System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种陶瓷制品无损检测方法,具体涉及一种基于敲击声音的陶瓷制品的无损检测方法,属于结构无损检测。
技术介绍
1、陶瓷制品与人民的日常生活密切相关,相关制备体系现已愈发成熟。
2、但是作为一种脆性材料,陶瓷在制作过程中容易产生分层、缺角缺口、裂纹等内部、外部缺陷。这些缺陷的存在会极大地影响到陶瓷制品的质量,使得陶瓷制品的无损检测一直是陶瓷领域的研究热点。
3、应用于陶瓷制品的无损检测方法有很多,例如:传统的射线检测、超声波检测等;但这些方法大都操作复杂,需要昂贵的设备,不便于在实际生产条件下推广与应用。
4、近年来,随着深度学习和机器视觉的发展,基于机器视觉的相关无损检测方法开始普遍得到应用。但是这些方法只能检测陶瓷制品的表面缺陷,对于内部的分层、气泡等缺陷却无能为力。
5、由此,目前大多数陶瓷生产厂家仍然选用目视或者人工敲击的方法来实现陶瓷制品的质量检测,这些方法极大地需要依靠相关人员的经验来判断。
6、因此,发展一种快速、准确、高效的无损检测方法具有重要的现实意义。
技术实现思路
1、为解决现有技术的不足,本专利技术的目的在于提供一种基于敲击声音信号分解的陶瓷制品智能无损检测方法。
2、为了实现上述目标,本专利技术采用如下的技术方案:
3、一种基于敲击声音的陶瓷制品的无损检测方法,包括以下步骤:
4、s1、敲击陶瓷制品的不同位置,采集相应的声音信号,对声音信号进行预处理,包
5、s2、使用信号分解方法对经过预处理的声音信号进行分解,计算信号分解后的各部分能量,并计算各部分能量相对于信号总能量的比值,得到能量指标;
6、s3、以不同位置的声音信号的能量指标组成一个能量向量作为神经网络的输入,以陶瓷制品的健康状态作为神经网络的输出,构建bp神经网络;
7、采集具有不同种类缺陷的陶瓷制品的能量向量,并结合其健康状态构建数据集,训练bp神经网络;
8、s4、采集待测陶瓷制品的能量向量输入步骤s3的训练后的bp神经网络,输出待测陶瓷制品的健康状态。
9、上述声音信号的采集,为:
10、用悬挂于空中的木制摆锤敲击陶瓷制品的q个固定位置,通过拾音器采集相应敲击点p的声音信号。
11、进一步的,上述固定位置q为3-5个。
12、上述步骤s1中使用基于小波包的方法进行降噪。
13、上述步骤s1中使用结合短时平均能量和短时平均过零率的方法进行声音信号的起止点检测,步骤为:
14、n1、设置高阈值p与低阈值b,两个阈值与短时能量曲线交点分别为p1、p2和b1、b2,有效信号在p1~p2段之外,按照p1向左,p2向右的方向查找,直到找到b1、b2;
15、n2、短时平均过零率代表着曲线在单位时间内穿过时间轴的次数,以短时平均过零率为标准,按照b1向左,b2向右的方向查找到两个交点s1、s2,即为敲击声音信号的起始时间和终止时间。
16、上述步骤s2中使用信号分解算法对经过预处理的敲击点p的声音信号xp(t)进行分解,得到分解后的前i个信号分量计算声音信号分解后的各部分能量由此计算各部分能量相对于总能量的比值,得到能量指标
17、所述信号分解算法包括变分模态分解法、经验模分解法。
18、上述bp神经网络设置一层隐含层,隐含层的节点数为其中m为输入层节点数,n为输出层节点数,a=1~10为调节常数;
19、所述隐含层、输出层节点转移函数选用logsig函数或tansig函数。
20、上述bp神经网络的输出,是只代表陶瓷制品有无缺陷的一维,或代表各种缺陷类型的多维;所述缺陷类型包括完好结构、含裂纹结构、含缺口结构等。
21、本专利技术的有益之处在于:
22、本专利技术的一种基于敲击声音的陶瓷制品的无损检测方法,以不同位置、不同类型缺陷的陶瓷制品的能量指标及相应的健康状态对bp神经网络进行训练、验证与测试;通过将采集到的待检测陶瓷制品的敲击声音信号,取其能量指标作为经过训练后的bp神经网络的输入,进而获得待检测陶瓷制品的健康状态,实现无损检测。
23、本专利技术的一种基于敲击声音的陶瓷制品的无损检测方法,直接使用声音信号开展无损检测,可以避免人工识别带来的误差,不仅能够识别陶瓷制品的表面的裂纹、缺口等缺陷,也能够识别其内部的分层、气泡等缺陷,检测精度好、效率高,无需复杂的检测设备,尤其适用于工业化自动生产线,具有很强的实用性和广泛的适用性。
本文档来自技高网...【技术保护点】
1.一种基于敲击声音的陶瓷制品的无损检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述声音信号的采集,为:
3.根据权利要求2所述的方法,其特征在于,所述固定位置q为3-5个。
4.根据权利要求1所述的方法,其特征在于,所述步骤S1中使用基于小波包的方法进行降噪。
5.根据权利要求1所述的方法,其特征在于,所述步骤S1中使用结合短时平均能量和短时平均过零率的方法进行声音信号的起止点检测,步骤为:
6.根据权利要求1所述的方法,其特征在于,所述步骤S2中使用信号分解算法对经过预处理的敲击点p的声音信号xp(t)进行分解,得到分解后的前i个信号分量计算声音信号分解后的各部分能量由此计算各部分能量相对于总能量的比值,得到能量指标
7.根据权利要求1所述的方法,其特征在于,所述BP神经网络设置一层隐含层,隐含层的节点数为其中m为输入层节点数,n为输出层节点数,α=1~10为调节常数;
8.根据权利要求1所述的方法,其特征在于,所述BP神经网络的输出,是只代表陶瓷制品有无缺
...【技术特征摘要】
1.一种基于敲击声音的陶瓷制品的无损检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述声音信号的采集,为:
3.根据权利要求2所述的方法,其特征在于,所述固定位置q为3-5个。
4.根据权利要求1所述的方法,其特征在于,所述步骤s1中使用基于小波包的方法进行降噪。
5.根据权利要求1所述的方法,其特征在于,所述步骤s1中使用结合短时平均能量和短时平均过零率的方法进行声音信号的起止点检测,步骤为:
6.根据权利要求1所述的方法,其特征在于,所述...
【专利技术属性】
技术研发人员:张慕宇,孔祥杲,江选英,韩晓伟,孔双华,朱建国,余方杰,
申请(专利权)人:江苏高淳陶瓷股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。