一种能够对自身完好性进行检测的模具钢的制作方法
【专利摘要】本发明一种能够对自身完好性进行检测的模具钢，包括模具钢和与模具钢相连的无损检测装置，其特征是，所述的模具钢所述的模具钢制作步骤包括：a、浇注模具钢坯料步骤；b、热处理步骤。本发明使模具钢有显著的硬度和韧性，改善了冶金的质量和淬透性，使钢的整体性能得到明显的提高。
【专利说明】
-种能够对自身完好性进行检测的模具钢
技术领域
[0001] 本发明设及模具钢领域，具体设及一种能够对自身完好性进行检测的模具钢。
【背景技术】
[0002] 模具钢是用来制造冷冲模、热锻模和压铸模等模具的钢种。
[0003] 无损检测是W不破坏被测对象内部结构和实用性能为前提，对被测对象内部或表 面的物理性能、状态特性进行检测。电磁无损检测W材料电磁性能变化为判断依据，来对材 料及构件实施缺陷检测和性能测试。相关技术中，尽管脉冲满流检测技术得到了深入的研 究和快速的发展，但是仍存在检测结果不够准确、信息挖掘不够深入、对检测结果未进行有 效分类等问题。
【发明内容】
[0004] 针对上述问题，本发明提供一种能够对自身完好性进行检测的模具钢。
[0005] 本发明的目的采用W下技术方案来实现：
[0006] -种能够对自身完好性进行检测的模具钢，包括模具钢和与模具钢相连的无损检 测装置，其特征是，所述的模具钢制作步骤包括：
[0007] a、诱注模具钢巧料步骤
[000引模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40 °C /小时冷却至400 °C，再W18 °C /小时，冷却至120 °C ;
[0009] b、热处理步骤
[0010] 对步骤a中得到的模具钢，再加热至1000°C并保溫1-化，油冷至不高于100°C后重 新加热至680°c-71(rc的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0011] 优选地，所述的模具钢制作步骤还包括：
[0012] a、将热处理后的模具钢抛丸处理；
[0013] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0014] 优选地，所述的模具钢制作步骤还包括：
[0015] a、升至室溫，保存24-36小时后，再加热至240-260°C，保溫2-3小时，空冷；
[0016] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0017] 本发明的有益效果为:使模具钢有显著的硬度和初性，改善了冶金的质量和泽透 性，使钢的整体性能得到明显的提高。
【附图说明】
[0018] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 审IJ，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可W根据W下附图获得 其它的附图。
[0019] 图1是本发明模具钢的示意图。
[0020] 图2是本发明无损检测装置的示意图。
[00別]附图标记：
[0022] 基于时域特征检测模块1、基于频域特征检测模块2、综合检测模块3、时域特征提 取子模块11、基于时域的缺陷检测子模块12、预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24、基于频域的缺陷检测子模块25。
【具体实施方式】
[0023] 结合W下实施例对本发明作进一步描述。
[0024] 应用场景1
[0025] 参见图1，图2,本实施例的一种能够对自身完好性进行检测的模具钢，包括模具钢 和与模具钢相连的无损检测装置，其特征是，所述的模具钢制作步骤包括：
[00%] a、诱注模具钢巧料步骤
[0027] 模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40 °C /小时冷却至400 °C，再W18 °C /小时，冷却至120 °C ;
[0028] b、热处理步骤
[00巧]对步骤a中得到的模具钢，再加热至1000°C并保溫1-化，油冷至不高于100°C后重 新加热至680°C-71(rC的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0030] 优选地，所述的模具钢制作步骤还包括：
[0031] a、将热处理后的模具钢抛丸处理；
[0032] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0033] 本优选实施例使模具钢有显著的硬度和初性，改善了冶金的质量和泽透性。
[0034] 优选地，所述的模具钢制作步骤还包括：
[0035] a、升至室溫，保存24-36小时后，再加热至240-260 Γ，保溫2-3小时，空冷；
[0036] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0037] 本优选实施例使钢的整体性能得到明显的提高。
[0038] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0039] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对模具钢缺陷进 行检测识别，W得到基于时域的检测结果Si;
[0040] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对模具钢缺陷进行检测的频率，并基于选取的频率对差分归一化频域响 应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域响应的差 分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征模具钢材料物理属性的频 域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类识别方法对模具钢 缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0041] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测模具钢的缺陷类型。
[0042] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了模具钢缺陷的准确检测。
[0043] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0044] (1)采用脉冲满流传感器对模具钢缺陷进行检测，调整脉冲满流传感器与被测模 具钢表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测模具钢无缺陷部位的时 域响应作为参考区域时域响应c(t);
[0045] (2)对缺陷区域时域响应q (t)和参考区域时域响应C (t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0046]
