[发明专利]一种提高金属与非金属粘接质量声激励检测精度的方法

摘要

本发明涉及无损检测领域中的粘接质量检测方法，具体为一种提高金属与非金属粘接质量声激励检测精度的方法，本方法具体包括以下步骤：（1）选取检测粘接构件；（2）利用声激励检测技术，对声阵列信号进行采集；（3）对单传感器粘接特征进行提取；（4）确定单传感器粘接特征的权重；（5）对单传感器粘接特征进行BP人工神经网络处理；（6）基于方差的数据融合算法实现多传感器拉脱力的融合。本发明将不同粘接特征做不同处理，主要粘接特征赋予的权重较高，而次要粘接特征的权重较低，体现了主要粘接特征和次要粘接特征对粘接质量检测的不同作用，减少拉脱力的预报误差，同时大大提高了粘接质量检测的精度。

主权项

1.一种提高金属与非金属粘接质量声激励检测精度的方法，其特征在于包括以下步骤：S1：选择至少四种粘接构件，其中每种粘接构件可以和剩余的粘接构件中的至少两种粘接构件的粘接面积和剪切强度的一个相同；S2：用阵列传感器采集上述粘接构件的声阵列信号；S3：分别提取阵列传感器中各个传感器的粘接特征：对各个传感器采集到的不同粘接构件的声阵列信号分别进行时域、频域和倒谱域分析，得到不同粘接构件的预选特征，比较粘接面积和剪切强度中有一个相同的不同粘接构件之间的预选特征，若预选特征的差值随着粘接面积和剪切强度中任意一个量的单增或単减的变化的趋势相同，将满足这一条件的预选特征作为粘接特征；S4：确定各个传感器中粘接特征的权值：由于声阵列信号采集和粘接特征提取中的不确定性，粘接特征服从可能性分布，对于n个粘接特征，其对应的可能性分布为π₁,π₂,…,π_n，计算两两之间的相似测度，从而得到n个粘接特征的相似测度矩阵：然后采用对数回归方法，来确定各粘接特征可能性分布的权重向量，使得对数误差平方和最小，即使得取得最小值，从而得到最优的w_i（i=1,2,…,n），w_i为第i个粘接特征的权重；S5：将各个传感器的粘接特征和与粘接特征的对应的权重输入到人工神经网络，人工神经网络输出由各个传感器得到的粘结结构承受承受拉脱力的大小；S6：将各个传感器得到拉脱力进行融合，得到最终的拉脱力。