一种汽轮机叶轮缺陷分类方法技术

本发明专利技术公开了一种汽轮机叶轮缺陷分类方法，所述缺陷分类方法基于径向基函数神经网络，包括：从缺陷回波信号中提取由偏斜度指标、峭度指标、峰值指标、波形指标、脉冲指标、以及裕度指标表示的6个时域无量纲特征；对缺陷回波信号进行小波包分解，选取前四个频带的能量作为4个小波包特征；将小波包分解与分形理论相结合，采用盒维数来表征不同的缺陷信号，获取4个分形盒维数；将6个时域无量纲特征、4个小波包特征以及4个分形盒维数共计14个特征，组成特征向量，输入到RBF神经网络中进行人工智能缺陷分类识别。本方法实现了自动识别和分类，达到快速、准确、有效评估缺陷危害性的目的。

A method for classifying turbine impeller defects

The invention discloses a classification method of steam turbine impeller defects, including the method of defect classification based on radial basis function neural network, extracting from echo signals by skewness index and kurtosis, index, index, index, pulse waveform and margin refers to the 6 time scales of dimensionless characteristics; on the defect echo signal is decomposed by wavelet packet, selects four band energy as 4 wavelet packet feature; wavelet packet decomposition combined with fractal theory, the box dimension to characterize different defect signals, obtaining 4 fractal dimension; the 6 time, 4 dimensionless characteristic feature of wavelet packet and 4 a total of 14 fractal box dimension feature, feature vector is input to the RBF neural network recognition artificial intelligence defect classification. The method realizes automatic identification and classification, and achieves the purpose of fast, accurate and effective assessment of defect hazard.

【技术实现步骤摘要】
一种汽轮机叶轮缺陷分类方法
本专利技术涉及汽轮机叶轮超缺陷分类领域，尤其涉及一种基于RBF(径向基函数)神经网络的汽轮机叶轮缺陷分类方法。
技术介绍
自从1972年被首次发现以来，汽轮机中的应力腐蚀开裂一直是相关领域研究人员关注的问题。由于汽轮机长期工作在高温高压环境下，其叶轮部分在应力和腐蚀的同时作用下很容易形成缺陷[1]，而其一旦产生，就会随着汽轮机的持续工作不断扩展，最终可能会使叶片飞裂，造成难以估量的人身和财产损失。因此，汽轮机的日常安全检测尤为重要。研究表明，汽轮机叶轮轮缘拐角位置所受的应力最大，最容易形成裂纹[2]。但该位置特殊，且汽轮机尺寸巨大(直径1-2米)不允许拆卸检测，普通方法难以有效探测到缺陷。超声相控阵技术具有检测速度快、扫查范围大、分辨率高、适用于复杂构件检测等优点，能够满足汽轮机叶轮缺陷检测中的要求，因此得到了广泛应用和研究[3-5]。缺陷定量是无损评价中的一项关键工作，获取缺陷的大小、角度等信息不仅可以更客观的评价当前被测对象的健康状况，更能预测该位置所受应力、裂纹的发展方向和工作寿命等[6]。传统方法是通过回波幅值来确定缺陷大小，然而该方法误差很大，只本文档来自技高网...

【技术保护点】
一种汽轮机叶轮缺陷分类方法，其特征在于，所述缺陷分类方法基于径向基函数神经网络，所述缺陷分类方法包括以下步骤：从缺陷回波信号中提取由偏斜度指标、峭度指标、峰值指标、波形指标、脉冲指标、以及裕度指标表示的6个时域无量纲特征；对缺陷回波信号进行小波包分解，选取前四个频带的能量作为4个小波包特征；将小波包分解与分形理论相结合，采用盒维数来表征不同的缺陷信号，获取4个分形盒维数；将6个时域无量纲特征、4个小波包特征以及4个分形盒维数共计14个特征，组成特征向量，输入到RBF神经网络中进行人工智能缺陷分类识别。

【技术特征摘要】
1.一种汽轮机叶轮缺陷分类方法，其特征在于，所述缺陷分类方法基于径向基函数神经网络，所述缺陷分类方法包括以下步骤：从缺陷回波信号中提取由偏斜度指标、峭度指标、峰值指标、波形指标、脉冲指标、以及裕度指标表示的6个时域无量纲特征；对缺陷回波信号进行小波包分解，选取前四个频带的能量作为4个小波包特征；将小波包分解与分形理论相结合，采用盒维数来表征不同的缺陷信号，获取4个分形盒维数；将6个时域无量纲特征、4个小波包特征以及4个分形盒维数共计1...

【专利技术属性】
技术研发人员：白志亮，陈世利，贾乐成，曾周末，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12