共查询到18条相似文献,搜索用时 93 毫秒
1.
小波变换模极小值在粗晶材料超声检测中的应用 总被引:3,自引:0,他引:3
本文研究小波变换方法在粗晶材料超声缺陷信号增强中的应用,为克服粗晶材料超声检测时晶粒噪声的影响,在分析晶粒噪声和缺陷信号频谱分布的基础上,提出了一种基于小波变换模极大值的算法来提高信噪比,利用此算法进行实际超声信号分析效果良好。 相似文献
2.
采用超声纵波检测粗晶材料缺陷时,由于晶粒粗大及各向异性的影响,将产生较强的组织散射噪声,降低材料超声探伤的信噪比,严重干扰对缺陷回波的正确识别与判断。文章分析了粗晶材料超声信号去噪处理方法,提出了基于软件平台LabVIEW的信号处理构想,设计了粗晶材料超声信号去噪处理的LabVIEW处理模块,为有效抑制粗晶材料的组织散射噪声提供了手段。 相似文献
3.
小波变换模极大值在粗晶材料超声检测中的应用 总被引:5,自引:0,他引:5
本文研究小波变换方法在粗晶材料超声缺陷信号增强中的应用.为克服粗品材料(奥氏体钢)超声检测时晶粒噪声的影响,在分析晶粒噪声和缺陷信号频谱分布的基础上,提出了一种基于小波变换模极大值的算法来提高信噪比.利用此算法进行实际超声信号分析效果良好. 相似文献
4.
HHT在粗晶材料超声检测中的应用 总被引:1,自引:0,他引:1
超声检测粗晶材料时,结构噪声会严重降低检测信号的信噪比,造成缺陷反射波很难分辨出来。为提高检测信号的信噪比,增加粗晶材料超声检测的可靠性,本研究采用希尔伯特-黄变换(HHT)对检测信号进行分析处理。用超声检测系统对材料进行检测,采集粗晶材料测试数据;通过经验模态分解获得组成信号的本征模态函数,并经过希尔伯特变换得到不同模特对应的边际谱;分析信号的时频信息,去除噪声信号,提高了信噪比,使缺陷反射更加明显。实验结果表明:HHT能够有效去除无效的结构噪声,提高信噪比,缺陷反射更加突出。 相似文献
5.
增强超声探伤信号的分离谱处理方法 总被引:7,自引:1,他引:6
在粗晶材料的超声探伤工作中,晶粒噪声问题是至关重要的,分离谱处理技术已成功地用于降低此类材料超声检测中的噪声。给出了若干不同的分离谱处理自满,并根据实验信号对该技术的性能进行了分析。 相似文献
6.
7.
8.
9.
在超声检测中,粗晶材料由于较大的噪声背景,严重影响着有用信号的检测,为了提高信噪比,文章介绍了几种新的粗晶材料检测信号的处理技术,包括相关技术、专家系统、小波包去噪技术以及神经网络技术,给出了几种技术的原理及应用,这些技术将推动超声检测信号处理技术向着实时和高效的方向发展。 相似文献
10.
11.
为提高工业CT探测炸药的信噪比和可靠性,利用小波变换的方法降低信号噪声以实现有效的炸药探测。结果显示小波变换可对工业CT探测的炸药信号进行分析,能有效抑制噪声和提高信噪比,并可检测出药柱的裂纹及其位置。 相似文献
12.
13.
水平连铸圆钢的混合波检测及缺陷信号的提取 总被引:1,自引:0,他引:1
采用由超声纵波和横波组成的混合波检测水平连铸圆钢中埋藏较深的径向缺陷,得到的缺陷回波信号很弱,且完全“湮没”在强烈且复杂的材料组织散射噪声之中。分析了检测信号的特征,并采用截止频率法成功地提取了微弱的缺陷回波信号。 相似文献
14.
漏磁(MFL)检测信号常被多种噪声源污染,极大地降低了漏磁信号中缺陷信号的可检测性。提出一种漏磁信号去噪新方法。该法首先利用自适应滤波方法去除漏磁信号中的无缝管道噪声(SPN),然后再利用小波系数去噪方法去除SPN自适应消除系统输出的漏磁信号中的噪声。实测的漏磁信号处理结果说明,该方法具有良好的去噪效果,可提高漏磁信号中缺陷信号的可检测性。 相似文献
15.
For defect characterization in steam generator tubes, feature extraction to interpret eddy current testing (ECT) signals has been recognized as an important step. In this paper, we propose a new feature extraction from ECT signals for defect classification and defect sizing. Using the extracted features as an input vector, a multi-layer perceptron (MLP) neural networks are used to classify defect types and to predict defect size. Although the proposed method requires relatively fewer features for the defect classification, it provides not only a high level of classification accuracy but also promising robustness to noise. Moreover, for the prediction of defect size, the proposed method yields a comparable prediction accuracy even though it needs fewer features than the previous result. 相似文献
16.
17.