[发明专利]一种基于分数阶小波变换的钢板内表面缺陷识别方法

说明书

本发明公开了一种基于分数阶小波变换的钢板内表面缺陷识别方法，以利用信号处理方法提高对钢板内表面缺陷形状、深度的检测准确率，首先通过相关传感器对钢板内表面缺陷的超声检测信号进行采集和存储，对得到的相关信号进行分数阶傅里叶变换，利用类间类内距离比作为适应度函数，通过鸡群算法对最优适应度值进行搜寻从而实现对分数阶傅里叶变换的最优阶次选取，接下来将处理得到的信号进行小波变换，将分解得到的各分量能量占比作为特征向量矩阵，利用随机森林分类模型对进行测试样本集进行测试，结果表明该发明能够有效地对钢板内表面缺陷的形状和深度进行识别。

技术领域

本发明涉及钢板缺陷检测领域，特别涉及一种基于分数阶小波变换的超声检测信号识别方法。

背景技术

随着社会生产力的进一步提升，国家将会在工业生产领域投入更多资源和精力，钢板在国民生产各部门扮演着举足轻重的作用，其保证了相关生产、运输等装备在各自领域发挥其作用。因此对钢板缺陷进行检测预警、保证装备安全稳定运行，对社会生产生活有着至关重要的影响。特别是石化行业的相关钢制装备，因其工作环境高温潮湿、工作介质高硫高酸，使得钢板表面极易发生复杂的物理化学变化，进一步在钢板内表面产生腐蚀凹坑、裂缝以及孔洞等缺陷。随着缺陷严重程度的加剧，钢板结构强度也随之降低，进而导致装备受损、介质泄露甚至设备爆炸等重大安全生产事故的发生。因此长期不间断钢板内表面进行缺陷检测和维护成为保证其正常运行的重要之举。

超声检测技术具有能耗比小、检测纵深较长、结构简单、成本低廉以及对人体无害等诸多优点在钢板缺陷无损检测领域得到了较为广泛地使用。尽管如此，超声检测技术也存在着一些缺点和弊端阻碍着其进一步推广和使用，传统超声检测技术需得依靠操作人员的专业技能和经验方法对检测回波信号进行分析，由于人工经验具有一定的主观性和不确定性，使得在超声检测过程中不仅可能导致漏检、误检状况的出现，同时对缺陷的位置、深度以及形状等参数难以精确分析，这使得对相关装备的后期维护和保养造成了一定的难度，同时也成为实现超声检测自动化、智能化的一大阻碍，因此对缺陷的精确定量定性分析成为超声检测领域亟待解决的问题。

发明内容

本发明的目的是提供一种分数阶小波变换的钢板内表面缺陷识别方法，根据超声检测信号非线性、不平稳的特性选用分数阶小波变换结合鸡群算法优化使得提取得到特征信号差异性更好，最终训练得到的随机森林分类模型对不同形状、深度的钢板内表面缺陷的形状、深度识别准确率更高。

为达到以上目的，本方法通过超声检测系统的实验平台完成对相关缺陷超声检测信号的采集和存储；该实验平台是由超声激发接收电路、FPGA控制芯片、高速A/D转换电路以及数据采集存储电路组成。

本发明利用得到的超声检测信号进行分数阶小波变换，同时提取其特征值用于对随机森林分类模型进行训练和测试，具体步骤包括：

(1)采集和存储多处不同形状、深度缺陷的超声检测信号；

(2)对得到的超声检测信号进行分数阶傅里叶变换分解,利用超声检测信号的表达式；

(2.1)将传统傅里叶变换定义为在超声检测信号空间中存在的连续线性算子，该算子所对应的特征方程如下：

传统傅里叶变换所对应的特征值为，其特征函数为Hermite-Gauss函数，其中为n阶Hermite 多项式，表达式为：

(2.2)令作为傅里叶变换中特征值为的特征函数，表示为Hermite-Gauss函数，同时作为构成有限信号空间的特征函数，则分数阶傅里叶变换定义为线性函数，且满足式（3）：

有限能量函数展开为傅里叶变换特征函数的线性叠加，其表达式为式（4）：

其中，将上式代入式（3）得到分数阶傅里叶变换核函数的频谱展开：

Hermite-Gauss函数须得满足：