基于陣列探頭的鋁板缺陷超聲檢測仿真及其定位研究.pdf

1、在制造、成形和服役過程中，鋁板內(nèi)部將不可避免地產(chǎn)生各類損傷缺陷，致使其力學(xué)性能劣化，甚至導(dǎo)致嚴重的災(zāi)難性事故。目前，隨著鋁板在機械零部件制造、航空航天和造船等工業(yè)領(lǐng)域的廣泛應(yīng)用，鋁材作為現(xiàn)代經(jīng)濟和高新技術(shù)發(fā)展的支柱性原材料，其質(zhì)量檢測尤為重要。因此，有必要對鋁材零件的缺陷進行無損檢測。近幾年發(fā)展起來的無損檢測技術(shù)是產(chǎn)品質(zhì)量控制中的重要手段之一。
　　研究基于超聲波檢測技術(shù)，設(shè)計了單發(fā)多收超聲陣列探頭陣列模型，并結(jié)合主成分分析（PC

2、A，principal component analysis）和概率神經(jīng)網(wǎng)絡(luò)（PNN，probabilistic neural network），實現(xiàn)了鋁板不同深度區(qū)域的21類缺陷的定位。研究首先采用有限元仿真軟件對每一缺陷分別進行了建模和仿真實驗；其次，分別對6個接收探頭陣列單元所接收的所有缺陷的時域波形信息進行分析和處理，得到初始時域信息，并通過傅里葉變換，獲得缺陷的初始幅頻信息；再次，利用主成分分析法（PCA，principal

3、component analysis）對初始幅頻信息進行降維，提取各缺陷類的特征向量；最后，基于概率神經(jīng)網(wǎng)絡(luò)和支持向量機進行缺陷位置識別，并進行了對比分析。此外，研究并分析了接收探頭陣列單元的個數(shù)以及相同接收探頭陣列單元而不同的單元分布時，對各缺陷區(qū)域的定位正確率的影響。
　　研究結(jié)果表明，運用概率神經(jīng)網(wǎng)絡(luò)對距離激勵源分別為120mm、160mm、200mm的三大缺陷區(qū)域所包含的缺陷進行了位置識別，各缺陷區(qū)域的平均識別正確率分別為