放大为像素格图像并进行灰度变换，然后采用二值法对监测图像中的裂纹区域进行提取，将裂纹区域所占据的像素格数量与监测图像的像素格数量的比值标记为表象泄漏值bx；通过公式jc＝p1*qx+p2*bx得到测试对象的监测系数jc，其中p1与p2均为比例系数，且p1>p2>1。
12、进一步地，将测试对象标记为拉伸正常对象或拉伸异常对象的具体过程包括：获取波纹管的监测阈值jcmax，将测试对象的监测系数jc与监测阈值jcmax进行比较：若监测系数jc小于监测阈值jcmax，则判定测试对象的拉伸性能满足要求，将对应的测试对象标记为拉伸正常对象；若监测系数jc大于等于监测阈值jcmax，则判定测试对象的拉伸性能不满足要求，将对应的测试对象标记为拉伸异常对象。
13、进一步地，对该批次波纹管的整体拉伸性能是否满足要求进行判定的具体过程包括：将拉伸异常系数与预设的拉伸异常阈值进行比较：若拉伸异常系数小于拉伸异常阈值，则判定该批次波纹管的整体拉伸性能满足要求；若拉伸异常系数大于等于拉伸异常阈值，则判定该批次波纹管的整体拉伸性能不满足要求，生成优化分析信号并将优化分析信号发送至优化分析模块。
14、进一步地，优化分析模块用于对波纹管的拉伸性能进行优化分析：将所有测试对象按照监测系数jc数值由大到小的顺序进行排列得到监测序列，将所有测试对象按照测试参数中测试负荷值数值由大到小的顺序进行排列得到负荷序列；将测试对象在监测序列中的序号与负荷序列中的序号差值的绝对值标记为测试对象的负荷影响值，对所有测试对象的负荷影响值进行求和取平均值得到负荷影响系数，将负荷影响系数与预设的负荷影响阈值进行比较：若负荷影响系数小于负荷影响阈值，则生成抗拉优化信号并将抗拉优化信号发送至管理人员的手机终端；若负荷影响系数大于等于负荷影响阈值，则进行耐久优化分析。
15、进一步地，耐久优化分析的具体过程包括：将所有测试对象按照测试参数中测试时长值数值由大到小的顺序进行排列得到持续序列，将测试对象在监测序列中的序号与持续序列中的序号差值的绝对值标记为测试对象的持续影响值，对所有测试对象的持续影响值进行求和取平均值得到持续影响系数，将持续影响系数与预设的持续影响阈值进行比较：若持续影响系数小于持续影响阈值，则生成耐久优化信号并将耐久优化信号发送至管理人员的手机终端；若持续影响系数大于等于持续影响阈值，则生成产线优化信号并将产线优化信号发送至管理人员的手机终端。
16、本发明具备下述有益效果：
17、1、通过拉伸测试模块可以对波纹管进行拉伸测试分析，在测试之前为同批次的波纹管分配不同的测试参数，然后采用测试参数进行拉伸测试分析，对测试完成后的多项数据进行综合分析与计算得到监测系数，通过监测系数对测试对象的拉伸性能好坏程度进行反馈；
18、2、通过测试评估模块可以对波纹管的整体拉伸性能进行评估分析，在对测试对象进行差异化标记之后，根据拉伸异常对象在测试对象中的数量占比对整体拉伸性能进行评估，进而在整体拉伸性能不合格时及时进行反馈；
19、3、通过优化分析模块可以对波纹管的拉伸性能进行优化分析，将生成的监测序列、负荷序列以及持续序列进行比对并根据比对结果生成对应的优化信号，为整体性能异常的波纹管进行优化决策分析，提高其优化效率。
技术特征：
1.基于人工智能的波纹管拉伸测试系统，其特征在于，包括拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块，所述拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块依次进行通信连接；
2.根据权利要求1所述的基于人工智能的波纹管拉伸测试系统，其特征在于，将测试对象的两端分别与管件连接固定，从连接好的管件一端注入空气，获取波纹管内部的气压值并在气压值达到气压标准值时停止注入空气；然后获取波纹管的测试负荷范围与测试时长范围，在每一个测试对象进行拉伸测试之前，均从测试负荷范围与测试时长范围中随机选取一个测试负荷值与测试时长值组成测试对象的测试参数。
