一种基于机器学习的相控阵超声参数调节方法及系统与流程

本发明涉及参数调节，具体涉及一种基于机器学习的相控阵超声参数调节方法及系统。

背景技术：

1、在对焊缝进行无损检测时，利用相控阵超声设备对工件进行扫描检测后，根据实时采集的回波信号提取信噪比和缺陷定位一致性等质量评价指标，进而调节相控阵超声设备的发射角度、中心频率和接收增益。

2、然而，在对厚壁焊缝进行扫描检测时，相控阵超声设备的探头需要经过粗晶热影响区；粗晶材料会引起强烈的背景噪声，导致信噪比出现随机波动，同时粗晶对声束的散射也会使缺陷回波和结构回波的幅值发生非系统性起伏。现有的参数调节方法难以对相控阵超声参数进行精确调节，接收到的质量评价分数不再干净地反映单一参数的调节效果，而是发射角度、频率、增益共同作用以及材料噪声扰动的混合结果，当质量评价分数变差时，无法准确判断是角度偏离、频率失谐还是增益不足，导致其内部的梯度估计出现方向模糊；使得对焊缝的微小缺陷难以进行准确检测，检测的准确率低的情况。

技术实现思路

1、本发明的目的在于提供一种基于机器学习的相控阵超声参数调节方法及系统，用于解决现有的参数调节方法难以对相控阵超声参数进行精确调节，导致难以对焊缝的微小缺陷进行准确检测，检测的准确率低的问题。

2、为达到上述目的，本发明采用如下技术方案：一种基于机器学习的相控阵超声参数调节方法，包括：

3、获取焊缝在一段时间内每个检测周期的超声回波信号和机器学习处理平台中的相控阵超声参数；

4、基于每个所述超声回波信号，确定反映回波质量的每个回波特征信息；所述回波特征信息包括缺陷特征信息、背景散射强度信息、回波形态的平稳特征信息和参数变化特征信息；

5、基于所述每个回波特征信息，确定回波质量变化的变化状态；其中，所述变化状态包括瞬时波动状态和持续偏离波动状态；

6、基于所述回波质量变化的变化状态，确定参数调整方案；

7、利用所述参数调整方案，对所述相控阵超声参数进行调整，得到调整后的相控阵超声参数，以完成对相控阵超声参数进行调节。

8、进一步地，基于每个所述超声回波信号，确定反映回波质量的每个回波特征信息的步骤包括：

9、对每个所述超声回波信号进行滤波处理，得到滤波后的超声回波信号；

10、对所述滤波后的超声回波信号进行信号校正处理，得到校正后的超声回波信号；

11、基于所述校正后的超声回波信号，确定反映回波质量的每个回波特征信息。

12、进一步地，基于所述校正后的超声回波信号，确定反映回波质量的每个回波特征信息的步骤包括:

13、对所述校正后的超声回波信号进行信号特征提取处理，得到反映回波信号的混合特征和混合特征的类型数量；

14、基于所述反映回波信号的混合特征和混合特征的类型数量，得到反映回波质量的每个回波特征信息。

15、进一步地，基于所述反映回波信号的混合特征和混合特征的类型数量，得到反映回波质量的每个回波特征信息的步骤包括：

16、基于所述混合特征的类型数量，确定特征分类模型；

17、利用所述特征分类模型，对反映回波信号的混合特征进行特征分类处理，得到反映回波质量的每个回波特征信息。

18、进一步地，基于所述每个回波特征信息，确定回波质量变化的变化状态的步骤包括：

19、利用所述每个回波特征信息，对回波质量进行评估处理，得到回波质量的特征评估值；

20、将所述回波质量的特征评估值与评估阈值进行对比，得到评估比值；

21、基于所述评估比值，确定回波质量变化的变化状态。

22、进一步地，基于所述评估比值，确定回波质量变化的变化状态的步骤包括：

23、基于所述超声回波信号，确定超声回波信号的频谱分布特征；

24、基于所述频谱分布特征和历史分布特征，确定当前周期的回波质量变化的影响权重；

25、基于所述当前周期的回波质量变化的影响权重和所述评估比值，确定回波质量变化的变化状态。

26、进一步地，基于所述当前周期的回波质量变化的影响权重和所述评估比值，确定回波质量变化的变化状态的步骤包括：

27、利用所述当前周期的回波质量变化的影响权重，对所述评估比值进行调整处理，得到调整后的评估比值；

28、将所述调整后的评估比值与预设的变化状态模型进行匹配处理，得到回波质量变化的变化状态。

29、进一步地，基于所述回波质量变化的变化状态，确定参数调整方案的步骤包括：

30、基于所述回波质量变化的变化状态，确定在一段时间内超声回波信号的回波质量变化的变化率；

31、将所述回波质量变化的变化率与预设的调整方案库进行匹配处理，得到参数调整方案。

32、进一步地，将所述回波质量变化的变化率与预设的调整方案库进行匹配处理，得到参数调整方案的步骤包括：

33、将所述回波质量变化的变化率与预设的调整方案库进行匹配处理，得到所有候选匹配方案；

34、对所述所有候选匹配方案进行筛选处理，得到参数调整方案。

35、本发明还提供一种基于机器学习的相控阵超声参数调节系统，该系统包括：

36、信号获取模块，用于获取焊缝在一段时间内每个检测周期的超声回波信号和机器学习处理平台中的相控阵超声参数；

37、特征确定模块，用于基于每个所述超声回波信号，确定反映回波质量的每个回波特征信息；所述回波特征信息包括缺陷特征信息、背景散射强度信息、回波形态的平稳特征信息和参数变化特征信息；

38、状态确定模块，用于基于所述每个回波特征信息，确定回波质量变化的变化状态；其中，所述变化状态包括瞬时波动状态和持续偏离波动状态；

39、方案确定模块，用于基于所述回波质量变化的变化状态，确定参数调整方案；

40、方案调整模块，用于利用所述参数调整方案，对所述相控阵超声参数进行调整，得到调整后的相控阵超声参数，以完成对相控阵超声参数进行调节。

41、与现有技术相比，本发明的基于机器学习的相控阵超声参数调节方法及系统具有以下优点：

42、本发明通过获取焊缝在一段时间内每个检测周期的超声回波信号和机器学习处理平台中的相控阵超声参数，并基于每个超声回波信号确定反映回波质量的每个回波特征信息；基于每个回波特征信息确定回波质量变化的变化状态；随后，基于回波质量变化的变化状态确定参数调整方案，并利用该参数调整方案对相控阵超声参数进行调整，得到调整后的相控阵超声参数，以完成对相控阵超声参数的调节。通过引入多维度的回波特征信息，包括缺陷特征信息、背景散射强度信息、回波形态的平稳特征信息和参数变化特征信息，能够更全面且细致地刻画回波质量，并区分瞬时波动状态和持续偏离波动状态，从而实现对参数独立贡献的解耦归因。进而能够准确判断参数调整方向，有效抑制参数在最优区间外的周期性交替回摆，显著提高微小缺陷的检测准确性，提高了焊缝检测的准确率。