CN101187649B - 异种材料扩散焊界面缺陷的自动识别方法 - Google Patents

Abstract

异种材料扩散焊界面缺陷的自动识别方法，它涉及一种焊接界面缺陷的识别方法。本发明的目的是为解决目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测，无可靠的无损检测方法的问题。本发明从异种材料扩散焊界面采集超声波信号，从中提取三个特征值。从焊接良好、未焊合缺陷、弱接合缺陷、微小间隙缺陷区域分别随机抽取信号组成训练样本和测试样本，选用径向基核函数，采用网格搜索法确定惩罚参数和核参数，运用最小二乘支持向量机技术构建缺陷识别模型，实现了扩散焊界面缺陷的自动识别。本发明构建的缺陷识别模型经测试识别正确率可达93.5％，解决了超声波检测中仅从反射回波的幅度无法判断界面是否存在缺陷的难题。

Description

异种材料扩散焊界面缺陷的自动识别方法

技术领域

本发明涉及一种焊接界面缺陷的识别方法。

背景技术

扩散焊是一种新型的固相连接方法，与其它焊接方法相比较，焊合零部件变形小，可一次焊接多个接头且可焊接大断面接头，此外扩散焊可焊接其它焊接方法难于焊接的材料及相互不溶解或在熔焊时会产生脆性金属间化合物的异种材料，因此扩散焊在航空、航天、军事及民用领域的应用越来越广泛。由于焊接工艺偏差等原因，扩散焊界面常会产生未焊合、弱接合、微小间隙等缺陷，严重影响了接头的性能，特别是接头的冲击韧度和抗疲劳性能将明显下降。因此扩散焊界面质量的无损检测，对于保证焊接工件的正常运行和延长其使用寿命是非常必要的。扩散焊界面缺陷的尺寸非常小，多在微米级，有时还存在弱接合缺陷，射线探伤对于检测这样微小缺陷的难度相当大。而常规超声波检测技术对于贴合性缺陷也是无能为力的，这是因为缺陷贴合得非常紧密，入射声波大部分会通过界面继续向前传播，产生的反射回波十分微弱。而对于异种材料扩散焊质量的检测，由于界面两侧材料声阻抗有差异，焊接良好的界面也会产生超声反射回波，缺陷反射回波与界面反射回波混叠在一起，从反射回波的幅度很难判断界面是否存在缺陷，进一步增加了检测的难度。目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测，还没有合适的无损检测方法，特别是缺少自动检测与识别的方法，已很难适应现代工业生产的需要。因此解决扩散焊界面质量的检测问题，实现缺陷的自动识别对推动和发展扩散焊技术的应用具有十分重要的实际意义。

发明内容

本发明的目的是为解决目前对扩散焊界面质量的检测主要依赖于机械性能检测和破坏性检测，还没有合适的无损检测方法，特别是缺少自动检测与识别的方法，已很难适应现代工业生产的需要的问题，提供一种异种材料扩散焊界面缺陷的自动识别方法。本发明异种材料扩散焊界面缺陷的自动识别方法是按以下步骤实现的：一、扩散焊界面超声波信号的采集：异种材料扩散焊界面超声波信号的采集采用水浸聚焦法，采用的设备为超声波C扫描成像检测系统，探头为中心频率10MHz的宽带探头，调整探头和扩散焊试样之间的距离，使声束焦点会聚于扩散焊试样界面位置，步进式扫描，每隔0.2mm的距离采集一个信号，采样频率为100MHz；二、特征值的提取：从扩散焊界面超声波信号中提取三个特征值，分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位；三、特征值归一化的处理：对三个特征值的取值范围进行归一化处理，将特征值超声波信号的幅度的取值范围归一到[0，1]，特征值幅频特性曲线拟合斜率的取值范围归一到[-1，1]，特征值相频特性曲线的相位的取值范围归一到[-1，1]；四、样本的选择：从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号，共200个信号组成训练样本用于训练缺陷识别模型，再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号，共800个信号组成测试样本，用于测试缺陷识别模型的识别正确率；五、核函数的选择：选用径向基核函数作为缺陷识别模型的核函数；六、网格搜索法确定惩罚参数和核参数：惩罚参数和核参数采用网格搜索法确定，采用五折交叉验证法评估缺陷识别模型的性能；网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值，取M＝N＝11，对M×N个(C，γ)的组合，分别训练不同的模型，再估计其识别误差，从而在M×N个(C，γ)的组合得到识别误差最小的一个组合为最优参数；五折交叉验证法是将训练样本划分成5个大小相等的子集，选择其中一个子集作为校验集，使用其它4个子集对模型进行训练，使用训练得到的模型在校验集上进行测试，记录识别误差，如此反复，直至每个子集都作过一次校验集，最后，取5次识别误差的平均值作为模型性能的评估；取M＝N＝11，具体步骤如下：第一步粗略的网格搜索，惩罚参数和核参数的搜索范围为[e^-10，e¹⁰]，搜索步长为e²，搜索模型的识别误差最小的惩罚参数和核参数的组合；第二步精细的网格搜索，在第一步搜索到的惩罚参数和核参数的组合值两边正负e^2.5的范围内，以e^0.5为步长进行搜索，最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数；七、模型的训练与测试：惩罚参数C和核参数γ确定之后，将训练样本输入模型中进行训练，然后输入测试样本测试模型的正确识别率；八、扩散焊试样界面缺陷识别：将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中，自动输出缺陷识别结果，实现缺陷识别。

