碳纤维复合材料缺陷的小波包分析

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (13): 1-4.

碳纤维复合材料缺陷的小波包分析

孙芳1，曾周末1，靳世久1，詹湘琳2

1.天津大学精密测试技术与仪器国家重点实验室，天津 300072
2.中国民航大学航空自动化学院，天津 300300

出版日期:2012-05-01 发布日期:2012-05-09

Analysis of carbon fiber composite defects based on wavelet packet transform

SUN Fang1, ZENG Zhoumo1, JIN Shijiu1, ZHAN Xianglin2

1.State Key Laboratory of Precision Measurement Technology and Instrument, Tianjin University, Tianjin 300072, China
2.College of Aeronautical Automation, Civil Aviation University of China, Tianjin 300300, China

Online:2012-05-01 Published:2012-05-09

摘要/Abstract

摘要： 利用超声相控阵检测系统对含有裂纹、夹杂、分层三种缺陷的碳纤维复合材料实验板进行检测。对采集到的缺陷信号，在计算机中利用小波包变换进行分析。提出基于距离可分性测度的小波基评估准则，以确定最优小波基。对三种缺陷信号用sym8小波进行小波包的分解和重构，用“频率-能量”的方法提取各类缺陷信号的能量特征；结果表明，该方法对碳纤维复合材料的缺陷类型的区分具有较好的效果，从而为缺陷自动识别奠定了基础。

关键词: 小波包, 超声相控阵, 碳纤维复合材料, 可分性测度

Abstract: Ultrasonic phased array inspection system is used to test carbon fiber composite experiment panels which contain three kinds of defects such as crack, inclusion and delamination. The collected signals of defects are analyzed by wavelet packet transform. The measure of separability based on distance is proposed as the criterion of evaluation of the wavelet bases to determine the optimum wavelet base. Then the signals of three types of defects are decomposed and reconstructed by wavelet packet transform using sym8 wavelet. And the energy features of all types of defects are extracted by the “frequency-energy” method. The results indicate that this method has a good effect on identifying the categories of carbon fiber composite defects, which provides a basis for automatic identification of defects.

Key words: wavelet packet, ultrasonic phased array, carbon fiber composite, measure of separability

孙芳1，曾周末1，靳世久1，詹湘琳2. 碳纤维复合材料缺陷的小波包分析[J]. 计算机工程与应用, 2012, 48(13): 1-4.

SUN Fang1, ZENG Zhoumo1, JIN Shijiu1, ZHAN Xianglin2. Analysis of carbon fiber composite defects based on wavelet packet transform[J]. Computer Engineering and Applications, 2012, 48(13): 1-4.

[1]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[2]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[3]	陈景霞，郑茹，贾小云，张鹏伟. 共空间模式结合小波包分解的脑电情感分类[J]. 计算机工程与应用, 2019, 55(1): 149-153.
[4]	孙贤明，樊晓光，禚真福，丛伟，陈少华. 综合时频域及核判别分析的两级特征提取新方法[J]. 计算机工程与应用, 2018, 54(3): 115-119.
[5]	刘文培1，李凤莲1，张雪英1，田玉楚1，2. 面向人脸识别的WPD-HOG金字塔特征提取方法[J]. 计算机工程与应用, 2018, 54(22): 150-155.
[6]	谢建群，刘怡俊，李生. 改进鲸鱼算法在云计算资源负载预测中的应用[J]. 计算机工程与应用, 2018, 54(13): 73-77.
[7]	马也，常天庆，郭理彬. 运动想象脑电信号特征提取与分类算法研究[J]. 计算机工程与应用, 2017, 53(16): 149-154.
[8]	郭红想，严军，王典洪，余蓓蓓. 基于小波包和组合分类器的脑电信号分类[J]. 计算机工程与应用, 2016, 52(18): 148-153.
[9]	王红旗，李林伟，毛啊敏. 基于小波包的表面肌电信号特征表示与识别[J]. 计算机工程与应用, 2015, 51(9): 217-220.
[10]	钟孟春，张春林，李华，王宝琦. 改进的小波包能量分段阈值降噪方法[J]. 计算机工程与应用, 2015, 51(5): 204-207.
[11]	赵强，穆克. 基于组合特征和BTSVM的电能质量扰动识别[J]. 计算机工程与应用, 2015, 51(10): 232-236.
[12]	王斌，陈小强，吴琼. 基于改进阈值和小波包的轴承故障诊断方法[J]. 计算机工程与应用, 2015, 51(10): 247-251.
[13]	郭志强，陈元春，刘岚. 基于小波包融合与矩阵主成分分析的人脸识别[J]. 计算机工程与应用, 2014, 50(8): 158-160.
[14]	朱丹1，2，范玉刚1，2，邹金慧1，2，吴建德1，2，黄国勇1，2. 小波包能量谱-稀疏核主元在故障检测中的应用[J]. 计算机工程与应用, 2014, 50(21): 224-229.
[15]	石敏1，2，徐袭2. 小波包熵在水下目标识别中的应用研究[J]. 计算机工程与应用, 2014, 50(1): 215-217.