通过超声制造技术

本发明专利技术保护一种通过超声

【技术实现步骤摘要】
通过超声A扫对复合模压材料缺陷定量检测的检测方法


[0001]本专利技术涉及模压成型工艺
，具体是涉及一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法
。

技术介绍

[0002]复合材料因其高比模量
、
高比强度
、
质量轻等一系列优点，可以有效减少能耗，被称为新一代的绿色材料，广泛应用于工业制造领域
。
然而由于复合材料的组成成分复杂，制备工艺繁琐，导致生产的复合材料制件的内部容易存在损伤缺陷，影响了复合材料制件的性能，因此对复合材料制件进行无损检测探伤就显得尤为重要
。
然而，现有的无损检测手段，如应用最广泛的超声
A
扫，超声
A
扫描探伤简单快捷，适用范围广，费用低廉，但收集的只是超声信号，对于缺陷损伤的判别只能专业人员凭借经验判断，误差大，精度低，往往只能对缺陷损伤进行定性化检测，检测精度难以满足目前业界的要求；超声
C
扫或者
CT
扫描技术虽然可以实现高精度的缺陷损伤识别，但高昂的成本也极大限制了它们的应用，因此如何提高超声
A
扫的检测精度成为当今业界关注与研究的重点
。
目前，从研究超声
A
扫信号的角度出发，利用数学模型将收集的缺陷的超声
A
扫信号数据定量化
、
直观化，做到在没有
CT
扫描的情况下就可以实现高精度检测，以达到提升超声<br/>A
扫检测的效果，同时能够节约成本，从而兼具超声
A
扫描与
CT
扫描的优点是目前的研究方向
。
[0003]基于上述情况，针对难以平衡检测精度与检测成本这个问题，本申请通过构建数学模型对复合材料制件内部缺陷的超声
A
扫信号进行处理，实现对缺陷的定量检测识别
。

