基于局部离群因子与隔离森林的激光超声缺陷检测

作     者：李阳 朱文博 静丰羽 叶中飞 马云瑞 周洋 邹云 LI Yang;ZHU Wenbo;JING Fengyu;YE Zhongfei;MA Yunrui;ZHOU Yang;ZOU Yun

作者机构：郑州大学机械与动力工程学院河南郑州450001 中国电建集团河南电力器材有限公司河南漯河462000 国网河南省电力公司电力科学研究院河南郑州450052 

出 版 物：《郑州大学学报（工学版）》 (Journal of Zhengzhou University（Engineering Science）)

年 卷 期：2025年第46卷第1期

页      面：105-112页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 08[工学] 070206[理学-声学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 0702[理学-物理学] 

基　　金：河南省重点研发与推广专项(222102220025) 

主　　题：激光超声 缺陷检测 主成分分析 局部离群因子 隔离森林 铝合金 

摘      要：针对激光超声(LU)缺陷检测中最大振幅图存在伪像的问题,结合主成分分析(PCA)和两种无监督的机器学习算法局部离群因子(LOF)与隔离森林(IF),以实现对LU数据的无监督异常检测。首先,利用PCA算法对LU数据进行降维处理,减轻了LU数据的复杂度;其次,利用LOF算法和IF算法进行了数据异常值的识别分析,并利用累积分布函数和核密度估计确定异常值的阈值大小;最后,对比了LOF算法、IF算法以及最大振幅图的检测结果。结果表明:LOF算法有更优的缺陷识别精度和更低的误判率。