1、金屬材料在使用過(guò)程中由于長(zhǎng)時(shí)間積累疲勞和應(yīng)力，會(huì)逐漸出現(xiàn)裂紋、腐蝕等缺陷，進(jìn)行必要的檢測(cè)和識(shí)別，采取一定的安全措施可以有效防止材料突然斷裂，減少事故發(fā)生。一般工程現(xiàn)場(chǎng)金屬缺陷的評(píng)判是由工程師通過(guò)肉眼和經(jīng)驗(yàn)觀察超聲檢測(cè)回波信號(hào)來(lái)進(jìn)行，具有效率低、準(zhǔn)確率差和工作量大的缺點(diǎn)。而隨著人工智能和計(jì)算機(jī)大數(shù)據(jù)處理能力的不斷發(fā)展，采用計(jì)算機(jī)輔助缺陷識(shí)別的措施越來(lái)越重要，既可減輕工作人員的工作量，又可以提高識(shí)別準(zhǔn)確率，保證缺陷評(píng)價(jià)結(jié)果的一致性。超聲檢測(cè)

2、信號(hào)作為一種非線性、不平穩(wěn)信號(hào)，本身含有很多突變量，加之檢測(cè)材料的結(jié)構(gòu)復(fù)雜性，傳統(tǒng)適合于平穩(wěn)信號(hào)的分析方法存在很多弊端，而缺陷回波信號(hào)的特征提取和選擇是缺陷識(shí)別的前提，特征的優(yōu)劣直接影響著缺陷識(shí)別的正確性和可靠性。通過(guò)制造平底孔、通孔和平底槽三種缺陷試塊，進(jìn)行超聲波無(wú)損檢測(cè)獲得缺陷回波信號(hào)，對(duì)其進(jìn)行固有時(shí)間尺度分解(ITD)，提取每階分量的時(shí)頻域特征參數(shù)和小波包能量作為缺陷特征向量?？紤]到神經(jīng)網(wǎng)絡(luò)對(duì)初始權(quán)值和閾值的敏感性，用果蠅算法進(jìn)行