为了解决激光超声检测过程中定量识别表面缺陷深度较困难的问题,提出了一种粒子群(PSO)优化BP神经网络表面矩形缺陷深度定量识别方法。基于热弹机制,利用有限元软件COMSOL建立了利用激光超声检测含有表面缺陷铝材料的有限元模型,得到了脉冲激光照射下不同深度缺陷对应的透射波信号,提取透射波信号的时域峰值、中心频率、频域上3 dB带宽、上限截止频率和下限截止频率等多个变量作为神经网络的特征向量,建立了PSO-BP神经网络缺陷深度定量识别模型,实现了0.1~3 mm深度缺陷的定量识别。计算结果表明:经过粒子群算法优化后的BP神经网络能够准确地识别出金属表面缺陷的深度信息,识别相对误差在6%以内,结果证明了该神经网络模型对矩形缺陷深度的识别具有一定的可行性和准确性。

为了实现对金属表面V型裂纹深度的快速检测，本文研究了声表面波与一定深度范围内的V型裂纹的作用过程，采用有限元方法模拟了热弹机制下，线性脉冲激光源激发的声表面波信号在金属材料中的传输过程，以及声表面波与V型裂纹的相互作用。研究结果表明，不同深度的V型裂纹和声表面波有不同的相互作用。通过分析不同深度裂纹与声表面波的作用机制，将裂纹深度信息划分为三个范围区间，并推算出了相应的裂纹深度的计算方法。本文根据作用过程的不同，提出了一种对金属表面V型裂纹深度进行快速判断和检测的方法。该方法通过检测声表面波反射回波信号RR和转换横波信号RS峰值的大小，可对V型裂纹的深度范围进行快速判断，然后检测出其深度信息。该方法可以快速定位裂纹深度区间，提高了金属表面V型裂纹深度信息的检测效率。模拟结果表明，裂纹深度计算值和实际值之间的误差均不超过5%，该方法可以实现对金属表面V型裂纹的高效检测。