液壓支架是煤礦綜合機(jī)械化開采的主要設(shè)備,對(duì)現(xiàn)代煤礦生產(chǎn)具有舉足輕重的意義。液壓缸是液壓支架完成各種運(yùn)動(dòng)和承載頂板壓力的關(guān)鍵元件,它的質(zhì)量直接影響著液壓支架的可靠性,進(jìn)而影響到煤礦的安全和正常生產(chǎn)。 針對(duì)液壓缸環(huán)焊縫質(zhì)量檢驗(yàn)的難題,為了克服目前手動(dòng)超聲A掃描檢測(cè)方式的缺點(diǎn)和不足,保證焊接質(zhì)量,以數(shù)字超聲探傷儀為基礎(chǔ),以計(jì)算機(jī)為核心,以虛擬儀器編程語(yǔ)言LabWindows/CVI為軟件平臺(tái),以現(xiàn)有自動(dòng)焊接裝置為工件裝夾平臺(tái),借助于計(jì)算機(jī)技術(shù)、超聲無(wú)損檢測(cè)與評(píng)價(jià)技術(shù)、機(jī)電一體化技術(shù),成功地開發(fā)了一個(gè)超聲自動(dòng)檢測(cè)系統(tǒng),實(shí)現(xiàn)了液壓缸環(huán)焊縫檢測(cè)的數(shù)字化、自動(dòng)化和圖像化,提高了超聲檢測(cè)的可靠性和效率。 研究了橫波斜探頭超聲掃描成像的原理和方法,給出了斜探頭超聲B、C掃描成像的定義,建立了人工缺陷超聲B掃描和C掃描成像的數(shù)學(xué)模型,解決了超聲掃描成像軟件實(shí)現(xiàn)的關(guān)鍵技術(shù)問(wèn)題,實(shí)現(xiàn)了超聲B掃描和C掃描成像功能。 針對(duì)焊接缺陷超聲回波信號(hào)的特點(diǎn),深入研究了小波閾值去噪法的原理和方法,在軟、硬閾值函數(shù)的基礎(chǔ)上,構(gòu)造了一種新的閾值處理函數(shù),提出了基于改進(jìn)閾值函數(shù)的提升小波變換去噪算法。實(shí)驗(yàn)結(jié)果表明,該方法改進(jìn)了軟、硬閾值去噪法的缺點(diǎn),獲得了更好的去噪性能和更高的信噪比,而且在實(shí)時(shí)信號(hào)去噪方面具有很好的應(yīng)用前景。 以焊接缺陷的常見類型為對(duì)象,研究了基于小波包變換的多尺度空間能量特征提取方法,對(duì)實(shí)測(cè)的超聲缺陷回波信號(hào)進(jìn)行了特征提取實(shí)驗(yàn),并利用基于距離的類別可分性判據(jù)對(duì)提取的特征向量進(jìn)行了評(píng)價(jià)。結(jié)果表明,該方法對(duì)焊接缺陷超聲回波信號(hào)的特征提取是有效的。 為了克服人工神經(jīng)網(wǎng)絡(luò)需要大量訓(xùn)練樣本,且網(wǎng)絡(luò)結(jié)構(gòu)確定困難等缺點(diǎn)和不足,在對(duì)比分析支持向量機(jī)常用多值分類方法的基礎(chǔ)上,提出了基于ν-SVM的二叉樹多值分類方法,實(shí)驗(yàn)結(jié)果表明其分類正確率高,在訓(xùn)練時(shí)間和測(cè)試時(shí)間方面均優(yōu)于其它的支持向量機(jī)多值分類方法。 基于RBF神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的結(jié)構(gòu)等價(jià)性,提出了基于ν-SVM-BTMC的RBF神經(jīng)網(wǎng)絡(luò)焊接缺陷識(shí)別方法,實(shí)驗(yàn)結(jié)果表明該方法比RBF神經(jīng)網(wǎng)絡(luò)、基于ν-SVM的二叉樹多值分類方法的分類正確率更高,其訓(xùn)練和測(cè)試速度最快。