技术实现思路

[0004]一
、
要解决的技术问题
[0005]本专利技术是针对现有技术所存在的上述缺陷，特提出一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，解决了现有超声
A
扫往往只能对复合材料模压制件的缺陷损伤进行定性化检测，检测精度较低，无法进行定量检测的问题
。
[0006]二
、
技术方案
[0007]为解决上述技术问题，本专利技术提供一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，包括如下步骤：
[0008]S1
：压制平板形制件，并制取人工缺陷试样；
[0009]S2
：通过超声相控阵仪对人工缺陷进行超声
A
扫检测，并收集人工缺陷的超声
A
扫信号；
[0010]S3
：分解超声
A
扫信号，将缺陷的超声
A
扫信号通过基于鲸鱼算法优化的变分模态分解模型
WOA
‑
VMD
分解成一组本征模态函数
IMF
的线性组合，并计算分解后的各本征模态函数
IMF
分量的能量和能量比率累计系数，选取当能量比率累计系数超过
96
％时，所对应的本征模态函数
IMF
分量；
[0011]S4
：选取本征模态函数
IMF
分量的斜度
、
峰度
、
峰值指标
、
清除指标
、
形状指标
、
脉冲
指标和能量，共七个参数作为表征缺陷超声
A
扫信号的特征向量，运用核主成分分析法去除特征向量组成的特征向量矩阵中与分类识别不相关和冗余的噪声信息，形成优化的特征向量矩阵，为下一步分类识别做准备；
[0012]S5
：压制平板形制件，并制取待测试样；
[0013]S6
：对
S5
中的待测试样进行超声
A
扫检测，并对超声
A
扫检测的超声
A
扫信号执行
S3
～
S5
的信号处理操作步骤，以人工缺陷得到的优化的特征向量矩阵作为训练集，以待测试样得到的优化的特征向量矩阵为测试集，运用改进型天鹰算法优化的支持向量机模型
IAO
‑
SVM
对训练集和测试集进行分类识别
。
[0014]其中，在
S1
中制取人工缺陷试样的具体步骤如下：
[0015]通过模压成型设备将玻璃纤维增强复合材料预浸料压制成平板形制件，在平板形制件的侧面依次钻出5个孔径为
0.5mm
，5个孔径为
0.8mm
和5个孔径为
1.1mm
，深度为
10mm
的小孔；在平板形制件的正面依次钻出5个孔径为
2mm
，5个孔径为
3mm
和5个孔径为
4mm
，深度为
3mm
的小孔，共
30
个小孔；
[0016]通过模压成型设备将碳纤维增强复合材料预浸料压制成平板形制件，在平板形制件的厚度方向钻出，依次钻出5个孔径为
0.5mm
，5个孔径为
0.8mm
和5个孔径为
1.1mm
，深度为
10mm
的小孔，共
15
个小孔
。
[0017]其中，在
S2
中收集人工缺陷超声
A
扫信号的具体步骤如下：
[0018]将每个人工缺陷重复检测
10
次，每一组相同孔径的人工缺陷形成
50
组超声
A
扫的数据样本，在分析并筛选数据样本后择优选择其中
30
组数据样本
。
[0019]其中，在
S3
中将缺陷的超声
A
扫信号通过基于鲸鱼算法优化的变分模态分解模型
WOA
‑
VMD
具体分解的步骤如下：
[0020]首先通过变分模态分解
VMD
将超声
A
扫信号分解为一组本征模态函数
IMF
的线性组合的变分模型；
[0021]然后采用鲸鱼优化算法
WOA
对变分模态分解
VMD
的参数惩罚项系数
α
和参数模态函数的个数
k
进行寻优，将包络熵极小值作为适应度函数，直至获得两个参数的全局最优解；
[0022]将两个参数的全局最优解代入变分模型并确定每组模态的最佳中心频率和有限带宽，得到信号有效分解的本征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，其特征在于，所述通过超声
A
扫对复合模压材料缺陷定量检测的检测方法包括如下步骤：
S1
：压制平板形制件，并制取人工缺陷试样；
S2
：通过超声相控阵仪对人工缺陷进行超声
A
扫检测，并收集人工缺陷的超声
A
扫信号；
S3
：分解超声
A
扫信号，将缺陷的超声
A
扫信号通过基于鲸鱼算法优化的变分模态分解模型
WOA
‑
VMD
分解成一组本征模态函数
IMF
的线性组合，并计算分解后的各本征模态函数
IMF
分量的能量和能量比率累计系数，选取当能量比率累计系数超过
96
％时，所对应的本征模态函数
IMF
分量；
S4
：选取本征模态函数
IMF
分量的斜度
、
峰度
、
峰值指标
、
清除指标
、
形状指标
、
脉冲指标和能量，共七个参数作为表征缺陷超声
A
扫信号的特征向量，运用核主成分分析法去除特征向量组成的特征向量矩阵中与分类识别不相关和冗余的噪声信息，形成优化的特征向量矩阵，为下一步分类识别做准备；
S5
：压制平板形制件，并制取待测试样；
S6
：对
S5
中的待测试样进行超声
A
扫检测，并对超声
A
扫检测的超声
A
扫信号执行
S3
～
S5
的信号处理操作步骤，以人工缺陷得到的优化的特征向量矩阵作为训练集，以待测试样得到的优化的特征向量矩阵为测试集，运用改进型天鹰算法优化的支持向量机模型
IAO
‑
SVM
对训练集和测试集进行分类识别
。2.
根据权利要求1所述的一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，其特征在于，在
S1
中制取人工缺陷试样的具体步骤如下：通过模压成型设备将玻璃纤维增强复合材料预浸料压制成平板形制件，在平板形制件的侧面依次钻出5个孔径为
0.5mm
，5个孔径为
0.8mm
和5个孔径为
1.1mm
，深度为
10mm
的小孔；在平板形制件的正面依次钻出5个孔径为
2mm
，5个孔径为
3mm
和5个孔径为
4mm
，深度为
3mm
的小孔，共
30
个小孔；通过模压成型设备将碳纤维增强复合材料预浸料压制成平板形制件，在平板形制件的厚度方向钻出，依次钻出5个孔径为
0.5mm
，5个孔径为
0.8mm
和5个孔径为
1.1mm
，深度为
10mm
的小孔，共
15
个小孔
。3.
根据权利要求1所述的一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，其特征在于，在
S2
中收集人工缺陷超声
A
扫信号的具体步骤如下：将每个人工缺陷重复检测
10
次，每一组相同孔径的人工缺陷形成
50
组超声
A
扫的数据样本，在分析并筛选数据样本后择优选择其中
30
组数据样本
。4.
根据权利要求1所述的一种通过超声
A
扫对复合模压材料缺陷定量检测的检测方法，其特征在于，在
S3
中将缺陷的超声
A
扫信号通过基于鲸鱼算法优化的变分模态分解模型
WOA
‑
VMD
具体分解的步骤如下：首先通过变分模态分解
VM...

【专利技术属性】
技术研发人员：李继强，郑逸超，张鑫，贾志欣，刘立君，王少峰，
申请(专利权)人：宁波市益普乐模塑有限公司，
类型：发明
国别省市：