基于超声背散射信号递归分析的金属材料微缺陷识别

为了能有效识别金属材料超声检测信号中的微小缺陷回波,使用递归分析方法对检测信号进行分析。通过对超声波背散射信号进行建模,说明其组成要素。在超声检测信号中,缺陷回波信号会对系统的递归特性产生影响。使用递归分析对含0.8mm平底孔人工模拟缺陷的直径为120mm低碳钢棒材试块实验采集的背散射信号和无缺陷背散射信号进行了研究。截取试块检测信号中的背散射信号部分,通过合理的参数选择对其进行递归分析并绘制递归图。通过与实验采集的无缺陷信号的递归图进行对比,发现缺陷信号会在递归图中产生明显的白色交叉条纹带。使用递归定量分析进一步研究了含缺陷背散射信号的递归特征量,结果表明捕获时间(TT)、确定率(DET)与递归熵(ENTR)这三项特征量对缺陷信号比较敏感,在缺陷位置处均会出现明显的峰值。     

基于微分熵与RQA的电能质量扰动分析

基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。     

厚截面CFRP孔隙超声脉冲反射检测方法

目前对碳纤维复合材料(carbon fiber reinforced plastic,简称CFRP)孔隙缺陷超声检测识别的研究主要以薄板型CFRP为对象,针对厚截面CFRP孔隙缺陷检测的需要,提出了基于超声脉冲反射背散射信号处理的孔隙缺陷识别方法。背散射信号特征分析结果表明,背散射信号由材料近表面共振结构噪声、信号指数型衰减成分、孔隙的反射和散射信号以及随机噪声组成。为得到孔隙的反射和散射信号,首先,利用提升小波变换良好的去噪能力除去背散射信号中的随机噪声;其次,设计低通滤波和自适应滤波分别除去信号中的共振结构噪声和衰减成分。对实验信号的处理结果表明,上述处理方法可以有效去除相应信号成分。在此基础上进一步提出了背散射信号幅值C扫描成像方法,将该成像方法应用于厚截面CFRP孔隙缺陷识别,可以有效识别试块中的含孔隙区域。     

基于递归定量分析的液压泵故障识别方法

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象，首先用局部投影消噪方法对振动信号进行消噪；其次对消噪后的振动信号绘制递归图，进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取，选择确定率（DET）和递归熵(ENTR)2个特征构成特征向量，构成故障特征样本；然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别；最后，将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明，基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。     

基于递归分析的齿轮故障识别方法

为简便准确的识别齿轮故障类型,针对齿轮振动信号的非线性及非平稳特性,编写了基于递归图的Matlab程序。利用相空间重构原理,运用C-C算法获得最优延迟时间τ,运用G-P算法得到最佳嵌入维数m,将一维的齿轮振动信号重构为m维的相空间,在重构的高维相空间中提取时间序列的递归特性,构建了齿轮振动信号的递归图。分析递归图发现,齿轮在不同的状态下,递归图呈现不同的特征,主要体现在递归点的个数和分布规律上,表现为集中区域、层状结构的位置和大小不同。通过与传统频谱分析的方法对比,证明递归图方法是一种有效的齿轮故障识别方法。     

基于定量递归分析的冷轧颤振状态识别与预报

冷轧板带生产中的颤振问题始终是制约生产效率提高和高强薄板新产品开发的“瓶颈”，而过度依赖生产经验难以及时地发现并抑制冷轧颤振，因此颤振状态快速识别与预警是板带轧制智能化的重要依据，提出了基于定量递归分析与核密度估计法相结合的冷轧颤振状态识别方法，对实际生产过程积累的轧机历史振动数据进行研究。首先，分别对轧制生产过程中颤振状态和稳定状态的加速度信号进行递归图构建和定量递归分析，比较两种状态下递归图拓扑结构与定量递归分析指标的差异性；然后，利用核密度估计法计算基于不同定量递归分析指标的报警阈值，实现稳定状态和颤振状态的区分；最后，将定量递归分析指标与振动报警阈值相结合，实现对颤振状态的快速、有效辨识。研究结果表明：相较于传统的振动加速度信号时域特征指标，定量递归分析法能够更加快速地对冷轧颤振状态进行识别和预报，提高了颤振状态的辨识敏感度以及在发生颤振时的快速响应能力，不仅对实际生产具有积极的指导作用，而且对推动板带冷轧智能化具有重要意义。     

基于分形理论的摩擦焊超声检测缺陷信号识别

采用超声波探伤仪U1traPAC系统对GH4169高温合金摩擦焊件进行检测,针对缺陷信号特点,提出基于分形理论的摩擦焊超声检测缺陷信号的识别方法.运用一种新的分形维数计算方法一归一化尺度计盒维数法对试件超声回波缺陷信号盒维数进行计算,统计分析出三种缺陷信号盒维数范围.并对结果进行方差分析.分析结果表明,有缺陷信号与无缺陷信号有着各自分形维数区间,且不交叠,据此可用来判断缺陷的有无.该方法对摩擦焊件缺陷信号的分类识别有较好的统计特性.     

