隨著汽車保有量的急劇增加,汽車工業(yè)對節(jié)能減排、減少環(huán)境污染的要求越來越高,高強(qiáng)鋼的熱沖壓技術(shù)在汽車的結(jié)構(gòu)件和安全件制造中的應(yīng)用日益廣泛。高強(qiáng)鋼可以通過熱沖壓獲得不同的組織定制零件的力學(xué)性能,可能得到的組織包括全部馬氏體、鐵素體/珠光體、馬氏體/殘余奧氏體、馬氏體/貝氏體等。相關(guān)研究中,需要對材料顯微組織進(jìn)行識別,從而分析工藝過程,但該過程需要由專業(yè)人士完成,故存在效率低下、人員的主觀性影響較大且專業(yè)人員數(shù)量有限等弊端。因此,需要研究材料顯微組織的自動識別技術(shù)。針對上述高強(qiáng)鋼熱沖壓獲得四類組織的識別與分類問題,本文從紋理特征提取、機(jī)器學(xué)習(xí)方法分類和卷積神經(jīng)網(wǎng)絡(luò)等方向展開研究,提出了兩種分類方法:（1）通過灰度共生矩陣提取顯微圖像的紋理特征,形成紋理特征向量,并對特征向量的表征效果進(jìn)行了可視化。之后采用SVM、kNN、RF等機(jī)器學(xué)習(xí)方法在數(shù)據(jù)集上進(jìn)行訓(xùn)練,得到分類模型,對比分析了各個(gè)模型的分類效果;（2）采用遷移學(xué)習(xí)的思想,對深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行遷移與改進(jìn),構(gòu)建了適用于顯微組織識別的深度卷積神經(jīng)網(wǎng)絡(luò)模型,探究并確定了網(wǎng)絡(luò)訓(xùn)練中的超參數(shù),最后分析了深度網(wǎng)絡(luò)模型對材料顯微組織的識別效果,并與機(jī)器學(xué)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

高強(qiáng)鋼熱沖壓原理圖

既可以解釋顯微圖像本身，也可以將其與加工過程和性能聯(lián)系起來的弊端主要體現(xiàn)在效率低下，人員的主觀性影響較大，而且工廠里這樣的專限，使得這項(xiàng)工作開展起來比較困難。近年來隨著數(shù)據(jù)科學(xué)研究的迅速發(fā)展，計(jì)算機(jī)視覺的理論日趨豐富，相領(lǐng)域也越來越廣泛。材料微觀結(jié)構(gòu)的研究已經(jīng)開始探索機(jī)器學(xué)習(xí)或深度學(xué)習(xí)分析任務(wù)中的應(yīng)用[4,5]。通過金相或電鏡圖對材料顯微組織進(jìn)行識別與分類圖像的特征。對于傳統(tǒng)的機(jī)器學(xué)習(xí)來說，描述樣本的特征通常需要人類專家稱為“特征工程”），然后通過分類模型進(jìn)行識別與分類。特征的好壞對泛化性重要的影響，人類專家設(shè)計(jì)出好的特征卻并非易事[6]。而對于深度學(xué)習(xí)來說深度學(xué)習(xí)網(wǎng)絡(luò)可以自行在大量的數(shù)據(jù)中學(xué)習(xí)，通過機(jī)器學(xué)習(xí)技術(shù)自身來產(chǎn)（這稱為“特征學(xué)習(xí)”），避免了人為刻畫特征的困難和可能導(dǎo)致的偏差。圖微觀結(jié)構(gòu)分析的專家分析和計(jì)算機(jī)分析的對比。主觀性影響

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文場大等優(yōu)點(diǎn)，成為科研人員觀察材料微觀結(jié)構(gòu)最常用的方法[41]。課題組圍繞熱沖壓成形技術(shù)進(jìn)行高強(qiáng)鋼的成形工藝的研究，進(jìn)行了多項(xiàng)實(shí)驗(yàn)，并采用掃描電鏡對高強(qiáng)鋼不同熱沖壓工藝下的各種顯微組織進(jìn)行觀察。如圖 2-1 所示，現(xiàn)有通過熱沖壓獲得組織主要有四類：（1）傳統(tǒng)的熱沖壓工藝獲得全部的馬氏體組織[42]，抗拉強(qiáng)度為1500MPa，延伸率 6%；（2）降低冷卻速率獲得貝氏體/馬氏體混合組織[43]，抗拉強(qiáng)度 1000 MPa-1200MPa，延伸率 6-10%；（3）加熱時(shí)未達(dá)實(shí)現(xiàn)奧氏體化溫度，沖壓后獲得的組織與原始組織相同為鐵素體/珠光體混合組織[44]，抗拉強(qiáng)度 600 MPa-800 MPa，延伸率 15-25%；（4）QP 熱沖壓，獲得殘余奧氏體/馬氏體混合組織[45]，抗拉強(qiáng)度 1300MPa-1500MPa，延伸率 10-13%。

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)及其在肝臟疾病影像診斷中的研究進(jìn)展[J]. 劉文廣,謝斯敏,周雅芳,胡家熙,李夢思,李文政.  國際醫(yī)學(xué)放射學(xué)雜志. 2019(01)
[2]高強(qiáng)鋼熱沖壓成形工藝及裝備進(jìn)展[J]. 張宜生,王子健,王梁.  塑性工程學(xué)報(bào). 2018(05)
[3]融合深度學(xué)習(xí)與最大間距準(zhǔn)則的人臉識別方法[J]. 栗科峰,黃全振.  計(jì)算機(jī)工程與應(yīng)用. 2018(05)
[4]基于增強(qiáng)AlexNet的深度學(xué)習(xí)的阿爾茨海默病的早期診斷[J]. 呂鴻蒙,趙地,遲學(xué)斌.  計(jì)算機(jī)科學(xué). 2017(S1)

碩士論文
[1]基于紋理識別和卷積神經(jīng)網(wǎng)絡(luò)的人民幣識別技術(shù)研究[D]. 董揚(yáng)帆.武漢大學(xué) 2018
[2]基于模糊聚類的圖像分割方法研究[D]. 趙憲強(qiáng).山東師范大學(xué) 2013
[3]22MnB5高強(qiáng)度鋼熱變形行為及沖壓工藝仿真研究[D]. 肖碧媛.湖南大學(xué) 2013
[4]基于小波理論的圖像非線性處理研究[D]. 馮彬.中南大學(xué) 2010



本文編號：3388769