收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

粗晶材料缺陷的超声信号及其小波包分析

史耀武  陈岳军  张秀英  陈建忠  常保华  唐伟  夏志东  李晓延  
【摘要】:采用计算机化超声信号分析系统,对奥氏体不锈钢粗晶材料缺陷的超声回波信号进行采集和加工.结果表明,小波包技术在粗晶材料缺陷超声信号时频特性的表征中具有明显优越性,并能克服裂谱处理技术的缺点.同时发现噪声主要分布在较高或较低频率的位置,而缺陷信号在中间频率段有较大的幅值分布.利用这一特征,可以根据超声信号小波包分解的结果检测到微弱的粗晶材料缺陷信号.

知网文化
【相似文献】
中国重要会议论文全文数据库 前5条
1 郑晖;刘德宇;王勇;;奥氏体粗晶材料超声回波信号的小波处理[A];北京机械工程学会2006年优秀论文集[C];2006年
2 曾岗;李明伟;韩杰才;赫晓东;;EB-PVD制备微晶Ni-11.5Cr-4.5Co-0.5Al合金薄板800℃氧化行为研究[A];第六届中国功能材料及其应用学术会议论文集(10)[C];2007年
3 张俊宝;刘玉亮;宋洪伟;吴杰;史弼;熊天英;;钢铁材料自身表面纳米化研究进展[A];2005中国钢铁年会论文集(第3卷)[C];2005年
4 潘晨;刘莉;李瑛;王福会;;磁控溅射304不锈钢纳米晶薄膜点蚀行为研究[A];中国腐蚀电化学及测试方法专业委员会2012学术年会论文集[C];2012年
5 党丽华;高志明;韩夏冰;毕慧超;;Q235钢的大气腐蚀电化学噪声小波包分析[A];中国腐蚀电化学及测试方法专业委员会2012学术年会论文集[C];2012年
中国博士学位论文全文数据库 前2条
1 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年
2 孙红春;抽油杆缺陷检测及模式识别的研究[D];东北大学;2008年
中国硕士学位论文全文数据库 前10条
1 谢秀娴;基于声发射和神经网络的刀具磨损状态识别研究[D];西南交通大学;2005年
2 高龙;基于小波分析和集成神经网络的刀具磨损监测技术研究[D];西南交通大学;2007年
3 梁金栋;基于小波分析的水泵初生汽蚀的超声特性研究[D];扬州大学;2005年
4 王伟波;奥氏体焊缝超声探伤用窄脉冲探头技术研究[D];机械科学研究总院;2008年
5 吕冬梅;支持向量机在刀具故障诊断中的应用[D];西华大学;2009年
6 刘清荣;基于铣削力信号的刀具磨损状态识别研究[D];大连交通大学;2007年
7 袁博;小波包分析在表面形貌测量系统中的应用[D];哈尔滨工业大学;2006年
8 王旭光;轧机异常振动的因素分析与特征提取[D];东北大学;2008年
9 盖卫勇;基于小波神经网络的高速铣削刀具磨损状态识别研究[D];河南理工大学;2010年
10 孙晓娜;小波理论在厚板奥氏体不锈钢焊缝超声波检测中的应用研究[D];中国石油大学;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978