焊接钢管内毛刺超声检测缺陷的特征提取

在对焊接钢管内毛刺缺陷的工程实际超声检测中，始终不能百分之百的实现某一缺陷的定性分类，需要不断的在这一领域进行探索、研究。李功、黄民等人通过采用基于距离的类别可分性判据对缺陷信息的提取结果进行了评价，研究证明，准确率高达91.7%，该方法切实可行；朱红莲采用小波变换和支持向量机的方法，通过对缺陷大小的分类实现对缺陷类别的判断；在传统的超声检测缺陷的特征提取的研究中，采用小波变换和神经网络的方法对缺陷类型进行智能分类的实验研究较多，对提高分类器的泛化分类准确率有较好的效果。

在超声探头对焊接钢管进行缺陷超声检测时，由于超声波在异质界面传播会产生反射、折射和衍射等现象，当耦合介质不均匀时，直接影响超声信号在异质界面的反射、折射和衍射等信号参数。这使得在对缺陷回波信号进行时频分析时，信号的幅频特性受到一定的影响。

经过研究人员多年来的不懈努力，信号的时频分析方法不断被改进、完善，并陆续有新的、分析效果更好的时频分析方法出现。科研人员发现信号经过HHT和小波分析方法处理后，在对信号进行特征提取，其结果完全可以体现原信号的信息特征，且所求特征量受外界环境的影响也较小。通过研究发现，将原始信号x(t)分解成多个固有模态函数，而这些IMF中包含了大量的缺陷信息，因此可以根据这一点进行缺陷特征量的提取。这样提取的特征量不仅能够灵敏的反映毛刺缺陷的特征，而且还能反映出缺陷的位置。Volterra模型是一种时间序列的分析方法，自适应性强，硬件实现也较容易。在对非线性信号进行分析时，非线性信号作为Volterra自适应滤波器的输入，而输出的是关于其滤波器核的线性函数，因此它可用现有的线性工具来分析其滤波性能而受到广泛应用。与自适应算法相比，该方法利用奇异值求解线性方程组，从而获得系统的最小二乘解，提高了预测精度。