基于经验模式分解法和优化支持向量机的超声信号缺陷识别
缺陷的自动识别在大型回转零件超声无损检测和评估中具有重要的意义，本文提出了一种基于经验模式分解法（Empirical mode decomposition，EMD）和优化支持向量机（Support vector machine，SVM）的超声信号缺陷识别方法，首先对信号进行经验模式分解，得到多个基本模式分量（Intrinsic mode function， IMF）后，建立AR 模型，提取模型的自回归参数和残差的方差作为特征矢量，并以此作为优化SVM 的输入参数来对超声信号进行识别。试验结果表明，在小样本条件下，该方法仍能够快速、有效地识别缺陷，并且具有良好的分类性能和推广能力。
超声波检测 经验模式分解法 支持向量机 缺陷识别 回转零件
赵秀粉 殷鹰 田贵云 殷国富
四川大学制造科学与工程学院成都610065 Newcastle大学电子电气与计算机工程学院 英国
国内会议
南京
中文
2008-06-08（万方平台首次上网日期，不代表论文的发表时间）