本文主要研究内容
作者马小东（2019）在《基于超声相控阵的异种钢焊接缺陷检测研究》一文中研究指出：异种钢焊接技术在核安全端、压力容器等领域具有广泛应用,其焊缝质量对整个结构的安全具有重要的影响,焊缝中存在的缺陷对其质量影响极大。因此,对异种钢焊缝中存在的缺陷进行检测具有重要意义。常规超声由于其波束不能偏转聚焦,对于几何形状复杂的零件及各向异性较大的焊缝很难进行检测,超声相控阵作为一种新型的无损检测方法,弥补了常规超声检测的局限性,与常规超声相比具有较大的优势。基于此,本文以超声相控阵技术为手段,通过焊接异种钢试板并对其预制气孔、夹杂、裂纹三种不同的人工缺陷,从实验及理论方面研究了缺陷的超声反射回波信号,对不同类型的缺陷超声A扫信号进行了数据处理分析。研究结果表明:利用超声相控检测技术,根据检测结果发现这三种缺陷的扇扫描图像有一定的区分,在同一增益条件下,颜色较深的波幅较高,更容易被检。在检测夹杂缺陷时,超声A扫波幅较高,气孔及裂纹波幅较低。为进一步分析缺陷反射回波带有相关的缺陷信息,将缺陷超声A扫信号进行FFT(快速傅里叶变换)变换,根据结果得到,缺陷信号均分布在低频段,且不同缺陷的频谱分布有一定的差别。因此,对缺陷信号进行小波包变换,根据小波包变换处理结果,得出d B8小波基可以较好的提取各个缺陷的频带能量比例,为缺陷识别及分类提供了一定的基础。为进一步研究,将小波包分解频带能量比例进行了模糊聚类分析(FCM),研究结果表明,这三种缺陷具有一定的聚类趋势。为达到对缺陷进行识别分类,采用BP神经网络,神经元类型为8-10-3,学习率为0.01,训练误差为0.001,网络训练采用了80组数据,测试集有40组,最终BP神经网络识别分类的准确率为92.5%。后期采用了IBM SPSS MODELER数据挖掘方法,对小波包提取的能量比例作为模型的输入,根据小样本数据的分类结果发现决策树C5.0对缺陷超声A扫信号可达到98%,可用于超声相控阵检测结果的准确分类。综上,超声相控阵检测技术可以对异种钢焊接缺陷可以进行准确检测,利用d B8小波及数据挖掘技术可以对缺陷进行准确的特征提取及识别分类。
Abstract
yi chong gang han jie ji shu zai he an quan duan 、ya li rong qi deng ling yu ju you an fan ying yong ,ji han feng zhi liang dui zheng ge jie gou de an quan ju you chong yao de ying xiang ,han feng zhong cun zai de que xian dui ji zhi liang ying xiang ji da 。yin ci ,dui yi chong gang han feng zhong cun zai de que xian jin hang jian ce ju you chong yao yi yi 。chang gui chao sheng you yu ji bo shu bu neng pian zhuai ju jiao ,dui yu ji he xing zhuang fu za de ling jian ji ge xiang yi xing jiao da de han feng hen nan jin hang jian ce ,chao sheng xiang kong zhen zuo wei yi chong xin xing de mo sun jian ce fang fa ,mi bu le chang gui chao sheng jian ce de ju xian xing ,yu chang gui chao sheng xiang bi ju you jiao da de you shi 。ji yu ci ,ben wen yi chao sheng xiang kong zhen ji shu wei shou duan ,tong guo han jie yi chong gang shi ban bing dui ji yu zhi qi kong 、ga za 、lie wen san chong bu tong de ren gong que xian ,cong shi yan ji li lun fang mian yan jiu le que xian de chao sheng fan she hui bo xin hao ,dui bu tong lei xing de que xian chao sheng Asao xin hao jin hang le shu ju chu li fen xi 。yan jiu jie guo biao ming :li yong chao sheng xiang kong jian ce ji shu ,gen ju jian ce jie guo fa xian zhe san chong que xian de shan sao miao tu xiang you yi ding de ou fen ,zai tong yi zeng yi tiao jian xia ,yan se jiao shen de bo fu jiao gao ,geng rong yi bei jian 。zai jian ce ga za que xian shi ,chao sheng Asao bo fu jiao gao ,qi kong ji lie wen bo fu jiao di 。wei jin yi bu fen xi que xian fan she hui bo dai you xiang guan de que xian xin xi ,jiang que xian chao sheng Asao xin hao jin hang FFT(kuai su fu li xie bian huan )bian huan ,gen ju jie guo de dao ,que xian xin hao jun fen bu zai di pin duan ,ju bu tong que xian de pin pu fen bu you yi ding de cha bie 。yin ci ,dui que xian xin hao jin hang xiao bo bao bian huan ,gen ju xiao bo bao bian huan chu li jie guo ,de chu d B8xiao bo ji ke yi jiao hao de di qu ge ge que xian de pin dai neng liang bi li ,wei que xian shi bie ji fen lei di gong le yi ding de ji chu 。wei jin yi bu yan jiu ,jiang xiao bo bao fen jie pin dai neng liang bi li jin hang le mo hu ju lei fen xi (FCM),yan jiu jie guo biao ming ,zhe san chong que xian ju you yi ding de ju lei qu shi 。wei da dao dui que xian jin hang shi bie fen lei ,cai yong BPshen jing wang lao ,shen jing yuan lei xing wei 8-10-3,xue xi lv wei 0.01,xun lian wu cha wei 0.001,wang lao xun lian cai yong le 80zu shu ju ,ce shi ji you 40zu ,zui zhong BPshen jing wang lao shi bie fen lei de zhun que lv wei 92.5%。hou ji cai yong le IBM SPSS MODELERshu ju wa jue fang fa ,dui xiao bo bao di qu de neng liang bi li zuo wei mo xing de shu ru ,gen ju xiao yang ben shu ju de fen lei jie guo fa xian jue ce shu C5.0dui que xian chao sheng Asao xin hao ke da dao 98%,ke yong yu chao sheng xiang kong zhen jian ce jie guo de zhun que fen lei 。zeng shang ,chao sheng xiang kong zhen jian ce ji shu ke yi dui yi chong gang han jie que xian ke yi jin hang zhun que jian ce ,li yong d B8xiao bo ji shu ju wa jue ji shu ke yi dui que xian jin hang zhun que de te zheng di qu ji shi bie fen lei 。
论文参考文献
论文详细介绍
论文作者分别是来自兰州理工大学的马小东，发表于刊物兰州理工大学2019-07-18论文，是一篇关于超声相控阵论文,焊接缺陷论文,小波包特征提取论文,神经网络论文,数据挖掘论文,兰州理工大学2019-07-18论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自兰州理工大学2019-07-18论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：超声相控阵论文; 焊接缺陷论文; 小波包特征提取论文; 神经网络论文; 数据挖掘论文; 兰州理工大学2019-07-18论文;