[0047] 式中，ξι、ξ2为设定的系数调整因子，ξι、ξ2的取值范围为[0.9，1.1];
[0048] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征模具钢材料物理属性的时域特征值。
[0049] 所述改进的自动分类识别方法对模具钢缺陷进行检测识别，包括：
[0050] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0051] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0052] (3)对训练数据进行测试，对未知的模具钢缺陷进行预测。
[0053] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 模具钢的缺陷类型。
[0054] 所述损伤情况包括当量尺寸、缺陷深度。
[0055] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0056] (1)根据多个模具钢缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0化7]
[005引式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，ρ，j = l,2,…，q;
[0059] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0062]则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[006；3] dj=(dij'，d2j'，...，dpj')τ
[0064] (3)计算各脉冲满流响应构成向量di，d2，…，d庙选取的q个频率处的相关系数矩 阵C:
[00 化]
[0066] 式中，cmn(m=l ,2,…，q，n=l ,2,…，q)为dm和dn的相关系数；
[0067] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[006引
[0069] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵Η表示为：
[0070]
[0071] 加权系数山^的计算方式为：
[0072] 1)对特征方程I λΕ-C I = 0进行求解，求取各特征值Aj(j = 1，2，…，q)，将各特征值Aj (j = 1，2，· · ·，q)按照从大到小顺序进行排列，λι>λ2>…>λ。，并求取特征值(j = 1,2，…， q)对应特征向量ej，要求I |ej| I =1，良
[0073] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0074]
[0075] 3)计算k个优化频率Nr的累计贡献率^
[0076]
[0077] k为满足心90%>0的最小值；
[007引 4)计算加权系数：扣勺=. (r = 1么…,m; S,/ = 1,2,…,g)。
[0079] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对模具钢缺陷的分类识别率，便于后续研究和解决问题，提高产品质量。
[0080] 本应用场景调整脉冲满流传感器与被测模具钢表面之间的提离距离为0.4mm，设 定系数调整因子|1 = 0.9点=0.9，对模具钢缺陷的分类识别率提高了5%。
[0081] 应用场景2
[0082] 参见图1，图2,本实施例的一种能够对自身完好性进行检测的模具钢，包括模具钢 和与模具钢相连的无损检测装置，其特征是，所述的模具钢制作步骤包括：
[0083 ] a、诱注模具钢巧料步骤
[0084] 模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40°C/小时冷却至400°C，再W18°C/小时，冷却至120°C ;
[00化]b、热处理步骤
[0086] 对步骤a中得到的模具钢，再加热至1000°C并保溫1-化，油冷至不高于100°C后重 新加热至680°c-71(rc的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0087] 优选地，所述的模具钢制作步骤还包括：
[0088] a、将热处理后的模具钢抛丸处理；
[0089] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0090] 本优选实施例使模具钢有显著的硬度和初性，改善了冶金的质量和泽透性。
[0091 ]优选地，所述的模具钢制作步骤还包括：
[0092] a、升至室溫，保存24-36小时后，再加热至240-260°C，保溫2-3小时，空冷；
[0093] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0094] 本优选实施例使钢的整体性能得到明显的提高。
[0095] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0096] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对模具钢缺陷进 行检测识别，W得到基于时域的检测结果Si;
[0097] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对模具钢缺陷进行检测的频率，并基于选取的频率对差分归一化频域响 应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域响应的差 分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征模具钢材料物理属性的频 域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类识别方法对模具钢 缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0098] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测模具钢的缺陷类型。
[0099] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了模具钢缺陷的准确检测。
[0100] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0101 ] (1)采用脉冲满流传感器对模具钢缺陷进行检测，调整脉冲满流传感器与被测模 具钢表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测模具钢无缺陷部位的时 域响应作为参考区域时域响应c(t);
[0102] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0103]
