在超声无损检测中,超声检测信号的噪声消除对于缺陷的检测和识别具有重要意义.针对这个问题,本文提出了一种基于独立分量分析的超声检测信号噪声消除算法.目前超声无损检测中的C扫描图像评估方法存在自动化水平低、效率低和准确率不高等问题.本文提出了两种超声C扫描图像自动评估算法用于对现有评估方法的改进.在对超声检测信号中噪声和超声信号特点进行深入分析的基础上,提出一种基于独立分量分析的超声检测信号噪声消除算法.对一个含噪超声信号,该算法首先采用相空间重构技术建立其相空间矩阵,以揭示作用在超声检测系统上的所有源的信息(包括超声信号和噪声信号).对相空间矩阵进行独立分量分析,从而使超声信号和噪声信号以独立分量形式分离开来.应用基于赫斯特指数的超声信号成分选择规则从多个独立分量中提取出超声信号成分.最后,对超声信号成分进行重建即可得到去噪的超声信号.计算机仿真结果表明与小波去噪方法相比,本文提出的噪声消除算法具有去噪效果好,使用简单方便,对超声信号自适应性好等优点. 在实验室内建立管道超声检测实验平台对管道样品进行检测来获取实验信号,用本文提出的算法对检测信号进行噪声消除,以验证其有效性.在相同的实验条件下,将本文提出算法与小波方法的去噪效果进行了比较.实验结果同样表明,本文提出噪声消除算法具有去噪效果好,使用简单方便,对超声信号自适应好等优点.国家"863"重大专项课题(2001AA602021)"海底管道内爬行器及其检测技术"主要研究内容之一是用超声法检测评估管道缺陷.本文提出的噪声消除方法已成功应用于该课题,为海底管道超声检测提供了一种有效、可靠的信号处理技术.针对目前超声C扫描图像评估方法存在的问题,本文提出了两种超声信号自动评估算法.第一种算法是基于支持向量机和变尺度混沌优化的超声信号自动评估算法(即SVM-MSCO算法).支持向量机已被证明具有比神经网络更高的泛化能力和更简单的结构.利用SVM高泛化能力和MSCO的高效率的参数优化能力,该算法可以实现超声C扫描图像的准确、可靠评估.第二种算法是基于特征选择和SVM的超声C扫描图像自动评估算法.该算法利用遗传算法的参数优化能力来消除特征集中的冗余和不相关特征,进一步提高超声信号自动评估算法的性能. 在实验室内建立电触头钎焊质量超声C扫描成像检测实验平台,对大量的电触头钎焊样品进行检测可以建立超声C扫描图像库用于超声C扫描图像自动评估算法的实验验证.基于SVM和MSCO的超声C扫描图像自动评估实验表明该算法具有较好的评估性能,对超声C扫描图像达到了92.5﹪的评估准确率,该结果明显优于传统的评估方法得到的87﹪的评估结果,可以很好的满足工业检测的要求.基于特征选择的超声C扫描图像自动评估实验结果表明,与基于SVM和MSCO的超声C扫描图像自动评估算法相比,超声C扫描图像评估准确率从92.5﹪提高到96.7﹪,超声c扫描图像特征数目从256个减少到130个,即超声C扫描图像特征集尺寸减少49.7﹪﹪超声C扫描图像评估性能进一步提高,可以更好的满足工业检测的要求.电触头是上海人民电器厂生产的主要产品之一,其钎焊质量主要通过超声C扫描成像评估系统来评估.目前该系统存在自动化水平低、效率低和准确率不高等问题.用本文提出的两种超声C扫描图像自动评估算法对超声C扫描图像进行评估,不仅提供了更加准确可靠的评估结果,而且提高了评估的自动化水平和效率.