微裂纹群的非线性超声多谐次多特征解耦识别方法及系统技术方案

本发明专利技术公开了一种微裂纹群的非线性超声多谐次多特征解耦识别方法及系统，属于超声无损检测技术领域，包括：S1、采集微裂纹群多参数特征耦合的缺陷时域非线性超声响应信号；S2、数据预处理，将所述预处理数据划分为训练集和测试集；S3、构建深度置信网络；S4、将采集到的微裂纹群响应信号导入深度置信网络，建立多谐次非线性超声解耦识别模型。本发明专利技术依靠深度学习强大的特征提取和信号处理的优势，利用微裂纹群多参数耦合产生的四种非线性超声效应构建深度置信网络，对微裂纹群不同分布中心偏离数量和不同平均离散尺寸分类识别；以解决传统裂纹识别主要依赖人工，存在成本高、耗时长和可靠性偏低等问题。

【技术实现步骤摘要】

本专利技术属于超声无损检测，具体涉及一种微裂纹群的非线性超声多谐次多特征解耦识别方法及系统。

技术介绍

1、目前，增材制造技术被认为是当前科技发展和工业变革的关键性技术之一，其相较于传统制造技术的优势主要表现在一体成型，材料种类丰富，生产成本低，制造周期短等方面，广泛用于批量小，结构复杂，制造时间短的零部件生产中。但是受限于增材制造技术分层制造成形原理，在材料逐层的叠加的成形过程中，由于快速加热冷却的工艺，金属工件内部极易导致微裂纹群、空隙、残余应力等早期缺陷的产生。并且研究证明，具有集中效应的微裂纹群对结构的材料力学性能及工件使用寿命具有更大的影响。非线性超声检测微裂纹的原理主要通过研究微裂纹与超声波相互作用引起强烈的非线性响应，利用超声波信号与微裂纹作用产生的高次谐波、次谐波、直流分量和混频信号等可以准确检测半波长以下的微裂纹，相较于其他检测技术对于微裂纹的特征评价有明显优势。

2、研究发现：增材制造结构件内部缺陷多以微裂纹群形式存在，微裂纹群多参数特征的复杂耦合效应会对非线性超声检测造成特征提取困难、识别效率低、裂纹信息识别粗糙等问题。当本文档来自技高网...

【技术保护点】

1.一种微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，包括：

2.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，S1具体包括：

3.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，对m个缺陷时域非线性超声响应信号进行滤波时，针对每个缺陷时域非线性超声响应信号的滤波过程具体包括：

4.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，不同接收点信号的组合的过程为：

5.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在...

【技术特征摘要】

1.一种微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，包括：

2.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，s1具体包括：

3.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，对m个缺陷时域非线性超声响应信号进行滤波时，针对每个缺陷时域非线性超声响应信号的滤波过程具体包括：

4.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于，不同接收点信号的组合的过程为：

5.根据权利要求1所述的微裂纹群的非线性超声多谐次多特征解耦识别方法，其特征在于：m＝3，所述深度置信网络模型包括可见层、隐藏层和输出层；所述初始的网络模型包括三个堆叠的受限玻尔兹曼机；每个受限玻尔兹曼机由一个可见层和一个隐含层组成；第一个隐含层包含512个神经元，第二个隐含层包含256个神经元，第三个隐含层包含128个神经元，三个隐含层均将relu作为激活函数以此引入非线性；所述输出层以softmax作为激活函数，输出层包含n个神经元，n的值根据微裂纹群特征确定，具体为：对微裂纹数量区间及其偏离度识别时n＝3，对微裂纹统计学平均尺寸及其偏离度识别时n＝5。

6.一种...

【专利技术属性】
技术研发人员：毕晓阳，邵鹏垚，胡宁，侯东明，丁湘燕，杨波，齐正磐，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：