常规的H13 模具钢心部缺陷检测方法主要通过结合机器视觉等算法,对扫描到的模具图像进行识别与检测,由于忽略了时域特征信息中的干扰项,导致缺陷检测精度较差.为此,基于超声波探伤技术的优势,以H13 模具为例,对其钢心部缺陷尝试多种方法检测.先使用经验模态分解软阈值方法对H13 模具的钢心部缺陷超声波进行去噪处理,并对超声波能量特征进行获取.然后结合时间窗函数,对时域特征信息进行提取,针对回波信息中的时域特征信息数据进行解析,从而获取高维时域特征,并采用瞬时关联函数,剔除掉高维特征数据中的分布干扰成分.最后,通过结合支持向量机,构建出最优分类超平面,将超声波时域特征信息作为支持向量机的输入数据,构建用于缺陷检测的最优分类超平面,将最优超平面所训练的目标设置为分类误差,构建出缺陷检测模型,实现H13 模具钢心部缺陷检测.通过测试结果表明,对H13 模具钢心部进行缺陷检测时,检测结果的查全率最高为 0.73%,检测精度较高,具有较好的应用效果.
万方数据
维普
