基于优化变分模态分解的磁瓦内部缺陷检测

针对磁瓦内部缺陷声振检测存在的信号处理和特征识别问题,提出结合变分模态分解（VMD）、粒子群优化（PSO）和随机森林（RF）的信号分析方法. 该方法以模态能量和相邻模态中心频率差值构建代表VMD处理性能的适应度函数,其中以VMD的分解层数和惩罚因子2个参数作为该适应度函数的变量;通过PSO在VMD参数选择空间中搜索该函数的最小值以执行VMD的参数优化,最小值所对应的参数设置即为VMD的最优参数;利用得到的参数实现信号的最优VMD分解并通过计算模态分量的能量来筛选特征模态,从中提取过零率、谱质心和最大峰值频点以联合反映磁瓦内部缺陷的特征信息;经RF分类器对这些特征进行识别进而对内部缺陷的存在情况做出判断. 实验证明所提出的方法能够准确、高效地实现不同类型磁瓦的内部缺陷检测.     

基于双谱分析的磁瓦内部缺陷音频检测方法

内部缺陷检测是保证磁瓦产品质量的关键环节之一。针对目前磁瓦内部缺陷采用人工音频识别存在的问题,使用双谱分析已知内部缺陷情况的磁瓦在跌落撞击试验中产生的音频信号,其结果表明内部缺陷会影响双谱的峰值分布。根据这个规律,提出了一种归一化双谱三切片分析方法用于磁瓦内部缺陷的检测。该方法首先提取归一化双谱上三个特定方向的切片;其次按照峰值分布与内部缺陷的映射关系,将每个切片划分成若干频率区域,并对各区域进行分类;然后通过对不同种类的区域最大峰值比较与计算,建立识别内部缺陷的阈值。最后,验证试验对方法的有效性进行了评估,取得了97%以上的识别正确率。试验结果表明双谱分析在磁瓦内部缺陷音频检测中具有较好的实用性。     

面向航空发动机叶片榫齿轮廓的尺寸测量技术

榫齿作为航空发动机叶片的重要组件之一,其轮廓尺寸的精密性决定了叶片安装的牢固性以及发动机工作的安全性。然而,当前工业生产中仍然采用传统的人工投影方式作为测量手段,存在测量效率低、精度不稳定等问题。基于机器视觉技术,提出了针对航空发动机叶片榫齿轮廓尺寸的测量方法并开发了相应测量系统。其采用工业相机实时采集榫齿轮廓图像,通过 HALCON机器视觉软件对榫齿轮廓图像依次进行预处理、边缘提取、几何量特征提取、几何尺寸变换等操作,以此准确获得榫齿轮廓的尺寸信息,并联合Visual Studio 2019设计了相关信息交互的可视化图形软件。测试结果表明,所开发系统在直线和角度上的平均测量精度误差可分别控制在0.023 6 mm和0.270 1°以内,且单次测量耗时不超过2 s。相比于传统的人工投影测量方法,显著提升了测量的精度和速度,且降低了人工成本,拥有更友好的现场部署潜力。     

基于模糊聚类双谱的磁瓦内部缺陷无损检测方法

为解决磁瓦内部缺陷较难检测的问题,提出一种模糊聚类双谱分析方法用于其内部缺陷的无损检测。该方法以磁瓦在受到撞击时产生的声振信号作为研究对象,利用双谱分析发现内部缺陷与双谱峰值的分布区域具有映射关系,并且模糊聚类处理后的归一化双谱能明显地反映这一特征。根据这个规律,通过将模糊聚类双谱的对角线切片划分为若干频段,并计算切片指定幅值所在的频段建立内部缺陷识别规则。最后由验证试验评估该方法的可行性,得到了92.5%以上的识别精度。试验表明:模糊聚类双谱在磁瓦内部缺陷声振检测中具有一定实用性。