[0104] 式中，ζι、ζ2为设定的系数调整因子，ζι、ζ2的取值范围为[0.9，1.1];
[0105] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征模具钢材料物理属性的时域特征值。
[0106] 所述改进的自动分类识别方法对模具钢缺陷进行检测识别，包括：
[0107] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为1(^，7)=6邱{-丫||义--7|鬥，采用粒子群优化算法对1^。函数的参数丫进行优化；
[0108] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0109] (3)对训练数据进行测试，对未知的模具钢缺陷进行预测。
[0110] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 模具钢的缺陷类型。
[0111] 所述损伤情况包括当量尺寸、缺陷深度。
[0112] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0113] (1)根据多个模具钢缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0114]
[0115] 式中，dij表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l，2,…，q;
[0116] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0119] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0120] dj=(di/ ,d2/
[0121] (3)计算各脉冲满流响应构成向量di，d2, 一,(19在选取的q个频率处的相关系数矩 阵C:
[0122]
[0123] 式中，cmn(m=l，2,…，q，n=l，2，'''，q)为dm和dn的相关系数；
[0124] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0125]
[0126] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵Η表示为：
[0127]
[012引加权系数hu的计算方式为：
[0129] 1)对特征方程I λΕ-C I = 0进行求解，求取各特征值Aj(j = 1，2，…，q)，将各特征值Aj (j = 1，2，· · ·，q)按照从大到小顺序进行排列，λι>λ2>…>λ。，并求取特征值(j = 1,2，…， q)对应特征向量ej，要求I |ej| I =1，即
[0130] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0131]
[0132] 3)计算k个优化频率Nr的累计贡献率^
[0133]
[0134] k为满足心90%>0的最小值；
[0135] 4)计算加权系数
[0136] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对模具钢缺陷的分类识别率，便于后续研究和解决问题，提高产品质量。
[0137] 本应用场景调整脉冲满流传感器与被测模具钢表面之间的提离距离为0.6mm，设 定系数调整因子ξι= 1.1、ξ2 = 1.1，对模具钢缺陷的分类识别率提高了4%。
[013引应用场景3
[0139] 参见图1，图2,本实施例的一种能够对自身完好性进行检测的模具钢，包括模具钢 和与模具钢相连的无损检测装置，其特征是，所述的模具钢制作步骤包括：
[0140] a、诱注模具钢巧料步骤
[OW] 模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40°C/小时冷却至400°C，再W18°C/小时，冷却至120°C ;
[0142] b、热处理步骤
[0143] 对步骤a中得到的模具钢，再加热至1000°C并保溫1-化，油冷至不高于100°C后重 新加热至680°c-71(rc的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0144] 优选地，所述的模具钢制作步骤还包括：
[0145] a、将热处理后的模具钢抛丸处理；
[0146] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0147] 本优选实施例使模具钢有显著的硬度和初性，改善了冶金的质量和泽透性。
[0148] 优选地，所述的模具钢制作步骤还包括：
[0149] a、升至室溫，保存24-36小时后，再加热至240-260°C，保溫2-3小时，空冷；
[0150] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0151] 本优选实施例使钢的整体性能得到明显的提高。
[0152] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0153] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对模具钢缺陷进 行检测识别，W得到基于时域的检测结果Si;
[0154] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对模具钢缺陷进行检测的频率，并基于选取的频率对差分归一化频域响 应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域响应的差 分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征模具钢材料物理属性的频 域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类识别方法对模具钢 缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0155] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测模具钢的缺陷类型。
[0156] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了模具钢缺陷的准确检测。
[0157] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0158] (1)采用脉冲满流传感器对模具钢缺陷进行检测，调整脉冲满流传感器与被测模 具钢表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测模具钢无缺陷部位的时 域响应作为参考区域时域响应c(t);
[0159] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0160]
