本文關(guān)鍵詞：圓柱體構(gòu)件超聲檢測(cè)缺陷類型識(shí)別及重構(gòu)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圓柱體構(gòu)件廣泛應(yīng)用于工業(yè)的各個(gè)領(lǐng)域,由于在生產(chǎn)過程中一些不可控因素而造成了構(gòu)件內(nèi)部缺陷,這些缺陷會(huì)影響后續(xù)生產(chǎn)和正常使用,因此在生產(chǎn)過程或使用前需要對(duì)其進(jìn)行檢測(cè)。論文針對(duì)圓柱體構(gòu)件內(nèi)部缺陷超聲自動(dòng)檢測(cè),研究缺陷特征回波提取技術(shù)、缺陷類型識(shí)別技術(shù)和缺陷重構(gòu)技術(shù)。論文在分析小波包分解和經(jīng)驗(yàn)?zāi)B(tài)分解優(yōu)缺點(diǎn)的基礎(chǔ)上,結(jié)合實(shí)際檢測(cè)超聲回波的特點(diǎn),采用總體經(jīng)驗(yàn)?zāi)B(tài)方法對(duì)多角度缺陷回波信號(hào)進(jìn)行分解,提取了6個(gè)IMF的能量分布和信息熵特征;以上述提取的特征量作為輸入,采用支持向量機(jī)作為分類器,結(jié)合粒子群參數(shù)自動(dòng)尋優(yōu)算法對(duì)缺陷進(jìn)行識(shí)別,識(shí)別率達(dá)到93%;針對(duì)特征向量冗余的問題,采用平均距離的算法對(duì)特征量進(jìn)行評(píng)估和排序,通過實(shí)驗(yàn)對(duì)比分析,優(yōu)化了分類器的輸入特征量,實(shí)驗(yàn)結(jié)果表明在提高識(shí)別準(zhǔn)確度的同時(shí)減少了識(shí)別運(yùn)行時(shí)間,識(shí)別準(zhǔn)確度達(dá)97.78%;通過計(jì)算缺陷回波的延時(shí)時(shí)間,采用渡越時(shí)間方法和邊界擬合技術(shù),重構(gòu)出了一個(gè)圓周截面的缺陷形狀;在此基礎(chǔ)上,采用體繪制方法對(duì)一個(gè)缺陷的所有截面數(shù)據(jù)進(jìn)行三維重構(gòu),重構(gòu)出的效果直觀、準(zhǔn)確。本文的研究成果和方法可以適用于圓柱體構(gòu)件的內(nèi)部缺陷識(shí)別及重構(gòu),并為此類型構(gòu)件的檢測(cè)提供了參考依據(jù)。
【關(guān)鍵詞】：超聲檢測(cè) 特征提取 總體經(jīng)驗(yàn)?zāi)B(tài)分解 支持向量機(jī) 缺陷重構(gòu)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TB559
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 課題背景和意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 超聲缺陷回波特征提取方法研究現(xiàn)狀9-11
• 1.2.2 缺陷類型識(shí)別方法研究現(xiàn)狀11-12
• 1.2.3 缺陷重構(gòu)方法研究現(xiàn)狀12-13
• 1.3 論文主要內(nèi)容13-15
• 2 圓柱體構(gòu)件內(nèi)缺陷回波的特征提取方法15-32
• 2.1 圓柱體構(gòu)件檢測(cè)原理及缺陷信號(hào)采集15-17
• 2.1.1 圓柱體構(gòu)件15
• 2.1.2 超聲檢測(cè)方案及信號(hào)采集15-16
• 2.1.3 超聲檢測(cè)回波信號(hào)16-17
• 2.2 超聲缺陷回波小波包特征提取17-23
• 2.2.1 小波包理論分析17-19
• 2.2.2 缺陷超聲信號(hào)的小波包分解19-23
• 2.3 基于EEMD的特征提取方法研究23-31
• 2.3.1 EMD的基本原理23-25
• 2.3.2 EEMD的算法實(shí)現(xiàn)25-29
• 2.3.3 EEMD分解特征提取29-31
• 2.4 本章小結(jié)31-32
• 3 基于支持向量機(jī)的缺陷類型識(shí)別方法32-52
• 3.1 支持向量機(jī)理論32-37
• 3.1.1 線性分類問題32-34
• 3.1.2 非線性分類問題34-35
• 3.1.3 支持向量機(jī)多分類問題35-37
• 3.2 支持向量機(jī)參數(shù)優(yōu)化37-41
• 3.2.1 交叉驗(yàn)證參數(shù)優(yōu)化37-38
• 3.2.2 粒子群算法參數(shù)優(yōu)化38-41
• 3.3 基于支持向量機(jī)的缺陷類型識(shí)別41-46
• 3.3.1 分類樣本的選擇41-43
• 3.3.2 訓(xùn)練支持向量機(jī)43-46
• 3.4 基于平均距離的特征評(píng)估與優(yōu)化46-50
• 3.4.1 平均距離的特征評(píng)估算法46-48
• 3.4.2 特征評(píng)估識(shí)別效果分析48-50
• 3.5 本章小結(jié)50-52
• 4 缺陷重構(gòu)技術(shù)研究52-62
• 4.1 缺陷二維重構(gòu)原理52-57
• 4.2 二維重構(gòu)結(jié)果誤差分析57-58
• 4.3 基于體繪制的缺陷三維重構(gòu)58-61
• 4.3.1 體繪制原理58-60
• 4.3.2 實(shí)驗(yàn)結(jié)果60-61
• 4.4 本章小結(jié)61-62
• 5 總結(jié)與展望62-63
• 參考文獻(xiàn)63-68
• 攻讀碩士學(xué)位期間發(fā)表的論文和研究成果68-69
• 致謝69-70

