摘要： 提出一种基于变分模态分解(Variational Mode Decomposition，VMD)联合蜣螂优化算法(Dung Beetle Optimizer，DBO)和支持向量机(Support Vector Machine，SVM)的缺陷检测方法。该方法可以基于非线性超声检测有效探测金属板材试件中的裂缝，并且对不同深度的裂缝试件进行分类。首先选择最佳参数对基波与二次谐波信号进行变分模态分解，在获得多个本征模态分量(Intrinsic Mode Function，IMF)后，选择与原始信号相关性系数高的IMF分量进行特征提取。最后将从基波和二次谐波中提取到的特征向量组成特征数据集，输入经过DBO优化后的SVM模型进行缺陷分类识别。结果证明，该模型的缺陷识别率可达到95 %，并且识别准确率随着试件的损伤程度的增加而增大。

关键词: 振动与波, 非线性超声检测, 支持向量机, 变分模态分解, 蜣螂优化算法