一种基于小波包和主成分分析的超声信号特征提取方法

为了有效识别不同类型的超声缺陷信号,提出了一种基于小波包分解和主成分分析(Principal Component Analysis,PCA)的信号特征提取方法。首先,提取缺陷信号小波包分解后的能量系数组成多维特征向量集;然后,使用PCA方法对多维特征向量进行降维得到融合特征量;最后,输入BP神经网络对不同类型的缺陷信号进行分类测试,并与未经PCA处理的特征量分类测试结果进行对比。试验结果证明,该特征量提取的方法能够有效地对缺陷进行分类,且测试速度明显得到提高。     

基于小波包分析的超声铜-钢感应熔敷焊焊接界面缺陷特征参量提取

通过信号截取和幅值归一化对铜一钢感应熔敷焊焊接界面超声检测信号进行了预处理研究。采用Db8小波基函数对预处理后的典型缺陷波形进行了3层小波包分解,提取了典型缺陷的时域特征和频域特征;利用欧式距离公式对时域、频域及时频域3种不同的特征向量下缺陷类型的可分性进行了比较。结果表明:选择时频域特征向量作为缺陷性质判定的依据,能确保缺陷分类的准确性与可靠性。     

444铁磁性不锈钢焊管缺陷的识别与分类

基于涡流检测技术,提出一种针对444铁磁性不锈钢焊管的缺陷识别与分类方法。首先采集经过磁饱和处理后的钢管涡流信号,通过经验模态分解(EMD)进一步对涡流信号进行降噪,提取到最能代表原始信号特征的内涵模态分量(IMF),对所选取的IMF提取时频域特征参数;为了提高模型识别效率,通过主成分分析(PCA)对特征向量集降维;最后使用支持向量机(SVM)对焊缝缺陷进行识别与分类。试验结果表明,该方法对444不锈钢焊管各缺陷的识别准确率较高,生产中可将含有特定缺陷的产品自动筛选出来,提高了生产效率。     

基于Morlet小波的超声缺陷分类识别方法研究

超声缺陷自动识别是目前无损评判领域内研究的热点。采用改进的Morlet小波对超声缺陷信号进行降噪处理,为获得更全面的缺陷特征,在建立的参数空间基础上为缺陷信号构建特征向量,将这些缺陷信号输入RBF神经网络对获得的超声检波信号进行缺陷分类。实验结果表明:小波降噪算法充分利用超声回波信号的特征信息,降噪效果明显,有利于提高缺陷分类的准确性;RBF神经网络缺陷识别法能有效提取同类别缺陷信号的共同特征,提高缺陷分类准确度。     

异形构件的超声检测方法研究

由于异型构件上端直径小、壁薄、内壁存在内棱角等,给超声检测带来很大的闲难,且内棱波严重干扰了超声回波信号的识别.提出使用超声爬波检测异型构件的方法,在此基础上采用提取回波信号的时间与幅度双特征量的信号处理方法进行缺陷识别.测试结果表明:该检测与信号处理方法可满足在线检测技术的实时性、准确性和可靠性等要求,具有广泛的应用前景.     

基于超声相控阵对焊缝缺陷的检测研究

为了解决超声相控阵检测过程中人为造成的缺陷误判及达到对缺陷准确分类的结果,首先对风电塔筒Q345E焊接试板内部预制人工缺陷-气孔、夹杂及裂纹;然后用超声相控阵设备对预制的三种缺陷分别进行检测,提取超声相控阵检测A扫数据。结合超声相控阵信号、小波包自适应分析信号的特点和不同小波基对采集信号的处理效果,选取dB10小波为最优小波基,提取缺陷"频率-能量"特征。最后利用小波包分解的第三层各个节点的缺陷特征能量比例作为BP神经网络输入参数,其缺陷分类结果的精度可达到90%。研究结果表明:以上方法对于Q345E焊接缺陷区分度明显,神经网络分类效果较好。     

基于时频判别特征的焊缝超声检测缺陷分类

根据超声检测信号的瞬变特性,针对焊缝检测的缺陷分类问题,提出用判别追踪算法提取缺陷信号的局部时频判别特征,并结合概率神经网络实现了焊缝超声检测信号的缺陷分类.在提取时频判别特征时,提出考虑新选原子与已选原子的相关性的判别基提取方案,以降低特征之间的冗余,使提取出的特征能更有效地鉴别不同类别的缺陷.用该方法对一电子束焊缝试块中的缺陷进行了分类,结果表明,时频判别特征适合超声信号的缺陷分类,并能有效地抑制晶粒噪声的影响,考虑判别原子间相关性后可获得更高的分类正确率.     

