基于机器学习的黏钢构件黏接层缺陷识别方法研究

对黏钢加固结构黏接层缺陷对超声检测信号的影响进行了深入研究，并提出了一种基于机器学习的黏接层缺陷识别的新型方法.首先，该文基于直接接触式的脉冲回波反射法对黏钢构件进行有限元模拟，并阐述了超声波在黏钢构件中的传播规律；其次，通过分析局部段超声回波信号及相关信号特征，讨论了不同缺陷变量对超声回波信号的影响规律；最后，建立了黏钢构件超声时程响应数据集，并对比了不同机器学习模型对缺陷大小、位置的分类识别性能，形成了黏钢构件黏接层缺陷识别方法.结果表明，局部段超声回波信号及其特征随着缺陷大小、位置的改变呈规律性变化，能够对缺陷信息进行初步区分.同时，该文提出的基于RF模型的黏钢构件黏接层缺陷识别方法能够有效识别黏钢构件黏接层缺陷，具有较广阔的工程应用前景.