（机械制造及其自动化专业论文）基于小波包和集成神经网络的超声缺陷分析与识别.pdf

一 0 华南理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研 究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文 不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研 究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完 全意识到本声明的法律后果由本人承担。 作者签名：葛、吕泵 日期：上呀名年，月多秒日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：研究生 在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向 国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅( 除在保 密期内的保密论文外) ；学校可以公布学位论文的全部或部分内容，可以允许采用 影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论 文的内容相一致。 本学位论文属于： 时保密，在上年解密后适用本授权书。 口不保密。 学位论文全文电子版提交后： 口同意在校园网上发布，供校内师生和与学校有共享协议的单 位浏览。 ( 请在以上相应方框内打“”) 本人签名： 导师签名： 日期：丝型：! 旦 日期：弘鱼啦 摘要 摘要 超声无损检测( u l t r a s o n i cn o n d e s t r u c t i v et e s t i n g ) 是一种应用最广的无损检测 方法，实现超声定量无损检测已成为目前国际上超声检测领域面临的难题和研究 热点问题之一。本文将超声检测与现代信号处理和模式识别技术相结合，提高超 声无损检测的可靠性，具有重要的学术价值和实际意义。本项目的研究得到广东 省科技计划项目( 2 0 0 4 a 1 1 3 0 3 0 0 1 ) 的资助。 本文首先从超声无损检测技术、小波分析技术和神经网络技术三方面分析本 研究项目的国内外研究状况，并指出其发展趋势及本论文的主要研究内容；针对 噪声信号的特点，建立噪声的数学模型，提出了基于综合阈值函数的小波包去噪 方法，并结合超声缺陷检测实际例子，通过计算分析，选择b d 4 为去噪小波函数， 小波包的分解尺度l = 4 ，采用综合阈值函数来实现超声检测缺陷信号去噪；根据 超声检测缺陷回波的特点，针对小波包能量法在超声缺陷特征提取过程中的不足， 提出了基于改进小波包能量的信号特征提取的方法，并将改进算法运用于超声检 测，通过实验和类别可分性评价验证了改进算法的可行性；从神经网络分类机理 出发，分析了神经网络分类技术，并且针对单神经网络分类器的不足，研究了分 类器集成的策略；针对模式类别多、样本空间复杂的识别对象，提出了将神经网 络和决策树相结合的集成神经网络分类器的模型，采用“分而治之 的思想，将 模式空间分解，实现降维、提高识别率的目的；针对单神经网络分类器的识别率 不能达到1 0 0 ，并且不同的神经网络对样本空间的识别能力是不一样的，提出 了基于后验概率加权的集成神经网络分类器，该集成方式不仅可以减小神经网络 设计的复杂度，而且其识别率比单个神经网络要高。 实验结果表明：在超声缺陷识别中，信号去噪及特征提取是实现高识别率的重 要前提；基于决策树模型的集成分类器在保证识别率的情况下，具有良好的可扩 展性；基于后验概率加权的集成分类器可以增加分类器的泛化能力、提高识别率。 关键词超声无损检测；综合阈值；特征提取；集成神经网络 华南理丁大学丁学硕士学位论文 a b s t r a c t t h eu l t r a s o n i cn o n d e s t r u c t i v e t e s t i n g i st h em o s t w i d e l y u s e dm e t h o do f n o n d e s t r u c t i v e t e s t i n gn o w a d a y s a c t u a l i z a t i o no ft h eu l t r a s o n i c q u a n t i t a t i v e n o n d e s t r u c t i v et e s t i n gh a sb e e nb e c o m eo n eo ft h ed i f f i c u l t ya n dh o t s p o to ft h e r e s e a r c hi nt h ed o m a i no fu l t r a s o n i ct e s t i n g t h er e l i a b i l i t yo ft h