共查询到10条相似文献,搜索用时 171 毫秒
1.
2.
将压缩传感理论引入X射线焊缝图像缺陷判断,提出将判断X射线焊缝图像是否含有缺陷问题作为一个模式识别问题处理,将待检测图像视为样本图像的线性组合,通过求取系数向量来判断图像是否存在缺陷. 为实现系数向量的稀疏化,提出利用罚函数的方法求解0范数最小问题的近似最优解,提出新的光滑可导的0-1惩罚项函数,使求0范数最优成为可能. 在此基础上分别利用1范数最小和2范数最小求取系数向量,并利用混淆矩阵对所求结果进行分析. 结果表明,综合考虑0,1,2范数最小化所得系数的识别算法灵敏度可达99%,特异度可达98%. 相似文献
3.
针对特种焊接构件中缺陷取向与检测面垂直的情况,采用超声衍射时差技术(TOFD),对搅拌摩擦焊(FSW)焊缝中的缺陷进行识别和可视化检测,开展搅拌摩擦焊焊缝超声TOFD检测与缺陷评估方法研究。建立了FSW缺陷判别方法,实现了焊接工艺参数的优化,确保了焊缝质量,对FSW的推广和应用具有重要的意义和实际生产价值。 相似文献
4.
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
5.
搅拌摩擦焊(friction stir welding, FSW)是一个多物理场耦合过程,焊接过程中声发射信号与焊接缺陷具有关联性. 基于声发射检测与多特征融合研究FSW缺陷监测方法,实时检测固态介质中的声发射信号,利用短时傅里叶变换、小波变换、梅尔频谱对声发射信号进行分析,确定焊接缺陷与声发射信号之间的相关性,最后通过concat融合方法构建多特征向量. 结果表明,FSW在预制缺陷处具有不同的声发射信号特征. 短时傅里叶、小波变换的主要频段集中在20 kHz,出现缺陷时功率分别达到?40,0.8 dB以上,梅尔频谱的主要频段集中在3.5 kHz出现缺陷时功率达到?40 dB以上. 应用多层神经网络分别建立基于单特征、多特征向量的焊接缺陷识别模型,多特征向量的焊接缺陷识别模型在数据集中的平均识别率达到97%,比基于单一特征缺陷识别模型提高18%. 研究的多特征缺陷识别模型能更准确地对焊接状态进行识别与监测. 相似文献
6.
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
7.
提出一种将点焊过程动态电极位移信号转化为二值图像的方法.基于图像特征分析,从焊点样本电极位移二值图像中提取出15个隐含特征.针对一系列对应不同焊接质量焊点样本电极位移二值图像特征,利用主成分分析消除图像特征间的互相关性,建立了基于最小风险贝叶斯图像识别技术的焊点质量分类器.分类器有效性测试结果表明,电极位移信号二值图像尽可能多的保留了焊点质量信息,特征提取算法简单、高效、易于实现;同时在小数据样本情况下,贝叶斯图像识别技术能够快速、准确地评判焊点质量,有较好的应用前景. 相似文献
8.
This paper presents a method for the automatic detection and classification of defects in radiographic images of welded joints obtained by exposure technique of double wall double image (DWDI). The proposed method locates the weld bead on the DWDI radiographic images, segments discontinuities (potential defects) in the detected weld bead and extracts features of these discontinuities. These features are used in a feed-forward multilayer perceptron (MLP) with backpropagation learning algorithm to classify descontinuities in “defect and no-defect”. The classifier reached an accuracy of 88.6% and a F-score of 87.5% for the test data. A comparison of the results with the earlier studies using SWSI and DWSI radiographic images indicates that the proposed method is promising. This work contributes towards the improvement of the automatic detection of welding defects in DWDI radiographic image which results can be used by weld inspectors as a support in the preparation of technical reports. 相似文献
9.
10.
通过对点焊过程电极位移信号的实时采集和特征分析,利用模糊化方法将电极位移信号映射为15×25模式矩阵.依据不同焊接电流参数下位移信号的模式特征将位移信号的模式分为5类,分别对应不同的焊点质量.以不同类别焊点的模式矩阵构建输人数据空间,利用核Fisher判别技术将低维数据空间的非线性分类问题转化为高维特征空间的线性分类问... 相似文献