超声特征信号评价金属蜂窝构件钎焊质量

作者：陈思晨; 吴伟; 郑雪鹏; 张全红

来源：数据采集与处理, 2021, 36(02): 270-279.

DOI：10.16337/j.1004-9037.2021.02.008

• 蜂窝构件
• 超声信号
• 聚类算法
• 机器学习
• 钎焊质量

金属蜂窝构件钎焊质量通常以钎着率(单位面积内检测到的焊合面积占比)为指标进行评价。实际生产中采用超声C扫幅值成像无损检测,以GH4099高温合金薄壁窄筋蜂窝板件为研究对象,提出基于超声A扫信号特征值参数的无监督机器学习分类方法。首先在数字超声信号提取时域、功率谱上各8个特征值;其次对数据进行标准化处理、主成分分析(Principal components analysis,PCA)降维,得到各自贡献率为95%以上的前3组共6个主成分值;然后以这些值为特征值作为输入进行K均值、高斯混合模型聚类、模糊C均值聚;最后采用多分类器融合算法提高模型准确率,将分类结果可视化与超声C扫图像比对,验证分类评价效果。12组数据实验结果表明:3种聚类算法成像结果与超声C扫结果一致,其中融合投票计算比于单分类器更为准确,为非监督机器学习方法在超声信号评价蜂窝构件钎焊质量中的应用提供了新思路。

• 单位
  南昌航空大学; 上海航天精密机械研究所