eu l t r a s o n i ct e s t i n g h a sb e e ni m p r o v e di n t h i sd i s s e r t a t i o nv i ac o m b i n i n gt h et e c h n o l o g yo fu l t r a s o n i c t e s t i n g ，m o d e r ns i g n a lp r o c e s s i n ga n dp a t t e r nr e c o g n i t i o n t h i sr e s e a r c hi ss u p p o r t e d b yt h eg u a n g d o n gs c i e n c ep l a np r o j e c t ( p r o j e c tn u m b e ri s2 0 0 4 a 1 13 0 3 0 0 1 ) b a s e do nt h et e c h n o l o g yo fu l t r a s o n i cn o n d e s t r u c t i v et e s t i n g ，w a v e l e ta n a l y s i s r a n dn e u r a ln e t w o r k ，t h i sd i s s e r t a t i o np o i n to u tt h et r e n do fd e v e l o p m e n ta n g j h e 一一 p r i m a r yc o v e r a g e o ft h i sr e s e a r c ht h r o u g ha n a l y z i h gt h er e s e a r c hs t a t 急, f o r e t h e m a t h e m a t i c a lm o d e lu s i n gt h ec h a r a c t e r i s t i co fn o i s es i g n a l ，p r e s e n tt h em e t h o do f n o i s es i l e n c i n go fw a v e l e tp a c k a g eb a s e do nt h es y n t h e t i c a lt h r e s h o l df u n c t i o n b a s e d o nt h ee x a m p l e so fa c t u a lu l t r a s o n i cf l a wt e s t i n ga n da n a l y t i c a l c a l c u l a t i o n ，t h i s d i s s e r t a t i o nc h o s eb d 4a st h ew a v e l e tf u n c t i o n ，l = 4a st h ea n a l y t i c a ld i m e n s i o no f w a v e l e tp a c k a g ea n dc h o s es y n t h e t i c a lt h r e g h o l df f f n c t i o na st h es c h e m eo fn o i s e s i l e n c i n go fu l t r a s o n i cw a v et ot e s tf l a ws i g n a l s a c c o r d i n gt ot h ec h a r a c t e r i s t i co ft h e u l t r a s o n i ct e s t i n ge c h o ，t h ep a p e rp u t sf o r w a r dt h em e t h o do f s i g n a lf e a t u r ee x t r a c t i o n f o ri m p r o v i n gw a v e l e tp a c k a g ee n e r g ya i m i n gf o rt h ed e f i c i e n c yo ft h ew a v e l e te n e r g y m e t h o di nt h ep r o c e s so fu l t r a s o n i cf l a wf e a t u r ee x t r a c t i o n ，a n dt h isn o v e lm e t h o di s a l s oa p p l i e dt ot h eu l t r a s o n i ct e s t i n g ，w h o s ef e a s i b i l i t yh a sb e e np r o v e dt h r o u g ht h e e x