本发明从异种材料扩散焊界面采集超声波信号，从中提取三个特征值，并对其进行归一化处理。从异种材料扩散焊界面焊接良好区域、未焊合缺陷区域、弱接合缺陷区域、微小间隙缺陷区域分别随机抽取信号组成训练样本和测试样本，选用径向基核函数作为核函数，采用网格搜索法确定惩罚参数和核参数，运用最小二乘支持向量机技术构建缺陷识别模型。将异种材料扩散焊试样界面信号输入模型实现界面缺陷的自动识别，利用识别结果重构扩散焊界面焊接状态图像，并可自动计算界面焊合率。本发明提出的异种材料扩散焊界面缺陷的自动识别方法，通过构建缺陷识别模型实现扩散焊界面缺陷的自动识别，经测试样本测试识别正确率可达93.5％，解决了超声波检测中仅从反射回波的幅度无法判断界面是否存在缺陷的难题。采用该方法可识别出异种材料扩散焊界面上的未焊合缺陷、弱接合缺陷、微小间隙缺陷，由识别结果重构的扩散焊界面图像可以直观地显示扩散焊界面的接合状态，区分扩散焊界面焊接良好区域和缺陷区域，由识别结果计算的焊合率与试样的抗剪强度近似成线性关系。本发明提供的缺陷自动识别方法可以推广到同种材料扩散焊界面缺陷的自动识别中，也可以推广到摩擦焊、点焊、粘接等其它同种或异种材料的固相连接接头的缺陷识别中。

具体实施方式

具体实施方式一：本实施方式的方法是按以下步骤实现的：一、扩散焊界面超声波信号的采集：异种材料扩散焊界面超声波信号的采集采用水浸聚焦法，采用的设备为超声波C扫描成像检测系统，探头为中心频率10MHz的宽带探头，调整探头和扩散焊试样之间的距离，使声束焦点会聚于扩散焊试样界面位置，步进式扫描，每隔0.2mm的距离采集一个信号，采样频率为100MHz；二、特征值的提取：从扩散焊界面超声波信号中提取三个特征值，分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位；三、特征值归一化的处理：对三个特征值的取值范围进行归一化处理，将特征值超声波信号的幅度的取值范围归一到[0，1]，特征值幅频特性曲线拟合斜率的取值范围归一到[-1，1]，特征值相频特性曲线的相位的取值范围归一到[-1，1]；四、样本的选择：从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号，共200个信号组成训练样本用于训练缺陷识别模型，再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号，共800个信号组成测试样本，用于测试缺陷识别模型的识别正确率；五、核函数的选择：选用径向基核函数作为缺陷识别模型的核函数；六、网格搜索法确定惩罚参数和核参数：惩罚参数和核参数采用网格搜索法确定，采用五折交叉验证法评估缺陷识别模型的性能；网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值，取M＝N＝11，对M×N个(C，γ)的组合，分别训练不同的模型，再估计其识别误差，从而在M×N个(C，γ)的组合得到识别误差最小的一个组合为最优参数；五折交叉验证法是将训练样本划分成5个大小相等的子集，选择其中一个子集作为校验集，使用其它4个子集对模型进行训练，使用训练得到的模型在校验集上进行测试，记录识别误差，如此反复，直至每个子集都作过一次校验集，最后，取5次识别误差的平均值作为模型性能的评估；取M＝N＝11，具体步骤如下：第一步粗略的网格搜索，惩罚参数和核参数的搜索范围为[e^-10，e¹⁰]，搜索步长为e²，搜索模型的识别误差最小的惩罚参数和核参数的组合；第二步精细的网格搜索，在第一步搜索到的惩罚参数和核参数的组合值两边正负e^2.5的范围内，以e^0.5为步长进行搜索，最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数；七、模型的训练与测试：惩罚参数C和核参数γ确定之后，将训练样本输入模型中进行训练，然后输入测试样本测试模型的正确识别率；八、扩散焊试样界面缺陷识别：将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中，自动输出缺陷识别结果，实现缺陷识别。

