GH3536合金选择性激光熔化微小缺陷超声检测
发布时间：2022-02-10 10:18
针对GH3536合金选择性激光熔化（Selective laser melting,SLM）工艺中,孔隙和裂纹等微小缺陷与完好区域的声阻抗差异小,超声检测缺陷回波不明显问题,提出基于变分模态分解结合小波分析的信号处理方法。首先对回波信号进行变分模态分解,分析不同分量与原始信号的相关性进行降噪重构,然后选择db7小波函数对信号进行3层分解,以极大极小规则进行硬阈值平滑处理,提取信号突变点来判别缺陷回波。仿真和实际测试结果表明:该方法比单一的经验模态分解及小波重构效果明显,能够检出加工层厚为0.15 mm的人工缺陷,为高温合金SLM成型工件超声检测回波信号微小缺陷识别提供了新方法。
【文章来源】：数据采集与处理. 2020,35(02)北大核心CSCD
【文章页数】：9 页
【部分图文】：
Mallat算法流程图
为验证上述算法性能，假设某一脉冲信号加上高斯噪声的时域和频域如图2所示。从图2中可以看出，原始信号染噪后淹没于噪声中，从时域和频域上很难分出信号和噪声。首先以VMD模式分解出各本征函数，归一化中心频率如表1所示。在模态量设置为2时，第1个模态分量的归一化中心频率与原始信号的频域归一化中心频率相等。当分解层数到4层时，第1、2个分量归一化中心频率相近仅差别0.046，且初始频率已经低于初始信号的归一化中心频率，因此可以认为在4模态量时，原始信号已经出现了过分解现象，该信号的模态量K值应该设置为3，其分解结果如图3所示。图3 K=3时仿真信号模态分解
图2 仿真信号时域与频域求出各模态下信号分量与原始信号的相关性如表2所示。可以看出BIMF1的信号成分与原始信号相关性较强。一般来说，超声检测设备产生的噪声和超声设备的回波信号是无关的。考虑到SLM成型的GH3536合金信号中包含的高斯白噪声信号与仿真信号的高斯白噪声信号一致，在观察时间上都服从正态分布，用Matlab仿真产生2 000个采样点数等同于SLM成型的GH3536合金采样点数，用以确定剔除噪声分量的阈值标准。以高斯白噪声信号和超声回波信号的相关系数为参考，设置剔除阈值为0.1，即相关系数低于0.1的分量被认为是高斯白噪声，应该剔除该信号后重构信号以实现降噪。
【参考文献】：
期刊论文
[1]基于变分模态分解的相关能量熵自适应阈值去噪[J]. 刘霞,李文. 吉林大学学报(信息科学版). 2019(05)
[2]变分模态分解和熵理论在超声信号降噪中的应用[J]. 杜必强,孙立江. 中国工程机械学报. 2017(04)
[3]3D打印18Ni300模具钢的显微组织及力学性能[J]. 周隐玉,王飞,薛春. 理化检验(物理分册). 2016(04)
[4]3D打印技术研究现状和关键技术[J]. 张学军,唐思熠,肇恒跃,郭绍庆,李能,孙兵兵,陈冰清. 材料工程. 2016(02)
[5]金属材料小缺陷超声反射信号建模及识别[J]. 杨辰龙,陈越超,叶钱,郑慧峰. 光学精密工程. 2015(09)
[6]增材制造用金属粉末材料的关键影响因素分析[J]. 范立坤. 理化检验(物理分册). 2015(07)
[7]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[8]金属材料激光增材制造技术及在航空发动机上的应用[J]. 刘业胜,韩品连,胡寿丰,柴象海,曹源. 航空制造技术. 2014(10)
[9]金属增材制造技术在航空领域的发展与应用[J]. 巩水利,锁红波,李怀学. 航空制造技术. 2013(13)
博士论文
[1]碳纤维复合材料超声背散射信号递归分析及缺陷检测研究[D]. 滕国阳.浙江大学 2019
硕士论文
[1]基于变分模态分解和萤火虫优化概率神经网络的风电机组振动故障诊断研究[D]. 罗燚.西安理工大学 2019
