大数据环境下超声波焊缝缺陷识别方法的研究

• 作者: 丁文雪 董本志
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 缺陷识别 主成分分析 CURE聚类算法 比对算法
• 年，卷（期）: 2016,（23）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 176-180
• 页数: 5页
• 分类号: TP391.4
• 字数: 3456字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1605-0433

摘要

为了解决常规超声波焊缝缺陷识别方法分类模型固定和训练集规模有限而难以体现不同缺陷的差异性和同类缺陷的多态性的问题，结合当今大数据环境下的数据分析策略和基因缺陷识别中匹配的思想，通过主成分分析和CURE聚类算法将缺陷回波信号编码转换成可进行匹配的对象，进而将当前检测缺陷特征与历史检测数据进行匹配，并利用最近邻方法实现了对缺陷历史检测数据集的扩充。通过在R上应用基于基本空位罚分的Smith-Waterman比对算法进行仿真实验验证了该缺陷识别方法是可行的，有效地识别了气孔、夹渣、裂纹、未焊透和未熔合五类常见缺陷，具有较好的识别准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董本志	东北林业大学信息与计算机工程学院	51	246	7.0	13.0
2	丁文雪	东北林业大学信息与计算机工程学院	1	5	1.0	1.0