基于时频判别特征的焊缝超声检测缺陷分类.pdfVIP

基于时频判别特征的焊缝超声检测缺陷分类.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
金属学与金属工艺

维普资讯 第29卷 第2期 焊 接 学 报 Vo1.29 No.2 2008年 2月 TRANSACTIONSOFTHECHINAWELDING INSTITUTION Feburary 2008 基于时频判别特征的焊缝超声检测缺陷分类 杜秀丽 ,一, 沈 毅2, 王 艳2 (1.大连大学 信息工程学院,辽宁 大连 116622;2.哈尔滨工业大学 航天学院,哈尔滨 150001) 摘 要:根据超声检测信号的瞬变特性 ,针对焊缝检测的缺陷分类问题 ,提出用判别追 踪算法提取缺陷信号的局部时频判别特征,并结合概率神经网络实现了焊缝超声检测 信号的缺陷分类。在提取时频判别特征时,提出考虑新选原子与已选原子的相关性的 判别基提取方案,以降低特征之问的冗余,使提取出的特征能更有效地鉴别不同类别的 缺陷。用该方法对一电子束焊缝试块中的缺陷进行了分类,结果表明,时频判别特征适 合超声信号的缺陷分类 ,并能有效地抑制晶粒噪声的影响,考虑判别原子间相关性后可 获得更高的分类正确率。 关键词:超声检测;判别追踪;时频判别特征 ;概率神经网络 中图分类号:TG115.28 文献标识码:A 文章编号:0253—360X(2008)02—0089—04 杜秀丽 0 詹 分类。进而提出考虑判别原子间相关性的判别基提 取方案以降低特征之间的冗余性,使提取出的特征能 在现代工业中,焊接结构的应用十分广泛,而 由 有效地鉴别不同类别的信号。最后通过对一电子束 于材料的特性及焊接工艺的特点使得焊接结构会存 焊缝 中的缺陷分类试验验证了方法的有效性。 在一定的缺陷,如裂纹、气孔、夹渣、未熔合、未焊透 等。这些缺陷构成的隐患和不稳定因素可能会带来 1 时频判别特征提取 巨大的,甚至是不可挽回的损失,因此,焊接缺陷的 无损检测是非常重要的_lJ。超声检测具有设备携带 特征提取是信号分类的一个关键问题。由于超 方便、操作简单 、对人体无害等优点,因而被广泛地 声信号的瞬变特性,局部时频特征更有利于缺陷的 应用于焊缝无损检测 中 【,引。超声检测的关键是对 分类和识别。判别追踪算法利用能够鉴别时频原子 回波信号进行识别和分类。为有效地评价焊接质 对信号分类能力强弱的判别准则对信号进行分解, 量、识别各种缺陷,很多学者对焊缝缺陷回波信号的 可为信号分类提供局部时频判别特征 8。 特征提取及分类方法做了大量地研究,提出了利用 判别追踪算法也是一种 自适应信号分解技术, 时域 、频域及时间一尺度特征实现缺陷信号分类的 与一般信号分解技术不同的是:分解对象为一组信 方法[.5]。由于超声回波信号为持续时间很短的非 号,分解的目的是在一个超完备的原子库中寻找一 组能有效表示各类信号的时频原子基。设 ’}表 平稳信号,时域和频域信号处理方法没有充分地利 用信号携带的信息,使得检测精度、可靠性等难以提 示第 C类样本集,其中C= 1,2…,C;= 1,2,…, 高。而时频局部化特征更有利于描述缺陷回波信号 Ⅳ,设D= {g(t)}(y为与原子相关的参数)是一 的特点,可为超声信号的分析和识别提供更充分的 超完备原子库,则判别追踪分解后信号 :可表示 信息[引。目前,小波变换是最常使用的时频特征提 为 一 l 取方法,但存在特征维数大,分类器泛化能力不好或

您可能关注的文档

文档评论(0)

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档