文摘
传统方法检测组件的内部缺陷需要传感器标志着“零”的立场,这是耗费时间,降低了检测效率。在这项研究中,我们提出了一个新颖的方法,使用空间光谱来检测内部缺陷的对象没有零位传感器。具体来说,空间变异波探测源和物体表面之间的距离进行了分析,从相关的期刊周期确定方法。此外,采用小波方法降低噪声的周期性信号的距离。这种方法验证了超声检测组件与圆形截面和轴的椭圆形状。实验结果表明,这种方法大大节省时间的判断一个完整的周期,提高组件内部缺陷的检测效率。方法可以扩展到其他物理方法内部缺陷的无损检测,如光学光谱和x光扫描,它可用于混合介质,如生物组织。
1。介绍
表面形状变化大的组件,通常发现在工业和生物领域。超声波检测内部缺陷等组件的重要性和研究人员成为一个热门话题1]。在检测的过程中,超声波探头需要保存在一个不变的和某些组件表面的距离。此外,调查的入射角应保持垂直于表面的组件。传统上,组件需要全部扫描一个跨multisections恒定的速度和方式。在每个扫描周期,“0”位置的触发信号由传感器和检测作为扫描的开始和结束的信号。然后,扫描整个组件是由固定的间隔。一旦在每个循环完成后,扫描探针移动在一个固定的距离沿轴向方向,等待再次接收到触发信号的“零- - - - - -”位置传感器。等待的时间一般是一半花在扫描周期。因此,检测的效率非常低。
在本文中,我们提出了一个新颖的方法与相关理论,称为空间光谱,不断扫描组件无需等待触发“零——”位置传感器的信号。这里的“空间光谱”表明,超声波后向散射的周期性信号,与空间变化的组件,用于检测内部检测。
此外,我们将这种方法与自适应滤波器相结合的技术提高检测效率。
自适应滤波器是一种信号处理技术起源于1960年代以来,许多研究人员已经导致了这种技术。例如,许等人应用自适应滤波领域的网络工程(2]。陈等人结合自适应滤波和神经网络用于图像处理(3]。冯和林利用自适应滤波器来提高信噪比的信号强度和提高A / D转换(4]。钟山等人利用自适应滤波器改善搜索引擎在GPS(全球定位系统)5]。最近,引入自适应滤波器内部缺陷的超声波检测组件,以提高信噪比的目的。使用自适应滤波器在这个研究的目的是光滑的超声信号在使用空间光谱的方法。
相关理论是更经常用于信号匹配。例如,霁等人和通用电气等人提出的方法,利用相关理论与弱从数据中提取真实信号信噪比(6,7]。小王和阮影像匹配算法提出了一个基于相关理论(8]。此外,他们提出了一个pyramid-layered模型来减少计算负荷由于图像的相关性,提高影像匹配的精度。雷等人提出了一种基于相关理论的内部缺陷的识别方法,已成为一个标准的在线或离线检测内部缺陷在结构变动(9]。
克服检测效率低的“零- - - - - -”位置传感器方法,我们意识到“0”位置的快速定位在周期信号使用高度相关的特点。通过预处理的自适应滤波器,超声波信号表现出良好的相关性,从而使快速扫描组件没有“零”的传感器。
2。方法
2.1。分析检验和测量组件
组件结构和缺陷位置(和)如图1。圆形截面和椭圆形状轴,50 mm长度和直径101毫米。缺陷的长度和宽度是18毫米和1毫米,分别。两个缺陷位置之间的距离是29毫米。从组件的表面接收到的超声回波信号是描绘在图2。
没有零位传感器扫描的方法说明如下。首先,扫描组件与恒速(3.14 rad / s逆时针)超声波探头后立即搬到组件的横截面,和零点的位置在每个检测截面可以是任何的截面。当扫描一个组件与一个细长的缺陷没有零传感器相同的缺陷可以被发现在不同的角度不同的横截面,而直接影响判断的缺陷,如图3。
因为检测的目标是一个空白的组件,每个周期的时间是固定的,当组件正在与恒速旋转,和在这个周期的变化探测器之间的距离和组件的表面可以被探测到,如图4。
扫描(旋转)后,在每个检测截面提取周期信号,覆盖的范围之间的距离探测的横截面和表面的组件。周期覆盖任何横截面是相同的,如果把周期性零点第一横截面周长零点。基于这一特性,周期零分的相关判断所有的横截面和零点的检测截面通过信号处理的方法,和匹配0实现整流的检测结果。
