基于多特征數(shù)據(jù)融合的金屬缺陷超聲智能檢測研究.pdf

1、金屬材料在使用過程中由于長時間積累疲勞和應(yīng)力，會逐漸出現(xiàn)裂紋、腐蝕等缺陷，進行必要的檢測和識別，采取一定的安全措施可以有效防止材料突然斷裂，減少事故發(fā)生。一般工程現(xiàn)場金屬缺陷的評判是由工程師通過肉眼和經(jīng)驗觀察超聲檢測回波信號來進行，具有效率低、準確率差和工作量大的缺點。而隨著人工智能和計算機大數(shù)據(jù)處理能力的不斷發(fā)展，采用計算機輔助缺陷識別的措施越來越重要，既可減輕工作人員的工作量，又可以提高識別準確率，保證缺陷評價結(jié)果的一致性。超聲檢測

2、信號作為一種非線性、不平穩(wěn)信號，本身含有很多突變量，加之檢測材料的結(jié)構(gòu)復(fù)雜性，傳統(tǒng)適合于平穩(wěn)信號的分析方法存在很多弊端，而缺陷回波信號的特征提取和選擇是缺陷識別的前提，特征的優(yōu)劣直接影響著缺陷識別的正確性和可靠性。通過制造平底孔、通孔和平底槽三種缺陷試塊，進行超聲波無損檢測獲得缺陷回波信號，對其進行固有時間尺度分解(ITD)，提取每階分量的時頻域特征參數(shù)和小波包能量作為缺陷特征向量。考慮到神經(jīng)網(wǎng)絡(luò)對初始權(quán)值和閾值的敏感性，用果蠅算法進行