[发明专利]一种用于涡流探伤过程的缺陷类型识别方法

权利要求书

1.一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，包括以下步骤：

S1：获取涡流缺陷信号；

S2：对涡流缺陷信号进行去噪处理，提取涡流缺陷信号的时域特征参数；

S3：通过信号频段分解和时频展开提取涡流缺陷信号的频域特征参数；

S4：将时域特征参数、频域特征参数组成时频特征向量并降维处理，获取缺陷识别向量；

S5：判断缺陷识别向量所处的缺陷类型范围，获取涡流缺陷信号对应的缺陷类型。

2.根据权利要求1所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S4具体包括：

S41：对时域特征参数、频域特征参数进行无量纲化处理，组成时频特征向量；

S42：对时频特征向量进行降维处理，获取缺陷识别向量。

3.根据权利要求2所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S41中进行无量纲化处理的公式为：

其中，n为样本数，x_i为特征参数的第i个样本值，z_i为无量纲化处理后的第i个样本值，为某一特征参数的平均数，s(x)为特征参数的标准差。

4.根据权利要求2所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S42的步骤具体包括：

S421：计算时频特征向量D_m×n的协方差矩阵S；

S422：计算协方差矩阵S的特征向量和特征值，选取最大的前K个特征值对应的特征向量组成矩阵P_n×K；

S423：将数据投影到k个特征向量构建的新空间中，获取缺陷识别向量：

X_m×K＝D_m×n×P_n×K

其中，X_m×K为缺陷识别向量。

5.根据权利要求1所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S2中采用四层小波软阈值方法对缺陷涡流信号进行去噪。

6.根据权利要求1所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的时域特征参数包括均值、峰值、峰峰值、标准差、歪度、波形系数、陡度。

7.根据权利要求1所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S3具体包括：

S31：对涡流缺陷信号进行信号频段分解，获取多个频段分解函数；

S32：对频段分解函数进行筛选，获取涡流缺陷信号的特征频段函数；

S33：提取特征频段函数的频域特征参数。

8.根据权利要求7所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S31中的信号频段分解公式为：

其中，x(t)为涡流缺陷信号，c_j(t)为第j个频段分解函数，m表示频段分解函数的个数，r_m(t)为余项。

9.根据权利要求7所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的步骤S32中采用互相关系数法进行筛选，选取互相关系数最大的一组频段分解函数作为特征频段函数。

10.根据权利要求1所述的一种用于涡流探伤过程的缺陷类型识别方法，其特征在于，所述的频域特征参数包括中心频率、中心频率幅值、平均频率、均方根频率、频率标准差。