论文部分内容阅读
超声缺陷信号是一种非线性、不平稳信号，且由于材料结构的复杂性，超声回波信号往往存在很多干扰噪声。目前在超声缺陷信号的自动提取和识别方面一直未有较大突破。针对常用时频域分析方法的不足，引入了一种对超声缺陷信号自适应的时频域分析方法——EMD（经验模态分解法）。通过对检测到的超声缺陷信号进行EMD分解，得到一系列的本征模函数（imf），突出了信号的局部细节特征。提取出的时频域故障特征，作为BP神经网络输入，分类效果明显，为超声缺陷故障模式识别分类提供了比较准确的依据。