不规则螺纹缺陷的检测分类方法与流程

技术特征：
1.不规则螺纹缺陷的检测分类方法，其特征在于，包括以下步骤：s1数据采集：分别使用针对螺纹牙底、牙脚、牙侧位置的三种涡流探头，沿螺纹槽对梯形螺纹做螺旋线运动进行扫描，采集得到相位信息的原始数据；s2数据预处理：使用多尺度主成分分析对采集到的原始数据去噪；s3特征提取：进行特征提取并且形成组合特征量；s4利用回归模型预测不同路径下缺陷位置、长度以及深度；s5缺陷危险等级分类。2.如权利要求1所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s1数据采集中，沿螺纹槽对梯形螺纹做螺旋线运动进行扫描，共5条路径，采集得到相位信息的原始数据x＝(x1，x2，x3，x4，x5)。3.如权利要求2所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s2数据预处理中，预处理后的信号为q＝(q1，q2，q3，q4，q5)。4.如权利要求3所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s3特征提取，包括：对牙底信号q1进行特征提取并且形成组合特征量：(1)对每条预处理后的信号进行小波包分解得到子波p
11
～p
1n
；(2)对每条预处理后的信号进行经验模态分解，选取能量最大的前m条内涵模态分量，分别命名为p
1(n 1)
～p
1(n m)
，其中m小于或等于单一信号经经验模态分解后的最小内涵模态分量个数；(3)提取步骤(1)和(2)分解得到的的每条信号p
11
～p
1(n m)
的统计分量：标准差、信号能量、偏态系数、峰度，形成组合特征量f1，f1是一个包含(n m)*4个元素的一维向量；通过上述方式分别对其他信号进行特征提取并且形成组合特征量，原始数据x＝(x1，x2，x3，x4，x5)，得到的组合特征量为f＝(f1，f2，f3，f4，f5)。5.如权利要求4所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s4中，回归模型为极限梯度提升树模型。6.如权利要求5所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s4中，利用回归模型预测不同路径下缺陷位置、长度以及深度，包括：将组合特征量f输入训练好的极限梯度提升树模型，获得缺陷在每条路径下的起始位置、长度及平均深度的预测结果，其中，缺陷起始位置为(s1，s2，s3，s4，s5)、长度为(l1，l2，l3，l4，l5)，平均深度为(d1，d2，d3，d4，d5)。7.如权利要求6所述的不规则螺纹缺陷的检测分类方法，其特征在于：所述步骤s5中，缺陷危险等级分类，包括：根据缺陷起始位置、长度以及深度预测量进一步判断出缺陷的位置、面积、形状以及深度，将5条路径展开为二维平面，扫描路径用虚线标示，回归模型在不同路径下预测的缺陷起止位置与长度，用实线表示，将实线末端相连，得到缺陷形状，并可计算得到缺陷面积，根据缺陷的位置、面积、形状、深度等信息，对缺陷的危险等级进行分级，并制定相应的处理方案。

技术总结
本发明公开了不规则螺纹缺陷的检测分类方法，包括以下步骤：S1数据采集：分别使用针对螺纹牙底、牙脚、牙侧位置的三种涡流探头，沿螺纹槽对梯形螺纹做螺旋线运动进行扫描，采集得到相位信息的原始数据；S2数据预处理：使用多尺度主成分分析对采集到的原始数据去噪；S3特征提取：进行特征提取并且形成组合特征量；S4利用回归模型预测不同路径下缺陷位置、长度以及深度；S5缺陷危险等级分类，本发明适用于螺纹检测技术领域，针对缺陷可能出现的不同位置(牙底、牙侧、牙脚)进行扫描，可以有效提供不规则螺纹缺陷的位置、形状、面积、深度等信息，并据此进行危险等级分级，对于螺纹后续的处理工作具有更高的指导价值。作具有更高的指导价值。作具有更高的指导价值。


技术研发人员：李继尧 浦航 黄波 赖东亮
受保护的技术使用者：北京奥菲特智控科技有限公司
技术研发日：2021.12.30
技术公布日：2022/4/8