基于VMD的超聲無損檢測缺陷識別方法研究
發(fā)布時(shí)間:2021-04-16 01:43
超聲無損檢測技術(shù)由于其快速、便捷、檢測效率高等優(yōu)勢在檢測領(lǐng)域中得到廣泛使用。而在超聲檢測領(lǐng)域,蘭姆波經(jīng)常被用來檢測板材表面以及內(nèi)部的缺陷問題。但是,由于蘭姆波本身存在多模態(tài)及頻散效應(yīng),因此接收到的信號常常含有多個(gè)模態(tài),而且接收到的回波信號幅值容易缺失,難以實(shí)現(xiàn)對缺陷的精準(zhǔn)定位與識別。因此,如何解決這些問題,并實(shí)現(xiàn)對板材缺陷信號的識別就成為本文的研究課題。由于超聲蘭姆波信號具有非線性、非平穩(wěn)的特征,故不可以采用常見的時(shí)頻域信號方法來處理。變分模態(tài)分解方法是一種結(jié)合維納濾波與希爾伯特變換的新型信號處理方法,常用來處理非線性、非平穩(wěn)的混頻信號,可以有效地將缺陷信號從接收到的原始信號中分離出來。本文對超聲無損檢測缺陷識別方法進(jìn)行研究,使用變分模態(tài)分解方法來對含有缺陷信息的超聲信號進(jìn)行分解,并通過對處理后的超聲信號進(jìn)行特征提取和成像來達(dá)到識別板材缺陷的目的。本文對變分模態(tài)分解過過中的分解中中與中中因中的的取進(jìn)行優(yōu)進(jìn):通過K與瞬時(shí)頻率均值之間的關(guān)系與互信息值大小來確定變分模態(tài)分解的中中,使用粒中群優(yōu)進(jìn)算法來實(shí)現(xiàn)對變分模態(tài)分解過過中中中因中的優(yōu)進(jìn)。在優(yōu)進(jìn)過過中對聯(lián)合特征參中包含的信噪比、平滑度與均方...
【文章來源】:大連海洋大學(xué)遼寧省
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【部分圖文】:
VMD算法流程圖
基于VMD的超聲無損檢測缺陷識別方法研究14動態(tài)慣性因子w的引入,使得PSO算法在對變分模態(tài)分解輸入?yún)?shù)的優(yōu)化過程中表現(xiàn)更加靈活,使分解后的效果有很大的提升。由于在VMD分解之前需要確定輸入?yún)?shù),PSO可以利用適應(yīng)度函數(shù)來優(yōu)化參數(shù)組合,能夠有效地避免不當(dāng)?shù)膮?shù)組合導(dǎo)致的模態(tài)混疊與虛假成分問題,在保證完整提取缺陷信號的同時(shí)又不會使信號被噪聲所淹沒。算法流程圖如下圖:圖2-2粒子群優(yōu)化算法流程圖Figure2-2Flowchartofparticleswarmoptimizationalgorithm2.3本章小結(jié)本章節(jié)對變分模態(tài)分解理論進(jìn)行理論分析與研究,針對超聲信號非線性、非平穩(wěn)的特征,主要選取兩種自適應(yīng)的信號分析處理方法來進(jìn)行分析,分別是經(jīng)驗(yàn)?zāi)B(tài)分解方法與變分分解方法。與經(jīng)驗(yàn)?zāi)B(tài)分解方法相比,變分模態(tài)分解方法能夠去除在缺陷信號采集過程中由于環(huán)境、噪音、溫度等不可控條件產(chǎn)生的噪聲及其它突發(fā)變量,能夠得到有效的缺陷信息,找到缺陷信號的準(zhǔn)確頻率。該方法魯棒性更好、收斂速度快,在超聲檢測信號分解及缺陷信號識別研究上具有一定的研究價(jià)值。
基于VMD的超聲無損檢測缺陷識別方法研究16幅值第三章基于變分模態(tài)分解的超聲信號處理本章基于變分模態(tài)分解方法來對信號進(jìn)行處理,處理信號為兩組仿真信號與一組實(shí)測信號。通過對分解過程中的分解層數(shù)K與懲罰因子進(jìn)行優(yōu)化來獲得更優(yōu)的分解效果,并與經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行比較來驗(yàn)證本文算法的有效性。使用K與瞬時(shí)頻率均值之間的關(guān)系來確定信號的分解層數(shù),使用粒子群算法來優(yōu)化懲罰因子。最后通過設(shè)置對比實(shí)驗(yàn)對含微小缺陷的超聲檢測信號進(jìn)行處理來驗(yàn)證變分模態(tài)方法對含微小缺陷信號的檢測能力。3.1.