基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7%.结果表明:基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.     

基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7％.结果表明：基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.     

形态小波在中厚板表面裂纹缺陷检测中的应用

中厚板表面裂纹缺陷在图像中容易受背景噪声和氧化铁皮的影响,传统的图像处理方法很难将裂纹缺陷从图像中检测出来.提出了将形态小波变换应用于中厚板表面裂纹缺陷检测的方法.该方法利用小波分解对突变信号的检测能力,结合裂纹缺陷在形态上近似于直线的性质,将裂纹缺陷从图像中准确提取出来.实验证明形态小波用来检测中厚板表面裂纹缺陷比用其他方法更有效.     

激光诱导热裂切割玻璃的声发射信号监测技术

现阶段各个领域对玻璃切割质量的要求越来越高,作为一种新兴的切割技术,激光诱导热裂相对于传统切割有很大优势,但在切割过程中裂纹扩展轨迹会偏离预定的路径。若要改善这种偏离现象,切割时需要通过对裂纹扩展状态的实时监测来确定补偿策略,而声发射作为一种无损检测方法在此方面有着巨大的优势。本文在激光诱导热裂切割玻璃过程中,会产生声发射现象。针对激光诱导热裂切割玻璃过程中产生的声发射信号针对此声发射信号进行了模态分析和小波包分析,确定了最优的小波基及分解尺度选择的依据。在实验中,通过对传感器进行优化布局并采用时差定位方法对裂纹尖端位置进行了定位分析。在此基础上,进行了激光诱导热裂切割玻璃声发射信号监测实验研究,探求了AE信号特征与裂纹扩展状态两者之间的联系。     

基于小波包熵的船舶轴频电场信号检测

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号,提出了一种基于小波包熵的船舶轴频电场信号检测算法.首先使用小波包变换对测量信号进行多层分解并计算最后一层各结点的重构信号;然后计算各结点重构信号的小波包熵;最后选取小波包熵最小的重构信号作为检测信号进行滑动功率谱检测.通过实测数据和仿真数据对该算法和滑动功率谱算...     

混凝土桥梁裂缝扩展过程声发射信号的分形与小波包综合分析

为量化混凝土桥梁裂缝从微观萌生到宏观扩展过程中声发射(AE)信号变化规律,开展了混凝土斜拉桥模型声发射试验研究。综合采用波形分形计算方法、快速傅里叶谱变换(FFT)、小波包分解方法,分析了试验中AE信号的分形盒维度、主频演变规律、频带能量分布特征和分形盒维度演变规律,进而研究混凝土桥梁裂缝扩展过程中AE信号分形和频谱演化特征。研究结果表明:混凝土桥梁裂缝扩展过程中由宏观裂纹产生的AE信号分形盒维度比微观裂纹产生的AE信号分形盒维度大,且前者分布范围更广,波形相对更为复杂;混凝土桥梁裂缝扩展过程中微裂纹萌生阶段产生的AE信号以中低频信号为主,而宏观裂纹阶段产生的AE信号以中高频为主;本次混凝土斜拉桥模型静力加载过程中所有AE信号能量集中分布在0～234.375 kHz频段,其中混凝土微裂纹萌生和发展阶段AE信号能量主要分布在0～125 kHz中低频段,随着加载过程的进行,AE信号能量分布区间逐步向中高频段演变;试验中采集到的AE信号采用小波包变化分解,重构信号的分形盒维度在0～265.625 kHz频带区间具有随着频率增大而波动上升的现象,上升趋势呈三阶多项式变化,并且在混凝土宏观裂纹阶段的三阶拟合误差更小,规律性更好。说明可以用信号分形盒维度的大小反映信号频率的高低。     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

基于小波包熵的船舶轴频电场信号消噪研究

在海洋环境下,为有效地将微弱的轴频电场信号提取出来,本文在对小波包熵理论分析的基础上,提出了基于小波包熵的船舶轴频电场信号消噪方法.首先使用小波包变换对测量信号进行多子带分解,并将各子带分成几个子区间;然后计算各子带不同子区间的小波包熵,利用最大小波包熵自适应地选择各子带的阈值;最后对各子带的小波包系数进行阈值处理,并利用处理后的小波包系数对信号进行重构.通过实测数据和仿真数据对该消噪方法进行验证,结果表明此方法在低信噪比情况下能较好地将微弱的轴频电场信号从环境背景噪声中分离出来.     

