基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测

摘要：

在磁瓦内部缺陷声振检测中,具备可预设尺度和自适应能力的变分模态分解(Variational Mode Decomposition,VMD)在处理相关声振信号时具有明显优势.然而VMD的参数选择范围广且对分解效果影响大,为解决参数的统一预设问题,提出一种基于天牛须搜索(Beetle Antennae Search,BAS)的VMD参数优化方法,并应用于磁瓦内部缺陷检测.该方法首先根据声振信号特点建立基于模态能量和模态中心频率变化规律的目标函数;再利用BAS在参数空间中搜寻目标函数最大值,所需的VMD统一预设参数即为该最大值所对应的参数组合;最后,在该优化参数下对逐个信号进行VMD处理并提取模态中心频率特征,进而由支持向量机完成特征识别.试验结果表明,所提出的方法能有效优化VMD参数并实现磁瓦内部缺陷的快速精准检测.

关键词：变分模态分解(VMD)、天牛须搜索(BAS)、磁瓦、内部缺陷、声振信号

所属期刊栏目：39

分类号：TG115.28(金属学与热处理)

资助基金：国家自然科学基金项目;四川省教育厅科研项目;人工智能四川省重点实验室开放基金项目;四川理工学院人才引进项目

在线出版日期：2020-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：124-133