煤礦機(jī)械焊接缺陷超聲信號(hào)智能識(shí)別技術(shù)研究.pdf

1、在超聲無損檢測(cè)中,超聲檢測(cè)信號(hào)的特征提取和識(shí)別對(duì)于機(jī)械缺陷檢測(cè),降低機(jī)械事故發(fā)生率具有重要的意義。超聲信號(hào)特征提取方法的選擇直接影響缺陷的定性、定量和定位分析。機(jī)械焊接缺陷識(shí)別本質(zhì)上是一個(gè)模式分類問題。支持向量機(jī)由于解決小樣本分類問題有著優(yōu)良的表現(xiàn),得到日益廣泛的應(yīng)用。支持向量機(jī)集優(yōu)化、核、最佳推廣能力于一身,從線性可分的分類角度看,其目的是建立一個(gè)最優(yōu)決策超平面,使得該平面兩側(cè)距平面最近的兩類樣本之間的距離最大化,從而對(duì)分類問題提供良

2、好的泛化能力。對(duì)于非線性可分分類問題,根據(jù)Cover定理,可以將其先轉(zhuǎn)化為線性可分模式分類問題再進(jìn)行處理。
　　本文從機(jī)械焊接缺陷超聲實(shí)測(cè)信號(hào)出發(fā),結(jié)合小波分析、主成分分析和常用分類算法,開展了超聲檢測(cè)信號(hào)的特征提取和缺陷識(shí)別的嘗試性工作。主要的研究內(nèi)容包括:
　　(1)介紹超聲檢測(cè)數(shù)據(jù)采集系統(tǒng),在實(shí)驗(yàn)平臺(tái)上進(jìn)行機(jī)械焊接缺陷采集,分析其波形特征,然后利用小波分析和主成分分析對(duì)其進(jìn)行特征提取實(shí)驗(yàn)研究;
　　(2)利用KN

3、N、BP神經(jīng)網(wǎng)絡(luò)和SVM算法對(duì)標(biāo)準(zhǔn)數(shù)據(jù)集和提取到的機(jī)械焊接缺陷超聲信號(hào)進(jìn)行分類識(shí)別研究,并進(jìn)行了不同算法的比較研究;
　　(3)針對(duì)SVM分類算法參數(shù)選擇難等問題,提出利用智能優(yōu)化方法優(yōu)化SVM參數(shù)選擇的算法,通過優(yōu)化懲罰因子C和RBF核函數(shù)的參數(shù)σ,進(jìn)行機(jī)械焊接缺陷的超聲信號(hào)識(shí)別工作,提高缺陷識(shí)別的準(zhǔn)確率;
　　(4)利用小波分析技術(shù)和主成分分析相結(jié)合的方法對(duì)實(shí)測(cè)機(jī)械焊接缺陷超聲信號(hào)進(jìn)行特征提取,并通過對(duì)比SVM、ABC-