专利名称：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X。
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 散悍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10 MHZ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lOOMHz; 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
，特征值幅频特性曲线拟合斜率的取值范围归一到[-1， l]，特征 值相频特性曲线的相位的取值范围归一到[-1， l];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y分别取M个值和N个值，对MXN个(C，力的组 合，分别训练不同的模型，再估计其识别误差，从而在MXN个(C， y)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原训练样 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-1Q， e1Q]，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^的范围内，以 eQ'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Y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，由识别结果计算的焯合率与试样的 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 材料扩散悍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。
具体实施例方式
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 lOOMHz; 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[o， l]，特征值幅频特性曲线拟合斜率的
取值范围归一到[-l， 1],特征值相频特性曲线的相位的取值范围归一到[-l，
l];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y分别取m个值和n个
值，对mxn个(c，力的组合，分别训练不同的模型，再估计其识别误差，
从而在mxn个(c，力的组合得到识别误差最小的一个组合为最优参数；五
折交叉验证法是将原训练样本划分成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-n41，
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，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e25的范围内，以ea5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y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。
权利要求
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
，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，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原训练样本划分成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e2.5的范围内，以e0.5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l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。
全文摘要
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。
文档编号G01N29/04GK101187649SQ20071014480
公开日2008年5月28日 申请日期2007年12月12日 优先权日2007年12月12日
发明者刘晓楠, 铁 刚, 徐振亚, 栾亦琳, 媛 袁 申请人:哈尔滨工业大学