超声成像自动检测系统开发

采用常规超声检测工件时,检测效率低,无法得到直观的检测结果。为了提高超声检测的检测速度、检测适用范围及灵活性,采用电子扫描、动态闸门、信号去噪及成像算法,结合三轴机械扫描架,研制了超声成像自动检测软硬件系统。采用双晶探头对4 mm厚的碳纤维复合材料试样内分层孔缺陷进行了检测扫查试验,对检测系统的性能进行了初步验证。通过对-6 dB法成像矩阵数据进行双线性插值法的方式,对碳纤维复合材料分层孔缺陷进行定量分析,孔缺陷面积定量误差降低了6%～7%,直径定量误差降低了3%～4%,有效提高了缺陷定量精度。试验结果表明所研制的系统能够实现对试件内缺陷信号特征提取及成像,满足检测的要求。     

改进的核费舍尔方法识别材料微缺陷

由于微缺陷信号易受到材料结构噪声的影响,使得传统的分类方法对微缺陷信号的分类准确率有待进一步提高。因此,将核费舍尔方法用于微缺陷信号的分类识别中,并提出自适应的核参数优化方法。改进后的核费舍尔分类方法能够根据待分类数据的特点选择出最优核参数,因此对微缺陷信号的分类识别具有较高的准确率。为证明方法的有效性,用100 MHz高频聚焦探头对典型金属材料进行检测,采集夹杂、裂纹、缩孔和正常4类超声信号,分别从时域、频域和小波域提取出20个特征量,实验结果表明:利用改进的核费舍尔方法对4类微缺陷信号识别的准确率达到96.25%,比其他分类方法具有更高的准确率。     

基于RQA与GG聚类的滚动轴承故障识别

提出递归定量分析与GG聚类相结合的滚动轴承故障识别方法。利用能够表征信号发散程度的RQA参数--确定率和分层率组成轴承故障识别的特征向量,结合GG模糊聚类实现滚动轴承故障模式识别。对实际故障数据进行分析,结果表明,该方法不仅能够识别滚动轴承的不同程度损伤,而且能够实现不同部位的轴承故障诊断。研究结果为滚动轴承故障识别提供了一种高效、直观的新方法。     

Identification of Localized Void Defects in Composite by Recurrence Quantification Analysis of Ultrasonic Backscattered Signal

Voids usually have a detrimental effect on the performance of carbon fiber reinforced polymer (CFRP). This paper presents a nonlinear dynamic method, known as recurrence quantification analysis (RQA), for the identification of localized void defects. First, five standard CFRP specimens with known porosity ranging from 0.2 to 5.94% are tested using ultrasonic pulse-echo technique, and the obtained backscattered signals are subsequently analyzed by RQA. The result shows that two RQA characteristic parameters, the recurrence rate and the Shannon entropy, both clearly increase with increasing porosity. Next, the RQA is performed on another CFRP specimen with unknown porosity. Two regions in this specimen containing localized void defects are detected based on the above finding. This result is finally verified by a destructive experiment. The research demonstrates that RQA is an effective new method for the identification of localized void defects in CFRP.

     

平纹编织碳纤维/Kevlar纤维增强混杂复合材料微-宏观切削去除机理研究

由于碳纤维和Kevlar纤维力学性能相差迥异,在C-K纤维混杂增强复合材料（Carbon-Kevlar fiber hybrid composite,CKFH）加工中易产生加工缺陷,比单种纤维复合材料的加工缺陷更难控制。由此,从微观和宏观角度,构建CKFH三维有限元切削模型,分析CKFH的切削去除机理及平纹编织结构对切削过程的影响机制。结果表明,在不同纤维取向下,Kevlar纤维均易产生抽丝拉毛现象,尤其当纤维取向θ=0°/180°时最为明显;纤维取向θ=0°/180°时,切屑多为卷曲片状切屑,纤维取向θ=45°、90°、135°时,两种纤维的断裂相互影响,切削表面、切屑形态均与切削方向存在密切关系,当纤维取向θ=45°时,多为细小片状切屑,纤维取向θ=90°时,切屑多为絮状块状切屑,纤维取向θ=135°时,切屑多为成块状切屑;从碳纤维切向Kevlar纤维时,Kevlar纤维出现松散、抽丝拉毛现象明显,从Kevlar纤维切向碳纤维时,在Kevlar纤维的韧性弯曲区碳纤维发生弯曲脆断、碎裂,易出现凹坑;平纹编织结构对切削应力的传递具有明显的阻断作用,有限元仿真结果与试验观测结果基本吻合。     