p e r i m e n ta n dv a r i e t ys e p a r a b l ee s t i m a t i o n ；b e g i n n i n gw i t ht h en e u r a ln e t w o r k c l a s s i f i c a t i o nm e c h a n i s ma n da n a l y z i n gt h ec l a s s i f i c a t i o n t e c h n o l o g y o fn e u t r a l n e t w o r k ，t h ep a p e rg o e so nt h es t u d ya b o u tt h es t r a t e g yo ft h ec l a s s i f i c a t i o n i n t e g r a t i o nf o rt h ep r e s e n c eo fd e f i c i e n c yo ft h es i n g l en e u t r a ln e t w o r kc l a s s i f i c a t i o n a i m i n ga tt h ei d e n t i f y i n go b je c tw i t ht h ep a t t e r nc l a s s i f i c a t i o n sv a r i e t ya n ds a m p l e s p a c ec o m p l e x i t y , t h ed i s s e r t a t i o nb r i n g sf o r w a r dt h em o d eo ft h ei n t e g r a t i o nn e u t r a l n e t w o r kc l a s s i f i c a t i o nt h r o u g hc o m b i n i n gt h en e u t r a ln e t w o r kw i t ht h ed e c i s i o nt r e e ， a d o p t i n gt h ed i v i s i o ni d e aa n dd i s a s s e m b l et h ep a t t e rs p a c et od e c r e a s ed i m e n s i o n s a n de n h a n c et h ei d e n t i f y i n gr a t e m e a n w h i l et h i sm o d eh a sm u c hb e t t e rt e c h n o l o g y i n h e r i t i n ga n de x p a n s i b i l i t y f o ri d e n t i l y i n g r a t eo ft h es i n g l en e u t r a ln e t w o r k c l a s s i f i c a t i o nc a nn o tr e a c h10 0 a n dt h e , i d e n t i f y i n g a b i l i t y o fv a r i o u sn e u t r a l n e t w o r k st os a m p l es p a c ei sd i f f e r e n t ，t h ep a p e rb r i n g so u ti n t e g r a t i o nn e u t r a ln e t w o r k b a s i so fh i g hi d e n t i f y i n gr a t ed u r i n gt h eu l t r a s o n i c n o n d e s t r u c t i v et e s t i n ga n df l a w r e c o g n i t i 。n f 。r l a r g e s w a r c ho rt h em 。d e lc h a n g e df r e q u e n t l y w e c h 。s et h e i n t e g r a t e d c l a s s i f i e rb a s e d 。nd e c i s i o n t r e e t ot h es i n g l e c l a s s i f i e rw i t hl 。