共查询到19条相似文献,搜索用时 187 毫秒
1.
2.
3.
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。 相似文献
4.
5.
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. 相似文献
6.
7.
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. 相似文献
8.
9.
10.
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. 相似文献
11.
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. 相似文献
12.
《Science & Technology of Welding & Joining》2013,18(5):314-320
AbstractThe 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. 相似文献
13.
14.
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。 相似文献
15.
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。 相似文献
16.
17.
18.
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。 相似文献
19.
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。 相似文献