發(fā)布時(shí)間：2021-07-11 14:46

　　金屬工件在眾多領(lǐng)域均有廣泛應(yīng)用,但在其生產(chǎn)和使用過程中,由于受力不均勻等其他因素,會(huì)造成工件表面產(chǎn)生裂紋,長(zhǎng)期使用會(huì)造成裂紋的進(jìn)一步加深與擴(kuò)展,未能及時(shí)檢查會(huì)對(duì)工件使用的可靠性和安全性產(chǎn)生影響,埋下安全隱患,嚴(yán)重時(shí)會(huì)引發(fā)巨大安全事故,因此,對(duì)金屬表面缺陷的檢測(cè)至關(guān)重要。激光超聲以其檢測(cè)靈敏度高、非接觸檢測(cè)等優(yōu)勢(shì),實(shí)現(xiàn)對(duì)金屬表面缺陷的檢測(cè)。因此,本文利用激光超聲檢測(cè)技術(shù),對(duì)金屬表面微小裂紋的定位、裂紋的特征提取技術(shù)及裂紋缺陷的識(shí)別技術(shù)進(jìn)行研究。針對(duì)缺陷的定位研究,本文利用掃描激光線源檢測(cè)法（SLLS）實(shí)現(xiàn)對(duì)鋁板表面缺陷的掃查,結(jié)合掃查得到的B-Scan數(shù)據(jù)研究了缺陷的定位問題,并對(duì)比了直接法與間接法兩種定位方法,通過實(shí)驗(yàn)數(shù)據(jù)對(duì)比,驗(yàn)證了間接法定位的準(zhǔn)確性。針對(duì)表面裂紋的特征提取技術(shù),本文研究了攜帶裂紋信息的信號(hào):首先,分析了不同類型裂紋和不同深度裂紋的時(shí)頻特征;其次,利用EMD方法對(duì)其缺陷信號(hào)進(jìn)行分解得到對(duì)應(yīng)的能量分布;最后,結(jié)合時(shí)域幅值特征和頻域峰值特征共同構(gòu)成各自的分類器輸入量。針對(duì)表面裂紋類型和深度的識(shí)別,本文主要研究了基于隨機(jī)森林（RF）算法和三種決策樹算法（ID3、C4.5、C... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同數(shù)量陣列探測(cè)器得到的信號(hào)值

圖 2.7 不同數(shù)量陣列探測(cè)器得到的信號(hào)值為通道 CH0 和通道 CH1，通道 CH0 連接到激光激發(fā)器道 CH1 連接到接收儀，以實(shí)現(xiàn)檢測(cè)超聲信號(hào)的采集；信號(hào)傳至計(jì)算機(jī)，如圖 2.8 所示

中北大學(xué)學(xué)位論文 平臺(tái)搭建搭建的平臺(tái)核心部分為掃查架，如圖 2.9（a）所示。掃查架可以通過調(diào)整兩個(gè)現(xiàn)工件沿 X 方向和 Y 方向的移動(dòng)，通過在掃查架上固定樣品位置，設(shè)置掃查置，對(duì)樣品進(jìn)行掃查獲得樣品在該位置處的從而獲得 A 掃和 B 掃圖像。掃查范圍為 250mm*250mm，分辨率為 60 。傳動(dòng)軸通過線纜與運(yùn)動(dòng)控制盒的連接動(dòng)控制工件，但由于其掃查分辨率為 60 ，實(shí)現(xiàn)工件的精確移動(dòng)還有差距；所 USB 線連接控制盒和電腦，軟件控制工件的精確移動(dòng)。運(yùn)動(dòng)控制盒如圖 2.9。

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林算法的纖維板表面缺陷識(shí)別[J]. 劉傳澤,王霄,陳龍現(xiàn),郭慧,羅瑞,周玉成.  林業(yè)科學(xué). 2018(11)
[2]激光超聲測(cè)量金屬材料彈性常數(shù)實(shí)驗(yàn)與有限元分析[J]. 戰(zhàn)宇,林中亞,劉常升.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[3]商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究——基于線上供應(yīng)鏈金融的實(shí)證[J]. 戴昕琦.  軟科學(xué). 2018(05)
[4]基于EMD及主成分分析的缺陷超聲信號(hào)特征提取研究[J]. 李茂,楊錄,張艷花.  中國測(cè)試. 2018(02)
[5]基于隨機(jī)森林方法的地鐵車門故障診斷[J]. 陳蘇雨,方宇,胡定玉.  測(cè)控技術(shù). 2018(02)
[6]基于隨機(jī)森林算法和Logistic回歸模型的糖尿病風(fēng)險(xiǎn)因素研究[J]. 肖輝,郝元濤,徐曉,朱曉宇.  中國數(shù)字醫(yī)學(xué). 2018(01)
[7]基于隨機(jī)森林的企業(yè)監(jiān)管方法研究[J]. 于煥杰,杜子芳.  管理世界. 2017(09)
[8]基于隨機(jī)森林的玉米發(fā)育程度自動(dòng)測(cè)量方法[J]. 石禮娟,盧軍.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(01)
[9]采用隨機(jī)森林法的天繪數(shù)據(jù)干旱區(qū)城市土地覆蓋分類[J]. 田紹鴻,張顯峰.  國土資源遙感. 2016(01)
[10]利用激光超聲技術(shù)研究金屬裂紋缺陷的檢測(cè)波特性[J]. 丁一珊,楊世錫,甘春標(biāo).  振動(dòng)與沖擊. 2015(14)

博士論文
[1]旋轉(zhuǎn)機(jī)械故障診斷的時(shí)頻分析方法及其應(yīng)用研究[D]. 鐘先友.武漢科技大學(xué) 2014
[2]隨機(jī)森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014
[3]掃描激光源法激發(fā)聲表面波用于金屬表面裂紋檢測(cè)的研究[D]. 倪辰蔭.南京理工大學(xué) 2010

碩士論文
[1]基于隨機(jī)森林算法的鑄件內(nèi)部夾雜類型識(shí)別方法研究[D]. 李璐.中北大學(xué) 2018
[2]基于隨機(jī)森林與貝葉斯優(yōu)化算法的排水管道缺陷檢測(cè)算法研究[D]. 何嘉林.廣東工業(yè)大學(xué) 2018
[3]基于改進(jìn)隨機(jī)森林的Android惡意軟件檢測(cè)方法研究[D]. 徐晉.中國民航大學(xué) 2017
[4]基于反射橫波的金屬材料內(nèi)部缺陷激光超聲檢測(cè)研究[D]. 李遠(yuǎn)林.南京理工大學(xué) 2014
[5]鋁材管道中激光激發(fā)聲表面波的數(shù)值模擬研究[D]. 王貴鑫.南京郵電大學(xué) 2013
[6]激光超聲無損檢測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D]. 譚項(xiàng)林.國防科學(xué)技術(shù)大學(xué) 2011
[7]信號(hào)細(xì)微特征提取及識(shí)別技術(shù)研究[D]. 周斌.哈爾濱工業(yè)大學(xué) 2011
[8]最優(yōu)分?jǐn)?shù)階濾波器設(shè)計(jì)及應(yīng)用研究[D]. 彭建亮.電子科技大學(xué) 2011



本文編號(hào)：3278300