激光超声检测碳纤维增强树脂基复合材料的缺陷评估技术研究

采用激光超声检测技术，研究了碳纤维增强树脂基复合材料中常见缺陷的激光超声信号特征与缺陷识别评估方法。结果表明，利用L波的特征和变化，可有效地提取反映复合材料中缺陷的声波信息；根据L波的幅值和衰减变化规律，可进行缺陷的判别，确定缺陷的性质。     

小波变换和模糊模式识别技术在金属超声检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点,提出了一种缺陷定性特征值的提取是模式识别的关键,因此提出用小波变换提取特征值,多面手用模式识别的方法对小波变换的特征值提取结果进行定性分类,从而确定缺陷类型。采用上述上种不同性质的缺陷进行分析和处理。结果表明,用小流变换提取特征值的方法是有效的,而模糊模式识别算法也得到了较好的分类效果。     

薄板点焊超声检测信号特征分析与缺陷识别

运用低碳钢薄板点焊超声检测有限元仿真模型,对气孔、压痕过深、熔核过小、脱焊等四种缺陷类型的点焊检测超声仿真信号进行快速傅里叶变换得到其频谱图,并采用统计学方法分别提取了超声信号时域和频域特征值.通过分析超声在不同缺陷焊点内部的传播规律,以及特征值的变化规律,总结了点焊缺陷类型的识别方法.利用该方法对大量点焊试样超声检测试验信号进行缺陷识别并与金相试验结果对比分析. 结果表明,综合分析超声检测信号时域和频域特征值规律,能够有效地识别点焊缺陷类型.     

基于独立分量分析的搅拌摩擦焊缝超声无损评价

指出搅拌摩擦焊焊缝的弱连接是目前超声无损检测的难点. 提出了一种新的超声特征成像方法,包括使用独立分量分析方法(independent component analysis,ICA)对时域超声信号进行分解,进而获得检测信号的特征矩阵;根据检测信号能量传递的特点,确定检测目标特征矢量的筛选方法,将检测信号向特征矢量投影,将投影能量和作为特征参数,对搅拌摩擦焊焊缝进行声成像. 应用该方法对不同拉伸强度的搅拌摩擦焊焊缝进行了声成像检测,并与常规C扫描方法进行了对比. 结果表明,该方法的检测结果与拉伸试验具有较好的一致性,对于搅拌摩擦焊焊缝的检测灵敏度高于常规C扫描方法.     

Intelligent pattern recognition and diagnosis of ultrasonic inspection of welding defects based on neural network and information fusion

Abstract

The detection of defects in real manual metal arc welds using ultrasonic non-destructive testing has been investigated. Twenty-six features, extracted from three domains, were applied for recognition of defect type. To increase the reliability and accuracy of identification and classification, statistical analysis was used to evaluate the features extracted from ultrasonic defect echoes. The subset of optimum feature was then selected using the method of discriminant analysis. An intelligent defect evaluation method derived from the study is presented. The results show that statistical analysis is an effective method for feature evaluation. The uncertainty of defect diagnosis can be decreased by the information fusion method, and for three specific defect types, defects were correctly identified in approximately 93% of cases.     

基于桁架机器人的超声检测控制系统的设计

为了解决工件内部缺陷的精确探伤问题,提出了基于桁架机器人自动化超声波检测系统,并采用功率谱分析进行了缺陷回波信号的分析。研究设计了控制系统并编制了超声测试软件程序,由工控机和PLC组成的控制系统可以控制桁架机器人使其实现三维运动,同时驱动探头对工件进行精确地检测。与传统的超声检测方法相比,采用功率谱分析方法分析内部缺陷的超声回波信号可获得明显的不同缺陷的特征,可对内部微小的缺陷分辨更准确,提高超声检测精度。     