2.2。在周期信号分析
曲线在图4代表3旋转周期的距离信号在一定检测截面,这是获得与探测器之间的距离测量和某个组件的表面。
的影响在发动机高频振动电机驱动和其他因素所引起的,存在一种周期信号中的高频噪声。此外,可能会有一些小型saddle-backing下沉,因为检测对象是空白的组件;为了保证相似的周期信号在每个截面,所得的周期信号,在那些saddle-backing和下沉的位置应该处理频率噪音。因此,所涉及的噪声信号应减少匹配零之前,以提取周期信号。图5的草图是距离信号和两个不同的横截面在某个组件扫描获得的。
2.3。减少噪声的信号
在扫描过程中,信号探针之间的距离和组件的表面被视为稳定的低频信号和高频信号噪声。因此,信号的高频部分的影响应该取消之前执行信号分析。因为不同频率成分的噪声需要过滤掉,多层次和多分辨率自适应降噪方法应该使用(10- - - - - -14]。小波分析是用于此目的(15]。下面是步骤所涉及的方法降低噪声信号。(1)选择小波分解和分析的数量。小波分解对信号噪声得到低频和高频系数。(2)一个合适的方法是采用高频系数进行分析,以消除噪声和频率成分。(3)根据小波分解的数量水平,重建的离散小波的高频和低频系数进行处理。获得的信号降噪。
此外,根据选择性小波分析基础和水平参考中描述小波的分解,小波db5跑车是用来制造与5个层次分解信号的距离和。
此外,采用HeurSure阈值的方法进行软阈值选择高频系数在不同级别和过滤高频的噪音,和小波重建了过滤成分信号的距离和与多分辨率分析的方法降噪后,显示在图6。
2.4。匹配零
在扫描的过程中,获得的信号降噪后收集到的距离信号在一个周期信号的距离。换句话说,发现值测量距离的单在一个截面组件。因此,惯性的周期需要发现,执行相关判断零分检测组件,实现匹配0。
随机信号的相互关联函数是用来描述两个样本函数之间的相互依存关系在不同的时间(16- - - - - -19]。这个函数是用来描述波形之间的密切的相互依存关系的两个随机信号与运动的时间坐标。离散随机信号的相互关联函数表示如下:
在这里,和是两个信号进行分析。是两个信号的互相关函数。
一般来说,共同研究的对象相关的功能和是两个不同的信号;交叉相关函数既不是偶函数,也不是一个奇函数。如图6的曲线和是两个离散随机信号。因此,和可以被定义为和分别和交叉相关函数的方法可用于本地化的相应位置引用惯性点(曲线的检测惯性点距离第一个周期)来消除错误。
如图7,当是最大的一个,之间的关系和是理想的;换句话说,两条曲线最为接近。因此, 在图7最大,可以实现循环的终点与探测点在时间域。之间的比较和在组件距离如图8。
该方法应用于曲线的匹配零距离的检测到横截面图所示3。然后,可以获得系统的空间光谱扫描,如图9。因此,内部缺陷检测的时间要短得多。
3所示。讨论和结论
为了解决效率低的问题的过程中扫描组件与复杂的配置,我们提出一个方法匹配的零检测横截面,通过使用组件的固定周期引起的椭圆率与恒速在扫描的过程中。然后,应用于周期信号降噪方法。此外,采用相互关联的方法来调整整个扫描传感器检测到没有零。实验结果表明,该方法的检测效率提升了35%,相比之下,传统的方法与零位传感器。方法可以扩展到其他物理方法内部缺陷的无损检测,如光学光谱和x光扫描,和混合介质,如生物组织。
这种方法被用来检测组件与各种形状的缺陷。强调而不是应用程序的方法,本文只提出了一个代表组件。结果从其他组件是类似于一个代表。
超声回波信号更容易比平滑粗糙表面上的区别;当组件扫描;因此该方法是有限的使用来检测缺陷的组件表面光滑。采取更先进的模式识别方法在未来改进的建议的空间光谱的方法。
最后,我们提出了一种结合自适应滤波器和空间光谱在这项研究中,以加快扫描组件与大表面形状的变化。这种组合,我们意识到快速检测内部缺陷的组件。
相互竞争的利益
作者宣称没有利益冲突。