学位论文 > 优秀研究生学位论文题录展示
非成像式超声检测缺陷类型识别关键技术及其应用研究
作 者: 车红昆
导 师: 项占琴;吕福在
学 校: 浙江大学
专 业: 机械制造及其自动化
关键词: 超声检测 缺陷类型识别 噪声去除 特征提取 支持向量机 证据理论 贝叶斯推理 融合决策 石油套管
分类号: TP274.53
类 型: 博士论文
年 份: 2011年
下 载: 91次
引 用: 0次
阅 读: 论文下载
内容摘要
缺陷类型识别是定量超声无损检测中重要的基础性问题。随着超声无损检测技术朝着高可靠性、高精度、高实时以及定量化方向发展,研究应用于在线超声检测的缺陷类型识别技术具有日益重要的学术意义和工程价值。虽然通过超声成像重构缺陷几何轮廓的方式能够实现对缺陷类型识别,但需要等待耗时的全局超声扫描和数据合成的过程,其实时性不能满足高速的在线检测需要。而非成像式超声检测缺陷类型识别方法直接从超声反射回波信号中提取特征参数,通过分析特征参数与缺陷类型之间的对应关系实现对缺陷类型识别,由于不需要等待全局超声扫描和数据合成,该方法具有较高的实时性,特别适用于在线超声检测的场合。在实际应用中,由于存在材料结构噪声对信号的干扰以及小样本条件下先验知识缺乏等困难,非成像式超声检测缺陷类型识别的准确性和可推广性受到了严重影响。针对目前存在的这些问题,本论文对非成像式超声检测缺陷类型识别中的关键技术,包括结构噪声消除、缺陷特征提取与类型识别进行了系统的研究,提出了基于小波包变换的时频邻域自适应消噪方法、基于SFFS搜索的时频优选特征提取算法以及两种基于支持向量机的融合决策识别方法法,并分别采用人工缺陷和石油套管自然缺陷对上述方法的可行性和有效性进行了验证。第一章,论述非成像式超声检测缺陷类型识别的重要意义,综合国内外关于非成像式超声检测缺陷类型识别关键问题的研究现状,分析当前研究中存在的问题,确定进一步研究的方法路线。第二章,研究超声反射回波信号的组成、分布特点和平稳特性,分析典型人工缺陷的超声反射回波信号在不同空间域上的信息特征,为后续的信噪分离、特征提取和类型识别工作提供理论基础。第三章,在分析结构噪声分布特点的基础上,提出基于小波包变换的时频邻域自适应消噪方法。通过仿真信号和实测信号的消噪实验,验证该方法在提高信号信噪比和抑制信号失真方面的有效性。第四章,确定超声反射回波信号的多特征提取框架,对四种相互独立的传统特征提取方法进行研究,并给出具体的实现算法。针对传统特征提取方法缺乏量化依据的问题,提出基于小波包分解、Fisher准则和SFFS搜索算法的时频优选特征提取算法,并采用可分性测度对上述特提取方法的有效性进行评价。第五章,针对小样本条件下超声检测缺陷类型识别的困难,提出两种基于支持向量机的融合决策识别方法,分别应用于缺陷类型框架已知和未知的场合。通过对人工缺陷进行类型识别,验证上述识别方法的有效性。第六章,将所提出的方法应用于石油套管自然缺陷的类型识别,研究信号消噪和特征提取对识别正确率的影响,验证多特征融合决策识别方法的识别能力和泛化能力,分析整个识别过程的时间耗费以及应用于石油套管在线超声检测的可行性。第七章,对论文的主要内容、研究结果和创新点进行总结,并对以后的工作进行展望。
|
全文目录
摘要 5-7 ABSTRACT 7-12 第一章 绪论 12-26 1.1 课题研究的意义 12-13 1.2 非成像式超声检测缺陷类型识别关键技术的研究现状 13-22 1.2.1 超声反射回波信号消噪方法的研究现状 13-16 1.2.2 超声反射回波信号特征提取方法的研究现状 16-18 1.2.3 应用于超声检测的模式识别方法的研究现状 18-22 1.3 课题的来源和背景 22-23 1.4 论文的研究内容与结构 23-26 1.4.1 论文的研究内容 23-24 1.4.2 论文的结构 24-26 第二章 非成像式超声检测缺陷类型识别基础研究 26-44 2.1 脉冲反射式超声检测原理及其建模 26-29 2.1.1 脉冲反射式超声反射回波信号数学模型 27 2.1.2 结构噪声数学模型 27-29 2.2 超声反射回波信号平稳性分析 29 2.3 超声反射回波信号中的缺陷信息捕捉 29-38 2.3.1 基于短时傅立叶变换的缺陷信息捕捉 30-33 2.3.2 基于小波变换的缺陷信息捕捉 33-38 2.4 典型反射面缺陷超声反射回波信号的特征分析 38-43 2.4.1 典型反射面人工缺陷及其超声反射回波信号采集 38-40 2.4.2 典型人工缺陷超声反射回波信号的时域特征分析 40-41 2.4.3 典型人工缺陷超声反射回波信号的频域特征分析 41-42 2.4.4 典型人工缺陷超声反射回波信号的时频域特征分析 42-43 2.5 本章小结 43-44 第三章 超声反射回波信号时频邻域自适应消噪方法研究 44-60 3.1 引言 44-45 3.2 小波软阈值消噪法及其局限性 45-46 3.3 基于小波包变换的时频邻域自适应消噪方法研究 46-52 3.3.1 