典型文献
基于机器学习的金属近表面缺陷超声检测方法
文献摘要：
在超声脉冲回波检测技术中,由表面回波产生的"死区"会隐藏近表面缺陷的回波信号,对于近表面缺陷的实际检测造成一定的干扰.针对上述问题,提出一种将数字信号处理与支持向量机相结合的方法,通过识别缺陷一次回波和二次回波,实现对近表面缺陷位置的准确计算.实验中,通过垂直入射超声脉冲回波法采集轴承内圈的A波信号,使用支持向量机分类法对缺陷的一次回波和二次回波数据进行训练、测试和分类.实验结果表明,该文所提方法能有效对缺陷一次回波和二次回波信号进行识别和对缺陷实际位置的预测,分类的平均准确率可达95.22％,近表面缺陷位置的预测误差绝对值在0.2 mm以内.
文献关键词：
超声检测;近表面缺陷;缺陷回波;支持向量机
中图分类号：
作者姓名：
刘文芳;韩军;刘艳锋;龙晋桓;林靖翔;陈尚群
作者机构：
中北大学电气与控制工程学院,山西 太原 030051;中国科学院福建物质结构研究所泉州装备制造研究所,福建 泉州 362000;泉州德源轴承实业有限公司,福建 泉州 362000
文献出处：
引用格式：
[1]刘文芳;韩军;刘艳锋;龙晋桓;林靖翔;陈尚群-.基于机器学习的金属近表面缺陷超声检测方法)[J].中国测试,2022(01):46-52
A类：
B类：
基于机器学习,近表面缺陷,超声检测,声检测方法,脉冲回波,死区,回波信号,数字信号处理,缺陷位置,垂直入射,轴承内圈,支持向量机分类,分类法,波数,平均准确率,预测误差,缺陷回波
AB值：
0.236968
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