w i d e n t i f y i n gr a t i o ，t h ei n t e g r a t e dc l a s s i f i e rb u i l to ne s t i m a t e dp o s t e r i o rp r o b a b i l i t y c a n i m p r o v et h ec l a s s i f i e r sg e n e r a l i z a t i o n k e yw o r d s ：u l t r a s o n i cn o n d e s t r u c t i v et e s t i n g ； i n t e g r a t i o nn e u t r a ln e t w o r k l s y n t h e t i c a lt h r e s h o l d ；f e a t u r ee x t r a c t i o n ； 目录 目录 摘要i a b s t r a c t i i 第一章绪论l 1 1 课题提出及研究意义1 1 2 课题研究的国内外研究状况2 1 2 1 超声无损检测技术2 1 2 2 小波分析技术一4 1 2 3 集成神经网络技术发展一5 1 3 论文主要研究内容8 第二章基于综合阈值函数的小波包去噪1 0 2 1 引言一l o 2 2 小波包分析数学基础1 0 2 2 1 从小波分析与小波包分析1 0 2 2 2 小波包分析算法1 2 2 3 综合阈值函数的小波包去噪1 3 2 3 1 噪声在小波包分解下的特性1 3 2 3 2 基于综合阈值函数的小波包去噪1 4 2 4 超声检测回波信号去噪分析1 5 2 4 1 超声检测的回波信号1 5 2 4 2 小波函数及尺度的影响1 6 2 4 3 阈值的影响17 2 5 本章小节2 0 第三章基于改进小波包能量法的超声信号特征提取2 1 3 1 引言2 l 3 2 超声检测信号的特征分析一2 1 3 3 基于小波包特征提取方法的改进一2 3 3 3 1 小波包能量特征提取算法2 3 3 3 2 算法的改进2 5 3 4 基于改进小波包能量法的超声信号特征提取2 6 3 4 1 基于改进算法的特征提取2 6 3 4 2 特征提取的评价3 0 3 5 本章小节3 1 v 3 2 3 2 3 2 3 2 3 3 3 5 3 5 3 7 3 8 3 9 3 9 4 0 4 2 4 3 4 3 4 3 4 5 4 9 4 9 5 0 5 2 5 3 5 4 5 5 5 8 5 9 1 1 课题提出及研究意义 无损检测技术( n o n d e s t r u c t i v et e s t i n gt e c h n i q u e ，n d t ) 就是在不损伤被检测 对象的条件下，利用材料内部结构差异或缺陷存在所引起的对热、声、光、电、 磁等反应的变化，来探测各种工程材料、零部件、结构件等内部和表面缺陷，并 对缺陷的类型、性质、数量、形状、尺寸、分布及变化做出判断和评价。无损 检测技术是现代工业领域中保证产品质量与性能、稳定生产工业的重要手段，其 技术水平反映该部门、该行业、该地区甚至该国的工业技术水平。 超声检测技术( u l t r a s o n i ct e s t i n g ，u t ) 是一种最常用的无损检测技术，是一 门综合性很强的边缘应用科学，与其它常规无损检测技术相比，超声检测具有明 显的优势【3 】：适应性强，可检测对象范围广，便于现场使用；传播能量大， 穿透性强，检测深度大；指向性好，缺陷定位准确，检测灵敏度高；设备轻 巧，成本低廉，使用方便；速度快，对人体无伤害目前，超声无损检测已经 广泛运用于改进产品质量、产品设计、加工制造、成品检验以及设备服役各个阶 段。 虽然超声无损检测技术已经发展成为当今无损检测的主要方法之一，并得到 了极为广泛的工程应用，然而常规超声无损检测技术仍然存在一定局限性，使得 检测的可靠性不高。主要体现在：噪声干扰大，不利于信号的识别。在超声检 测过程中，系统采集到的超声信号受到电子噪声、结构噪声、有限字长量化噪声、 脉冲噪声的干扰的影响，这些噪声甚至有可能将有用信号完全淹没，所以噪声的 干扰已经成为严重制约超声检测扩展范围、发挥其优越性的重要因素；缺陷定 性、定位和定量的可靠性不高。超声检测是利用材料内部组织和结构异常时引起 物理量变化的原理，通过物理量的变化来推测材料内部组织和结构的异常，然而， 物理量的变化与材料内部组织和结构的异常不可能存在一一对应的关系，因此， 人们利用这种对应的关系可能会产生含糊的或者错误的检测结果；人为因素 大，检测结果具有主观性。超声波探伤技术是利用固体中的回声和穿透声一弹性 波的反射和透射现象来判断工件中缺陷的大小和位置，通过将接收到的回波或透 射波能量与标准的缺陷相比较来估计缺陷的大小，并根据生产工艺中易产生缺陷 的规律和经验来判断缺陷的性质，因此检验结果与检测人员的专业知识、技术水 平、工作经验等有关。 为了提高超声无损检测技术的可靠性，人们正在深入探讨如何从超声检测信 号中获取更多缺陷信息，通过对超声检测信号进行处理和分类，可以增强有用信 华南理工大学工学硕士学位论文 号以改善信号质量，使以前很难获取的信息被检测出来，进而提取其特征，实现 对信号的定量、定性分析，实现超声定量无损检测已成为目前国际上超声检测领 域面i 晦的难题和研究热点问题之一 本论文以“基于小波包和集成神经网络的超声缺陷分析与识别”为题，在分 析缺陷信号的基础上，探讨了超声检测信号的信息处理与分类技术，采用小波包 对检测信号进行去噪、特征提取，然后设计集成神经网络分类器对信号进行识别。 