王振博 汪磊潏 王琪 郭北濤

摘 要：在日常生產(chǎn)生活中，對于金屬工件的缺陷探測多為人工探測識別，識別的準(zhǔn)確性依賴于探傷人員的經(jīng)驗。如今對于探傷工具的智能化自動化需求顯得日益迫切，用小波分析方法進行金屬工件缺陷的分析已經(jīng)成為了日益成熟有效的方法，其方法可以很好的與模式識別方法融合，進行缺陷的自動識別。

關(guān)鍵詞：模式識別;無損檢測;金屬工件

DOI：10.16640/j.cnki.37-1222/t.2019.02.024

1 引言

隨著工業(yè)需求的增長鋁合金板材的需求也與日俱增，原先靠著探傷人員抽查制造過程中鋁合金板材的缺陷已經(jīng)不能滿足生產(chǎn)需要，隨之而來的是對自動探傷識別系統(tǒng)的需求[1，2]。小波分析方法是一種在探傷領(lǐng)域的應(yīng)用已經(jīng)十分廣泛的新方法，小波函數(shù)可以很好地擬合原波形，可以在時域與頻域兩個方向上進行分析，時下小波分析缺陷波形的進一步處理即缺陷波型的模式識別分析已日漸成熟起來[3]。

2 小波分析方法

2.1 離散小波變換

當(dāng)需要在計算機上對波形進行分析時，連續(xù)小波必須加以離散化，離散化是針對連續(xù)尺度參數(shù)a和連續(xù)平移參數(shù)b的，并不是針對時間變量t，在連續(xù)小波中考慮小波函數(shù)：

（1）

這里，，且，是容許的，在離散化中為了方便總是限制a只去取正值，相容性條件就變?yōu)椋?/p>

（2）

通常會把連徐小波變換中尺度參數(shù)a和平移參數(shù)b的離散公式取為，，，是常值。任意的的離散小波變換可表示為：

（3）

3 模式識別方法

3.1 基于概率神經(jīng)網(wǎng)絡(luò)的模式識別

模式識別是一種現(xiàn)代先進的分類方法，其優(yōu)點就是是通過及其進行分辨辨別的，除去了人為因素，所以結(jié)果能夠做到更加客觀真實。其中概率神經(jīng)網(wǎng)絡(luò)作為一種有效的模式識別算法被模式識別領(lǐng)域所重視。

3.2 概率神經(jīng)網(wǎng)絡(luò)的工作過程

（1）確定參數(shù)。①確定輸入層，有N個神經(jīng)元，P個待測樣品，每個樣品有N個特征;②確定樣本層，原始的學(xué)習(xí)樣本有M個，就有M個神經(jīng)元。③確定求和層，有個類別，就有個神經(jīng)元。每個節(jié)點對應(yīng)一個類輸出，。

（2）模式距離的計算。模式距離是指待測的樣本矩陣和學(xué)習(xí)矩陣中對應(yīng)的元素之間的距離。通過對數(shù)據(jù)歸一化處理，進行歐式距離計算可得概率。

4 實驗

4.1 數(shù)據(jù)采集

超聲探頭將采集到的模擬信號輸入工控機，然后從工控機將模擬信號的離散數(shù)表導(dǎo)出，為測試本理論方法的有效性，制備了0.3mm到0.7mm五個長見大小的人工裂紋缺陷，并對其采集。試樣如下：

4.2 數(shù)據(jù)處理與分析結(jié)果

本設(shè)備每秒鐘可以采集500個采樣點，我們每個缺陷采集100000個采樣點作為數(shù)據(jù)庫，其中50000個作為訓(xùn)練樣本，另外50000作為測試樣本，其中識別率最高的為0.7mm缺陷為93%，識別率最低的為0.3mm缺陷為82%，其余缺陷識別率介于二者之間?；痉娜毕菰酱笞R別率越高的基本規(guī)律。

5 結(jié)論

本文對鋁合金平板工件的裂紋缺陷小波分析模式識別方法進行了研究，通過實驗證明，此方法有效，能夠完成分類各類缺陷的任務(wù)，為無損檢測自動探傷的研究提供了一種新思路新方法。

參考文獻：

[1]范弘，賈慧明.厚壁承壓無縫鋼管自動超聲波探傷技術(shù)研究[J]. 物理測試，2008，26（02）：35-42.

[2]王勇.淺談超聲無損檢測技術(shù)[J].中國科技博覽，2012，3（21）：310.

[3]陳麗君等.6mm-10mm厚鋁合金板材超聲波探傷方法的研究[J]. 輕合金加工技術(shù)，2005，33（06）：35-37.