[0161] 式中，ξι、ξ2为设定的系数调整因子，ξι、ξ2的取值范围为[0.9，1.1];
[0162] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征模具钢材料物理属性的时域特征值。
[0163] 所述改进的自动分类识别方法对模具钢缺陷进行检测识别，包括：
[0164] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0165] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0166] (3)对训练数据进行测试，对未知的模具钢缺陷进行预测。
[0167] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 模具钢的缺陷类型。
[0168] 所述损伤情况包括当量尺寸、缺陷深度。
[0169] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0170] (1)根据多个模具钢缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0171]
[0172] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，ρ，j = l,2,…，q;
[0173] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0176] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0177] dj=(di/，d2j'，...，dp/)T
[0178] (3)计算各脉冲满流响应构成向量di，d2，…，dq在选取的q个频率处的相关系数矩 阵C:
[0179]
[0180]式中，Cmn(m=l，2,…，q，n=l，2,…，q)为dm和dn的相关系数；
[0181] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0182]
[0183] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵Η表示为：
[0184]
[0185] 加权系数山^的计算方式为：
[0186] 1)对特征方程I λΕ-C I = 0进行求解，求取各特征值Aj(j = 1，2，…，q)，将各特征值Aj (j = 1，2，· · ·，q)按照从大到小顺序进行排列，λι>λ2>…>λ。，并求取特征值(j = 1,2，…， q)对应特征向量ej，要求I |ej| I =1，即
[0187] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[018 引
[0189] 3)计算k个优化频率Nr的累计贡献率^
[0190]
[0191] k为满足心90%>0的最小值；
[OW] 4)计算加权系数:知/ = (r = 1,2，···,孤;= 1,玄>'',姆。
[0193] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对模具钢缺陷的分类识别率，便于后续研究和解决问题，提高产品质量。
[0194] 本应用场景调整脉冲满流传感器与被测模具钢表面之间的提离距离为0.8mm，设 定系数调整因子|1 = 〇.9点=1.1，对模具钢缺陷的分类识别率提高了4.5%。
[0195] 应用场景4
[0196] 参见图1，图2,本实施例的一种能够对自身完好性进行检测的模具钢，包括模具钢 和与模具钢相连的无损检测装置，其特征是，所述的模具钢制作步骤包括：
[0197] a、诱注模具钢巧料步骤
[0198] 模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40°C/小时冷却至400°C，再W18°C/小时，冷却至120°C ;
[0199] b、热处理步骤
[0200] 对步骤a中得到的模具钢，再加热至1000°C并保溫1-化，油冷至不高于100°C后重 新加热至680°C-71(rC的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0201 ]优选地，所述的模具钢制作步骤还包括：
[0202] a、将热处理后的模具钢抛丸处理；
[0203] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0204] 本优选实施例使模具钢有显著的硬度和初性，改善了冶金的质量和泽透性。
[0205] 优选地，所述的模具钢制作步骤还包括：
[0206] a、升至室溫，保存24-36小时后，再加热至240-260°C，保溫2-3小时，空冷；
[0207] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0208] 本优选实施例使钢的整体性能得到明显的提高。
[0209] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0210] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对模具钢缺陷进 行检测识别，W得到基于时域的检测结果Si;
[0211] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对模具钢缺陷进行检测的频率，并基于选取的频率对差分归一化频域响 应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域响应的差 分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征模具钢材料物理属性的频 域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类识别方法对模具钢 缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0212] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测模具钢的缺陷类型。
[0213] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了模具钢缺陷的准确检测。
[0214] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0215] (1)采用脉冲满流传感器对模具钢缺陷进行检测，调整脉冲满流传感器与被测模 具钢表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测模具钢无缺陷部位的时 域响应作为参考区域时域响应c(t);
[0216] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0217]
[0218]式中，ξ?、ξ2为设定的系数调整因子，ξι、ξ2的取值范围为[0.9,1.
