超聲波相控陣探傷中焊縫缺陷辨識(shí)研究.pdf

《超聲波相控陣探傷中焊縫缺陷辨識(shí)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、292化工機(jī)械2016年超聲波相控陣探傷中焊縫缺陷辨識(shí)研究?121謝研楊天雪林春深(1.福州大學(xué)石油化工學(xué)院;2.福建省特種設(shè)備檢驗(yàn)研究院)摘要根據(jù)超聲波相控陣檢測(cè)在不同的典型缺陷下所呈現(xiàn)出的圖像,提出一種基于灰度共生矩陣(GLCM)的灰色關(guān)聯(lián)為評(píng)價(jià)標(biāo)準(zhǔn)的缺陷識(shí)別方法,并以夾渣、氣孔、裂紋、未焊透和未熔合5種焊縫常見缺陷為對(duì)象進(jìn)行缺陷辨識(shí)。利用GLCM提取出圖像4個(gè)生成方向上(0、45、90、135°)的4個(gè)特征值(角二階距、對(duì)比度、熵值、相關(guān)性)求出平均灰色關(guān)聯(lián)度,并與超聲檢測(cè)結(jié)果進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明:該方法正確率達(dá)到80%以上,識(shí)別效果較好。關(guān)鍵詞超聲波相控陣檢測(cè)缺陷圖像辨識(shí)圖像特征提取

2、灰度共生矩陣灰色關(guān)聯(lián)度中圖分類號(hào)TQ050.7文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0254-6094(2016)03-0292-05超聲波相控陣技術(shù)是較為新型的無損檢測(cè)技關(guān)聯(lián)程度。灰色關(guān)聯(lián)分析法是多因子分析,即使術(shù),是一種重要的定量檢測(cè)手段,它能夠更為直接只有較少樣本,也可在這些規(guī)律未知的、殘缺的數(shù)[1~4]地描述焊接構(gòu)件里的缺陷分布,提高檢測(cè)準(zhǔn)據(jù)信息中提取主要因子,因此該方法為缺陷的辨[6~8]確性。然而在提取和評(píng)價(jià)紋理特征方面尚處于研識(shí)提供了依據(jù)。究階段,如何實(shí)現(xiàn)缺陷類型的辨識(shí)是超聲波相控假設(shè)存在一序列:X(K)=(X(1),X(2),iii[5]研究領(lǐng)域的難點(diǎn)之一。目前關(guān)于焊縫缺陷識(shí)X(3),…,X(K

3、))。式中:i=1,2,...,n;每個(gè)樣ii別的方法種類有很多,例如主要成分分析、模糊識(shí)本有K個(gè)紋理特征參數(shù)。由于文中各個(gè)數(shù)列對(duì)別分析及BP識(shí)別等。然而,這些方法大都應(yīng)用應(yīng)的紋理特征參數(shù)的單位相同,所以不需進(jìn)行預(yù)在射線檢測(cè)、超聲波A掃等無損檢測(cè)領(lǐng)域,而超處理。聲波相控陣B掃檢測(cè)缺陷圖像識(shí)別在板板對(duì)接假設(shè)參考數(shù)列(參考缺陷)為{X(k)}、比較0焊縫上的應(yīng)用至今還沒有一種有效且通用的方數(shù)列(測(cè)試缺陷)為{X(k)},則{X(k)}與i0法。筆者提取超聲波相控陣檢測(cè)焊接缺陷圖像的{X(k)}的關(guān)聯(lián)系數(shù)為:i角二階距、對(duì)比度、熵值和相關(guān)性4個(gè)紋理特征,Δ+θ·Δminmaxγ(X(k),X(k))

4、=(1)0iΔ(k)+θ·Δ將灰色關(guān)聯(lián)度引入到缺陷類別辨識(shí)中,提出了一0imax其中:Δ=‖X(k)-X(k)‖為X(k)與種在超聲波相控陣對(duì)接焊縫檢測(cè)領(lǐng)域中有效的缺0i0i0陷識(shí)別方法。Xi(k)兩個(gè)比較數(shù)列的絕對(duì)差;Δmin和Δmax分別表1灰色關(guān)聯(lián)分析法示比較數(shù)列與參考數(shù)列的各特征參量絕對(duì)差的最對(duì)相控陣B掃缺陷圖像而言,要先從圖像特小值和最大值;θ為分辨系數(shù),目的是減少最大絕征中提煉出所需要的關(guān)鍵信息,然后辨識(shí)其類型。對(duì)差數(shù)值過大所引起的誤差,取值一般在0~1之可該缺陷圖像特征屬于信息殘缺、關(guān)系不明顯的間,本例取0.5。信息系統(tǒng),所以在超聲B掃識(shí)別領(lǐng)域,缺陷的定關(guān)聯(lián)度是指比較數(shù)列和參考數(shù)

5、列之間關(guān)于各性分析還比較困難。不過灰色關(guān)聯(lián)分析法為識(shí)別特征參量的關(guān)聯(lián)程度。兩數(shù)列的關(guān)聯(lián)度又由它們提供了一種新方案,該方案的思路是:以未知缺陷各特征參量的關(guān)聯(lián)系數(shù)的平均值求得,其計(jì)算式和參考缺陷的差異程度作為基準(zhǔn),計(jì)算出它們的為:?謝研,男,1988年8月生,碩士研究生。福建省福州市,350108。第43卷第3期化工機(jī)械2931nH描述圖像紋理的復(fù)雜程度或者均勻程度的γ(X,X)=∑γ(X(k),X(k))(2)0i0ink=1情況,可以衡量圖像信息量大小。所涵蓋的圖像筆者提出了平均關(guān)聯(lián)度的識(shí)別方法,把計(jì)算信息越多,則H越大;反之信息越少,則H越小。出的4種紋理參數(shù)關(guān)聯(lián)度再進(jìn)行平均,這樣能夠相關(guān)

6、性COR:綜合各特征因子,對(duì)未知缺陷進(jìn)行有效地判定?！啤苂gp(g,g)-μμ1212xyg1g22灰度共生矩陣的特征參數(shù)COR=(6)σσxy基于灰度共生矩陣(GLCM)提取紋理特征的式中μ=∑g∑p(g,g);x112方法是一種典型的統(tǒng)計(jì)分析方法,焊縫的B掃圖g1g2μ=∑g∑p(g,g);像紋理是由超聲回波反饋不同的組織結(jié)構(gòu)形成yg12g21222的,可利用這種特性來識(shí)別焊縫的缺陷類型。σ=∑(g-μ)∑p(g,g);x1x12g1g2GLCM紋理提取方法具有較廣的適用范圍,用于22σ=∑(g-μ)∑p(g,g)。y2y12[9~11]g2g1圖像檢測(cè)和分類的研究越來越活躍。COR描述的

7、是矩陣中行或者列方向上的相為了描述紋理的主要特征,需要引入能給出似程度,如果在某個(gè)方向上的COR值較高,那么較高分類精度的、合適的GLCM特征參數(shù),依據(jù)說明在這個(gè)方向上有紋理圖像。UlabyFT等的研究發(fā)現(xiàn),GLCM有4個(gè)特征參數(shù)[12]3不同類型缺陷圖像及其特征分析比較適合,下面逐一介紹這4種特征值。掃描缺陷試塊,采集了各類型缺陷的二維圖能量(角二階矩)ASM:2像。其中一組缺陷圖像如圖1所示,