基于分离谱的激光超声表面裂纹识别技术研究

摘要

随着超声波检测应用的飞速发展，激光超声因其具有非接触、高精度、可在高温、高压、有辐射场合工作等特点，逐渐成为无损检测领域中重要的检测技术。本文主要任务是采用分离谱技术对采集到的不同裂纹深度下的激光超声回波信号进行降噪，运用时域分析方法提取特征，然后使用径向基函数神经网络识别，对样品微裂纹定量识别方法的研究。
　　本文首先对激光超声检测系统和激光超声波的产生机理进行了概述，详细介绍了本文所用实验的工作步骤，在此基础上对采集到的超声回波信号进行了时域分析。叙述了激光超声表面损伤信号的检测方法，同时比较了这几种信号处理方法。其次，激光超声缺陷信号特征提取研究，介绍了分离谱技术的基础理论。运用常用的五种分离谱技术处理仿真的带噪声信号，分析了处理后信号的信噪比，其中极性阈值算法最适合处理该类信号。该研究结果为激光超声信号的处理提供了新的方法。在分离谱技术提高信噪比的基础上，运用时域分析方法从激光超声信号中提取缺陷特征，包括时域波形特征、时域统计特征、时域参数特征，为微裂纹缺陷识别奠定了基础。最后，阐述了模式分类和神经网络相关内容，经过比较，最后选用 RBF神经网络实现微裂纹缺陷的识别。实验表明，本文提出的激光超声检测微裂纹缺陷识别方法是可行和有效的，具有很大的发展潜力。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 课题研究背景及意义

1.2 国内外相关研究概述

1.2.1 激光超声表面波检测表面缺陷的现状

1.2.2 分离谱技术的发展现状

1.2.3 超声波检测缺陷识别技术发展现状

1.3 本文的主要研究内容

2 激光超声缺陷检测及信号处理方法概述

2.1 激光超声检测系统概述

2.2 激光超声波产生原理

2.3 激光超声微裂纹缺陷检测系统工作原理

2.3.1 检测装置及方法

2.3.2 实验方法及过程

2.4 激光超声信号处理方法

2.5本章小结

3 基于分离谱技术提取缺陷信号特征

3.1 分离谱原理

3.1.1 分离过程

3.1.2 重建过程

3.2 分离谱技术处理激光超声信号

3.2.1 实验数据和模拟信号

3.2.2 信号处理结果与分析

3.3特征提取

3.3.1 时域波形分析

3.3.2 时域统计分析

3.3.3 时域无量纲参数指标分析

3.4 本章小结

4 神经网络识别激光超声信号

4.1 模式分类概述

4.2 神经网络概述

4.3 RBF神经网络及学习算法

4.3.1 RBF神经网络

4.3.2 RBF神经网络结构

4.3.3 RBF神经网络的学习算法

4.4神经网络识别表面微裂纹缺陷

4.4.1 激光超声信号分类识别的过程

4.4.2 激光超声信号特征参数的选取

4.4.3 网络的训练结果及分析

4.4.4 网络的识别结果及其分析

4.5 本章小结

5 总结与展望

参考文献

攻读硕士期间发表的论文及所取得的研究成果

致谢