小波变换模极小值在粗晶材料超声检测中的应用

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。     

基于LabVIEW软件平台的粗晶材料超声信号去噪处理的研究

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。     

小波变换模极大值在粗晶材料超声检测中的应用

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.     

HHT在粗晶材料超声检测中的应用

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。     

增强超声探伤信号的分离谱处理方法

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。     

小波尺度加权法在粗晶材料超声波检测中的应用

为了解决超声波检测粗晶材料时回波信噪比低、缺陷难以检出的难题,对超声波信号小波分析原理进行了研究。以实例分析的方式提出小波尺度加权降噪法,并阐述其原理及优点。在小波分析尺度加权降噪法的基础上编制了缺陷识别程序,对超声波信号进行处理,大大提高了对缺陷的识别与定位能力。该检测工艺在实际粗晶材料超声检测中取得了良好的效果。     

基于小波包的奥氏体焊缝缺陷超声信号识别

在使用超声反射波法对奥氏体不锈钢焊缝进行缺陷检测时,由于粗大晶粒组织的声散射作用,致使缺陷信号不易于识别. 针对这一问题,提出一种基于小波包技术的改进噪声抑制方法. 阐明了改进方法的技术原理,采集了奥氏体不锈钢焊缝中含人工缺陷信号的超声回波数据. 利用所提方法对超声回波进行了噪声抑制处理,并对人工缺陷进行了定量化测量. 结果表明,和传统小波包法相比较,所提方法能更为有效地滤除超声反射回波中的噪声成分,可识别直径1.5 mm的平底孔.     

钛合金超声检测的信号特征与处理方法

钛合金材料广泛应用于船舶、航空等领域,通常采用超声检测技术对其原材料与焊接质量进行评估,但在大规格构件与微小缺陷检测时,存在晶粒噪声导致缺陷信号难以识别的问题。基于水浸超声技术测试了典型钛合金组织的声学性能,结果表明其声速与衰减系数呈现各向异性,大厚度结构检测时影响灵敏度的关键因素为散射杂波的干扰。采用小波包能量熵作为特征参数,分析杂波信号与缺陷信号的特征,通过支持向量机与神经网络模型分类,缺陷信号的识别准确率达到90%以上。     

�־����ϳ����������źŴ�������չ����

 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。     

镁合金超声检测的相关增强小波去噪技术

提出了一种基于相关增强与小波阈值相结合的超声信号去噪方法,将该方法用于AZ91镁合金的超声检测能够有效地去除噪声,提高检测精度。由于同类缺陷信号之间相关性较大,因此对同类缺陷的超声信号进行相关处理能够增强缺陷信号;结合小波分析的多分辨分析特点,从频率和时域对增强后的信号进行阈值处理,最终获得了良好的去噪效果。实验结果表明:该方法能够有效去除由粗晶散射引起的结构噪声,对微弱缺陷信号的检测是很有效的,且灵活便捷。     

小波变换理论在弹药无损检测中的应用

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。     

脉冲涡流检测技术的进展

脉冲涡流检测技术主要用于检测亚表面及多层金属结构缺陷。脉冲激励与金属结构缺陷之间发生相互作用,在探头中引起的瞬态响应信号包含大量的缺陷信息,使之具有快速定量检测缺陷的潜力,但也增加了对响应信号解释的难度。评述了脉冲涡流瞬态响应的计算、提离噪声抑制等方面的国内外研究进展,分析了脉冲涡流检测技术的发展方向。     

水平连铸圆钢的混合波检测及缺陷信号的提取

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。     

无缝管道漏磁信号去噪新方法

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。     

A novel feature extraction for eddy current testing of steam generator tubes

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.     

一种基于WMM的超声信号噪声抑制新方法

超声衍射时差（time of flight diffraction,TOFD）法存在接收的缺陷衍射信号能量低、易于被噪声干扰的问题.为了解决这一问题,根据TOFD法检测过程中两相邻测点回波中缺陷信号具强相关性、噪声信号具随机性的特点,在传统小波模极大值（waveletmodular maximum,WMM）方法的基础上...     

压力容器声发射检测中常见非缺陷信号分析

介绍了压力容器声发射检测中常见的机械振动、电磁干扰、氧化皮开裂脱落、鞍座垫板摩擦等非缺陷定位信号的特征。频谱分析发现机械噪声、氧化皮和摩擦的声发射信号频率逐渐增加,电磁噪声信号频率较高。因此可通过频率特征区分这些信号。     

模糊提升小波包变换降噪法在漏磁检测信号处理中的应用

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。为此提出应用模糊提升小渡包解决漏磁信号的噪声抑制问题。对比分析软阈值、硬阈值和模糊阈值三种阈值处理方式下,传统小波包与提升小波包的降噪性能,并应用模糊提升小波包实现了漏磁信号的降噪。仿真结果表明,该方法具有运算速度快,降噪效果好的特点,是一种有效的漏磁检测信号降噪方法。