小波变换多分辨分析理论与Mallat快速算法 47-49 3.3.2 小波包变换 49-51 3.3.3 基于小波包变换的时频邻域自适应消噪方法的实现 51-52 3.4 超声反射回波信号消噪实验研究 52-59 3.4.1 信号消噪方法的性能评价 52-53 3.4.2 仿真信号信噪分离实验 53-56 3.4.3 典型人工缺陷超声反射回波信号消噪实验研究 56-59 3.5 本章小结 59-60 第四章 超声反射回波信号多特征提取与评价技术研究 60-75 4.1 引言 60-61 4.2 超声反射回波信号时域包络谱统计特征提取 61-63 4.3 超声反射回波信号频域幅值谱统计特征提取 63-65 4.4 超声反射回波信号小波分解能量分布特征提取 65-66 4.5 超声反射回波信号局部分量小波熵特征提取 66-68 4.6 超声反射回波信号时频SFFS优选特征提取 68-72 4.6.1 Fisher可分性测度 68-69 4.6.2 SFFS搜索算法 69-70 4.6.3 时频SFFS优选特征提取的实现 70-72 4.7 特征提取方法性能评价 72-74 4.8 结论 74-75 第五章 基于支持向量机的缺陷类型多特征融合决策识别技术研究 75-91 5.1 引言 75-76 5.2 支持向量机理论 76-79 5.2.1 线性分类问题 76-78 5.2.2 非线性分类问题 78 5.2.3 多类分类问题 78-79 5.3 多特征SVM-Bayes融合决策识别 79-81 5.3.1 贝叶斯推理 79-80 5.3.2 多特征SVM-Bayes融合决策规则 80-81 5.4 多特征SVM-DS融合决策识别 81-85 5.4.1 DS证据理论 81-82 5.4.2 多特征SVM-DS合成规则 82-83 5.4.3 多特征SVM-DS融合决策识别输出规则 83-85 5.5 人工缺陷的识别实验 85-90 5.5.1 SVM识别器的参数确定 85-86 5.5.2 人工缺陷单特征SVM识别 86-87 5.5.3 人工缺陷多特征SVM-Bayes识别试验 87-88 5.5.4 人工缺陷多特征SVM-DS融合决策识别 88-90 5.6 本章小结 90-91 第六章 石油套管超声检测缺陷类型识别综合实验研究 91-109 6.1 石油套管典型缺陷类型及其特点 91-92 6.2 石油套管缺陷超声反射回波信号采集 92-93 6.3 石油套管缺陷超声反射回波信号时频邻域自适应消噪 93-97 6.4 石油套管缺陷超声反射回波信号多特征提取 97-100 6.5 石油套管缺陷类型识别综合实验研究 100-106 6.5.1 石油套管缺陷的单特征SVM识别 100-103 6.5.2 石油套管缺陷多特征SVM-Bayes融合决策识别 103-104 6.5.3 石油套管缺陷多特征SVM-DS融合决策识别 104-106 6.6 石油套管缺陷多特征融合决策识别的实时性分析 106-108 6.7 本章小结 108-109 第七章 结论与展望 109-113 7.1 研究总结 109-111 7.2 相关工作展望 111-113 参考文献 113-120 附录A 石油套管超声检测实验平台 120-122 攻读博士学位期间论文发表情况和完成的科研项目 122-124 致谢 124
|
相似论文
- 石油套管热处理过程残余应力的有限元分析,TG156.3
- 30MnCr22/P110无缝钢管热处理特性的研究,TG161
- J55级石油套管钢连续冷却转变及热变形行为研究,TG335.11
- 石油套管损坏机理计算机模拟研究,TE931
- 恶劣传输环境下的多跳无线传感器网络决策融合,TN929.5
- 认知无线电中的频谱感知和频谱聚合技术研究,TN925
- 手部特征识别及特征级融合算法研究,TP391.41
- 分布式多视角目标跟踪的统计推理方法及实现,TP391.41
- 基于贝叶斯推理的环境水力学反问题研究,TV131
- 两种概率表征的贝叶斯推理的加工过程,O212.8
- 贝叶斯网络在基于几何模型的建筑物检测中的应用研究,TP274.4
- 基于D-S证据理论的多传感器数据融合危险预警系统,TP202
- 一种信息源可信度预测方法研究,TP18
- 基于开放框架D-S理论的证据建模关键技术研究,TP18
- 多传感器数据融合技术在火灾探测中的应用研究,TP202
- 基于贝叶斯网络的光传输设备可靠性分析,TN914.332
- 基于多传感器数据融合的输油管道检测技术研究,TP202
- 车载导航路径规划算法研究,U495
- 基于信息融合的结构损伤识别研究,TU312.3
- 基于信息融合的燃烧发热量异常判断,TM621.2
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统 > 采用各种新技术的自动检测系统 > 超声波检测及其设备
© 2012 www.xueweilunwen.com
|