小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

焊缝超声无损检测中的缺陷智能识别方法

针对焊缝超声无损检测中的缺陷智能化定性识别一直未能很好解决的难题,提出采用小波包变换技术对缺陷回波信号进行降噪和特征值提取,采用基于距离的类别可分性判据和人工神经网络模式识别方法对其进行自动识别和归类,在此基础上开发了基于MATLAB软件的焊缝超声波探伤缺陷智能识别系统,可实现对缺陷回波信号的自动采集、处理及智能化识别和分类.实验表明采用的特征值提取方法以及缺陷定性识别方法是有效的.     

基于电磁超声的铝板缺陷识别方法

针对铝板中典型缺陷类型,提出基于电磁超声的铝板缺陷识别方法.通过平底孔和圆底孔人工缺陷模拟实际缺陷,使用电磁超声体波获得多组缺陷回波信号样本,采用小波邻域自适应阈值消噪方法,提升信号信噪比.从时域、频域和时频域提出多种信号特征方法,提取45种信号特征.以基于类内类间距离的类别可分性判据为评价指标,通过序列浮动前向选择算法(SFFS)搜索得到最优特征向量用于缺陷识别.采用k-折交叉确认方法确定支持向量机分类器的最优参数.试验结果表明,设计的分类器能够有效地识别文中铝板内的平底孔和圆底孔缺陷,识别正确率达到了96.7%.     

基于神经网络的小波域超声信号消噪技术研究

为了提高超声无损检测（UNDT）与无损评价（UNDE）基础数据的信噪比（SNR），提出了一种基于神经网络模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理，以及分析传统裂谱分析(SSP)算法局限性的基础上，利用小波变换方法将原始超声检测信号分解到小波空间，并通过径向基函数（RBF）神经网络所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声，得到高信噪比的超声回波信号.实验结果表明，与传统裂谱分析算法相比，该技术提高了消噪性能的稳定性，增强了湮没材料内部各类散射体散射中的缺陷回波信号能力     

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。     

基于小波包变换的EMD算法在超声信号处理中的应用

提出基于小波包变换的EMD算法,并将其应用于超声回波信号去噪.对于采用EMD分解含高斯白噪声的超声缺陷信号存在模态混叠的问题,首先用小波包变换对信号作预处理,再对信号进行EMD分解,最后重构出有用的缺陷信号.实验结果表明:该方法不仅具有很好的消噪效果,而且重构的缺陷信号的波形失真度小,有利于对信号做进一步的定量分析.     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

用LabVIEW的小波工具处理超声信号中的噪声

为了抑制噪声，提高信造比，实现精确的探伤，本文采用了系统的LabVIEW软件中小波分析工具——降噪函数Denoise．vi对检测系统中超声信号的噪声进行处理，在综合比较降噪效果和执行速度后，确定小波分解尺度为6，并将所有尺度的阈值均设为0．1。经对CS-1-5试块的φ2平底孔超声反射回波和某型直升机旋翼大梁疲劳裂纹超声反射回波的降噪试验，试验结果表明，处理后的超声信号信噪比显著增强。满足我军航空维修无损检测的需要，实现了探伤工作的快速、机动和高效，提高了检测的可靠性。     

小波分析在超声信号采集消噪中的应用

在使用超声波探伤设备进行探伤过程中,为了抑制噪声信号对缺陷识别和判断带来的影响,采用小波分析的方法,利用Daubechies小波家族的db2做小波函数,借助于小波变换的时-频局部分析特性,对超声波回波信号进行了多分辨率分析.在每一阶设定不同噪声阈值,对输入信号进行噪声去除,并进行信号重建.实验证明,使用该方法能够有效地实现对超声波回波信号的噪声抑制,提高超声波的探伤精度.     

超声检测缺陷分类的小波分析与神经网络方法

根据金属超声检测中缺陷脉冲回波为非稳态信号的特点,提出了一种基于小波变换和模式识别技术的缺陷宁性分类方法,重点研究了利用小波变换提取反映缺陷性质的特征值以及动用模式识别技术对特征值进行缺陷定性识别的方法。为验证上述方法,设计了实验系统,同时对信号的采集异常信号的剔除等问题进行了研究。利用实际焊接试样进行了实验,经小波变换提取缺陷特征值,然后采用ＢＰ（ｂａｃｋ ｐｒｏｐａｇａｔｉｎｏ）神经网络,使缺     

超声无损检测中基于支持向量机的自适应裂谱分析法

传统裂谱分析（SSP）方法对滤波器类型及其参数选择过于敏感,优化处理算法的信噪分离规则不能根据应用场合、信号和噪声的性质进行自适应调整.为了提高超声无损检测（UNDT）和无损评价（UNDE）中基础数据的信噪比（SNR）,提出了一种基于支持向量机（SVM）模式识别理论的自适应裂谱分析方法.采用以高斯函数为核函数的SVM所构成的信噪分离器,对信号和噪声进行识别和分离,从而消除噪声,得到高信噪比的超声回波信号.实验结果表明,与传统裂谱分析方法相比,该方法提高了消噪性能的稳定性,增强了湮没晶粒（或其他散射体）散射中缺陷回波信号的能力.     

基于LabVIEW的超声导波时间反转信号激励系统

将时间反转信号处理方法运用于超声导波无损检测时,可实现检测能量在缺陷位置的聚焦,从而提高缺陷反射回波信号的分辨率,增强检测效果。本文在LabVIEW环境下设计开发了基于NIPXI5411信号发生器卡和NIPXI5112数字示波器卡的时间反转信号激励系统,通过单传感器单独激励时间反转信号后再叠加的方式实现近似时间反转导波检测。实验表明,该激励系统能有效地解决时间反转导波检测过程中的信号激励问题,具有较好的应用价值。     

一种应用于超声无损检测的广谱反卷积技术研究

为了提高复合材料超声无损检测（UNDT）分辨率,提出一种基于小波变换和粒子群算法（PSO）的广谱反卷积新技术.在利用小波变换多分辨率分析能力对超声反射回波信号消噪,并确定超声反射系数位置集的基础上,采用粒子群优化算法求出相应位置反射系数的幅值,从而消除畸变小波的平滑作用,有效改善检测分辨率.同时,该技术还突破传统方法仅适合于超声回波信号为平稳、检测噪声为白色以及先验知识已知的场合应用的局限性.计算机仿真和实验研究表明,与传统反卷积技术相比,该方法能极大地提高超声检测的分辨率,并体现出较强的广谱适应性和鲁棒性.     

连续小波变换在焊接缺陷超声检测中的应用

本文研究连续小波变换方法在焊接结构超声无损检测信号处理中的应用，以压力容器的三种焊接缺陷为对象，对缺陷回波信号作连续小波变换，对小波变换尺度图采用与时间－尺度相平面相似的网格作区域平均特征提取，并对提取出的特征利用B－P型神经网络进行训练和分类，实验结果表明：连续小波变换在信号特征提取上具有优良特性。