3.根据权利要求2所述的基于人工智能的波纹管拉伸测试系统，其特征在于，对测试对象进行拉伸测试的具体过程包括：在测试时段内对测试对象两端施加拉伸力，拉伸力的拉伸负荷为测试负荷值，测试时段的时长为测试时长值，测试时段结束后静置l1秒。
4.根据权利要求3所述的基于人工智能的波纹管拉伸测试系统，其特征在于，测试对象的监测系数jc的获取过程包括：获取测试时段结束时刻的测试对象内部气压值并标记为气压监测值，将气压标准值与气压监测值的差值标记为内部压差值，将内部压差值与气压标准值的比值标记为气象泄漏值qx；对测试对象进行表面图像拍摄并将拍摄得到的图像标记为监测图像，将监测图像放大为像素格图像并进行灰度变换，然后采用二值法对监测图像中的裂纹区域进行提取，将裂纹区域所占据的像素格数量与监测图像的像素格数量的比值标记为表象泄漏值bx；通过公式jc＝p1*qx+p2*bx得到测试对象的监测系数jc，其中p1与p2均为比例系数，且p1>p2>1。
5.根据权利要求4所述的基于人工智能的波纹管拉伸测试系统，其特征在于，将测试对象标记为拉伸正常对象或拉伸异常对象的具体过程包括：获取波纹管的监测阈值jcmax，将测试对象的监测系数jc与监测阈值jcmax进行比较：若监测系数jc小于监测阈值jcmax，则判定测试对象的拉伸性能满足要求，将对应的测试对象标记为拉伸正常对象；若监测系数jc大于等于监测阈值jcmax，则判定测试对象的拉伸性能不满足要求，将对应的测试对象标记为拉伸异常对象。
6.根据权利要求5所述的基于人工智能的波纹管拉伸测试系统，其特征在于，对该批次波纹管的整体拉伸性能是否满足要求进行判定的具体过程包括：将拉伸异常系数与预设的拉伸异常阈值进行比较：若拉伸异常系数小于拉伸异常阈值，则判定该批次波纹管的整体拉伸性能满足要求；若拉伸异常系数大于等于拉伸异常阈值，则判定该批次波纹管的整体拉伸性能不满足要求，生成优化分析信号并将优化分析信号发送至优化分析模块。
7.根据权利要求6所述的基于人工智能的波纹管拉伸测试系统，其特征在于，优化分析模块用于对波纹管的拉伸性能进行优化分析：将所有测试对象按照监测系数jc数值由大到小的顺序进行排列得到监测序列，将所有测试对象按照测试参数中测试负荷值数值由大到小的顺序进行排列得到负荷序列；将测试对象在监测序列中的序号与负荷序列中的序号差值的绝对值标记为测试对象的负荷影响值，对所有测试对象的负荷影响值进行求和取平均值得到负荷影响系数，将负荷影响系数与预设的负荷影响阈值进行比较：若负荷影响系数小于负荷影响阈值，则生成抗拉优化信号并将抗拉优化信号发送至管理人员的手机终端；若负荷影响系数大于等于负荷影响阈值，则进行耐久优化分析。
8.根据权利要求7所述的基于人工智能的波纹管拉伸测试系统，其特征在于，耐久优化分析的具体过程包括：将所有测试对象按照测试参数中测试时长值数值由大到小的顺序进行排列得到持续序列，将测试对象在监测序列中的序号与持续序列中的序号差值的绝对值标记为测试对象的持续影响值，对所有测试对象的持续影响值进行求和取平均值得到持续影响系数，将持续影响系数与预设的持续影响阈值进行比较：若持续影响系数小于持续影响阈值，则生成耐久优化信号并将耐久优化信号发送至管理人员的手机终端；若持续影响系数大于等于持续影响阈值，则生成产线优化信号并将产线优化信号发送至管理人员的手机终端。
技术总结
本发明属于拉伸测试领域，涉及数据分析技术，用于解决现有技术无法根据测试参数在管件性能异常时进行优化处理分析的问题，具体是基于人工智能的波纹管拉伸测试系统，包括拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块，拉伸测试模块、性能监测模块、测试评估模块以及优化分析模块依次进行通信连接；拉伸测试模块用于对波纹管进行拉伸测试分析：获取测试对象的测试参数，按照测试参数对测试对象进行拉伸测试；然后生成性能监测信号并将性能监测信号发送至性能监测模块；本发明可以对波纹管进行拉伸测试分析，在测试之前为同批次的波纹管分配不同的测试参数，通过监测系数对测试对象的拉伸性能好坏程度进行反馈。
技术研发人员：张莉,高勤大
受保护的技术使用者：宜兴市迈高波纹管有限公司
技术研发日：
技术公布日：2024/12/5