基于HHT的激光超声缺陷检测分析

发布时间：2021-02-01 12:09

　　为解决激光超声技术对现代工业中零部件缺陷的快速分析、检测的问题,本文经多次试验提取了不同缺陷深度下超声表面波信号,并对信号进行截取、去噪、平滑等预处理;通过HHT对预处理后反射回波信号的计算分析,获取不同缺陷深度的反射回波的各阶IMF以及Hilbert能量谱和Hilbert边际谱,并从中对信号的时频域特征信息进行提取分析。结果表明:缺陷的加深使得相邻波峰波谷的最大倾斜率逐渐减小,信号的IMF2分量的中心频率及能量随之呈增长趋势,信号低频部分能量呈指数增长,对总能量贡献率增大,信号的幅频波动变得平稳,收敛频率减小,信号的幅频收敛性变得更好。 

【文章来源】：应用激光. 2020,40(04)北大核心

【文章页数】：6 页

【部分图文】：

实验平台

本文的数据预处理主要包括信号截取、小波除噪以及平滑处理三部分,信号处理前后的结果如图2所示。通过对比分析,可以看出处理前信号包含了大量噪声,且包含了很长一段无用信号;处理后,去除了外界误操作引发的扰动信号,提取出了有用的反射回波信号,且信号更加的平滑,波形特征更加明显。3.2 EMD分解

将上式计算所得数据进行归一化处理,并将归一化后的结果绘制作图表,如图4所示,从中可得出随着缺陷深度的不断增加,相邻波峰波谷的振幅差值几乎保持不变,对应的脉宽呈单调递增趋势;当缺陷深度分别为0.1 mm、0.3 mm、0.5 mm时,对应的斜率分别为57.3、43.75、和32,由此可得出波峰波谷的倾斜程度随着缺陷的加深表现出递减趋势。3.3 Hilbert变换

【参考文献】：
期刊论文
[1]多脉冲激光对CCD探测器的损伤研究[J]. 吴迪,吕勇,牛春晖.  应用激光. 2019(02)
[2]基于激光超声临界频率的表面缺陷检测与评价[J]. 李海洋,李巧霞,王召巴,潘强华.  光学学报. 2018(07)
[3]激光超声缺陷统计特征神经网络识别技术研究[J]. 郭华玲,秦峰,郑宾,王余敬.  应用激光. 2017(06)
[4]激光超声信号与裂纹能量作用机理研究[J]. 秦峰,吴耀金,郭华玲.  应用激光. 2017(05)
[5]激光超声的小波包能量分析[J]. 宋潮,郑宾,郭华玲,刘辉,侯静.  光电工程. 2017(06)
[6]基于EMD和小波熵阈值算法的超声回波信号降噪[J]. 杜必强,孙立江.  中国测试. 2017(01)
[7]基于激光超声方法的钢轨缺陷检测（英文）[J]. 南钢洋,王启武,张振振,郭锐,宋江峰,孙继华.  红外与激光工程. 2017(01)
[8]激光超声管道表面裂纹检测技术[J]. 曹建树,曹振,赵龙飞,徐宝东,刘强,姬保平.  光电工程. 2016(03)
[9]航空航天复合材料结构非接触无损检测技术的进展及发展趋势[J]. 马保全,周正干.  航空学报. 2014(07)

硕士论文
[1]基于经验模态分解方法的光声信号处理研究[D]. 海燕.西安电子科技大学 2018
[2]希尔伯特—黄变换及其模态混淆问题的研究[D]. 郑昱鑫.合肥工业大学 2012



本文编号：3012752