焊缝超声检测缺陷分类系统的研究
针对目前金属材料超声检测中存在的缺陷信号特征不明显，缺陷性质不易判断的问题，该文试图研究一种方法来实现焊缝缺陷信号的分类。在将不同换能器所采集到的信号幅值归一化的基础上，利用多分辨分析技术对信号降噪并提取出缺陷特征，然后通过人工神经网络对压缩的特征向量实现了分类。基于以上原理，用面向对象编程方法，开发了集数据库管理、小波分析、人工神经网络等为一体的焊缝缺陷超声信号分类系统，可实时采集和处理超声检测信号，并明确给出缺陷性质的识别结果。经实验验证，该方法是可行的，该系统的研究与开发将有效提高超声检测结果的可靠性和准确性。
焊缝超声检测 小波变换 特征提取 神经网络 缺陷分类系统
刘旭 张海燕 吴淼 孙智
中国矿业大学北京校区机电系(北京)
国内会议
中国机械工程学会无损检测分会第七届年会/国际无损检测技术交流研讨会
汕头
中文
403-406
1999-10-26（万方平台首次上网日期，不代表论文的发表时间）