基于小波包-KPCA特征提取的三种人工焊缝缺陷检测方法

李娟 郄晓敏 陈凌霄 韩也 曹显林 袁慧英

1华北油田公司储气库管理处

2中国石油华北油田公司第一采油厂

3中国石油华北油田公司二连分公司

随着现代工业的发展，焊接技术在石油石化行业应用越来越广泛，在焊接的过程中，由于周围环境和人为因素的影响，焊接产品会不可避免地出现缺陷。常见的缺陷类型有根部未焊透、气孔、夹杂、裂纹等，这些缺陷如不及时检测出来，将会对压力管道及压力容器的运行造成一定的隐患[1-2]，特别是部分管道位于高后果区，存在抢修困难、停输要求高等问题，一旦出现焊缝撕裂现象，将难以进行维护抢修作业，导致事态难以控制[3]。

在常用的无损检测技术中，超声波检测具有检测速度快、检测距离长、适用性强、灵敏度高等特点，其由探头阵列发出超声波脉冲，通过回波信号获取焊缝内外表面的缺陷信息，可以实现缺陷的定位和深度测量。但超声波信号在传播的过程中，会在缺陷处出现反射、折射、散射等现象，导致回波信号不一致。目前对于缺陷分类主要依靠技术人员的专业知识和无损检测经验，局限性较大。随着大数据处理和机器学习的发展，越来越多的学者开始对后期的缺陷回波信号的时域和频域信号进行特征化处理，从而减少人工误判的可能。施成龙等[4]采用傅里叶和深度神经网络的方法对不锈钢焊板上的人工缺陷进行了缺陷识别，缺陷分类的正确率比普通神经网络提高了21.66%；……