论文部分内容阅读
金属工件在众多领域均有广泛应用,但在其生产和使用过程中,由于受力不均匀等其他因素,会造成工件表面产生裂纹,长期使用会造成裂纹的进一步加深与扩展,未能及时检查会对工件使用的可靠性和安全性产生影响,埋下安全隐患,严重时会引发巨大安全事故,因此,对金属表面缺陷的检测至关重要。激光超声以其检测灵敏度高、非接触检测等优势,实现对金属表面缺陷的检测。因此,本文利用激光超声检测技术,对金属表面微小裂纹的定位、裂纹的特征提取技术及裂纹缺陷的识别技术进行研究。针对缺陷的定位研究,本文利用扫描激光线源检测法(SLLS)实现对铝板表面缺陷的扫查,结合扫查得到的B-Scan数据研究了缺陷的定位问题,并对比了直接法与间接法两种定位方法,通过实验数据对比,验证了间接法定位的准确性。针对表面裂纹的特征提取技术,本文研究了携带裂纹信息的信号:首先,分析了不同类型裂纹和不同深度裂纹的时频特征;其次,利用EMD方法对其缺陷信号进行分解得到对应的能量分布;最后,结合时域幅值特征和频域峰值特征共同构成各自的分类器输入量。针对表面裂纹类型和深度的识别,本文主要研究了基于随机森林(RF)算法和三种决策树算法(ID3、C4.5、CART)对裂纹识别的可行性和有效性。对于裂纹类型和深度的识别,分别提取不同类型裂纹的透射信号和不同深度的反射回波信号、透射信号构建识别模型,在每种识别模型下,比较了四种算法对裂纹类型和深度的识别性能。本文经研究发现,随机森林算法和三种决策树算法均可有效识别裂纹类型与裂纹深度,且随机森林算法的识别准确率超过90%,明显优于其余三类算法;模型更稳定。本文为金属表面裂纹缺陷的识别进一步研究提供了理论依据和新研究方法。