基于PNN的板材孔洞缺陷紅外熱波檢測及其識別技術(shù).pdf

1、當前，板材已成為機械制造、航空航天、造船、汽車和化工等領(lǐng)域的主要原料之一，然而，在板材的生產(chǎn)、加工和使用過程中易產(chǎn)生各類不同程度的缺陷?？锥慈毕葑鳛橐环N典型的缺陷，易造成橫截面應(yīng)力分布不均，致使應(yīng)力集中，導(dǎo)致板材的耐腐蝕性、耐磨性和疲勞強度等性能劣化。因此，有必要對板材零件的孔洞缺陷進行無損檢測及評估。
　　研究基于紅外熱波檢測技術(shù)，提出了一種時序特征的紅外熱波檢測方法，并結(jié)合主成分分析（PCA，principal compone

2、nt analysis）和概率神經(jīng)網(wǎng)絡(luò)（PNN，probabilistic neural ne twork），以像素點為單位，實現(xiàn)了板材孔洞缺陷的識別與面積定量評估。針對常見材料和典型缺陷，以鋁板為研究對象，設(shè)計制備了四類不同類型孔洞缺陷，對試件進行紅外熱波檢測，通過獲取的時序紅外熱圖對表面不同類型孔洞缺陷進行分析，并且，在孔洞缺陷識別方面進行了探索，實現(xiàn)了缺陷類型的識別。研究首先采用紅外熱像儀拍攝鋁板在降溫過程中的時序紅外熱圖；然后對

3、獲取的時序紅外熱圖進行處理和分析，以時序灰度值作為正常區(qū)和孔洞缺陷區(qū)的初始特征，利用主成分分析方法（PCA, principal component analysis）對初始特征進行降維，提取正常區(qū)和孔洞缺陷區(qū)的特征向量；最后，以像素點為單位，基于概率神經(jīng)網(wǎng)絡(luò)進行識別并進一步實現(xiàn)面積定量評估。同時，采用了SVM（supportvector machine）與PNN進行對比分析與研究。
　　研究結(jié)果表明，采用PNN對測試樣本正常區(qū)和