主成分分析在飞机多层结构层间腐蚀脉冲涡流检测中的应用

在飞机多层铆接结构层间腐蚀缺陷的脉冲涡流检测中,需要识别提离效应造成的干扰信号和缺陷信号,同时也需要判断缺陷深度。制作了模拟飞机多层铆接金属结构的试样,对不同深度和大小的腐蚀缺陷进行了检测。采用主成分分析(Principal Component Analysis,PCA)方法对实验数据进行处理,并提取前3个主成分进行分析。结果表明:应用PCA方法,可以将纯提离信号与带层间腐蚀缺陷的信号显著区别开来,可以将不带提离时的纯腐蚀信号的深度识别出;将PCA提取的主成分应用K-means算法进行聚类,可以将纯提离信号与纯腐蚀信号和腐蚀提离混合信号区别开来。而对于带提离的腐蚀,试验发现其PCA分布与不同深度的纯腐蚀出现混淆,因而不能准确识别这两种信号。     

基于超声散射法的微小缺陷及近表面缺陷的检测

针对常规超声检测法存在对(?)1.0 mm以下的微小缺陷漏检及近表面检测存在盲区的问题,提出一种超声垂直发射背向散射的检测方法。分析了散射模式的声场传播特性,阐明了该模式的检测原理。通过对不同类型和尺寸的人工缺陷检测,分析了该散射方法的检测信号、检测灵敏度及成像图形;通过有限元分析,对散射波声场分布的可靠性进行了验证。结果表明,超声散射法能够识别常规超声检测方法容易漏检的微小缺陷及无法辨别的近表面缺陷,可有效检测(?)0.4 mm的微小缺陷及埋藏深度1.0 mm的近表面缺陷。     

镍-玻璃纤维复合层超声特征成像检测

对直升机旋翼前缘的镍-玻璃纤维复合层进行超声检测方法研究。分析镍-玻璃纤维复合层缺陷特征及缺陷识别方法;针对薄壁曲面构件的检测需求,采用便携式超声特征扫描成像方法和接触式聚焦方法,完成曲面旋翼前缘的扫描成像检测;利用超声特征扫描成像系统对检测信号进行全波列采集,并用幅值特征和频谱分析等方法对复合层脱粘缺陷进行分析和处理,实现高精度的缺陷显示和评价。     

基于神经网络的铝合金裂纹缺陷识别

将人工神经网络方法应用于铝合金工件裂纹缺陷识别,以克服传统人工识别的局限性,从而提高裂纹缺陷识别的准确率。通过设计并搭建水浸超声检测系统,获得超声检测缺陷的波形数据,并对收集到的缺陷波形数据进行特征提取,从中筛选出有用的特征信息,经过小波去噪处理后作为特征信号输入概率神经网络,并进行网络训练,实现对不同裂纹尺寸的智能识别。实验结果表明:该方法可提高对裂纹缺陷尺寸识别的准确率和检测效率,具有较好的应用前景。     

声-固耦合模型下自适应高维特征焊缝缺陷超声检测

针对焊缝缺陷种类识别精度有待提高的问题,提出了一种将随机森林与变分模态分解相结合的算法,以结合二者的自适应特征提取能力及对于高维特征的强适应特性。利用多物理场仿真软件建立含缺陷焊缝的声-固耦合模型,进行超声波无损检测仿真,得到含缺陷超声回波信号。利用变分模态分解求出其各IMF能量分布系数,并以其作为特征向量建立随机森林模型,进行焊缝缺陷识别。结果表明,利用该方法提取的缺陷回波信号特征能有效表征焊缝缺陷,以其建立随机森林模型可以对其进行准确识别。     

基于Faster R-CNN的刨花板表面缺陷检测研究

为了克服刨花板表面缺陷人工目视检测的局限性,实现对多种缺陷准确、实时检测,提出一种基于Faster R-CNN的检测方法。运用从工厂生产现场获取的各种表面缺陷图,制作成一个包含3566张刨花板表面缺陷图像数据集,其中主要包括胶块、水印、砂痕、杂物、粗刨花5种缺陷类型。通过用该数据集对Faster R-CNN在ZF、VGG16和ResNet101不同特征提取网络下的不同锚点(Anchor)设置模型分别进行训练、验证和测试,并对比了不同参数对检测精度的影响。结果显示,该方法能有效检测刨花板表面缺陷,且模型在ResNet101作为特征提取网络时准确率最高。在对训练好的Faster R-CNN模型的鲁棒性进行评估和验证中,模型对122张新图像的5种缺陷类型进行检测,测试的5种缺陷类型识别率分别为92.31%、91.84%、90.57%、96.88%和95.24%,平均检测率为93.37%,测试结果表明该方法能为基于机器视觉刨花板表面缺陷检测系统提供良好支撑。