文/詹湘琳 薛勇

（中国民航大学电子信息与自动化学院 天津市 300300）

1 引言

碳纤维复合材料（Carbon Fiber Reinforced Polymer，CFRP）是一种具有优秀性能的多相固体材料。具有相对密度小、比强度和化学高稳定性等优点，因此被广泛应用于航空航天、国防工程、汽车工业等领域[1]。碳纤维复合材料在生产和服役过程中不可避免的会产生各种各样的缺陷，如分层、气孔、夹杂等[2]。超声相控阵检测是CFRP常用的无损检测技术，相较于传统超声检测超声相控阵有着波束灵活、检测速度快、分辨率高以及适用于复杂工件等优点[3]，因此在CFPR无损检测中得到了广泛的应用。

目前，已有不少学者对CFRP 超声检测中缺陷类型识别问题进行研究，首先需要通过对信号进行特征提取，然后利用决策器（神经网络[4]、支持向量机[5]等）实现缺陷分类，信号的特征提取是保证分类效果的关键，不同的特征选择会对分类结果产生较大影响。常用的超声相控阵回波信号特征提取方法有时域特征[6]、频域特征以[7]及小波特征[8]等。由于超声相控阵回波信号是一种典型的非线性、非平稳信号，因此仅单独依靠信号的时域或频域信息不能获得理想的信号特征。基于小波变换方法的特征提取可以实现信号时域和频域局部的变换信息，但小波基选择的不同获得特征效果差别较大，小波基的选择没有固定标准缺乏自适应性。因此基于传统时域、频域以及小波变换的超声相控回波特征提取具有一定的局限性。另外工件全寿命周期所收集的数据历时长，所以获取了海量的数据，推动故障检测进入了“大数据”时代[9]，因此以较少的超声相控阵信号特征表示缺陷信息成为了需要解决的问题。……