拌摩擦焊焊缝缺陷超声检测信号特征分析与神经网络模式识别

发布时间：2021-05-16 07:37

　　以搅拌摩擦焊（FSW）焊缝的包铝层伸入、未焊透、隧道孔缺陷为对象,将小波分析理论应用于缺陷超声检测信号特征提取问题的研究,使用小波包分解重构节点能量、小波包分解节点系数、缺陷信号的功率谱密度小波分解这三种方法对缺陷的超声检测信号进行特征提取。利用类别可分离性判据和BP神经网络分别对提取的特征量进行评估和识别。结果表明,缺陷信号的功率谱密度小波分解这一特征提取方式具有最好的类别可分性,并且以该特征量为网络输入的BP神经网络具有85.71%缺陷识别率。 

【文章来源】：核动力工程. 2020,41(01)北大核心EICSCD

【文章页数】：4 页

【参考文献】：
期刊论文
[1]铝合金搅拌摩擦焊缝的无损检测方法[J]. 刘松平,刘菲菲,李乐刚,郭恩明,张田仓,吴海,宋奕菲.  航空制造技术. 2006(03)
[2]小波分析在超声波传感器系统特征信号预处理中的应用[J]. 岳钊,牛文成.  南开大学学报(自然科学版). 2005(02)
[3]基于互信息的小波特征提取方法及其在机械故障诊断中的应用[J]. 焦卫东.  中国机械工程. 2004(21)
[4]搅拌摩擦焊及其研究现状[J]. 傅志红,黄明辉,周鹏展,贺地求.  焊接. 2002(11)
[5]激光焊接质量实时检测和控制的进展[J]. 曾浩,周祖德,陈幼平,胡席远,胡伦骥.  激光杂志. 2000(01)
[6]焊接缺陷的超声回波特征分析与模式识别[J]. 刚铁,吴林.  哈尔滨工业大学学报. 1997(02)



本文编号：3189270