针对磁瓦内部缺陷自动化检测的实际需求,文章提出了一种融合频谱分析、核主成分分析和支持向量机的磁瓦内部缺陷音频检测方法。通过频谱分析找到峰值频点所处频率段,并提取频率段幅值数据;利用核主成分分析对幅值数据进行特征提取和降维;构造支持向量机,使用所提取的特征进行磁瓦内部缺陷识别。试验证明,3类磁瓦缺陷识别率达到了100%,优于双谱切片方法。结果表明,提出的检测方法检测速度快、高效、准确,能够很好地应用于磁瓦内部缺陷检测。实验准备2.1样本准备本文选取了工厂中生产较多、市场需求较大、尺寸适宜的3类磁瓦作为研究对象，这里记做A类、B类、C类，每类磁瓦各收集240片用作研究，每类磁瓦中训练样本和测试样本各120片，训练样本和测试样本按照磁瓦有无内部缺陷均分成两类，分别记为缺陷磁瓦、合格磁瓦。训练样本用于算法研究，构建分类器；测试样本用于算法验证，试验分类效果。2.2检测流程检测流程如图1所示。图1检测流程首先采集磁瓦跌落撞击金属块的声音信号缺陷检测方法-电动钢管滚圆机滚弧机折弯机数控张家港滚圆机滚弧机，将采集的信号快速傅里叶变换，进行频谱分析；根据分析结果提取快速傅里叶变换后特定频段的幅值信息，将此信息用KPCA提取特征，本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/  并降维优化，得到特征向量。用训练样本的特征向量构建SVM分类器，使SVM可以判别磁瓦内部缺陷。最后用测试样本的提取的特征信号测试SVM检测效果，并根据结果对检测系统进行评估。3实验与分析3.1信号特征提取以A类磁瓦为例来说明整个分析与检测过程。采样频率设置为40000Hz，用传声器和数据采集卡采集到20000Hz以内的声音信号，并截取了8000个点信号段。将时域信号利用FFT变换到频域，并对变换后的数据归一化处理。以A类磁瓦为例，绘制如图2所示合格样本和缺陷样本频谱比较。从图2发现，该类磁瓦无论是合格样本还是缺陷样本，频谱中都含有两个主要峰值频率f1，f2，合格样本和缺陷样本两个峰值频率位置有明显区别，且两个峰值频率集中出现在8000~10000Hz和11500~12000Hz频率段内。扩大样本验证上述结论是否具有一般性，A类样本频域瀑布如图3所示。从图3缺陷检测方法-电动钢管滚圆机滚弧机折弯机数控张家港滚圆机滚弧机本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/