TOFD无损检测技术应用及特点

TOFD衍射时差法超声检测作为一种日臻成熟的超声检测新技术,已越来越多地应用在机械、船舶、特种设备的无损探伤工作中。本文通过简单介绍超声波检测中TOFD方法的物理原理和在无损探伤中的应用,列出了TOFD技术在检测中的优点和局限性,提出了TOFD检测技术将会更加广泛应用于焊缝的无损检测工作中。     

焊缝超声波衍射时差法的研究现状

TOFD(焊缝超声波衍射时差法)是现阶段较为新颖的一种无损超声检测技术,被广泛地应用于各类钢结构焊缝问题检测。对此本文从TOFD检测原理出发,分析与对比TOFD与其他种类的无损检测方式之间的优劣,并总结与归纳TOFD自身的优点与缺陷,阐述其具体应用状况,展望TOFD未来前景。     

一种新的超声无损检测回波信号的识别方法

由于超声回波信号受到噪声干扰或者到达时间混叠,故超声无损检测信号很难鉴别缺陷的大小.文中提出一种新的超声回波信号到达时间的识别方法.该方法首先把原始采集的回波信号进行经验模态分解,得到若干个固有模态函数,通过确定能量临界值,选择几个固有模态函数重构信号,重构信号的峰值包络表明了各个回波信号的到达时间.由衍射时差法(TOFD)实验信号验证了该方法的可行性及准确性.实验结果表明,可以识别的最小时间间隔为0.1μs,平均误差为80 ns.     

数字化时差法超声采集卡设计与实现

为满足工程需要,研制出一种数字化、四通道、时差法超声采集卡。本采集卡中的关键研究方法和结果由三部分组成:首先,数模转换模块选用TLC5620,输出DC电压0~2.5V可调、精度0.01V,提供超声接收电路压控放大的压控信号;其次,门控模块选用CPLD的门控模块,门控范围1~127μs,精度0.5μs,提供回波的门前沿和门宽控制信号;最后,时间测量模块选用TDC-GP1,测量范围0.1μs~1.6ms、分辨率125ps,实现超声发射与接收信号的时差测量。实测表明:本采集卡能满足透射时差法超声无损检测的要求,并可为其工程应用提供平台。     

超声波衍射时差法在现场组焊压力容器无损检测中的应用思路刍议

文章重点探讨了超声波衍射时差法在应用于现场组焊压力容器无损检测工作中的主要工作原理及其应用优势,进而从准备阶段、校准阶段、表面处理阶段、以及无损检测阶段入手,系统阐述了压力容器无损检测的基本思路,望引起同行关注与重视。     

基于UML的超声三维可视化无损检测系统

为了满足工业无损检测中人们利用超声点云数据进行三维重建的需求,提出一种UML与组件技术相结合的用于超声三维可视化无损检测系统的建模方法.分析系统需求,并利用UML和组件技术相结合的建模方法,构建出超声三维可视化无损检测系统模型,包括系统的架构、需求、用例、静态类、活动、时序和组件部署模型,开发出超声三维可视化无损检测软件系统原型,并经过实例验证了建模方法的有效性.系统开发实践证明:基于UML和组件技术的超声三维可视化系统结构设计合理,复用性、维护性和可拓展性强,为研究超声点云的三维重建算法和将其用于工业无损检测的目标提供了实验依据和实验平台.     

压力容器定期检验中TOFD的应用

为了更好地监测锅炉压力容器定期检验中焊缝质量,在现场无损检测过程中针对壁厚大于12 mm的锅炉压力容器,采用超声波衍射时差法（TOFD）与射线（RT）检测焊缝,并分析对比各类缺陷的特征,总结用TOFD检测技术在锅炉压力容器定期检验中对缺陷定性定量的方法。     

TOFD检测技术在承压设备焊缝上的应用

本文介绍了超声衍射时差法（TOFD）的发展史、原理、检测设置以及优缺点。TOFD技术相较于RT检测技术在经济成本及技术条件上有一定的优越性，与常规超声脉冲反射法相结合，在承压设备对接焊缝的检测中有较好的应用前景，是超声波检测技术的一个飞跃。     

声波透射法在桩基完整性检测中的应用探讨

在各种桩基完整性检测方法中,声波透射法因其检测范围全面、定量分析准确可靠及无损检测等特点,已成为混凝土灌注桩完整性检测的重要手段。本文简述了声波透射法的检测原理,并结合桩基声波检测实例,与钻芯法对比,验证了声测透射法检测结果的准确可靠;文章最后对声波透射法的局限性进行了探讨。     

基于深度学习的管道焊缝超声检测缺陷识别方法

超声无损检测是目前管道焊缝质量检测应用最为广泛的一种检测手段,但是迄今为止在很大程度上依赖于训练有素的人体检查员的专业知识和判断。目前在深度学习的方法已经很好的应用于基于图像数据的管道焊缝缺陷智能检测,但是对于深度学习辅助判断超声无损检测却进展缓慢。主要原因是超声无损检测数据的复杂性（步长大、多模态、多峰分布等）,神经网络训练往往出现梯度消失或爆炸的问题,而且能用于训练的标准数据集也严重匮乏。为了克服这些困难,首先引入特殊标准化方法和全连接隐含层实现了一种超声无损检测数据增强方法FMC-GAN构建虚拟数据集,再根据改进的LSTM-FCN模型并引入门函数,以此彻底克服超声无损检测数据复杂性。最后实验表明LSTM-FCN网络识别真实检测数据中的缺陷漏检率为0,各缺陷综合正确识别率高于95.6%,达到工业检测的要求,为超声无损检测智能化发展提供重要研究基础。