[0219] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征模具钢材料物理属性的时域特征值。
[0220] 所述改进的自动分类识别方法对模具钢缺陷进行检测识别，包括：
[0221] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0222] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0223] (3)对训练数据进行测试，对未知的模具钢缺陷进行预测。
[0224] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 模具钢的缺陷类型。
[0225] 所述损伤情况包括当量尺寸、缺陷深度。
[0226] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0227] (1)根据多个模具钢缺陷的脉冲满流响应信号数据构造数据矩阵D:
[022引
[0229] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，ρ，j = l,2,…，q;
[0230] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0233] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0234] dj=(di/ 加 '，...，dp/)T
[0235] (3)计算各脉冲满流响应构成向量di，d2, 一,(19在选取的q个频率处的相关系数矩 阵C:
[0236]
[0237] 式中，cmn(m=l，2,…，q，n=l，2,…，q)为dm和dn的相关系数；
[0238] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = l，2,…，k，k<q，优 化频率矩阵可表示为：
[0239]
[0240] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵Η表示为：
[0241]
[0242] 加权系数hrj的计算方式为：
[0243] 1)对特征方程I λΕ-C I = 0进行求解，求取各特征值j = 1，2，…，q)，将各特征值 (j = 1，2，…，q)按照从大到小顺序进行排列，λι >λ2>…>λ。，并求取特征值(j = 1，2，…， q)对应特征向量ej，要求I |ej| I =1，即
[0244] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0245]
[0246] 3)计算k个优化频率Nr的累计贡献率^
[0247]
[024引 k为满足心90%>0的最小值；
[0249] 4)计算加权系数：Ar/ =為為梯，.（Γ = = 1苗,…，.毎).。
[0250] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对模具钢缺陷的分类识别率，便于后续研究和解决问题，提高产品质量。
[0251] 本应用场景调整脉冲满流传感器与被测模具钢表面之间的提离距离为1.0mm，设 定系数调整因子|1=1.1、^ = 0.9，对模具钢缺陷的分类识别率提高了5.6%。
[0巧2] 应用场景5
[0253] 参见图1，图2,本实施例的一种能够对自身完好性进行检测的模具钢，包括模具钢 和与模具钢相连的无损检测装置，其特征是，所述的模具钢制作步骤包括：
[0254] a、诱注模具钢巧料步骤
[0巧5] 模具钢毛巧中各成分按其重量配比：3Cr2Mo为0.4%-0.6%、Y20CrNi3AIMnMo (SM2)为0.7 %-0.9 %、Y55Cr化MnMoV(SM1)为3.0 %-4.0 %、5NiSCa为2.0-2.5 %、4Cr5MoVS 为4.0%-5.0%和C为0.2%-0.25%，其余为Fe，诱注成型的模具钢毛巧溫度降至250°C，再 加热至650-760°C，保溫5-6小时，炉冷至280-320°C，保溫3-5小时，再加热至650-690°C，保 溫32小时，W40 °C /小时冷却至400 °C，再W18 °C /小时，冷却至120 °C ;
[0256] b、热处理步骤
[0257] 对步骤a中得到的模具钢，再加热至1000°C并保溫1 -化，油冷至不高于100°C后重 新加热至680°C-71(rC的溫度范围并保溫化，之后水冷;经过回火处理后，再将模具钢的头 部加热到320-400°C，保溫4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020°C，保溫 6-8小时，然后空冷，最后模具钢中部再加溫至溫度为160~190°C，保溫2-3小时，放入铁箱 中堆冷。
[0258] 优选地，所述的模具钢制作步骤还包括：
[0259] a、将热处理后的模具钢抛丸处理；
[0260] b、将模具钢在-190°C左右液氮中处理5-6小时。
[0261] 本优选实施例使模具钢有显著的硬度和初性，改善了冶金的质量和泽透性。
[0262] 优选地，所述的模具钢制作步骤还包括：
[0%3] a、升至室溫，保存24-36小时后，再加热至240-260°C，保溫2-3小时，空冷；
[0264] b、憐化处理，在常溫下将模具钢在热火封闭，溫度为280-300°C，采用PH值为8的表 面调整剂处理l-2min，经滴空l-2min后，采用憐化剂处理15-20min，再经滴空l-2min后，采 用清水清洗。
[0265] 本优选实施例使钢的整体性能得到明显的提高。
[0266] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0267] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对模具钢缺陷进 行检测识别，W得到基于时域的检测结果Si;
[0268] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对模具钢缺陷进行检测的频率，并基于选取的频率对差分归一化频域响 应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域响应的差 分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征模具钢材料物理属性的频 域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类识别方法对模具钢 缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0269] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测模具钢的缺陷类型。
