水平连铸圆管坯超声检测信号识别方法研究

水平连铸圆管坯是一种多晶种各向民性的粗晶材料。当采用超声波对其进行质量检测时,必然会受到组织散射噪声的干扰而造成无法正确判断缺陷回波信号的困难。在分离频谱法的基础上,提出一种识别与判断缺陷回波信号的新方法－－瞬时频谱法。它以各时刻缺陷回波组成的分离信号序列的瞬时频带宽度为对象来研究识别缺陷回波信号的途径。实验结果表明,该方法不但可正确地识别缺陷回波信号,还可判断强烈的组织散射噪声中是否包含缺陷信号     

金属材料内部非金属夹杂超声检测的数值模拟

在金属材料内部夹杂物的超声检测中,如何通过检测获得的回波信号辨识夹杂物的属性和位置,一直是其重点和难点问题.通过建立包含夹杂物缺陷的二维金属板模型,采用有限元数值模拟的方法,对材料内部超声波场进行计算,获得了两种最典型的夹杂物Al₂O₃和TiN,以及二者在材料内部不同深度时的超声回波信号.研究了夹杂物类型和夹杂物深度对超声回波时域波形以及对界面波、夹杂物缺陷回波和底面回波频谱分布的影响规律.      

超宽带脉冲穿墙雷达互相关BP成像

根据超宽带脉冲穿墙雷达目标回波信号与发射信号具有较强相关性的特点,提出一种新的互相关后向投影(BP)成像算法,该算法将沿天线合成孔径方向各接收阵元的回波信号与发射信号先进行互相关,将获得的互相关信号再利用BP算法进行相干成像.与回波信号进行直接BP成像相比,该算法具有消除脉冲建立时间对回波延迟时间估计误差的影响,提高目标成像的位置精度;能有效抑制背景噪声,提高图像信噪比.利用时域有限差分(FDTD)方法对穿墙场景进行电磁仿真,通过对成像方法结果的比较,表明互相关BP成像算法在成像位置精度和图像信噪比方面明显优越于直接BP成像算法.     

基于EEMD的轧辊偏心补偿控制

针对傅里叶变换、小波算法等传统信号处理方法在非线性信号的提取与重构中存在的缺陷,提出了基于聚合经验模态分解的轧辊偏心信号提取新方法。另外,针对传统自动厚度控制系统(AGC)在偏心补偿控制中的不足,设计了有偏心补偿环节的 AGC系统。新方法将轧制力信号分解为多个不同特征模态函数,从中提取表征偏心信号的特征模态函数,并用此重构偏心信号,最后将新方法重构的偏心信号投入到此系统中控制轧件厚度。仿真及实验结果表明,利用聚合经验模态分解方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,补偿效果优于小波算法。     

鱼雷自导换能器稀土永磁平面阵列的回波探测研究

鱼雷自导换能器是实现攻击目标回波信号检测的制导装置,采用稀土永磁平面阵列构成。研究鱼雷自导换能器平面阵列的回波探测算法,提高目标搜索检测性能。进行回波信号模型构建,对海水混响进行滤波处理,进行平面阵列的回波探测算法设计。仿真表明,该方法对目标回波探测过程中信号的检测性能较高,提高了鱼雷发现和识别目标的能力。     

金属内部裂纹的超声衰减特性与近表面缺陷识别

建立了包含裂纹缺陷的二维金属板模型.采用有限元方法,对具有不同深度裂纹的材料内部超声波场进行计算,获得了不同裂纹深度金属材料上表面的回波信号,分析了裂纹深度对超声波传播特性的影响规律.进一步分离提取不同阶次底面回波的频谱特征,获得了由裂纹缺陷引起的超声衰减系数随频率的变化关系.最后提出了通过底面回波频谱图辨识近表面裂纹缺陷的方法.      

一种摆动雷达高炉料面检测仪的研发与应用

为了准确高效地获取高炉料面信息,设计了一种摆动雷达高炉料面检测仪.针对恶劣的检测环境,设计了包含降温除尘装置的雷达扫描设备,延长雷达的使用寿命.借鉴遥感合成孔径雷达(synthetic aperture ra-dar,SAR)成像原理,将摆动雷达获取的回波信号按时序排列,通过坐标转换重构出雷达扫描图像.高炉雷达料面回波...     

奥氏体低磁钢焊缝超声波检验规程

奥氏体焊缝由低磁合金钢和奥氏体焊缝组成（如图1所示）其质量是用X射线拍照片进行检查，但由于受到X射线照相本身条件的限制，有些方向性强的、危害性大的缺陷如裂纹、层间未熔合不易发现，造成漏检使产品质量得不到可靠的保证。奥氏体焊缝，采用超声波检测，回波的波形杂乱，不易分辨缺陷波形，但在一定的探伤灵敏度的情况下，发现这些杂波也有规律性，通过对比实验，发现这种杂波是在焊缝与热影响区间的回波，即两种介质界面间所产生的介面反射波，这种变型杂波是有规律性，     

钛合金超声探伤中杂波与组织的关系

钛合金饼环材在超检查中，经常遇到杂波信号超标问题，从试样解剖，小型试验等方面对此进行研究，认为，杂波信号的高低不是组织好坏的反映，而是组织不均匀的反映，但组织不均匀反射信号不一定高，即组织不均匀是杂波信号的必要条件，而不是充条件。     

基于小波包分解和支持向量机的石油套管缺陷智能识别

 针对石油套管缺陷超声无损检测(NDT)中缺陷回波的特点,提出了一种基于小波包分解和支持向量机(SVM)的缺陷智能识别新方法。分析了Gabor、小波和小波包3种信号时频变换分解方法的特点,并进行了基于3种方法生成的特征数据可分性比较,确定了小波包分解方法效果最好。根据SVM解决分类问题的原理,采用SVM法对3种时频分解提取的缺陷信号特征数据进行识别。试验表明,基于小波包分解局部熵的特征提取结合SVM模式智能识别的组合方法,可应用于石油套管上的4种典型缺陷的识别。