多元统计分析在超声检测回波信号处理中的应用

应用统计分析中聚类分析、主成分分析法，对DB-H1(JB／T10062—1999)标准试块内部距离测试表面深度为80mm、100mm、110mm、120mm、130mm、135mm的φ3mm横通孔的脉冲反射回波信号进行综合评价，借以说明多元统计分析方法在回波信号识别方面的优越性、实用性。     

超声回波的特征值提取与统计分析

用数字化超声检测系统对缺陷回波进行了分析，提取了回波信号的特征参数，用统计分析方法研究了特征值的有效性，在此基础上进行了缺陷的差别与分类。     

数字化超声回波时域信号拟合技术的初探

用A型显示脉冲超声波探伤仪，获得JB/T 10062-1999标准DB-H1试块中不同深度横通孔的超声回波连续模拟信号，再经采样得到数字化超声回波时域信号，最后应用信号分析与处理技术对数字化超声回波时域信号的拟合进行了初步探索。研究结果表明：用指数周期趋势数学模型与P阶自回归（ARP）数学模型的叠合形式能达到较好的拟合效果。     

涡流检测信号输入神经网络前特征值提取问题的论证

将神经网络技术应用于涡流检测信号的自动识别与分类是目前无损检测界关注的问题。针对涡流检测信号输入神经网络前特征值得提取问题研究了傅里叶描述符法的应用可行性并作了大量实验验证。     

一种非缺陷回波信号的识别和排除

对焊缝圆弧段的超声回波信号的成因进行了分析，提出了这类非缺陷回波信号识别和排除的方法。     

涡流检测的信号处理技术

介绍涡流检测信号处理技术中特征值的提取方法，以及利用神经网络和信息融合技术进一步对信号进行分类、识别和评价的技术发展，还介绍了涡流逆问题求解的发展趋势和根据信号特点选择信号的处理方法。     

利用SAP技术建立超声回波时域信号模型

应用信号分析与处理技术（简称SAP技术），对匀质材料同倍不同深度的横通孔的超声回波信号进行处理，并建立相应的数学模型。研究结果表明：横通孔超声回波采样信号的数学模型可以表达成指数、周期趋势模型与AR（p)模型的叠和形式。     

超声检测信号的自适应滤波

复合材料及粗晶材料等各向异性材料的超声无损检测存在信噪比较低的问题,通过自适应虑皮技术可提高缺陷回波信噪比。在此和由此式利用了自适应噪声低消过程中广泛应用的带延迟的有限就滤波器（ＦＩＲ）和最小均方（ＬＭＳ）算法。     

基于最小值选中次数的分离谱加权算法的超声信号处理方法研究

在脉冲式超声无损检测中，超声脉冲反射回波信号常受到电子噪声和结构噪声的干扰，信噪比往往较低。针对海底管道超声检测信号处理的问题，介绍一种基于最小值分离谱方法中最小值选中次数的统计加权算法。试验证明，该方法稳定性和信噪比较好，具有一定自适应能力。     

声发射信号的参数分析方法

系统地介绍声发射信号简化波形特征参数的定义和分析方法，包括列表显示和分析、单参数分析、经历图分析、分布图分析和关联图分析等。     

固相连接接头超声A扫描信号的小波变换

从信号处理的角度给出了小波变换的工程理解,即小波变换可以看作从原始信号中不断抽取细节,最终只留下信号主干的过程;接着用小波变换对中碳钢摩擦焊和钛合金扩散焊接头的超声Ａ扫描信号进行了降噪处理。结果表明,在对小波系数的合理解释情况下,小波变换能有效地提高信噪比,并能提供了比传统方法更为完整的时域和频域信息。     

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。     

基于超声C扫描的电触头钎焊质量评价

钎着率是判断电触头钎焊质量的重要指标.提出了一种基于超声C扫描图象的钎着率计算方法,从而实现了电触头钎焊质量的自动评价.首先使用基于相依矩阵的平均对比度度量自动选取阈值,并用其对电触头钎焊界面超声C扫描图象实施阈值分割,然后计算针着率,并按照缺陷的回波高度特征对缺陷进行分类,最后,给出了实验结果.     

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。     

高温合金小直径棒材超声检测信号的余弦变换分析及识别

将离散余弦变换（DCT）用于直径为φ26mm的变形高温合金棒材超声检测信号的特征分析，提取缺陷回波的离散余弦变换幅度谱作为特征矢量，并对提取的特征利用人工神经网络进行训练和分类，实验和距离可分性测度计算结果表明，与离散傅里叶变换提取的谱类别特征相比，离散余弦变换使缺陷信号的谱类别特征有明显增强。     

基于神经网络的焊接缺陷智能化超声模式识别与诊断

以三种焊接缺陷为对象,研究了缺陷回波特征的评价与模式识别。在实验研究与理论分析的基础上,从每个缺陷回波样本中提取了26个特征值,采用基于统计学假设检验的特征评价和最佳特征子集选择方法,实现了特征空间的降维处理。作者采用B-P型反向传播神经元网络构成了智能化模式分类器,研究了网络模型的学习效果和对未知缺陷的分类识别能力。还探讨了用Dempster方法进行超声检测信息融合处理的可行性。实验结果表明,采用最佳特征子集作为样本的特征向量,获得了良好的识别结果,三类缺陷的平均正确识别率约为87.6％,最佳识别率为97％。     

超声无损检测的若干新进展

随着新材料不断涌现及现代工业对构件质量要求的提高,超声检测技术得到了较大发展。综述近年来国内外在超声导波技术、声发射新技术、新型超声非接触换能方法、超声信号处理与模式识别等方面的若干研究成果,这些超声检测新成果既有学术前沿性,又有一定应用背景。     

超声检测图像分辨率的维纳滤波去卷积研究

为了研究改善超声检测横向分别率以及缺陷检测精度的方法，对聚焦换能器和非聚焦换能器的超声检测成像结果进行了比较，结果表明聚焦换能器在焦点位置具有较高的横向分辨率。为了提高平面非聚焦换能器的成像分辨率，根据平面换能器的平底孔散射模型，计算出换能器的点扩展函数，并利用维纳(Wiener)滤波进行去卷积研究。结果表明，只要选取适当的滤波参数，去卷积处理能有效改善成像检测的横向分辨率。     

基于群延时信息的超声信号处理方法

充分利用超声信号的群延时信息，结合短时傅里叶变换，给出了群延时对频率导数在时一频域中的分布，以此来反映时一频域中局部信噪比的强弱。在此基础上，进一步利用超声信号的群延时信息，极大地增强了缺陷信号。     

超声检测中二次采样的研究

对超声检测中常遇到的变采样问题进行讨论，提出了一套二次采样算法，有效解决了该问题，举例说明了超声信号二次采样前后时频域特性的变化，并总结了该算法的优缺点。