小波分析与人工神经网络结合对混凝土缺陷超声信号识别的应用

混凝土缺陷的无损检测的准确率和可靠性一直不太理想.本文根据混凝土缺陷超声检测信号非稳态的特点,利用小波包变换提取反映缺陷性质的特征值,并运用神经网络模式识别技术对特征值进行缺陷识别.预制了一组具有裂缝缺陷的混凝土试件,并对其进行了检测,检测结果表明利用小波包变换与人工神经网络相结合的方法进行缺陷识别,可使缺陷位置和范围的判别获得较高的准确率.     

厚板电子束焊缝的超声扇形扫描检测

针对传统超声斜角探伤法检测厚板焊缝宽度受限的问题,采用超声相控阵扇形扫描方法,对55 mm厚TC4电子束焊缝进行检测研究.对相控阵波束在TC4焊缝中的偏转聚焦特性及扇形扫描进行模拟分析,采用扇形扫描与D扫描、A扫描相结合的方法分析缺陷特征,给出缺陷的三维定位.结果表明：扇形扫描角度为30°～70°,采用双面检测的方法可以实现宽度有限的厚板焊缝的检测,扇形扫描图像能够更加直观地显示缺陷.在TC4电子束焊缝中检测出气孔、裂纹、未熔合和未焊透四种缺陷.通过合理设置坐标系,可以实现焊缝缺陷的三维定位,测得缺陷距离换能器楔块前沿的距离、埋藏深度和距离扫查起始位置的水平距离.     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

改进的谐波小波包峭度图及其应用

为克服谐波小波包变换按二进方式划分频带的不足,提出一种精细划分频带的改进的谐波小波包变换方法,并将改进的谐波小波包与峭度图相结合,提出了改进的谐波小波包峭度图,以及基于改进的谐波小波包峭度图的机械故障诊断方法.仿真实验和应用实例结果表明,所提出的方法克服了传统包络分析需要人为设定带通滤波器参数的不足,能够自适应地将最优频带从含强噪声的原始信号频谱中分离,具有比现有峭度图更强的微弱故障提取能力,可以提高峭度图方法的应用效果.     

离散小波包分析在非平稳信号处理中的应用

用离散小波包将振动信号分解到不同的频带，然后对感兴趣的频带补零重构提高缺陷信号的时频分辨率．对306滚动轴承的保持架缺陷作出了实际诊断，诊断结果与理论较为符合，证明离散小波包是一种有效的弱信号提取与诊断方法．     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

基于熵理论的超声波检测信号消噪与缺陷识别

为消除超声检测信号中大量存在的噪声,提高材料内部缺陷诊断的准确性,采用基于熵理论的自适应阈值消噪算法对超声波信号进行消噪处理.分析了基于Shannon熵的最优小波包基搜索算法,提出了用熵表征信号含噪状态,根据小波能谱熵确定小波包不同分解尺度阈值的基本原理.对含缺陷的斯泰尔发动机曲轴的超声信号处理实验结果表明,这种方法对噪声消除比较彻底,能够获得表征缺陷大小、位置的准确信息,提高了材料内部缺陷定量分析的准确度.     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

小波包多阈值去噪的一种改进方法

针对含噪信号中信号与噪声在频域内分布的差异性,通过小波包分解,将得到的小波包按照频率顺序重新排列,经过能量的比较将小波包分为3段进行阈值处理,实现多阈值去噪.仿真结果表明,与常用的Stein无偏似然估计阈值、极大极小准则闽值和固定形式阈值等方法比较,改进方法去噪效果更佳.