基于随机森林的铝铸件内部缺陷类型识别研究

针对铝合金铸件内部4种固体夹杂缺陷（Al2O3、TiN、Fe、Mg）的类型识别问题,建立了含夹杂铝铸件的二维超声仿真模型,得到4种夹杂缺陷在材料内部的超声回波信号。对回波信号中的缺陷回波和底面回波分别进行EMD分解,得到各自的能量分布,并结合缺陷回波和底面回波的峰值特征,以此构造输入特征量,然后利用随机森林对铝合金铸件进行诊断。实验结果表明,该方法能够准确分类铝合金圆柱体铸件内的夹杂缺陷类型,其识别准确率高达90.5%。