針對(duì)現(xiàn)有不銹鋼無(wú)縫管在線檢測(cè)系統(tǒng)只能定性檢測(cè)缺陷，不能識(shí)別缺陷具體類型所存在的問(wèn)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(shí)別理論的不銹鋼無(wú)縫管缺陷類型識(shí)別新方法。通過(guò)對(duì)起聲缺陷回波信號(hào)進(jìn)行小波消噪，采用復(fù)小波變換提取缺陷回波信號(hào)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(shí)別該特征向量的類別，從而實(shí)現(xiàn)缺陷的自動(dòng)識(shí)別．實(shí)驗(yàn)結(jié)果表明，該方法具有識(shí)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(cè)系統(tǒng)中。

   不銹鋼無(wú)縫管在生產(chǎn)過(guò)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(guò)程中，強(qiáng)度大大降低并過(guò)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(shí)監(jiān)測(cè)生產(chǎn)過(guò)程中出現(xiàn)的缺陷并且辨識(shí)出缺陷的類型，對(duì)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(duì)于批量不銹鋼無(wú)縫管生產(chǎn)線而言，依靠人工干預(yù)辨識(shí)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(dòng)檢測(cè)缺陷類型的識(shí)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(hào)處理和模式識(shí)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(shí)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(duì)于電站鍋爐、核反應(yīng)堆容器、航空發(fā)動(dòng)機(jī)轉(zhuǎn)子、艦船渦輪增壓器等產(chǎn)品的檢測(cè)）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(shí)別不銹鋼無(wú)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(wú)損檢測(cè)技術(shù)所能獲取的信息只能是回波信號(hào)，而該回波信號(hào)往往包含豐富的信息。因此，根據(jù)缺陷回波信號(hào)，可以進(jìn)行特征的提?。畯?fù)小波變換由于具有時(shí)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(hào)的特征提取，以實(shí)現(xiàn)特征的自動(dòng)識(shí)別，最終實(shí)現(xiàn)不銹鋼無(wú)縫管缺陷的自動(dòng)識(shí)別。