论文部分内容阅读
搅拌摩擦焊是一种新兴固相连接技术,其缺陷的无损检测技术也处于初始阶段。超声检测以其对缺陷良好的定位及定量能力成为搅拌摩擦焊焊缝缺陷检测的重要手段,而它在定性上的局限性使得对缺陷的定性问题成为研究的难点之一。本文以铝合金搅拌摩擦焊焊缝的包铝层伸入、隧道孔、未焊透缺陷超声检测射频信号为对象,分析各类缺陷信号的时域和频域波形特征;利用小波变换理论对缺陷信号的进行特征量的提取,并对各特征量的类别可分性进行评价;以提取的特征量为网络输入,建立用于识别搅拌摩擦焊焊缝缺陷类型的人工神经网络。结果表明,搅拌摩擦焊焊缝缺陷的超声波波形在时域和频域都有其自身特征,可用于超声检测时对缺陷的初步定性。隧道孔超声检测信号的时域静态波形在波宽范围内会有连续起伏的多个波峰,而另外两种缺陷信号在波宽范围内仅有一个明显的主峰;对于前后扫查动态波形,包铝层伸入与未焊透有近似的特征,即随着探头从焊缝边缘向远离焊缝的方向移动,缺陷波幅由低点上升到峰值,在峰值附近维持一段时间后又下降到最低点,而隧道孔缺陷的波形特征则是波幅先下降到最低点,随后又逐渐上升起来,利用隧道孔的时域静态及动态波形特征能够很好地将该缺陷识别出来;在频域上,缺陷信号的功率谱密度的平均主频率由高至低依次为包铝层伸入、未焊透、隧道孔缺陷,此外,隧道孔的功率谱密度图与另外两种缺陷的不同在于其主频率附近的频率点上会存在多个波峰。应用小波变换理论可以很好地实现对缺陷检测信号的特征提取。本文分别采用了基于小波包分解重构信号的能量、小波包(4,1)和(4,3)节点系数、缺陷信号功率谱的小波分解这三种方法,对缺陷信号进行了特征量提取,并利用欧氏空间距离的类别可分性判据对以上三种方法进行了缺陷分类性的评估。结果表明,基于缺陷信号功率谱小波分解的特征提取方法具有最好的类别可分性。以小波变换理论提取的缺陷信号特征量作为网络输入,人工神经网络可以很好地实现对搅拌摩擦焊焊缝缺陷的分类识别。本文建立并训练了以上述三种特征量为输入的BP网络,网络识别结果表明以基于缺陷信号功率谱的小波分解特征量作为网络输入的BP网络对缺陷的正确识别率最高,达到了85.71%,其中对隧道孔和未焊透的识别率达到100%,而包铝层伸入的识别率仅为33.33%。