基于BWO-VMD-HHT和ResNet的Al-CFRTP UFSW的缺陷监控方法
Haiwei Long1,2, Yibo Sun3,4, Xihao Yang2
1College of Locomotive and Rolling Stock Engineering, Dalian Jiaotong University, Dalian, China.
Scientific reports
|August 10, 2024
概括
使用贝卢加优化-变态分解-希尔伯特-黄变形 (BWO-VMD-HHT) 的新方法有效地监测不同材料的水下摩擦接 (UFSW) 的缺陷. 这种方法提高了轻质结构的缺陷检测精度.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造过程 制造过程 制造过程
- 非破坏性测试是指非破坏性测试.
背景情况:
- 水下摩擦接 (UFSW) 对于在轻质结构中连接不同材料至关重要.
- 在UFSW中的水性介质复杂化了用于缺陷监测的声辐射 (AE) 信号分析.
- 现有的方法在不清楚的AE信号特征上扎,阻碍了可靠的缺陷检测.
研究的目的:
- 为UFSW开发一种先进的缺陷监测方法,专门解决AE信号清晰度问题.
- 在UFSW过程中准确识别和分类表面裂,浅孔和深孔等缺陷.
- 在UFSW应用中提高接缺陷预测的精度和可靠性.
主要方法:
- 提出了一种结合白优化,变化模式分解和希尔伯特-黄变换 (BWO-VMD-HHT) 的缺陷监测技术.
- 在Al合金和碳纤维增强热塑料 (CFRTP) 上进行了UFSW实验,测量了AE信号.
- 使用BWO-VMD-HHT提取时间频域特征,通过主要组件分析减少维度,并训练了一个ResNet18注意力模型.
主要成果:
- 确定了22.5kHz的主AE信号频率,与与特定缺陷类型相关的不同频率组件转移.
- 建立了包含关键频率 (22.5, 24, 20.6, 18.4, 17.3, 15.6 kHz) 的特征向量.
- 在BWO-VMD-HHT特征上训练的ResNet18注意力模型实现了0.906的平均精度,超过了BP,SVM和RBF模型.
结论:
- BWO-VMD-HHT方法有效地从UFSW中的AE信号中提取区分特征,即使在水环境中也是如此.
- 该ResNet18-attention模型在识别和分类UFSW接缺陷方面表现出很高的准确性.
- 这种综合方法为UFSW的实时缺陷监控提供了强大且可应用的解决方案.
