基于超聲信號的汽輪機組焊接轉(zhuǎn)子缺陷識別.pdf

1、焊接轉(zhuǎn)子作為高參數(shù)、大容量核電機組和火電機組的核心部件，需要承受高溫、高應(yīng)力、高轉(zhuǎn)速等嚴苛的工況條件。其焊縫的焊接質(zhì)量及運行過程中的新生缺陷直接影響機組的安全運行。借助超聲無損檢測技術(shù)對焊接轉(zhuǎn)子環(huán)焊縫的缺陷進行識別具有重大意義。傳統(tǒng)超聲檢測缺陷的識別一般都是依據(jù)探傷人員對回波信號的觀察判斷，帶有很大的主觀性，且檢測效率低，誤判率高。隨著人工智能和儀器儀表技術(shù)的不斷發(fā)展，采用計算機輔助識別顯得越來越重要。本文圍繞缺陷識別這一關(guān)鍵點展開論述

2、，主要對超聲檢測技術(shù)中信號消噪、特征提取、特征選擇以及模式識別進行了研究。
　　本研究主要內(nèi)容包括：⑴針對超聲檢測信號中結(jié)構(gòu)噪聲難以去除的問題，提出了一種變分模態(tài)分解(VMD)和小波能量熵閾值聯(lián)合消噪的算法。分析了含噪系統(tǒng)熵增的特性以及結(jié)構(gòu)噪聲在不同時間段的分布特征，提出了用小波能量熵表征信號的含噪狀態(tài)，并以小波能量熵最大子區(qū)間的小波系數(shù)參與計算各個尺度層的閾值。對仿真及實測信號進行處理，結(jié)果表明該算法能很好的抑制超聲回波信號中存

3、在的白噪聲及結(jié)構(gòu)噪聲，還原了準確的波形特征，驗證了其有效性。⑵能否從缺陷回波信號中找出具有代表性和有效性的特征信息直接影響缺陷類型識別的準確性。鑒于此，本文確定了焊接轉(zhuǎn)子環(huán)焊縫缺陷信號的多特征提取框架。首先，從時域上分析了不同類型缺陷信號的異同，并提取了時域波形的波峰系數(shù)和波形系數(shù)作為時域特征值。然后，利用具有良好時頻分析能力的小波包分析完成了時頻域特征的提取。最后，從信息熵的角度分析了不同缺陷類型信號的復(fù)雜性、不確定性，并提取了變分模