基于电磁超声的铝板缺陷识别方法

被引：7

作者：

汪开灿

许霁

翟国富

机构：

[1] 哈尔滨工业大学军用电器研究所

来源：

浙江大学学报(工学版) | 2014年 / 48卷 / 11期

关键词：

缺陷识别; 电磁超声; 支持向量机;

D O I：

暂无

中图分类号：

TG115.285 [];

学科分类号：

080502 ;

摘要：

针对铝板中典型缺陷类型,提出基于电磁超声的铝板缺陷识别方法.通过平底孔和圆底孔人工缺陷模拟实际缺陷,使用电磁超声体波获得多组缺陷回波信号样本,采用小波邻域自适应阈值消噪方法,提升信号信噪比.从时域、频域和时频域提出多种信号特征方法,提取45种信号特征.以基于类内类间距离的类别可分性判据为评价指标,通过序列浮动前向选择算法(SFFS)搜索得到最优特征向量用于缺陷识别.采用k-折交叉确认方法确定支持向量机分类器的最优参数.试验结果表明,设计的分类器能够有效地识别文中铝板内的平底孔和圆底孔缺陷,识别正确率达到了96.7%.

引用

页码：2031 / 2038

页数：8

共 9 条

[1] 螺旋线圈电磁超声换能器解析建模与分析 [J].

翟国富 ;

汪开灿 ;

王亚坤 ;

苏日亮 ;

康磊 .

中国电机工程学报, 2013, 33 (18) :147-154+3

[2] 基于顺序向前浮动搜索时频优选特征的缺陷识别 [J].

车红昆 ;

吕福在 ;

项占琴 .

浙江大学学报(工学版), 2011, 45 (12) :2235-2239

[3] 电磁超声系统强噪声干扰抑制算法研究 [J].

戴立新 ;

彭建平 ;

杨凯 ;

王泽勇 .

铁道学报, 2011, (03) :35-39

[4] 基于自适应小波阈值的超声信号消噪 [J].

刘守山 ;

杨辰龙 ;

李凌 ;

周晓军 .

浙江大学学报(工学版), 2007, (09) :1557-1560

[5] 电磁超声界面回波瞬时图谱分析与神经网络识别 [J].

宋卫华 ;

王小民 ;

李明轩 .

声学学报, 2007, (04) :333-337

[6] 电磁超声多界面检测信号去噪方法研究 [J].

宋卫华 ;

王小民 ;

李明轩 .

声学学报, 2007, (03) :226-231

[7] 模式识别中的支持向量机方法 [J].

杜树新 ;

吴铁军 .

浙江大学学报(工学版), 2003, (05) :25-31

[8]

Pre-processing of data coming from a laser-EMAT system for non-destructive testing of steel slabs[J] . Mirko Sgarbi,Valentina Colla,Sivia Cateni,Stuart Higson.ISA Transactions . 2011 (1)

[9]

Study of Signal Processing for EMAT[J] . Nishimura Yoshihiro,Akira Sasamoto,Suzuki Takayuki.Materials Science Forum . 2011 (670)

← 1 →