基于时频分析和神经网络的薄板粘接缺陷超声检测研究

论文摘要

复合材料薄板内部缺陷无损检测技术是新兴的多学科交叉技术,该技术对薄板材料生产领域及其深加工等多方面有着较高的应用价值。本文围绕薄板材料粘接缺陷超声无损检测技术,通过时频特征分析超声回波信号得到共四个特征量;与人工神经网络模式识别技术相结合,研究了基于时频分析和神经网络的薄板粘接质量超声检测技术。超声检测回波信号携带有界面粘接质量的信息,如何提取和利用是实现粘接质量定量识别的关键。一般的信号处理方法仅从时域或频域的角度进行分析,因此难以全面或正确地提取有用信息。本文在分析回波信号特点的基础上,首先在时域分析回波信号,定义了幅度衰减系数以及缺陷信号能量特征;然后在频域通过最大熵谱分析和小波变换的方法对超声检测回波信号进行特征提取。在最大熵谱分析中,利用谱移法估计回波信号的中心频率并把中心频率偏移幅度的大小作为特征量;在小波变换分析中,将回波信号利用db4小波进行多尺度分解,然后重构各尺度下的细节信号,利用信号的频域特征,提取出细节能量特征。最终建立了用于缺陷识别的四维特征向量。采用人工神经网络中改进的BP算法来对薄板粘接质量做出定量识别,实验表明该算法是准确有效的。通过时频分析和神经网络模式识别的综合使用,最终建立了一套用于复合薄板粘接质量定量检测识别的完整方法,为专用数字化超声检测仪的设计和实现奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 引言
• 1 研究背景及意义
• 2 国内外研究现状
• 3 超声检测的信号处理方法
• 4 信号处理在缺陷识别中的应用
• 5 课题研究的内容及意义
• 第一章 超声回波信号的特征及其分析
• 1.1 超声检测方法及其原理
• 1.2 真实回波信号的特点分析
• 1.3 回波信号的数学模型
• 1.4 模型中各参数的确定
• 1.4.1 回波幅度A的确定
• 1.4.2 衰减系数α的确定
• 1.4.3 角频率ω的确定
• 1.5 本章小结
• 第二章 超声信号谱分析
• 2.1 超声谱分析概述
• 2.2 最大熵谱分析
• 2.2.1 最大熵谱估计原理
• 2.2.2 最大熵谱计算
• 2.2.3 谱估计阶数的确定
• 2.3 本章小结
• 第三章 回波信号的小波分析与研究
• 3.1 小波原理概述
• 3.2 连续小波变换
• 3.3 离散二进小波变换
• 3.4 Daubechies（db）小波
• 3.5 本章小结
• 第四章 回波信号的特征提取
• 4.1 回波信号的谱峰中心频率偏移
• 4.2 回波信号的衰减系数
• 4.3 回波缺陷信号的能量
• 4.4 回波细节信号的频域能量
• 4.4.1 小波基函数的选取
• 4.4.2 小波分解层的确定
• 4.4.3 利用小波变换的特征提取
• 4.5 本章小结
• 第五章 粘接质量的神经网络模式识别
• 5.1 神经网络模式识别的原理
• 5.1.1 人工神经网络概述
• 5.1.2 BP算法原理
• 5.1.3 BP算法的数学描述
• 5.1.4 BP算法的不足
• 5.1.5 BP算法的改进
• 5.2 应用BP神经网络对薄板缺陷进行识别
• 5.3 本章小结
• 结论
• 参考文献
• 附录
• 致谢
• 攻读学位期间发表的学术论文目录