来源：期刊VIP网 时间：
作者：许志琦;冯思宇;陈弘凯;王伟;王永玲;刘宏;张彦杰;
单位：太原理工大学机械与运载工程学院;国网山西省电力公司电力科学研究院;晋中职业技术学院机电工程系;先进金属复合材料成形技术与装备教育部工程研究中心;
摘要：在增材制造过程中，受烧结温度波动、材料蒸发等因素的影响，成型件容易产生亚表面缺陷。为有效地测量复杂结构中亚表面缺陷的深度，提出一种利用小波包-奇异值分解方法和神经网络的亚表面缺陷深度检测方法。通过建立具有亚表面缺陷的激光超声仿真模型探究亚表面缺陷深度与表面波信号之间的规律，并通过激光超声实验验证其可行性；对比分析亚表面缺陷深度和宽度变化对表面波特征参数的影响，利用小波包-奇异值分解法提取表面波信号中的亚表面缺陷深度特征；为实现激光超声特征参数与亚表面缺陷深度之间的映射表征，引入神经网络模型并使用实验信号与模拟信号共同训练和测试以提高模型鲁棒性。结果表明，利用小波包奇异值分解提取的特征值训练的神经网络模型对训练集和测试集的回归预测精度分别达到99.58%和97.67%,可用于曲面结构中亚表面缺陷深度的定量检测。
关键词：激光超声;;曲面结构;;亚表面缺陷;;神经网络;;深度识别
基金资助：国家自然科学基金(52105557);; 中国博士后科学基金(2023M742443);; 山西省应用基础研究计划项目(20210302124051);; 山西省重点研发计划项目(202102110401016,202302010101006)
