[发明专利]一种用于涡流探伤过程的缺陷类型识别方法

说明书

本发明涉及一种用于涡流探伤过程的缺陷类型识别方法，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。与现有技术相比，本发明具有识别准确性高，适用范围广等优点。

技术领域

本发明涉及涡流探伤领域，尤其是涉及一种用于涡流探伤过程的缺陷类型识别方法。

背景技术

随着现代工业技术的快速发展，无损检测技术被大量应用于航空航天、能源电力、汽车等领域，其中涡流检测因具备检测灵敏度高、检测速度快、易于实现自动化等优点而被大量使用。

现有技术中，涡流探伤仅仅能实现是否存在缺陷的判断，由于不同缺陷产生的危害各不相同，如果能够在探伤过程中同时识别缺陷的类型，对保障产品质量，改善产品工艺水平，减少不必要浪费等意义重大。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于涡流探伤过程的缺陷类型识别方法。

本发明的目的可以通过以下技术方案来实现：

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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，所述的步骤S41中进行无量纲化处理的公式为：