[0270] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了模具钢缺陷的准确检测。
[0271 ]优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0272] (1)采用脉冲满流传感器对模具钢缺陷进行检测，调整脉冲满流传感器与被测模 具钢表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测模具钢无缺陷部位的时 域响应作为参考区域时域响应c(t);
[0273] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应s(t)，定义处理公式为：
[0274]
[0275] 式中，ξι、ξ2为设定的系数调整因子，ξι、ξ2的取值范围为[0.9，1.1];
[0276] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征模具钢材料物理属性的时域特征值。
[0277] 所述改进的自动分类识别方法对模具钢缺陷进行检测识别，包括：
[0278] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0279] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0280] (3)对训练数据进行测试，对未知的模具钢缺陷进行预测。
[0281] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 模具钢的缺陷类型。
[0282] 所述损伤情况包括当量尺寸、缺陷深度。
[0283] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0284] (1)根据多个模具钢缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0285]
[0286] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，ρ，j = l,2,…，q;
[0287] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0290] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0291] dj=(dij'，d2j'，...，dpj')τ
[0292] (3)计算各脉冲满流响应构成向量di，d2, 一,(19在选取的q个频率处的相关系数矩 阵C:
[0293]
[0294] 式中，cmn(m=l ,2,…，q，n=l ,2,... ,q)为dm和dn的相关系数；
[OWS] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = l，2,…，k，k<q，优 化频率矩阵可表示为：
[0296]
[0297] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵Η表示为： [029引
[0299] 加权系数hrj的计算方式为：
[0300] 1)对特征方程I λΕ-C I = 0进行求解，求取各特征值j = 1，2，…，q)，将各特征值 (j = 1，2，…，q)按照从大到小顺序进行排列，λι >λ2>…>λ。，并求取特征值(j = 1，2，…， q)对应特征向量ej，要求II ej II = 1，即Σ.心1 f苟=1;:
[0301] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0302]
[0303] 3)计算k个优化频率Nr的累计贡献率^
[0304]
[0305] k为满足心90%>0的最小值；
[0306] 4)计算加权系数：/?'二 (r = 1,2, 二 的。
[0307] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对模具钢缺陷的分类识别率，便于后续研究和解决问题，提高产品质量。
[0308] 本应用场景调整脉冲满流传感器与被测模具钢表面之间的提离距离为1.2mm，设 定系数调整因子ξι=1、ξ2 = 1，对模具钢缺陷的分类识别率提高了 4%。
[0309] 最后应当说明的是，W上实施例仅用W说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可W对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种能够对自身完好性进行检测的模具钢，包括模具钢和与模具钢相连的无损检测 装置，其特征是，所述的模具钢制作步骤包括： a、 浇注模具钢坯料步骤 模具钢毛坯中各成分按其重量配比：3Cr2Mo为0.4% -0.6 %、Y20CrNi3AMnMo (SM2)为 0·7 %-0·9 %、Y55CrNiMnMoV(SM1)为3·0 %-4·0 %、5NiSCa为2·0-2·5 %、4Cr5MoVS为4·0 % -5.0%和(：为0.2%-0.25%，其余为？6，浇注成型的模具钢毛坯温度降至250°(：，再加热至 650-760°C，保温5-6小时，炉冷至280-320°C，保温3-5小时，再加热至650-690°C，保温32小 时，以40 °C /小时冷却至400 °C，再以18 °C /小时，冷却至120 °C ; b、 热处理步骤 对步骤a中得到的模具钢，再加热至1000°C并保温1 一 2h，油冷至不高于100°C后重新加 热至680°C - 710°C的温度范围并保温3h，之后水冷;经过回火处理后，再将模具钢的头部加 热到320-400°C，保温4-5小时，然后喷雾冷却处理，模具钢的尾部在900-1020 °C，保温6-8小 时，然后空冷，最后模具钢中部再加温至温度为160~190°C，保温2-3小时，放入铁箱中堆 冷。2. 根据权利要求1所述的一种能够对自身完好性进行检测的模具钢，其特征是，所述的 模具钢制作步骤还包括： a、 将热处理后的模具钢抛丸处理； b、 将模具钢在-190 °C左右液氮中处理5-6小时。3. 根据权利要求2所述的一种能够对自身完好性进行检测的模具钢，其特征是，所述的 模具钢制作步骤还包括： a、 升至室温，保存24-36小时后，再加热至240-260°C，保温2-3小时，空冷； b、 磷化处理，在常温下将模具钢在热火封闭，温度为280-300°C，采用PH值为8的表面调 整剂处理l_2min，经滴空l-2min后，采用磷化剂处理15-20min，再经滴空l-2min后，采用清 水清洗。
【文档编号】C22C33/06GK106011597SQ201610617565
【公开日】2016年10月12日
【申请日】2016年7月28日
【发明人】不公告发明人
【申请人】董超超