刘 鑫， 黄沁元,2， 宋 弘， 冉茂霞， 李 强

(1.四川轻化工大学自动化与信息工程学院， 四川 自贡 643000;2.人工智能四川省重点实验室， 四川 自贡 643000)

引 言

磁瓦是一种由铁氧体、铝镍钴等复合材料构成的永磁体，被广泛用于永磁电机中形成恒定磁场。磁瓦作为永磁电机的重要组成部件，其产品质量会直接影响电机的性能和使用寿命。在磁瓦的生产过程中，由于不恰当的温度、压力或人为因素，磁瓦可能会存在裂纹、空隙、夹层、起级等多种内部缺陷问题。这些缺陷对磁瓦的磁通量、剩余磁感应强度、抗过载退磁以及抗老化等产品性能有直接的影响[1]。如果在电机中使用了这些含有缺陷的磁瓦，将会产生不可预估的安全隐患。因此，必须对磁瓦内部缺陷进行可靠的检测，以保证磁瓦的质量和性能。

目前，磁瓦内部的缺陷主要通过人工检测方法来实现，该方法需要将磁瓦从一定高度跌落并撞击金属块来产生声音信号，然后通过人耳对该信号进行辨识，从而判断磁瓦是否存在内部缺陷。人工检测方法受人为因素制约，很难保证稳定的检测效率和检测精度。因此，研究一种自动检测算法并应用于磁瓦内部缺陷检测，具有重要的现实意义和应用价值。在目前无损检测技术中，虽然超声检测、磁粉检测、涡流检测和渗透检测等技术可对物体结构的内部缺陷进行检测，但对于大批量制造的磁瓦来讲难以满足检测速度快、成本低的需求。综合考虑磁瓦检测的特点和需求，声振检测无疑是实现磁瓦内部缺陷检测的一种可行手段[2-4]。……