[发明专利]一种基于边际谱质心检测的缺陷深度识别方法、系统

说明书

本发明涉及无损检测领域，特别是涉及一种基于边际谱质心检测的缺陷深度识别方法、系统。该缺陷深度识别方法包括如下步骤：S1：获取若干具有加工缺陷的试验件，以每个试验件和具有对照关系的参考件为一个样本组。S2：获取样本组中样本的脉冲涡流检测信号的差分信号；对差分信号进行变分模态分解得到多个固有模态函数。S3：对多个固有模态函数做希尔伯特变换，将希尔伯特谱的相应频率成分在整个时间域内进行叠加，得到脉冲涡流检测信号的边际谱图。S4：提取边际谱图的边际谱质心，构建一个缺陷深度识别模型。S5：用历史缺陷深度识别模型识别待检测件的缺陷深度。本发明解决了现有的缺陷深度检测方法单一，小宽度缺陷的深度检测结果精度低的问题。

技术领域

本发明涉及无损检测领域，特别是涉及一种基于边际谱质心检测的缺陷深度识别方法、系统。

背景技术

涡流检测是目前应用较为广泛的一种无损检测技术。其主要原理是通电激励线圈靠近被测金属试件时，在金属试件内部会产生一个瞬态电磁场。当金属试件存在缺陷时，感应电磁场在试件内部扩散的时间和衰减的程度会因缺陷的尺寸与位置的不同而改变，从而引起检测线圈信号发生变化。利用这一原理可以测量金属试件上的缺陷。

常规的脉冲涡流检测所采用的激励为一个方波信号，这种激励方式相当于多个不同频率的谐波叠加。理论上说，不同频率的谐波成分能够检测不同的深度，因此能够获取更加丰富的内部缺陷信息。但是对于常规的脉冲涡流检测方法来说，其检测信号是一种冲击响应信号；这个信号中包含了被测对象的磁导率、电导率、缺陷、探头的提离高度等信息。由于这些信息耦合在一维的检测信号中，想要获取其中的缺陷信息难度极大。

目前，脉冲涡流检测信号在不同的应用场合中会提取不同的信号特征；例如针对时域的信号峰值、峰值时间、过零时间，针对频域的频谱幅值等特征。这些特征都可应用于不同场合下缺陷的识别。除此之外，脉冲涡流检测信号中还拥有丰富的时域和频域信息，目前所采用的无损检测方法均未对信号的时频域特征做充分的挖掘；少数的理论研究也仅停留于定性分析层面。在定量分析方面，某些技术人员采用信号的时域峰值和峰值时间对缺陷进行定量评价，但此类特征的提取容易受到噪声的影响和降噪效果的限制，导致最终的缺陷分析结果的准确度和可靠性变差，尤其是在针对小宽度的缺陷进行识别时，现有方法的识别效果都相对较差，准确度太低。

发明内容

基于此，有必要针对现有的缺陷深度检测方法单一，以及小宽度缺陷的深度检测结果准确度较低的问题，提供一种基于边际谱质心检测的缺陷深度识别方法、系统。

在本发明中，技术人员根据涡流渗透深度公式发现，在涡流检测中，激励信号频率越低则由其产生的涡流渗透深度就越大。随着缺陷深度的增加，高频分量产生的涡流受到干扰的变化量逐渐减小，而低频分量产生的涡流受到干扰的变化仍然很大；所以差分信号边际谱中低频部分的能量占比越来越大，即其频率成分的能量中心向低频偏移。由此可知，缺陷深度与其频率成分的能量中心相关。基于这一原理，本发明考虑利用边际谱质心这一特征量来表征缺陷深度，并设计出一种基于VMD(变分模态分解)-Hilbert(希尔伯特变换)和边际谱质心检测的脉冲涡流检测缺陷深度的识别方法，用于对工件中的缺陷深度进行更精确的定量分析。

具体地，本发明提供了一种基于边际谱质心检测的缺陷深度识别方法，如图1所示，该缺陷深度识别方法包括如下步骤：

S1：获取若干具有加工缺陷的试验件，按照缺陷宽度对试验件进行分类；然后在每一类中选择若干试验件，并选择一个没有缺陷的同型试验件作为参考件进行对照；以每个试验件和具有对照关系的参考件为一个样本组。

S2：依次对每个样本组中的样本进行脉冲涡流检测，将得到的两个脉冲涡流检测信号做差分处理得到差分信号；然后采用变分模态分解(VMD)方法对差分信号进行分解，得到与各个差分信号关联的多个固有模态函数。