[2]GH3536合金选区激光熔化成形行为及高温性能研究[D]. 李勇.机械科学研究总院 2019
[3]多层各向异性再制造零件超声散射和衰减研究[D]. 刘颖.中国地质大学(北京) 2019
[4]激光沉积制造缺陷检测评判研究[D]. 韩毅.沈阳航空航天大学 2019
本文编号：3618724
【文章来源】：数据采集与处理. 2020,35(02)北大核心CSCD
【文章页数】：9 页
【部分图文】：
Mallat算法流程图
为验证上述算法性能，假设某一脉冲信号加上高斯噪声的时域和频域如图2所示。从图2中可以看出，原始信号染噪后淹没于噪声中，从时域和频域上很难分出信号和噪声。首先以VMD模式分解出各本征函数，归一化中心频率如表1所示。在模态量设置为2时，第1个模态分量的归一化中心频率与原始信号的频域归一化中心频率相等。当分解层数到4层时，第1、2个分量归一化中心频率相近仅差别0.046，且初始频率已经低于初始信号的归一化中心频率，因此可以认为在4模态量时，原始信号已经出现了过分解现象，该信号的模态量K值应该设置为3，其分解结果如图3所示。图3 K=3时仿真信号模态分解
图2 仿真信号时域与频域求出各模态下信号分量与原始信号的相关性如表2所示。可以看出BIMF1的信号成分与原始信号相关性较强。一般来说，超声检测设备产生的噪声和超声设备的回波信号是无关的。考虑到SLM成型的GH3536合金信号中包含的高斯白噪声信号与仿真信号的高斯白噪声信号一致，在观察时间上都服从正态分布，用Matlab仿真产生2 000个采样点数等同于SLM成型的GH3536合金采样点数，用以确定剔除噪声分量的阈值标准。以高斯白噪声信号和超声回波信号的相关系数为参考，设置剔除阈值为0.1，即相关系数低于0.1的分量被认为是高斯白噪声，应该剔除该信号后重构信号以实现降噪。
【参考文献】：
期刊论文
[1]基于变分模态分解的相关能量熵自适应阈值去噪[J]. 刘霞,李文. 吉林大学学报(信息科学版). 2019(05)
[2]变分模态分解和熵理论在超声信号降噪中的应用[J]. 杜必强,孙立江. 中国工程机械学报. 2017(04)
[3]3D打印18Ni300模具钢的显微组织及力学性能[J]. 周隐玉,王飞,薛春. 理化检验(物理分册). 2016(04)
[4]3D打印技术研究现状和关键技术[J]. 张学军,唐思熠,肇恒跃,郭绍庆,李能,孙兵兵,陈冰清. 材料工程. 2016(02)
[5]金属材料小缺陷超声反射信号建模及识别[J]. 杨辰龙,陈越超,叶钱,郑慧峰. 光学精密工程. 2015(09)
[6]增材制造用金属粉末材料的关键影响因素分析[J]. 范立坤. 理化检验(物理分册). 2015(07)
[7]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[8]金属材料激光增材制造技术及在航空发动机上的应用[J]. 刘业胜,韩品连,胡寿丰,柴象海,曹源. 航空制造技术. 2014(10)
[9]金属增材制造技术在航空领域的发展与应用[J]. 巩水利,锁红波,李怀学. 航空制造技术. 2013(13)
博士论文
[1]碳纤维复合材料超声背散射信号递归分析及缺陷检测研究[D]. 滕国阳.浙江大学 2019
硕士论文
[1]基于变分模态分解和萤火虫优化概率神经网络的风电机组振动故障诊断研究[D]. 罗燚.西安理工大学 2019
[2]GH3536合金选区激光熔化成形行为及高温性能研究[D]. 李勇.机械科学研究总院 2019
[3]多层各向异性再制造零件超声散射和衰减研究[D]. 刘颖.中国地质大学(北京) 2019
[4]激光沉积制造缺陷检测评判研究[D]. 韩毅.沈阳航空航天大学 2019
本文编号：3618724
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3618724.html
