回轉體內(nèi)部缺陷超聲檢測的類型識別和重構方法研究.pdf

1、回轉體結構工件在航空航天和化工等領域有著廣泛應用，然而在其制造和使用過程中會造成內(nèi)部缺陷，影響使用的可靠性和安全性。因此對回轉體工件的無損檢測一直是產(chǎn)品生產(chǎn)和使用過程中的重要一環(huán)。常規(guī)超聲檢測方法是目前回轉體缺陷檢測最常用的方法，采用人工檢測、根據(jù)波高判定有無缺陷。該方法檢測效率低，檢測精度在很大程度上依賴檢測人員的經(jīng)驗和技術水平，具有較大局限性，很難成為通用的評定方法。論文針對典型結構的回轉體工件，在傳統(tǒng)超聲檢測方法的基礎上，研究了回

2、轉體工件的超聲檢測掃描方式、聲場計算及缺陷回波仿真技術、降噪及特征提取技術、缺陷類型識別技術和缺陷重構技術。
　　采用最小均方自適應濾波方法對檢測回波信號進行整體降噪，有效地減小了超聲回波信號中的噪聲信號，明顯提高了信噪比，為缺陷特征回波的有效、準確提取提供了有力的保障;采用多元高斯聲束聲場模型分析了回轉體工件檢測時的超聲聲場傳播情況，建立了超聲波在回轉體工件中傳播的有限元仿真模型，并進行了幾種典型缺陷不同方向的缺陷回波仿真，通過

3、實驗數(shù)據(jù)對比，驗證了仿真方法的有效性。為后續(xù)缺陷識別與重構提供數(shù)據(jù)支撐。
　　針對回轉體工件內(nèi)部三種典型缺陷（圓形、橢圓形和矩形）的幾何形狀特征，深入研究了多維超聲回波信號的表征方法及內(nèi)部缺陷智能識別方法。首先，提出利用總體經(jīng)驗模態(tài)分解(EEMD)方法對超聲回波信號進行分解，結合特征量的物理意義，選擇能量分布和信息熵分布作為缺陷類型識別模型的輸入特征量，并對EEMD的分解層數(shù)進行了確定;其次，基于決策樹方法建立了缺陷類型智能識別模

4、型，缺陷的識別精度可達88％以上。同時，為了進一步提升模型的泛化性能與魯棒性，本文提出利用隨機森林方法建立了包含多個弱分類器的強識別模型，缺陷識別精度超過了92％，并大大提升了模型的穩(wěn)定性。此外，本文還針對回轉體工件中存在多個缺陷且缺陷位置偏離工件中心的情況，提出利用SOM神經(jīng)網(wǎng)絡對各個缺陷的近端區(qū)、遠端區(qū)和過渡區(qū)進行識別，利用近端區(qū)域的超聲回波信號建立缺陷識別模型，在建模數(shù)據(jù)集大大減少的情況下(僅為截面一圈全部數(shù)據(jù)的約1/15)，近端

5、模型的識別精度也較截面一圈全部數(shù)據(jù)模型有顯著改善(90.14％vs.85.32％)。
　　結合超聲波的傳播原理和截面檢測的B掃描回波信號，分析了傳統(tǒng)基于傳播時間—路徑的缺陷重構方法的不足及產(chǎn)生原因，揭示了缺陷邊界與超聲波前弧線相切的規(guī)律，提出了基于傳播時間—弧相切擬合的缺陷重構方法，從原理上克服了傳統(tǒng)重構方法產(chǎn)生誤差的根源，研究了圓模型缺陷、橢圓模型缺陷和矩形模型缺陷重構的實現(xiàn)方法;針對橢圓模型與波前圓弧相切不易獲取閉合方程的問題

6、，提出了一種在局部區(qū)域采用圓與圓相切代替橢圓與圓相切，最終根據(jù)切點來對橢圓進行邊界擬合的缺陷重構實現(xiàn)方法;為了準確提取超聲回波在工件中的傳播時間，采用基于解卷積的方法提取了下表面回波和缺陷特征回波的時間位置;利用本文的缺陷重構方法對一實際工件在不同截面上的缺陷進行了重構，用體繪制方法三維顯示了缺陷檢測結果，實驗結果表明:檢測出的缺陷位置與X射線掃描結果相符，檢測出的缺陷尺寸與實際相符。
　　論文針對回轉體工件內(nèi)部缺陷的超聲檢測問題