超声波A扫探伤中缺陷智能识别的若干关键技术研究

论文摘要

超声波探伤作为一种重要的无损检测技术,广泛运用于现代工业领域中,其中以A扫的应用最为广泛。在传统超声A扫检测中,经验因素较大,而自动判别技术具有减少人为客观因素的干扰、提高缺陷判别准确度等优点,因此目前对超声缺陷智能识别的研究也越来越多。本文根据超声波A扫探伤中动态波形的变化特点和探头检测方式的关系,建立了波形数据库,并将相对变率关联法引入焊缝超声探伤识别中,提出了一种波形匹配和识别算法,开发出具有较高识别率的超声A扫智能识别系统。本文分析了不同缺陷类型在探头水平和环绕两种扫查方式下动态波形变化特性,提出了一种基于图像处理的超声波探伤中探头识别方法,利用MATLAB工具箱中的图像处理模块对探头位置及其扫查方式进行识别。应用小波信号处理的基本原理,确定了在超声缺陷信号降噪中小波参数的选取方法。利用HSD4超声波卡采集了典型缺陷的动态波形,并截取数个能反映动态波形特性的静态波形,利用小波分析对静态波形降噪处理,提取了静态波形的波幅、波宽以及波形面积三个特征参数。分析了不同典型缺陷类型在不同探头探测方式下动态波形三个特征参数的变化规律。使用人工制作的气孔、未熔合、未焊透、夹渣、裂纹典型焊缝缺陷试块,采集了20组典型缺陷在探头水平检测和环绕检测下动态波形数据,并提取动态波形特征参数的相对变率,建立超声波形数据库。将未知缺陷的特征参数相对变率分别与典型缺陷的特征参数相对变率做模糊关联计算,提出了一种识别未知缺陷类型的方法。实验表明缺陷类型识别准确度高。采用MATLAB与Visual C++6.0混合编程,开发了具有较高识别率的超声智能识别系统。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景和意义
• 1.2 超声无损检测技术的发展及现状
• 1.2.1 超声波无损检测的发展
• 1.2.2 超声波数字信号处理识别的研究现状
• 1.3 本文的研究内容
• 第二章 探头位置识别
• 2.1 探头扫查方式与动态波形关系分析
• 2.1.1 探头扫查方式
• 2.1.2 探头检测方式与动态波形关系
• 2.2 超声波探伤中探头识别
• 2.2.1 探头识别实验设计原理
• 2.2.2 图像识别处理
• 2.2.2.1 阂值分割
• 2.2.2.2 探头位置定位
• 2.3 探头轨迹识别实验及分析
• 2.3.1 硬件环境
• 2.3.2 软件环境
• 2.3.3 探头检测识别实验分析
• 2.3.3.1 实验平台建立和实验的具体步骤
• 2.3.3.2 实验结果及分析
• 2.4 小结
• 第三章 小波分析对超声波探伤信号处理
• 3.1 小波变换运用于超声波信号处理的理论分析
• 3.1.1 小波变换
• 3.1.1.1 连续小波
• 3.1.1.2 离散小波
• 3.1.2 多分辨率分析
• 3.1.3 信号分解与重构
• 3.1.3.1 信号分解
• 3.1.3.2 信号重构
• 3.2 超声检测信号降噪
• 3.2.1 超声信号数学模型和降噪过程
• 3.2.1.1 超声降噪的基本模型
• 3.2.1.2 降噪性能评价指标信噪比
• 3.2.1.3 信号小波降噪
• 3.2.2 降噪中母小波选取、分解层数及阈值的确定
• 3.2.2.1 母小波的选取和层数选择
• 3.2.2.2 超声信号降噪阈值确定
• 3.2.2.3 阈值函数的确定
• 3.3 小波分析对超声信号降噪运用
• 3.3.1 超声信号采集
• 3.3.1.1 缺陷试样
• 3.3.1.2. 超声数据采集卡和检测探头
• 3.3.2 超声缺陷信号处理
• 3.4 小结
• 第四章 焊缝超声波动态波形识别
• 4.1 波形特征分析
• 4.1.1 不同缺陷类型静态波形特征
• 4.1.2 不同缺陷类型动态波形特征
• 4.1.2.1 特征参数
• 4.1.2.2 缺陷静态波特征参数提取
• 4.1.2.3 动态波形特征参数处理方法
• 4.1.2.4 动态波形处理及特征参数提取
• 4.2 相对变率关联法模糊识别
• 4.2.1 相对变率关联度分析法
• 4.2.2 相对变率关联度计算方法
• 4.3 动态波形特征参数选取及处理
• 4.4 缺陷识别计算
• 4.5 小结
• 第五章 超声智能识别系统
• 5.1 系统框架
• 5.2 缺陷识别流程
• 5.3 缺陷智能识别系统
• 5.4 小结
• 第六章 结论与展望
• 6.1 主要结论
• 6.2 存在不足及展望
• 参考文献
• 攻读期成果