基于時(shí)頻分析的超聲無(wú)損檢測(cè)信號(hào)處理方法研究.pdf

1、現(xiàn)代工業(yè)的高速發(fā)展對(duì)超聲無(wú)損檢測(cè)提出了更高的要求，不僅要求檢測(cè)缺陷的有無(wú)、大致位置，還要進(jìn)一步確定缺陷的類型、分布和大小。信號(hào)處理技術(shù)是解決上述問(wèn)題的重要工具之一，然而由于超聲回波信號(hào)為非平穩(wěn)信號(hào)，傳統(tǒng)的時(shí)域或頻域信號(hào)處理方法沒(méi)有充分利用超聲信號(hào)所攜帶的信息，對(duì)檢測(cè)精度和可靠性的提高能力有限。時(shí)頻分析是一種有效處理非平穩(wěn)信號(hào)的方法，它在時(shí)頻聯(lián)合域內(nèi)對(duì)信號(hào)進(jìn)行分析和處理，有利于顯示和利用超聲信號(hào)中所包含的更為豐富的信息，便于超聲信號(hào)的識(shí)別

2、和解釋。因此，本文采用時(shí)頻分析技術(shù)，針對(duì)如何提高超聲信號(hào)的信噪比和提高缺陷檢測(cè)和識(shí)別的可靠性、準(zhǔn)確性等問(wèn)題，進(jìn)行了深入地研究，主要工作內(nèi)容如下：
　　分析了現(xiàn)有超聲信號(hào)時(shí)頻表示方法的優(yōu)缺點(diǎn)，并改善了Gabor表示和時(shí)頻分布級(jí)數(shù)的聚集性，使其更適合表示超聲信號(hào)。提出基于香農(nóng)熵度量的Gabor變換最優(yōu)窗函數(shù)寬度的選擇方法，該方法的目的是搜索出使時(shí)頻分布聚集性最好的窗函數(shù)寬度。仿真結(jié)果表明該窗函數(shù)寬度選擇方法能有效地改善時(shí)頻分布的聚集性

3、和時(shí)頻分辨率，并且不易受噪聲影響。提出用時(shí)頻分布級(jí)數(shù)表示超聲信號(hào)，為提高其聚集性，將窗函數(shù)寬度選擇方法應(yīng)用于時(shí)頻分布級(jí)數(shù)，并結(jié)合熵度量，實(shí)現(xiàn)了時(shí)頻分布級(jí)數(shù)的參數(shù)選取。
　　研究了基于時(shí)頻原子分解的超聲信號(hào)降噪和特征提取方法。為了有效地顯示出超聲信號(hào)的時(shí)頻特性，設(shè)計(jì)了適合分析超聲信號(hào)的時(shí)頻原子庫(kù)，并對(duì)匹配追蹤方法和判別追蹤方法做了深入地研究。提出基于匹配追蹤方法的超聲信號(hào)降噪，分析了時(shí)頻原子數(shù)量的選取對(duì)降噪性能的影響，為選取合適的原

4、子數(shù)量提供了依據(jù)。引入判別追蹤方法來(lái)提取不同類別超聲信號(hào)的時(shí)頻特征，并結(jié)合神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了超聲信號(hào)分類；提出在采用Fisher判別準(zhǔn)則時(shí)，用非線性距離代替歐氏距離，以強(qiáng)調(diào)類別邊緣的樣本在特征提取中的作用；進(jìn)而討論了判別原子間的相關(guān)性問(wèn)題，提出考慮新選原子與已選原子間相關(guān)性的判別基提取方案，以降低特征之間的冗余。實(shí)驗(yàn)結(jié)果表明判別追蹤方法是一種有效地時(shí)頻特征提取方法，考慮原子間的相關(guān)性以及采用非線性距離度量能夠降低特征維數(shù)并提高分類的正確率。

5、
　　提出了基于瞬時(shí)頻率熵的超聲信號(hào)缺陷檢測(cè)方法。超聲檢測(cè)中，缺陷回波信號(hào)的瞬時(shí)頻率和噪聲的瞬時(shí)頻率存在差別，因此，可以用瞬時(shí)頻率檢測(cè)超聲信號(hào)中是否存在缺陷回波。本文研究了適合估計(jì)超聲信號(hào)瞬時(shí)頻率的方法，然后用改進(jìn)取值范圍的香農(nóng)熵度量缺陷瞬時(shí)頻率和噪聲瞬時(shí)頻率的差別，并估計(jì)出缺陷回波的到達(dá)時(shí)間及中心頻率，實(shí)現(xiàn)超聲回波信號(hào)中的缺陷檢測(cè)。
　　提出了采用模糊平面特征來(lái)實(shí)現(xiàn)超聲信號(hào)分類的方法。為避免缺陷回波到達(dá)時(shí)間和中心頻率對(duì)特征

6、提取的影響，通常需要對(duì)回波信號(hào)進(jìn)行頻率轉(zhuǎn)換和時(shí)間對(duì)準(zhǔn)預(yù)處理，而模糊函數(shù)的模具有對(duì)時(shí)移和頻移不敏感的特性，因此，利用模糊函數(shù)來(lái)表示超聲信號(hào)，既可以提供時(shí)頻信息，又能大大簡(jiǎn)化信號(hào)的預(yù)處理。通過(guò)K-L變換方法提取模糊平面的特征，能大大降低特征維數(shù)，為超聲信號(hào)的識(shí)別提供有效的信息。實(shí)驗(yàn)結(jié)果表明采用模糊平面特征能對(duì)超聲信號(hào)進(jìn)行有效地分類，并且對(duì)低信噪比信號(hào)也有很好的分類能力。
　　研制了數(shù)字式超聲檢測(cè)系統(tǒng)。在硬件設(shè)計(jì)中著重處理了設(shè)備的抗干擾