递归定量分析在离心泵故障诊断中的运用

为了准确诊断离心泵的振动故障,针对振动信号的非平稳特征,提出了一种基于递归定量分析的离心泵振动故障诊断方法。采用递归定量分析(recurrence quantification analysis,简称RQA)方法提取离心泵振动信号的非线性特征参数,由这些特征参数构成特征向量,并以此作为改进Elman神经网络的输入,对神经网络进行训练,建立了离心泵运行状态分类器,用以诊断离心泵的不同状态。试验结果表明,递归定量分析与Elman神经网络相结合的方法可以准确诊断离心泵的振动故障。     

基于同轴光子带隙晶体的应变传感器

基于微波网络理论,提出了一种基于变绝缘层的同轴光子带隙晶体应变传感器的设计方法。给出了同轴光子带隙晶体传感器的结构形式,推导了传感器带隙极值频率与晶体电长度之间的关系。根据给定监测频点设计了传感器的几何尺寸及材料参数,计算了传感器的S参数,计算结果与仿真结果相吻合。分析了提高该传感器灵敏度和品质因数的方法,并搭建了实验测试平台。实验结果表明:当应变量由0με提高至10 000με时,极值频率由2.450GHz移至2.432GHz,频移量为18 MHz,灵敏度为1.8kHz/με。得到的实验结果与仿真结果相吻合,验证了本文所提出的基于变绝缘层的同轴光子带隙晶体应变传感器设计方法的可行性和有效性。该传感器可满足不同灵敏度需求下对应变的实时监测。     

基于响应曲面法的大型锥形件缩口成形工艺设计及多几何参数优化

提出一种适用于大型锥形件的缩口成形方法,通过主应力法对该缩口成形时的轴向缩口力与标准直壁锥形件的缩口力进行对比,得出了最佳成形方案。并基于Deform和响应曲面法讨论了该成形模具中缩口凹模母线弦高χ、内壁直空比l/h和毛坯壁厚S₀、变壁厚尺寸λ分别对缩口件高度和缩口成形力的影响,得到了两个响应变量分别关于四个自变量的回归预测模型,优化出凹模内直空结构和毛坯的最佳几何结构参数,最后通过物理试验得到验证。结果表明：当χ=6.9 mm、l/h=0.3、S₀=29.5 mm、λ=4.8 mm时,毛坯在缩口过程中未发生失稳,实时最大缩口力为1 920 kN,测量缩口件高度为1 108 mm,与模型预测结果误差均小于10%,说明了该工艺方案中缩口凹模和毛坯结构参数的可行性,其成形工艺及模具结构形式将为大型锥形产品的缩口成形提供理论指导。     

基于自回归谱外推的全聚焦成像分辨力提升

针对相邻缺陷全聚焦超声成像混叠问题，结合低阶、宽有效频带自回归谱外推方法，压缩超声波时域脉冲宽度，实现亚波长级全聚焦（Total focusing method，TFM）成像分辨力。建立碳钢试块模型，设置两个中心间距1.8 mm，直径1.3 mm圆孔，选用中心频率2.25 MHz，32阵元相控阵探头采集全矩阵数据。针对全矩阵数据，选择自回归阶数为2，信号频谱最大幅值下降14 dB为有效频带，建立自回归模型并外推有效频带外的高频与低频成分，随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明，低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性，TFM成像后可有效分离中心间距0.7λ（λ为超声波长）圆孔，保留缺陷横向位置信息的同时，定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证，定位误差不超过1.06%，有效地提高TFM成像分辨力。     

关于润滑油流变特性研究中一个常用假设的深入探讨

使用一种新提出的用以确定Eyring流体有效黏度η^*的算法,针对润滑油流变特性研究中一个常用假设,即γ=△u/h进行了深入探讨,给出润滑油牛顿黏度η、Eyring流体有效黏度η^*和剪应变率γ与重载热弹流润滑副的摩擦因数μ之间的关系。结果表明：在润滑副尺度很小或类似的低温场合,传统假设γ=△u/h能够近似成立,摩擦因数主要取决于润滑油的有效黏度。然而,在润滑副尺度很大或类似的高温场合,γ=△u/h不能成立,此时摩擦因数不但与有效黏度有关,还取决于剪应变率的变化,故之前关于此类问题的摩擦因数的研究是不准确的。     

基于RQA和V-VPMCD的滚动轴承故障识别方法

多变量预测模型模式识别(variable predictive model based class discriminate,简称VPMCD)利用样本特征值内在的相关性来建立特征学习模型,但是当训练样本较少时会导致模型预测不准确,因此提出了基于递归定量分析(recurrence quantification analysis,简称RQA)和投票法多变量预测模型模式识别(voted variable predictive model based class discriminate,简称V-VPMCD)的故障识别方法。该方法利用了递归定量分析对非线性、非平稳信号分析的鲁棒性和样本质量不高时处理的优势,以VPMCD作为分类方法,并用投票法优化了VPMCD方法,提升了算法的稳定性和识别率。对滚动轴承不同程度、不同类型故障的模式识别实验表明,该优化算法具有较高的识别准确率和稳定性。