并着重对缺陷信号的特征提取及分类器设计进行了深入分析和研究，本论文对促 进超声无损检测技术的发展，具有重要的学术价值和实际意义。本项目的研究得 到广东省科技计划项目( 20 0 4 a 1 13 0 3 0 0 1 ) 的资助。 1 2 课题研究的国内外研究状况 下面从超声无损检测技术、小波分析技术和神经网络技术三方面介绍本研究 项目的国内外研究状况。 1 2 1 超声无损检测技术 无损检测的应用历史悠久，作为四大文明古国的中国，在宋应星的天工开 物中有如下记载：“凡釜，即成后，试法以敲之，响声如木者佳。声有差音则铁 质未熟之故，它日易损坏”。这种以物体的发声来判断物体的状况就是一种无损检 测的方法。1 8 9 5 年伦琴发现x 射线为标志，无损检测作为一门多学科的综合技术正 式开始进入工业化大生产的实际应用领域。1 9 0 0 年法国海关开始应用x 射线检测物 品，1 9 2 2 年美国建立了世界第一个工业射线试验室，用x 射线检查铸件质量，以后 在军事工业和机械制造等领域得到广泛的应用，射线检测至今仍然是许多工业产 品质量控制的重要手段。 无损检测技术是机械工业的四大支柱之一，是现代工业必不可少的有效工具 和重要组成部分，始终贯穿与产品的设计、加工制造、成品验收等各个阶段，是 工业生产中实现质量控制，节约原材料、改进工艺和提高生产率的重要手段，被 誉为“质量卫士 。统计资料显示临1 ，经过无损检测后的产品增值情况大致是：机 械产品为5 ，国防、宇航、原子能产品为1 2 - 1 8 。无损检测技术是国民经济赖 于持续、快速、健康发展的基础性技术之一，是现代工业的基础。 随着人们对自然界认识地深入，不断有新的方法和理论运用于无损检测，特 别是电子技术和计算机技术向无损检测领域移植和渗透，使得无损检测技术飞速 发展，从表1 - 1 便可清楚了解其发展过程。目前，一般将表中所述的3 个阶段统称 为无损检测( n d t ) 。 无损检测技术的另外一个发展是从一般无损评价( n d e ) 向自动无损评价 2 第一章绪论 ( a n d e ) 和定量无损评价( q n d e ) 发展，逐步减少人为因素的影响，应用计算 机来进行检测和分析，这样大大提高了检测过程中的智能程度和检测结果的可靠 程度，同时检测手段也更加丰富、多样化。 表1 i 无损检测的发展阶段 t a b l e1 1t h ed e v e l o p i n gp e r i o do f n o n d e s t r u c t i v et e s t i n g 第一阶段 第二阶段第三阶段 无损探伤( n d i )无损检测( n d t )无损评价( n d e ) 名称n o n d e s t r u c t i v e n o n d e s t r u c t i v en o n d e s t r u c t i v e i n s p e c t i o ntesting e v a l u a t i o n 主要用于产品的最不但要进行最终进行最终产品的检验以及 基本终检查，在不破坏产品产品的检验，还要测过程工业差数的测量，且当认 的前提下，发现零件内 量过程工艺参数，特为材料中不存在致命的裂纹或 工 作部的缺陷( 含人眼观察、别是测量在加工过程大的缺陷时，还要： 耳听力诊断等) ，以满足中所需要的各种工艺1 、从整体上评价材料中缺陷的 内容工程设计对零件强度设参数，如温度、密度、分散程度 计的需要残余应力、组织结构、2 、对材料的性质、动态响应和 晶粒大小等服役性能指标的实测值等因素 l 进行分析和评价 作为近代声学中发展最为迅速的新兴分支，超声无损检测技术已有7 0 多年的 。 发展历史。在1 9 3 0 年，人们开始采用超声波研究物体内部结构，到了四十年代， 脉冲反射超声波探测仪已经研制出来。从此，超声无损检测广泛运用于工业检测 当中。目前，超声无损检测技术是国内外应用最广泛、使用频率最高且发展较快 的一种无损检测技术，呈献出蓬勃的发展态势和广阔的发展前景 ( 1 ) 超声检测应用范围不断扩展 传统的超声无损检测主要在诸如金属材料及其结构上的应用非常成功，随着 新材料的出现，新构件的涌现超声无损检测的对象不断扩大： 在陶瓷材料中的应用。陶瓷无损检测的具体目标是检测出裂纹、气孔、烧 块、夹杂等缺陷，这些缺陷或直接影响了构建的使用，或作为应力源出现。目前 超声波可以检测尺寸为直径3 p m ，深度为3 r a m 以内的缺陷1 。 在复合材料中的应用。从物理性质上看，复合材料最主要的特征是由于纤 维分布的方向性所带来的材料弹性性质的各向异性，以及纤维的引起散射效应， 结果使声波数度和衰减系数在不同方向差异较大，从而导致确定其力学性能的困 难。由于超声波具有穿透能力强、传播能量大，方向性好的，使得超声波在检测 3 华南理工大学工学硕士学位论文 复合材料缺陷、评价复合材料力学性能取得了显著的成就。