基于經(jīng)驗(yàn)?zāi)B(tài)分解的處理信號3.1.1仿真信號處理(1)根據(jù)Lamb波信號的多頻散的特性,本文采用模擬調(diào)頻信號:tpitpif22))*50**2cos(5.0*400**2cos()(仿真信號的采樣頻率為10kHz,調(diào)頻模擬信號主要包括三個(gè)頻率分量:400Hz的主頻部分、350Hz和450Hz的噪聲部分信號。模擬信號及其頻譜如圖3-1所示:圖3-1仿真信號的時(shí)域圖Fig.3-1Time-domaindiagramofsimulatedsignals頻率/Hz圖3-2仿真信號的頻域圖Fig.3-2Frequencydomaindiagramofsimulationsignal幅值時(shí)間/s
本文編號:3140497
【文章來源】:大連海洋大學(xué)遼寧省
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【部分圖文】:
VMD算法流程圖
基于VMD的超聲無損檢測缺陷識別方法研究14動態(tài)慣性因子w的引入,使得PSO算法在對變分模態(tài)分解輸入?yún)?shù)的優(yōu)化過程中表現(xiàn)更加靈活,使分解后的效果有很大的提升。由于在VMD分解之前需要確定輸入?yún)?shù),PSO可以利用適應(yīng)度函數(shù)來優(yōu)化參數(shù)組合,能夠有效地避免不當(dāng)?shù)膮?shù)組合導(dǎo)致的模態(tài)混疊與虛假成分問題,在保證完整提取缺陷信號的同時(shí)又不會使信號被噪聲所淹沒。算法流程圖如下圖:圖2-2粒子群優(yōu)化算法流程圖Figure2-2Flowchartofparticleswarmoptimizationalgorithm2.3本章小結(jié)本章節(jié)對變分模態(tài)分解理論進(jìn)行理論分析與研究,針對超聲信號非線性、非平穩(wěn)的特征,主要選取兩種自適應(yīng)的信號分析處理方法來進(jìn)行分析,分別是經(jīng)驗(yàn)?zāi)B(tài)分解方法與變分分解方法。與經(jīng)驗(yàn)?zāi)B(tài)分解方法相比,變分模態(tài)分解方法能夠去除在缺陷信號采集過程中由于環(huán)境、噪音、溫度等不可控條件產(chǎn)生的噪聲及其它突發(fā)變量,能夠得到有效的缺陷信息,找到缺陷信號的準(zhǔn)確頻率。該方法魯棒性更好、收斂速度快,在超聲檢測信號分解及缺陷信號識別研究上具有一定的研究價(jià)值。
基于VMD的超聲無損檢測缺陷識別方法研究16幅值第三章基于變分模態(tài)分解的超聲信號處理本章基于變分模態(tài)分解方法來對信號進(jìn)行處理,處理信號為兩組仿真信號與一組實(shí)測信號。通過對分解過程中的分解層數(shù)K與懲罰因子進(jìn)行優(yōu)化來獲得更優(yōu)的分解效果,并與經(jīng)驗(yàn)?zāi)B(tài)分解方法進(jìn)行比較來驗(yàn)證本文算法的有效性。使用K與瞬時(shí)頻率均值之間的關(guān)系來確定信號的分解層數(shù),使用粒子群算法來優(yōu)化懲罰因子。最后通過設(shè)置對比實(shí)驗(yàn)對含微小缺陷的超聲檢測信號進(jìn)行處理來驗(yàn)證變分模態(tài)方法對含微小缺陷信號的檢測能力。3.1.基于經(jīng)驗(yàn)?zāi)B(tài)分解的處理信號3.1.1仿真信號處理(1)根據(jù)Lamb波信號的多頻散的特性,本文采用模擬調(diào)頻信號:tpitpif22))*50**2cos(5.0*400**2cos()(仿真信號的采樣頻率為10kHz,調(diào)頻模擬信號主要包括三個(gè)頻率分量:400Hz的主頻部分、350Hz和450Hz的噪聲部分信號。模擬信號及其頻譜如圖3-1所示:圖3-1仿真信號的時(shí)域圖Fig.3-1Time-domaindiagramofsimulatedsignals頻率/Hz圖3-2仿真信號的頻域圖Fig.3-2Frequencydomaindiagramofsimulationsignal幅值時(shí)間/s
本文編號:3140497
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3140497.html
最近更新
教材專著