本文主要研究脈沖渦流無損檢測系統(tǒng)中的缺陷信號提取和缺陷邊緣成像技術(shù)。為脈沖渦流無損檢測能夠準(zhǔn)確找到金屬石油管道當(dāng)中的缺陷位置成像奠定基礎(chǔ)。由于在脈沖渦流系統(tǒng)檢測金屬管道時,空氣中的噪聲、探頭提離、空氣層都會對收集到的響應(yīng)信號造成影響,現(xiàn)有的特征值提取方法會受到環(huán)境的影響,并不能準(zhǔn)確的測到缺陷的位置,所以本文提出了基于Fisher判別分析與系統(tǒng)識別法分析法相結(jié)合的新型在線缺陷分類識別法,提高了缺陷參數(shù)識別的可靠性。首先通過響應(yīng)信號建立系統(tǒng)的傳遞函數(shù)模型H(s),并且通過傳遞函數(shù)模型的參數(shù)來反應(yīng)響應(yīng)信號特點。然后使用Fisher判別分析(FDA)從參數(shù)中提取出響應(yīng)信號的重要特征量,最后通過最大值選擇程序把重要特征量進(jìn)行分類,從而找到代表缺陷信號的特征量。本文針對現(xiàn)有的缺陷邊緣檢測方法進(jìn)行研究,采用脈沖渦流掃描成像技術(shù),提出了一種基于改進(jìn)型蟻群算法的缺陷邊緣檢測技術(shù)。對蟻群算法的改進(jìn)包括兩點:第一個是對兩次信息素矩陣更新公式進(jìn)行改進(jìn)。信息素矩陣更新公式中加入兩個像素之間的信息素差值i,j(35)?,第二個改進(jìn)是對啟發(fā)信息公式進(jìn)行改進(jìn),在函數(shù)中選取相鄰像素的差值(35)I作為自變量,改進(jìn)后的蟻...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.4第一組樣本系統(tǒng)識別結(jié)果

()()()()11112+++TsTsKsHs識別建模過程。傳遞函數(shù)（16）可以展開寫成()()()()()12121221212/1///sTTTTsTTKTTsKTTHs++++函數(shù)模型是與函數(shù)（3-3）的傳遞函數(shù)模型相同，其中：112bK....

圖4.8掃描結(jié)果

仿真圖采用的是不同顏色的等高圖（圖4.8a）和電壓峰值三維圖（圖4.8b）。圖中黃色代表電壓峰值較高，而藍(lán)色代表電壓峰值較低，實驗所選取的電壓峰值在5.1V左右。因為電壓峰值會因為缺陷的存在而變化，與缺陷的體積有很大的關(guān)系。圖4.8a可以看到藍(lán)色的圓圈代表電壓峰值較低，而空....

圖4.9缺陷邊緣提取結(jié)果圖

圖4.9缺陷邊緣提取結(jié)果圖本章小結(jié)本章首先介紹了脈沖渦流掃描技術(shù)和蟻群算法的基本概念，在這里引用了自適把灰度圖像轉(zhuǎn)變?yōu)槎祱D像，使得尋找圖片的邊緣更加方便。然后提出了對蟻改進(jìn)，主要改進(jìn)了蟻群算法中的信息素矩陣更新公式，加入相鄰像素的信息素，并且對啟發(fā)信息公式也進(jìn)行了改進(jìn)，大大....

圖5.2實驗軟件圖（a）單個探頭的采樣信號（b）雙案頭差分信號（c）掃描成像圖

（a）（b）（c）圖5.2實驗軟件圖（a）單個探頭的采樣信號（b）雙案頭差分信號（c）掃描成像圖5.2.2數(shù)據(jù)處理結(jié)果與分析在檢測系統(tǒng)工作完成后，通過在線缺陷識別分類法對存儲起來說的數(shù)據(jù)進(jìn)行分析，

本文編號：3926561