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 趙宏宇;趙紅穎;王楠;;缸孔表面缺陷圖像的分段檢測(cè)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 石端虎;復(fù)雜結(jié)構(gòu)精密焊件中缺陷分割及空間定位的研究[D];哈爾濱工業(yè)大學(xué);2007年

2 王阿川;基于變分PDE的單板缺陷圖像檢測(cè)及修補(bǔ)關(guān)鍵技術(shù)研究[D];東北林業(yè)大學(xué);2011年

3 栗琳;基于視覺的高反射球面缺陷快速檢測(cè)關(guān)鍵技術(shù)研究[D];天津大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 冶平;半固態(tài)壓葉輪的缺陷判斷與圖像識(shí)別[D];北京有色金屬研究總院;2015年

2 黃德龍;疏松缺陷圖像的自動(dòng)生成算法研究[D];華南理工大學(xué);2015年

3 姜麗平;鎂合金材料不連續(xù)性缺陷的超聲探傷研究[D];東北大學(xué);2013年

4 陳宇;一種新的光罩霧狀缺陷的檢測(cè)方法研究[D];電子科技大學(xué);2014年

5 趙婷婷;渦流無損探傷中缺陷圖形的重構(gòu)[D];南京農(nóng)業(yè)大學(xué);2014年

6 王萬里;道路缺陷檢測(cè)識(shí)別算法研究[D];武漢工程大學(xué);2015年

7 肖兆騫;圓柱體構(gòu)件超聲檢測(cè)缺陷類型識(shí)別及重構(gòu)技術(shù)研究[D];中北大學(xué);2016年

8 魏麗君;基于圖像處理技術(shù)的玻璃缺陷圖像預(yù)處理系統(tǒng)研究[D];鄭州大學(xué);2009年

9 李佩;缺陷圖像測(cè)試技術(shù)及應(yīng)用研究[D];廣東工業(yè)大學(xué);2012年

10 宋克臣;帶鋼表面缺陷圖像中目標(biāo)區(qū)域的分割研究[D];東北大學(xué);2011年

  本文關(guān)鍵詞：圓柱體構(gòu)件超聲檢測(cè)缺陷類型識(shí)別及重構(gòu)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：390892