針對現(xiàn)有不銹鋼無縫管在線檢測系統(tǒng)只能定性檢測缺陷，不能識別缺陷具體類型所存在的問題，浙江至德鋼業(yè)有限公司提出了一種基于復(fù)小波交換和粒子群算法模式識別理論的不銹鋼無縫管缺陷類型識別新方法。通過對起聲缺陷回波信號進(jìn)行小波消噪，采用復(fù)小波變換提取缺陷回波信號的包絡(luò)信息以形成缺陷的特征向量，并結(jié)合粒子群聚類分析算法識別該特征向量的類別，從而實(shí)現(xiàn)缺陷的自動識別．實(shí)驗(yàn)結(jié)果表明，該方法具有識別效宰和準(zhǔn)確宰高．泛化能力強(qiáng)以及易實(shí)現(xiàn)等特點(diǎn)，可應(yīng)用于在線檢測系統(tǒng)中。

   不銹鋼無縫管在生產(chǎn)過程中可能出現(xiàn)的缺陷種類較多，根據(jù)生產(chǎn)工藝的不同，缺陷的種類也表現(xiàn)出差異．正是由于這些潛在的缺陷存在，導(dǎo)致管道在使用過程中，強(qiáng)度大大降低并過早的失效，甚至造成難以預(yù)計(jì)的損失．因此，采取有效的措施，實(shí)時監(jiān)測生產(chǎn)過程中出現(xiàn)的缺陷并且辨識出缺陷的類型，對提高產(chǎn)品質(zhì)量、改進(jìn)工藝、合理利用資源等具有更加深遠(yuǎn)的意義。

  對于批量不銹鋼無縫管生產(chǎn)線而言，依靠人工干預(yù)辨識缺陷類型，顯然是不符合現(xiàn)代化大規(guī)模生產(chǎn)的要求的，為了實(shí)現(xiàn)在線自動檢測缺陷類型的識別，許多人工智能算法在制造信息化的今天顯示出強(qiáng)大的生命力，如遺傳算法、專家系統(tǒng)、經(jīng)驗(yàn)啟發(fā)式算法，信號處理和模式識別、自適應(yīng)學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等．人工神經(jīng)網(wǎng)絡(luò)曾被一度寄予厚望．但是，人工神經(jīng)網(wǎng)絡(luò)存在所需訓(xùn)練樣本數(shù)目大、容易陷入局部極小點(diǎn)、收斂速度慢、小樣本時泛化能力差等缺點(diǎn)，使其在難以獲得大量樣本的情況下（如對于電站鍋爐、核反應(yīng)堆容器、航空發(fā)動機(jī)轉(zhuǎn)子、艦船渦輪增壓器等產(chǎn)品的檢測）一籌莫展。粒子群算法作為一種智能優(yōu)化算法，具有全局尋優(yōu)的特點(diǎn)，種群之間具有自我學(xué)習(xí)提高和向他人學(xué)習(xí)的雙重優(yōu)點(diǎn)，因此可以在較少的迭代次數(shù)內(nèi)找到最優(yōu)解，粒子群算法的基本原理可參考第二章，利用粒子群算法進(jìn)行聚類分析從而識別不銹鋼無縫管缺陷的類型，必須首先提取缺陷的特征參數(shù)．而超聲無損檢測技術(shù)所能獲取的信息只能是回波信號，而該回波信號往往包含豐富的信息。因此，根據(jù)缺陷回波信號，可以進(jìn)行特征的提?。畯?fù)小波變換由于具有時頻局域化和帶通濾波的特性，便于包絡(luò)分析。至德鋼業(yè)將充分利用復(fù)小波變換的特點(diǎn)，進(jìn)行超聲缺陷回波信號的特征提取，以實(shí)現(xiàn)特征的自動識別，最終實(shí)現(xiàn)不銹鋼無縫管缺陷的自動識別。