增材制件内部缺陷埋藏深度的激光超声定量检测

针对增材制件内部缺陷检测，提出一种内部缺陷埋藏深度的定量检测方法。对用激光超声无损检测技术接收到的信号采用小波包分解技术进行分离并提取信号中的超声纵波，解决了超声表面波和纵波耦合影响时域特征提取的问题。根据检测过程中经过缺陷的纵波声程的变化，实现了精锻试块内部缺陷埋藏深度的定量检测，检测结果的相对误差为1.81%。在原检测方法的基础上增加异常点滤除算法，并应用于增材制件内部缺陷的检测，检测结果的相对误差为1.76%。     

金属材料超声无损检测的算法研究与应用

以超声信号特征为依据,结合小波频段变更降噪法和经验分解降噪法对比分析,根据超声无损检测模型,将不同带宽的噪声加入到需要采集的噪声,运用MATLAB对目标信号进行降噪处理,并对金属材料存在缺陷深度为1英寸和3英寸的试件进行检测,研究结果显示,经验分解降噪法相对于小波频段变更降噪法在金属材料回波降噪处理的优势更明显,经过降噪处理的超声信号对金属材料无损检测更显著,该研究对金属材料无损检测提供了科学依据。     

基于小波包变换的轴承外圈超声检测信号处理研究

为进一步提高铁路货车轴承外圈超声检测质量,将小波包变换理论应用于轴承外圈超声检测信号处理,构建水浸探伤特征扫描成像系统,将铁路货车轴承外圈应用于水浸探伤特征扫描系统中,对水浸系统采集到的轴承外圈超声信号进行小波包变换,用于缺陷信号的降噪处理,提高超声信号的信噪比。并以小波包分解频带的能量作为缺陷信号特征值,根据小波包不同空间能量谱中能量的大小及分布判断轴承外圈内部缺陷程度。     

超声探测弱信号提取方法

为了在超声检测中排除噪声干扰，从强噪声背景中提取弱回波信号，利用小波变换技术从超声探测信号中提取弱缺陷回波信号，建立了超声缺陷回波的数学模型，并进行了仿真实验，其特有的“变焦距”特性使得小波分析在时域和频域中具有良好的分析能力。结果表明，利用小波变换方法能够很好地抑制噪声，提高信噪比，提取强噪声背景中的弱回波信号，且该方法原理简单，易于实现，在工程上有较高的应用价值。     

基于小波包分析的超声缺陷信号特征提取

提取超声缺陷信号的特征是超声缺陷识别的重要关键技术之一,它直接影响着缺陷识别的准确性和可靠性.在分析超声检测信号特征的基础上,采用小波包分析来提取信号的特征信息,其基本思想是选取适当的小波基函数对信号进行小波包变换,提取各个频带上的能量构成特征向量,并用基于距离的类别可分性判据对提取结果进行了评价,可分性测度平均值高达97.7%.试验结果表明,该方法对于超声缺陷回波信号的特征提取非常有效.     

粗晶材料超声检测中的非线性信号处理

针对粗晶材料超声检测时严重的结构噪声使信噪比很低的问题。使用非线性时频分布对超声信号进行处理，充分考虑信号的时域、频域和相位的信息，根据超声信号在缺陷和噪声处瞬时频率的不同，结合超声信号的空间投影特点。提出了一种基于信号瞬时频率的超声信号处理方法。首先使用Choi—Willianms分布将信号变换到时频域。估计出信号瞬时频率，然后通过瞬时频率的有序度对超声信号进行加权处理。该算法充分利用了超声信号时域、频域和相位的信息。不仅消噪性能好，而且缺陷定位准确。     

基于数学形态学的超声信号盲区内缺陷特征提取方法

利用高频聚焦超声技术检测金属材料内部缺陷时,由于超声探头存在盲区,无法对近表面的缺陷进行准确定位,从而难以对材料的性能进行有效评估。因此,提出基于数学形态学的超声信号盲区内缺陷特征提取方法。采用扁平结构元素对盲区信号进行形态滤波,在提取出缺陷的特征信号后,通过计算特征信号的累积能量,由此可以定位出缺陷的深度位置。在实测中,利用100 MHz的高频超声探头对冷轧镀锌板进行检测分析。以长度为30的扁平结构元素对超声信号做形态滤波,对距离冷轧镀锌板上表面288.5μm的缺陷进行定位,得到缺陷位置为距离上表面275.6μm,相对误差为4.5%。为进一步验证方法的有效性,与小波包分解重构方法进行比较,结果表明:利用数学形态学方法对缺陷的定位误差更小,同时还改善了超声B扫成像的效果,使得缺陷特征更加凸显。     

超声无损检测中的缺陷识别与噪声抑制

在传统的小波信号处理器基础上,根据解析小波变换能准确提取信号相位的特性,利用超声检测信号的相位信息,提出一种新的多缺陷识别与噪声抑制算法。该算法充分运用超声信号的时域、频率和相位信息,能检测多个具有不同频谱特性的缺陷。实验结果表明该算法不仅消噪性能好,而且提高了缺陷的纵向分辨率。     

粗晶材料超声检测信号处理

粗晶材料如奥氏体钢在核电、化工等压力容器和管道中应用很广泛,但由于粗晶材料对超声波的强烈的散射效应,超声检测时存在严重的结构噪声。晶粒噪声和缺陷信号的时频特征的差异,为提高超声检测的信噪比提供了可能。近年来人们着重从数字信号处理的角度来提高信噪比。理论和实践证明,由于超声缺陷信号的时变特性,单纯的时域或频域分析并不是理想的方法,应采用时频分析,其中尤以小波分析最为有效。小波分析用于噪声材料的信号处理,可望给这种材料的超声评价带来实质性的进展。     