具体实施方式二：本实施方式在实现缺陷识别的基础上，重构界面图像：根据输出的识别结果，将焊接良好的区域显示为黑色，缺陷区域显示为白色，重构界面焊合状态的图像。

具体实施方式三：本实施方式在重构界面焊合状态的图像后，计算界面焊合率：焊合率等于界面焊合区域的面积除以界面的总面积。

Claims (3)

1.一种异种材料扩散焊界面缺陷的自动识别方法，其特征在于异种材料扩散焊界面缺陷的自动识别方法是按以下步骤实现的：一、扩散焊界面超声波信号的采集：异种材料扩散焊界面超声波信号的采集采用水浸聚焦法，采用的设备为超声波C扫描成像检测系统，探头为中心频率10MHz的宽带探头，调整探头和扩散焊试样之间的距离，使声束焦点会聚于扩散焊试样界面位置，步进式扫描，每隔0.2mm的距离采集一个信号，采样频率为100MHz；二、特征值的提取：从扩散焊界面超声波信号中提取三个特征值，分别为信号的幅度、幅频特性曲线拟合斜率及相频特性曲线的相位；三、特征值归一化的处理：对三个特征值的取值范围进行归一化处理，将特征值超声波信号的幅度的取值范围归一到[0，1]，特征值幅频特性曲线拟合斜率的取值范围归一到[-1，1]，特征值相频特性曲线的相位的取值范围归一到[-1，1]；四、样本的选择：从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取50个信号，共200个信号组成训练样本用于训练缺陷识别模型，再从焊接良好区域、未焊合缺陷区域、弱接合缺陷区域和微小间隙缺陷区域分别随机抽取200个信号，共800个信号组成测试样本，用于测试缺陷识别模型的识别正确率；五、核函数的选择：选用径向基核函数作为缺陷识别模型的核函数；六、网格搜索法确定惩罚参数和核参数：惩罚参数和核参数采用网格搜索法确定，采用五折交叉验证法评估缺陷识别模型的性能；网格搜索法是将惩罚参数C和核参数γ分别取M个值和N个值，取M＝N＝11，对M×N个(C，γ)的组合，分别训练不同的模型，再估计其识别误差，从而在M×N个(C，γ)的组合得到识别误差最小的一个组合为最优参数；五折交叉验证法是将训练样本划分成5个大小相等的子集，选择其中一个子集作为校验集，使用其它4个子集对模型进行训练，使用训练得到的模型在校验集上进行测试，记录识别误差，如此反复，直至每个子集都作过一次校验集，最后，取5次识别误差的平均值作为模型性能的评估；取M＝N＝11，具体步骤如下：第一步粗略的网格搜索，惩罚参数和核参数的搜索范围为[e^-10，e¹⁰]，搜索步长为e²，搜索模型的识别误差最小的惩罚参数和核参数的组合；第二步精细的网格搜索，在第一步搜索到的惩罚参数和核参数的组合值两边正负e^2.5的范围内，以e^0.5为步长进行搜索，最终搜索到模型的识别误差最小的惩罚参数和核参数即为模型的参数；七、模型的训练与测试：惩罚参数C和核参数γ确定之后，将训练样本输入模型中进行训练，然后输入测试样本测试模型的正确识别率；八、扩散焊试样界面缺陷识别：将异种材料扩散焊试样界面信号输入异种材料扩散焊界面缺陷的识别模型中，自动输出缺陷识别结果，实现缺陷识别。

2.根据权利要求1所述的异种材料扩散焊界面缺陷的自动识别方法，其特征在于在实现缺陷识别的基础上，重构界面图像：根据输出的识别结果，将焊接良好的区域显示为黑色，缺陷区域显示为白色，重构界面焊合状态的图像。

3.根据权利要求2所述的异种材料扩散焊界面缺陷的自动识别方法，其特征在于在重构界面焊合状态的图像后，计算界面焊合率：焊合率等于界面焊合区域的面积除以界面的总面积。