基于小波和神经网络的焊接缺陷识别方法.pdfVIP

第 36卷 第 1期 三峡大学学报 (自然科学版) Vo1．36No．1 2014年 2月 JofChinaThreeGorgesUniv．(NaturalSciences) Feb．2014 基于小波和神经网络的焊接缺陷识别方法 李 力 姜 恺 曾德学 (三峡大学 水电机械设备设计与维护湖北省重点实验 室，湖北 宜昌 443002) 摘要 ：超声检测是钢结构焊缝质量检验的常用方法，本文针对超声检验 中缺 陷类型识别 困难的问 题，提 出一种定性方法．首先利用小波包变换提取超声 回波信号的能量作为特征 向量，然后将得到 的特征 向量输入到 BP神经网络 中，应用于裂纹、气孔、未焊透三类缺陷，识别率达到 了86．7 ．结 果表 明：基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的． 关键词：超声检测； 焊缝缺陷； 小波； 神经网络 ； 识别 中图分类号 ：TB553 文献标识码：A 文章编号 ：1672—948X(2014)01—0072—03 RecognitionM ethodofW eldFlawsBasedonW aveletandNeuralNetwork LiLi JiangKai ZengDexue (HubeiKeyLaboratoryofHydroelectricMachineryDesign Maintenance，ChinaThreeGorgesUniv．， Yichang443002，China) Abstract Ultrasonictestingisthecommonmethodtoinspecttheweldqualityofsteelconstruction．Butitis difficulttoidentifythetypeofflaws．In lightofthisproblem ，thispaperproposesarecognitionmethod． Firstly，weusetheenergyfrom extractingtheultrasonicechosignalwhenwaveletpackettransform asfeature vector，and then putitinto aBP neuralnetwork forclassifying thecrack，gasporeand incompleteweld flaws，therecognitionratereaches86．7 ．Theresultsshow thattherecognitionmethodproposedforsteel constructionweldflawsbasedonwaveletpackettransform andBP neuralnetwork isextremelyeffective． Keywords ultrasonictesting； weldflaws； wavelet； neuralnetwork； recognition 现代工艺中，钢结构运用 了大量焊接工艺 ，焊缝 声信号特征提取的一个有效方法 ．因此，本文首 缺陷的存在对于整个结构的安全有很大影响，为了保 先采用小波包变换提取超声 回波信号各个频段 内的 证焊接结构 的质量，必须对钢结构焊缝进行无损检 能量特征组成特征 向量 ，然后将其作为 BP神经网络 测．目前焊缝检测中，超声检测依旧占有很大 比重．然 的输入进行分类识别．结果表 明，基于小波包变换和 而 ，超声检测中对缺 陷定位分析技术 已比较成熟 ，而 BP神经网络的焊接缺陷定性方法是有效 的． 对于缺陷类型，如裂纹 、气孔和未焊透等 的定性分析 一 直没有得到很好的解决_l1]．固在焊接缺陷超声检测 1 基于小波包的特征 向量提取 中，对缺陷进行定性分析是超声无损检测与评价的关 键内容 ，也是超声检测研究领域的热点和难点． 超