煤矿机械关键零部件缺陷超声信号提取与智能识别研究

针对煤矿机械关键零部件缺陷超声检测定性分析的难题，研究缺陷的提取和智能识别理论与方法。提出基于原子优化的稀疏分解超声信号自适应去噪算法；研究煤矿机械关键零部件常见缺陷类型，分析并确定缺陷的特征；研究核主分量分析原理以及超声检测回波信号的特点，提出基于KPCA-WPT的高维空间超声缺陷回波信号特征提取算法；借助于支持向量机，构建适合于超声检测缺陷识别的分类器，提出基于小样本集的并行优化层次支持向量机的缺陷智能识别算法。最后将本研究的理论成果应用于煤矿机械关键零部件缺陷的超声无损检测，构建缺陷智能识别系统，实现缺陷的自动分类。本项研究对于超声检测缺陷定性分析、煤矿机械关键零部件缺陷检测与评价均具有重要的学术价值和应用前景，对于提高煤矿机械关键零部件质量和确保设备安全运行具有极其重要的意义。

本项目研究了煤矿机械关键零部件缺陷超声检测定性分析的关键技术。具体研究内容有：分析了超声缺陷信号的噪声特性，研究了基于稀疏分解的超声信号去噪算法，并针对稀疏分解原子生成的冗余性问题，利用人工鱼群算法优化原子的选择，提高了强噪声背景下煤矿机械关键零部件缺陷信号的信噪比；研究了利用WPT提取超声缺陷特征，针对WPT分解到高维非线性空间产生冗余信息影响分类结果准确性的问题，利用KPCA算法进行了特征空间的降维处理，获得了反映缺陷本征的特征向量，提高了缺陷分类的准确率；针对煤矿机械关键零部件样本获取难的问题，研究了SVM多缺陷分类算法，利用人工蜂群算法优化SVM参数的选择，并对标准数据集和实测数据集进行分类实验，结果证明了算法的可靠性。研究了超声波在工件中的传播规律和声压分布特征，以空间脉冲响应为基础，研究了圆形和矩形换能器在半无限空间及斜楔块条件下任意点空间脉冲响应的计算方法，分析其在辐射空间的瞬态声压分布规律，得到声轴线上声压曲线，横向声束宽度等参数，以辅助制定轴类零件非拆卸条件下的检测工艺和缺陷评价。根据研究的理论成果，建立了煤矿机械关键零部件缺陷超声无损检测与评价系统。围绕着煤矿机械关键零部件缺陷超声检测与评价的关键技术，本项目组广泛调研，深入研究，取得了较好的研究成果，在国内外学术刊物上发表论文18篇，其中EI，ISTP检索10篇，并培养了6名博硕士研究生。达到了预期目标，实现了煤矿机械关键零部件缺陷超声检测的自动分类，为关键零部件质量评价和寿命预测奠定了良好的理论基础。