基于小波分析方法的裂紋缺陷尺寸模式識別

王振博 汪磊潏 王琪 郭北濤

摘 要：在日常生產(chǎn)生活中，對于金屬工件的缺陷探測多為人工探測識別，識別的準(zhǔn)確性依賴于探傷人員的經(jīng)驗。如今對于探傷工具的智能化自動化需求顯得日益迫切，用小波分析方法進(jìn)行金屬工件缺陷的分析已經(jīng)成為了日益成熟有效的方法，其方法可以很好的與模式識別方法融合，進(jìn)行缺陷的自動識別。

關(guān)鍵詞：模式識別;無損檢測;金屬工件

DOI：10.16640/j.cnki.37-1222/t.2019.02.024

1 引言

隨著工業(yè)需求的增長鋁合金板材的需求也與日俱增，原先靠著探傷人員抽查制造過程中鋁合金板材的缺陷已經(jīng)不能滿足生產(chǎn)需要，隨之而來的是對自動探傷識別系統(tǒng)的需求[1，2]。小波分析方法是一種在探傷領(lǐng)域的應(yīng)用已經(jīng)十分廣泛的新方法，小波函數(shù)可以很好地擬合原波形，可以在時域與頻域兩個方向上進(jìn)行分析，時下小波分析缺陷波形的進(jìn)一步處理即缺陷波型的模式識別分析已日漸成熟起來[3]。

2 小波分析方法

2.1 離散小波變換

當(dāng)需要在計算機上對波形進(jìn)行分析時，連續(xù)小波必須加以離散化，離散化是針對連續(xù)尺度參數(shù)a和連續(xù)平移參數(shù)b的，并不是針對時間變量t，在連續(xù)小波中考慮小波函數(shù)：

（1）

這里，，且，是容許的，在離散化中為了方便總是限制a只去取正值，相容性條件就變?yōu)椋?/p>

（2）

通常會把連徐小波變換中尺度參數(shù)a和平移參數(shù)b的離散公式取為，，，是常值。任意的的離散小波變換可表示為：

（3）

3 模式識別方法

3.1 基于概率神經(jīng)網(wǎng)絡(luò)的模式識別

模式識別是一種現(xiàn)代先進(jìn)的分類方法，其優(yōu)點就是是通過及其進(jìn)行分辨辨別的，除去了人為因素，所以結(jié)果能夠做到更加客觀真實。其中概率神經(jīng)網(wǎng)絡(luò)作為一種有效的模式識別算法被模式識別領(lǐng)域所重視。

3.2 概率神經(jīng)網(wǎng)絡(luò)的工作過程

（1）確定參數(shù)。①確定輸入層，有N個神經(jīng)元，P個待測樣品，每個樣品有N個特征;②確定樣本層，原始的學(xué)習(xí)樣本有M個，就有M個神經(jīng)元。③確定求和層，有個類別，就有個神經(jīng)元。每個節(jié)點對應(yīng)一個類輸出，。

（2）模式距離的計算。模式距離是指待測的樣本矩陣和學(xué)習(xí)矩陣中對應(yīng)的元素之間的距離。通過對數(shù)據(jù)歸一化處理，進(jìn)行歐式距離計算可得概率。

4 實驗

4.1 數(shù)據(jù)采集

超聲探頭將采集到的模擬信號輸入工控機，然后從工控機將模擬信號的離散數(shù)表導(dǎo)出，為測試本理論方法的有效性，制備了0.3mm到0.7mm五個長見大小的人工裂紋缺陷，并對其采集。試樣如下：

4.2 數(shù)據(jù)處理與分析結(jié)果

本設(shè)備每秒鐘可以采集500個采樣點，我們每個缺陷采集100000個采樣點作為數(shù)據(jù)庫，其中50000個作為訓(xùn)練樣本，另外50000作為測試樣本，其中識別率最高的為0.7mm缺陷為93%，識別率最低的為0.3mm缺陷為82%，其余缺陷識別率介于二者之間。基本服從缺陷越大識別率越高的基本規(guī)律。

5 結(jié)論

本文對鋁合金平板工件的裂紋缺陷小波分析模式識別方法進(jìn)行了研究，通過實驗證明，此方法有效，能夠完成分類各類缺陷的任務(wù)，為無損檢測自動探傷的研究提供了一種新思路新方法。

參考文獻(xiàn)：

[1]范弘，賈慧明.厚壁承壓無縫鋼管自動超聲波探傷技術(shù)研究[J]. 物理測試，2008，26（02）：35-42.

[2]王勇.淺談超聲無損檢測技術(shù)[J].中國科技博覽，2012，3（21）：310.

[3]陳麗君等.6mm-10mm厚鋁合金板材超聲波探傷方法的研究[J]. 輕合金加工技術(shù)，2005，33（06）：35-37.