分形及小波神經網絡在摩擦焊超聲信號分析中的應用.pdf

1、本文研究了摩擦焊接頭超聲檢測信號處理與缺陷檢測的問題，以航空發(fā)動機常用材料GH4169高溫合金摩擦焊接頭的超聲檢測信號及超聲C掃描檢測圖像為研究對象，重點研究了小波分析理論、小波神經網絡、分形理論及數學形態(tài)學方法在超聲信號與超聲C掃描圖像的去噪及缺陷識別中的應用，取得了一定的成果，主要研究工作如下： 1、將小波理論應用于非平穩(wěn)信號的去噪，針對小波閾值去噪中硬閾值函數不連續(xù)及軟閾值函數有恒定偏差的缺陷，提出幾種改進的閾值函數用于摩

2、擦焊超聲檢測信號的去噪仿真實驗，通過比較去噪結果及信噪比與均方根誤差等參數，從中選擇一種較好的閾值函數。 2、根據小波包變換的性質，將摩擦焊超聲檢測信號在最優(yōu)小波包基下進行分解，在基于最優(yōu)小波包基的信號去噪方法中，應用改進的閾值函數對超聲檢測信號進行去噪，獲得了較好的效果。 3、利用小波分析和神經網絡對非線性系統(tǒng)辨識的優(yōu)點，構造了一種用于信號識別的小波神經網絡網絡，并用于摩擦焊接頭缺陷的分類與識別，識別結果優(yōu)于傳統(tǒng)的BP

3、網絡，在小波與神經網絡的結合方面做了有益的嘗試，取得了較好的效果。 4、摩擦焊C掃描超聲圖像在采集及變換中會引入噪聲，本文利用非線性濾波方法一數學形態(tài)濾波方法實現(xiàn)了圖像的去噪，并與小波閾值及中值濾波方法作比較，去噪結果表明，形態(tài)濾波方法優(yōu)于中值濾波與小波閾值去噪方法。 5、為實現(xiàn)摩擦焊超聲C掃描圖像的特征提取，利用分形理論計算超聲C掃描圖像的分形維數，結果可以作為缺陷圖像的一個特征變量，為摩擦焊超聲C掃描圖像缺陷識別打下