文献【1 2 】利用超声c 扫描分别检测出厚为4 5 m m 的碳纤维材料和厚度为1 5 m m 的正交铺层碳纤维的 内部缺陷形状与分别。 在电子元器件的应用。超声检测对电子元器件的检测包含多个方面，主要 集中在对元器件封装质量的检测。目前，有关电子元器件封装的超声检测在国外 已有众多报道，在国内则处于刚刚起步阶段【l3 1 。 ( 2 ) 新技术不断涌现 近十几年来，随着电子技术和计算机技术的发展，超声检测新技术不断涌现， 主要包括声成像和超声全息、声学显微镜、非接触超声检测以及声发射和a u 技 术等。另外，将信号处理技术和智能信息处理技术与超声检测相结合，提高检测 结果的可靠性。 我国无损检测技术随着现代化工业水平的提高，已取得了很大的进步，已经 建立和发展了一支训练有素、技术精湛的无损检测队伍，同时我国已经有一批生 产无损检测仪器设备的专业厂，主要生产常规无损检测所需要的仪器、设备。虽 然，我国的无损检测技术和仪器设备的水平，从总体上讲要落后于发达国家1 5 2 0 年，但有些专门设备如超声探伤仪等都逐渐采用微机控制，并能自动进行信号 处理，这就大大提高了我国的无损检测技术水平，有效地缩短了中国无损检测技 术与发达国家的差距。 1 2 2 小波分析技术 对于超声检测信号，只根据原始检测数据难以作准确解释，通常都要提取它 的某些特征来表征，提取什么特征要根据信号的特点和分析目的来决定。然而超 声检测中所期望得到的与缺陷性质有关的各种信息，常以某种方式隐藏在所获取 的信号中，因此必须借助于信号处理技术来将有用信息从嘈杂信号中分离出来。 传统的信号分析是通过傅立叶变换将信号从时间域转换到频率域，反映了信 号在“整个时间范围内的“全部”频谱成分，它不能给出信号在某个时间上的 变化情况，这对于那些统计特征不随时间变化的平稳信号是非常有效地1 2 。由于 傅立叶变是一种全局的变换，要么完全在时域，要么在完全在频域，因此无法准 确描述反映非平稳信号特征的时频局部信息，而这种特征恰好是非平稳信号最重 要的性质，所以傅立叶变换不能有效地揭示非平稳信号的信息。超声缺陷检测中 超声信号通常被探头中心频率调制的脉冲信号，是一个时频均有限的非平稳信号， 因此很难通过傅立叶变换获取信号特征。 小波变换( w a v e l e tt r a n s f o r m ，w v ) 是傅立叶分析思想的发展与延拓，是一种 全新的时频分析方法。f o u r i e r 基中的函数在频域是完全局部化的，但在时域上无 4 第一章绪论 任何局部性，而小波变换具有时、频局部化分析的优点，是一种比f o u r i e r 分析更 优秀的分析方法，所以广泛运用于信号处理【引。目前，将小波分析与超声检测相 结合集中体现在超声检测信号的去噪和检测信号的特征提取两个方面。 ( 1 ) 信号去噪 在超声检测过程中，由于噪声的存在，常使检测结果具有一定的随机性，从而 影响检测的稳定性和精确性，从某种意义上讲，噪声的干扰已经严重制约超声检 测扩展应用范围、发挥其优越性的重要因素。所以消除噪声、提高信噪比成为了 超声检测和无损评价的首要任务。小波分析作为一种新的信号处理工具，在信号 去噪以及信号特征提取中有着广泛地运用。1 9 9 2 年m a l l a t 提出了奇异性检测的理 论，利用小波变换模极大值的方法去噪。此后d o n o h o 等人提出了非线性小波变 换阈值去噪，用该方法去噪得到了非常广泛的运用。文献 1 4 】针对液压泵出1 2 1 故 障检测信号信噪比低，难以进行故障特征提取的特点，采用小波分析进行消噪处 理，利用具有紧支结构的小波函数进行分解和重构消除检测信号中的干扰成份， 有效提取故障特征，提高了故障诊断效率。文献【1 5 针对造纸过程的纸浆浓度检 测信号，给出了一种基于小波包分析的去噪方法，通过分析小波包和去噪原理、 阈值及阈值函数的选取来实现去噪。 ( 2 ) 特征提取 在超声检测过程中，缺陷的回波信号包含丰富的信息，而在传统的超声检测中， 只分析了一小部分缺陷信息，因而准确率不是很高，所以，对信号进行特征提取， 有利于信号的识别，提高信号的识别率。而小波包分析是一种常用的信号特征提 取的方法。文献【16 根据非稳态超声检测的特点，将小波包变换用于缺陷信号的 降噪及特征提取，并且利用类别可分性判据和r b f 神经网络分别对特征提取结果 进行评价，引入了平均阈值的概念，并在这基础上研究了小波包降噪效果，提出 了以选择小波包分解频率带的能量作为缺陷信号特征值的方法，试验结果表明小 波包降噪效果明显，在特征数据取得压缩的同时，分类的可分性较高。文献【17 】 针对含损伤的某型航空发动机压气机叶片，采用小波分析技术，对超声检测信号 进行分析和处理，提高了超声检测技术检出缺陷的能力，采用四种不同的小波基 对同一信号进行分析，研究表明：s y m 4 小波处理航空构件超声检测信号比较理想。 通过上面的分析知道，经过小波分析技术处理过的信号能更好地放映检测对 象的状态，将信号处理技术引入传统的无损检测技术中，有利于提高检测的识别 率。