文献类型：期刊文章

作　　者：吴福培[1] 魏亚辉[1] 李庆华[1] 郭家华[1] 张定成[2] 郑燕峰[2]

WU Fupei;WEI Yahui;LI Qinghua;GUO Jiahua;ZHANG Dingcheng;ZHENG Yanfeng(Key Laboratory of Intelligent Manufacturing Technology,Ministry of Education,Shantou University,Shantou 515063,China;Guangdong Goworld Co.,Ltd.,Shantou 515041,China)

机构地区：[1]汕头大学智能制造技术教育部重点实验室,广东汕头515063 [2]广东汕头超声电子股份有限公司超声仪器分公司,广东汕头515041

出　　处：《计算机集成制造系统》

基　　金：广东省科技计划资助项目(190805145540361);广东省普通高校重点领域专项资助项目(2020ZDZX2005);广东省自然科学基金资助项目(2018A0303130188)。

年　　份：2021

卷　　号：27

期　　号：3

起止页码：747-756

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对高速轨道伤损检测问题,提出一种基于0°、37°、70°超声探头探伤的检测方法。该方法基于B型图像显示分析了各伤损的颜色、面积、倾斜角度、长度、质心坐标等特征,并根据其伤损特征的内在逻辑关系设计了检测算法。此外,由于超声成像过程受多种不确定因素的影响,同类伤损的图像特征常出现较大差异而影响检测准确率,为了提高算法检测的准确率,提出一种参数学习方法,该方法可实时调整检测参数的阈值。首先,基于建立的检测算法模型提取伤损判定过程的检测参数;其次,结合伤损的关键检测参数,以相同特征约束下的同区域轮廓其类别特征间隔最大化为准则,基于支持向量机建立了一种检测和学习相结合的学习模型,并基于该模型对参数阈值进行优化调整。实验结果分析表明,采用所提方法,其轨道伤损检测准确率可达97.5%;并对初检中检测率较低的伤损进行学习再检测,其准确率得到了明显提高,从而验证了所提方法的有效性。

关 键 词：超声成像 高速轨道  伤损检测  参数学习  决策模型  

分 类 号：TP391.4] U213.43[计算机类]