基于随机森林的铝铸件内部缺陷类型识别研究

摘要：

针对铝合金铸件内部4种固体夹杂缺陷(Al2O3、TiN、Fe、Mg)的类型识别问题,建立了含夹杂铝铸件的二维超声仿真模型,得到4种夹杂缺陷在材料内部的超声回波信号.对回波信号中的缺陷回波和底面回波分别进行EMD分解,得到各自的能量分布,并结合缺陷回波和底面回波的峰值特征,以此构造输入特征量,然后利用随机森林对铝合金铸件进行诊断.实验结果表明,该方法能够准确分类铝合金圆柱体铸件内的夹杂缺陷类型,其识别准确率高达90.5％.

关键词：类型识别、EMD、随机森林、夹杂缺陷

所属期刊栏目：37

分类号：TB551;TN911.7(声学工程)

在线出版日期：2019-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：64-68