因此，基于小波分析的信号处理技术越将是无损检测领域中一大研究热点 1 2 3 集成神经网络技术发展 华南理下大学t 学硕七学位论文 “人工神经网络 ( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 是对人脑组织结构和并 行机制的认识理解基础之上模拟其结构和职能行 为的一种工程系统，由于大量高度互联的简单处 理单元组成【9 】。这些简单地处理单元称为神经元。 对于生物神经元结构，可以建立神经元的模型， 如图1 1 所示。神经元相当于一个多输入单输出 的非线性阈值器件。其中p i 为神经元的输入，e 是阈值，a 为输出。 图1 1 人工神经元模型 f i gl - 1m o d e lo f a n n 早在1 9 4 3 年，心理学家m c c u l l o e h 和数学家 w p i t t s 就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论第研 究年代，虽然中间经历了一段低谷，19 8 2 年美国加州工学院低物理学家j h o p f i e l d 提出了h n n ( h o p f i e l dn e u r a ln e t w o r k ) 模型，使得人工神经网络进入一个蓬勃发 展的阶段。目前神经网络在模式识别、鉴定、分类和控制系统等领域都已获得应 用，能够用来解决常规计算机和人难于解决的问题。 人工神经网络广泛应用的主要因素：具有以任意精度逼近任意复杂的非线 性函数的特性；具有很强的适应于复杂环境和多目标控制要求的自学习能力； 所有定量或定性信息都分布存储于网络内的各个神经单元，而且每个神经元实 际存储着不同信息的部分内容，网络有冗余性，而且具有很强的容错能力和鲁棒 性；采用信息的分布式并行处理，可以快速地进行大量计算，但又不是简单地 “以空间的复杂性为代价来求得时间上的快速性 ，而且对于处理求得满意解为目 标的决策问题非常迅速。 ( 1 ) 集成神经网络 集成神经网络( i n t e g r a t e dn e u r a ln e t w o r k s ，i n n ) 是神经网络的一个成 功扩展，它秉承了单神经网络的优点，集成神经网络是通过多个互补的神经网络 集成来改善神经网络性能，将学习样本分给多个子网络学习，以很小的运算代价显 著地提高泛化能力，从而减小网络规模，提高收敛性，缩短学习时间，同时模型易于 扩展，具有较好的再学习能力。 1 9 9 0 年，l k h a n s e n 和p s a l a m o n 开创性地提出了神经网络集成方法，他们证 明，可以简单地通过训练多个神经网络并将其结果通过投票法进行结合，可以显著 地提高神经网络地泛化能力：由于认识到神经网络集成所蕴涵的巨大潜力和应用 前景，大量研究者涌入这领域，使得神经网络集成成为一个相当活跃的研究热点， 新的集成方式不断出现，集成神经网络的运用范围也不断扩大。 文献 9 提出了一种基于统计模式识别理论线性地组合多个神经网络地方法， 该方法首先以最小分类误差为标准选择出相对于每一输出分类的最佳网络，然后 6 第一章绪论 估计出最优线性权以将个体网络集成起来形成理想分类器。文献 1 0 提出将 a d a b o o s t 与神经网络进行结合进行手写字符识别，系统对有2 0 0 多个人地手写字 符所组成地数据库能达到1 4 的错误率，二对u c i 机器学习数据库中地字符数据 则能到达2 的错误率；文献 1 1 提出一种负相关学习方法，用于训练神经网络集 成，该方法并行地对集成中的个体网络进行训练，并通过个体网络错误函数中的相 关惩罚项在网络之间进行交互。 我国在集成神经网络领域的研究起步较晚，并且多数学者都是研究集成神经 网络的应用，而对其结构及算法研究的较少。文献 2 6 针对发动机试车过程中的 磨损故障诊断问题提出运用集成神经网络对发动机试车状态进行融合诊断的方法， 依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神 经网络的训练样本。对各网络进行成功训练后，利用神经网络实现各子网络的诊 断并得到中间诊断结果，通过建立合适的权重矩阵利用模糊综合决策理论，使 集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果实验结果表明 改方法非常效性。文献 2 7 提出一种选择性集成神经网络构造方法，在训练出个 体神经网络之后，使用遗传算法选择部分网络来组成神经网络集成，实验结果表 明该方法与传统使用所有个体网络的方法相比，效果更好。文献 2 8 通过一种特 殊的一级集成结构将神经网络集成应用于肺癌细胞识别，集成中的个体网络由 b a g g i n g 方法产生，第一级集成的归纳结论由本文提出的完全投票法合成，第二 级集成的归纳结论由相对多数投票法合成。实验结果表明，该方法大大降低了肺 癌患者漏诊的可能性。 