超声波检测中缺陷的智能识别

为了实现超声检测对缺陷的智能识别,引入小波包分析与人工神经网络技术。该方法利用超声信号进行三层小波包分解,提取各频率成分能量为特征值。建立并训练了一种BP缺陷识别的神经网络,该网络使用Levenberg—Marquardt算法。实验分析表明,小波包分析和人工神经网络的引用能为缺陷类型提供有效的智能识别。     

Online welding quality monitoring based on feature extraction of arc voltage signal

Arc sensing plays a significant role in the control and monitoring of welding quality for aluminum alloy pulsed gas touch argon welding (GTAW). A method for online quality monitoring was proposed based on the analysis of acquired arc voltage signal, through which two algorithms of feature extraction were developed in time and frequency domain, respectively. In time domain,the wavelet packet transform was carried out to eliminate the pulse interference of the feature parameter curve. In frequency domain, the other new algorithm was proposed based on the voltage power spectrum density (PSD) which was calculated by using the improved Welch algorithm and divided into five frequency bands before the statistic parameters were extracted. The correlation between the feature parameters in different frequency bands and welding defects were carefully analyzed to select a more sensitive one as the monitoring parameters. The proposed algorithms on this paper were verified to be capable of detecting lack of penetration, burn through, and the defect caused by lack of gas.     

基于小波变换的旋转机械轴径表面缺陷诊断方法的研究

通过对旋转机械的轴径表面缺陷在轴振动信号中的特征进行的分析,指出该类信号不能用频谱分析的方法进行分析,由于小波分析具有将信号的不连续性在小波系数中表现出来的特点,所以本文提出利用小波分析的方法,通过对机组启机过程振动信号的小波变换,得到轴径表面缺陷在轴振动信号中的特征,并且通过小波逼近系数还可得到机组振动的大小。使振动信号可以反映机组的实际振动情况。     

齿轮振动信号特征的小波包频率表示法

通过对信号的小波包分解的研究．提出了信号特征的小波包频率表示方法．表示信号对分解节点和频率的功率谱分布;同时提出以小波包频率表示为依据的特征信号重建方法。齿轮振动信号特征的小波包频率表示表明该表示方法能有效展示齿轮的技术状况的变化。将功率谱集中的相邻的结点上的分解结果重构,得到的时域特征信号也能展示齿轮的技术状况。     

Unified time–scale–frequency analysis for machine defect signature extraction: Theoretical framework

The effectiveness of signal processing plays a critical role in machine condition monitoring and health diagnosis, especially under the presence of noise contamination. This paper presents a new approach to unifying techniques in the time, scale, and frequency domains. Specifically, spectral post-processing is performed on the data set extracted by wavelet transforms to enhance the effectiveness of defect feature extraction. The theoretical framework for such a generalized signal transformation platform is introduced, and boundary conditions for implementing the new technique are discussed. Comparison with enveloping technique based on band-pass filtering and wavelet transform has shown that the new technique is more effective in identifying structural defects in bearings, and computationally more efficient, thus providing a good alternative to envelope analysis for defect signature extraction in machine condition monitoring.     

基于信息熵的涡旋压缩机故障诊断研究

为了定量描述涡旋压缩机运行状态,在状态特征提取的基础上,从振动信号分析的思路出发,结合信息论中熵和灰关联度的理论,建立了一种基于时域的奇异谱熵、频域的功率谱熵、时-频域小波能量谱熵和小波空间特征谱熵的故障诊断方法,并作为综合评价涡旋压缩机振动状态的定量特征指标,可实现对涡旋压缩机几种故障的较好识别,证明了该故障诊断方法的有效性。     

基于小波包能量谱齿轮振动信号的分析与故障诊断

小波包是继小波分析之后提出的一种新型的多尺度分析方法,解决了小波分析在高频部分分辨率差的缺点,体现了比小波分析更好的处理效果.测试了齿轮传动系统在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,有效地提取出齿轮故障特征信号,得到试验结果.通过比较时域分析、频域分析和小波包分析对齿轮振动信号进行的特征提取,...     

基于小波和神经网络的视觉诱发电位识别方法

在基于瞬态视觉诱发电位的脑机接口研究中，通过视觉诱发电位信号的提取与识别产生脑机接口控制信号。采用累加平均和小波滤波提取强噪声背景下微弱的视觉诱发电位。在小波变换域求取特征向量，将特征向量输入感知器进行视觉诱发电位模糊识别，产生脑机接口控制信号。实验表明，小波变换域特征向量提取方法能有效地实现信号的去噪、降维和特征提取，基于神经网络的模糊识别算法能比较准确地识别视觉诱发电位，有利于提高脑机接口的通讯率。     

基于小波—奇异值分解差分谱的弱故障特征提取方法

对于一些复杂信号中的弱故障特征信息,以往的两种小波—奇异值分解(Singular value decompositiom,SVD)组合模式的特征提取效果不佳,从小波的频率窗特性出发分析了出现这种问题的原因,进而对复杂信号的奇异值分布规律进行研究,据此提出一种新的小波-SVD差分谱组合模式。对原始信号做小波分解得到一系列细节信号后,不再将这些信号简单地排列成矩阵,而是利用每个细节信号构造特定结构的Hankel矩阵,再通过SVD对每个矩阵做正交化分解,并利用奇异值差分谱来选择特征奇异值进行SVD重构,由此实现对弱故障特征信息的提取。对一个轴承振动信号的处理结果证实该方法对复杂信号中的弱故障特征信息具有优良的提取效果,其获得的故障特征波形非常清晰,克服了以往小波-SVD组合模式对弱故障特征提取效果不佳的缺陷。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。