固体火箭发动机药柱超声检测缺陷特征提取与神经网络识别研究

摘要

固体火箭发动机药柱在制造过程中容易出现、裂纹、空洞、脱粘、夹杂等缺陷，严重影响固体发动机的使用安全。药柱超声检测对于评价药柱的内部质量，保证药柱在加工和使用过程中的安全和可靠性有着十分重要的意义。 本文围绕固体火箭发动机药柱内部缺陷超声无损自动检测与缺陷自动识别时所需的缺陷特征自动提取和自动识别技术，提出了一种利用小波变换分解所获得超声信号，得到的能量变化量作为药柱缺陷识别的特征量，并将此特征量与药柱缺陷的时域特征结合，用神经网络的方法进行药柱缺陷类型的定性识别。本方法达到了固体火箭发动机药柱检测不能遗漏缺陷的要求，同时对缺陷的分类也有很好的效果，精度达到97％以上。 本文使用RBF神经网络和改进的BP神经网络进行神经网络训练，其分类结果都达到了较好的效果和精度。RBF神经网络体现出较强的容错性和聚类性，且RBF网络的训练速度比BP网络快，整体而言效果更好。

目录

文摘

英文文摘

声明

1绪论

1.1课题来源和研究的目的意义

1.2工业检测中利用超声回波识别缺陷的方法及其发展现状

1.3人工神经网络及其在超声检测中的应用

1.4本文的主要工作

2试验原理、设备及超声检测信号的采集

2.1试验原理

2.1.1脉冲反射法的基本原理

2.1.2超声波的衰减

2.1.3药柱声传播特性和检测方法

2.2药柱超声检测设备及信号采集

2.2.1药柱超声检测系统

2.2.2药柱超声检测试验方法

2.3本章小结

3人工神经网络

3.1人工神经网络原理及模型

3.1.1人工神经网络的概念

3.1.2人工神经网络的工作原理及模型

3.2 BP神经网络

3.2.1 BP算法原理

3.2.2 BP算法的数学描述

3.2.3 BP网络的改进

3.3 RBF网络

3.3.1 RBF网络模型及算法

3.3.2 RBF网络与BP网络

3.4本章小结

4固体火箭发动机药柱缺陷信号特征分析及提取

4.1药柱缺陷的时域特征提取

4.1.1信号幅值特征

4.1.2能量特征

4.1.3方差特征

4.1.4多峰特征

4.2基于小波包能量法的药柱特征提取

4.2.1小波分析

4.2.2小波包分析

4.2.3应用各结点小波包能量变化量作为药柱缺陷信号特征

4.3本章小结

5固体火箭发动机药柱缺陷信号的神经网络识别

5.1基于时域特征的BP神经网络设计方案

5.2基于小波能量特征神经网络特征的BP神经网络设计方案

5.3基于时域特征和小波能量特征的RBF神经网络设计方案

5.4本章小结

6结论与展望

参考文献

致谢

攻读硕士期间发表的论文及所取得的研究成果