由上可以发现，集成神经网络是单神经网络的成功扩展，在模式识别领域目 前已有成功例子，但由于其是刚刚兴起，还有很多集成方法、集成规则等还有待 深入探讨因此，集成神经网络必将成为模式识另9 领域中一个研究热点 ( 2 ) 神经网络在缺陷检测中的应用 在超声无损检测过程中，由于缺陷回波信号与缺陷几何形状之间是非线性， 使得定量检测非常困难。而神经网络具有良好的非线性映射和联想记忆能力，非 常适合对缺陷信号的定性分析，利用人工神经网络对已有的大量缺陷继实例进行 学习，建立隐含数学模型，从而实现缺陷形状和种类的识别。因此人工神经网络 这种非线性系统可以很好的完成缺陷信号的分类工作，目前已有很多学者在这方 面做了大量研究。 文献【18 】根据金属超声检测中的缺陷脉冲回波为非稳定信号的特点，对高温 合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波变换信号的 能量分布特征，然后将这些特征输入神经网络进行训练和分类，试验表明，该方 法区分缺陷试样的准确率达到9 6 4 。文献 1 9 】提出了一种基于小波变换和模式 7 华南理1 二大学丁学硕士学位论文 识别技术的缺陷定性分类方法，利用焊接试样进行试验，经小波变换提取缺陷特 征值，然后用b p 神经网络，使缺陷的定性分析分类得到了较高的准确率，研究 结果表明该方法可在一定程度上降低认为因素对缺陷定性识别的影响，获得较好 的缺陷分类效果。文献 2 0 1 针对工业超声检测过程中缺陷难以准确定性的问题， 提出利用类内、类间距和可分性测度比较了两类信号的类别可分性。同时采用b p 神经网络和r b f 神经网络作为分类起，对缺陷信号的小波均方幅值特征进行了学 习和识别研究。 从以上分析可知，在超声无损检测过程中，利用神经网络能有效的识别常见 缺陷的类型，实现定性检测。然而在实际的缺陷检测中，当针对不同的检测对象 时，缺陷的类别是不同的，因此必须重新设计神经网络来对新的模式进行学习， 这严重影响了神经网络在工程中的应用前景；另外对于样本大、模式类别多的检 测对象，必须通过大规模的神经网络和足够多的样本学习才能达到良好的识别效 果，然而网络规模增大很容易造成网络训练很难收敛，同时要获取充足的样本也 是件不容易的事情。因此，本论文试图从集成神经网络角度出发，实现神经网络 知识的可继承性，在样本有限的情况下尽可能的提高神经网络的识别效率。 1 3 论文主要研究内容 本论文针对目前超声无损检测技术和神经网络技术发展趋势，研究超声检测 缺陷信号的信息处理和识别技术，首先针对检测信号容易受噪声干扰，影响缺陷 信号特征的识别，采用了小波包分析技术对超声检测信号进行去噪以及特征提取， 消去各种干扰信号，提高了检测的可靠性和准确度，然后设计基于集成神经网络 技术分类器，实现缺陷的识别，其过程如图1 2 所示。 图1 - 2 系统组成 f i g1 - 2s y s t e mc o m p o s i n g 本论文的主要研究内容包括： 第一章是绪论。阐述了课题研究背景和意义，介绍了超声无损检测技术国内 外研究现状及其发展趋势，分析了超声无损检测缺陷的信号处理和识别技术，并 展望了集成神经网络技术的应用前景，最后提出了本论文的主要研究内容。 第二章是基于综合阈值函数的小波包去噪。介绍了小波包的基本原理，研究 8 第一章绪论 了小波包去噪算法，提出了一种综合阈值函数的去噪方法，并重点探讨了小波函 数、分解尺度、阈值处理对超声检测信号的去噪效果的影响。 第三章是基于改进小波包能量法的超声信号特征提取。首先分析了超声缺陷 信号回波的特点，提出了基于基于小波包能量的改进算法，并在超声检测过程中 验证了该改进算法的可行性。 第四章是基于集成神经网络的分类器设计。针对模式类别多、样本空间复杂 的识别对象，提出了将神经网络和决策树相结合的集成神经网络分类器的模型； 针对单神经网络分类器识别率不高，同时，各种神经网络对样本空间的识别能力 是不一样的，提出了基于后验概率的集成神经网络分类器设计，通过集成可以提 高其识别效果。 第五章是试验与结果分析。首先建立实验的软、硬件平台，在这基础上进行 超声无损检测实验来验证前面的理论。 9 霹： 华南理工大学工学硕士学位论文 2 1 引言 第二章基于综合阈值函数的小波包去噪 上一章绪论介绍了超声无损检测技术、小波分析技术和神经网络技术的国内 外研究状况及发展趋势，并重点阐明信号处理及模式识别技术在超声无损检测中 处于重要地位。 本章将重点研究基于小波包分析的信号去噪，并提出一种基于综合阈值函数 的小波包去噪方法，试图从检测信号中获得被测对象的特征信息。 2 2 小波包分析数学基础 2 2 1 从小波分析与小波包分析 设y ( f ) r ( r ) ( r ( 尺) 表示平方可积的实数空间，即能量有限的信号空间) ， 其傅立叶变换为沙( 国) 。当沙( 国) 满足允许条件： q = 上等 ( 2 1 ) 时，称甲( f ) 为一个基本小波或母小波。将母小波甲( f ) 经伸缩和平移后，就可以得