利用PVDF检测金属表面缺陷的实验研究

提出一种利用聚偏二氟乙烯(PVDF)传感器检测激光超声的实验方法.将PVDF薄膜附着在微型柱状刀劈上,钳紧在特制的金属固定块上,引出两个电极,从而实现信号的声电转换.利用Nd:YAG脉冲激光器在金属铝板上激发声表面波,PVDF传感器固定在远场区域接收超声信号,并采用扫描激光线源技术,在线检测金属铝表面的微小缺陷.当激光源扫描至缺陷近场区域时,观察信号的幅度和频率特征,从而可以检测微小缺陷的位置,提取缺陷的有关信息.结果表明信号灵敏度高,适合观察声表面波,并可用于表面缺陷的检测.     

倾角对CFRP试板分层缺陷超声回波的影响研究

基于水浸超声检测方法,以含有分层缺陷的碳纤维增强树脂基复合材料(CFRP)试板为实验对象,研究不同倾角对CFRP试板分层缺陷超声回波的回波能量、到达时间、回波幅值以及检测面积的影响.结果表明:倾角与试板表面回波到达时间呈线性关系;倾角对分层缺陷面积检测没有影响;得到10 MHz传感器的有效检测角度范围.     

厚板电子束焊缝的超声扇形扫描检测

针对传统超声斜角探伤法检测厚板焊缝宽度受限的问题,采用超声相控阵扇形扫描方法,对55 mm厚TC4电子束焊缝进行检测研究.对相控阵波束在TC4焊缝中的偏转聚焦特性及扇形扫描进行模拟分析,采用扇形扫描与D扫描、A扫描相结合的方法分析缺陷特征,给出缺陷的三维定位.结果表明：扇形扫描角度为30°～70°,采用双面检测的方法可以实现宽度有限的厚板焊缝的检测,扇形扫描图像能够更加直观地显示缺陷.在TC4电子束焊缝中检测出气孔、裂纹、未熔合和未焊透四种缺陷.通过合理设置坐标系,可以实现焊缝缺陷的三维定位,测得缺陷距离换能器楔块前沿的距离、埋藏深度和距离扫查起始位置的水平距离.     

管道环焊缝相控超声检测系统设计

传统的单探头超声检测精度低、效率差，严重影响了管道环焊缝缺陷检测自动化程度的提高，为此将超声相控阵技术移植到管道环焊缝缺陷检测，设计了一套管道环焊缝缺陷检测系统，给出了检测系统的硬、软件设计．在硬件设计中，通过Matlab编程优化阵列换能器的参数，解决了一系列技术难点．试块和模拟管道的实验结果表明，该系统具有良好的超声发射与接收合成能力，而且对管道焊缝缺陷的检出率和缺陷定位均迭到检测要求，同时也证明了阵列换能器参数优化设计方法的可行性。     

超声激振的倒装芯片焊球缺陷检测方法研究

针对倒装芯片内部焊球缺陷难以检测的问题,提出了基于声固多物理场耦合的超声激振检测方法．首先,建立倒装芯片超声激振检测仿真模型,模拟了含有典型缺陷(缺球和虚焊)的倒装芯片在超声激励下的振动响应,仿真结果显示焊球缺失和虚焊会引起倒装芯片振动速度的明显变化;其次,搭建超声激振倒装芯片检测系统,对倒装芯片进行检测,获取含不同缺陷倒装芯片的实际振动信号;最后,利用核主成分分析算法改进多粒度级联森林网络,对含典型缺陷的倒装芯片振动信号进行识别与分类．仿真和实验结果验证了基于多粒度级联森林网络和超声激振技术检测倒装芯片焊球缺陷的有效性．     

管道无损检测超声轮式换能器的研制

在导出柱坐标下多层媒质中波传播传输矩阵的基础上,选取合适的材料、参数,研制出超声轮式换能器,得到了与传输矩阵理论预期相一致的回波信号.自行设计研制了由超声轮式换能器、驱动系统以及微型计算机控制的信号采集与处理系统组成的管道爬行器.对PVC(polyvinyl chloride)管道上人造缺陷的实验测定结果表明,超声轮式换能器的测厚精度优于±0.2 mm.     

腐蚀损伤的激光超声可视化成像检测

腐蚀损伤广泛存在于国防科技、交通运输等工业领域,严重威胁了结构的安全性和可靠性,因此对腐蚀损伤的安全检测具有重要意义。依据激光超声的基本理论,采用自主设计的全自动激光超声扫描实验系统,通过对铝板中的腐蚀损伤进行激光扫描实验,分析了Lamb波能量、幅值和腐蚀之间的关系,并依据“弹性波能流法”的原理,利用幅值最大值完成了损伤区域的可视化;提出了一种评估铝板腐蚀程度的方法——能量比较法,完成了对不同腐蚀程度的铝板的评估分析。该研究可实现腐蚀缺陷的快速检测与评估,并且检测结果直观可视,展现了巨大的应用前景。     

超声检测中裂纹型缺陷深度的智能识别

为了实现对裂纹型缺陷深度的定量识别,提高超声检测精度,引入小波分析和人工神经网络技术进行缺陷深度的智能识别,从超声检测的基本原理、缺陷深度表征量的确定、超声回波信号缺陷特征量的小波提取、神经网络的结构参数及训练和测试网络等方面,详细探讨了对裂纹型缺陷进行智能识别的方法,论证了运用神经网络进行缺陷智能定量识别的可行性,构造了智能识别实验系统,并利用该系统对所加工的含缺陷试样进行了定量识别试验与分析,结果表明,小波分析和人工神经网络技术的引入能够为超声检测缺陷的定量识别提供行之有效的途径。     

超声相控阵探头声场优化设计仿真

超声相控阵技术是近年来无损检测领域的研究热点.通过对超声阵列换能器中各个阵元施加独立的相位控制,可实现声束的偏转和聚焦.它可以灵活地采用多种扫描方式进行检测,检测速度快,灵敏度、分辨力与信噪比高,能检测形状复杂的物体.在相控阵超声成像检测中,要获得分辨率高的声聚焦和清晰的图像,声场的好坏是关键,而声场主要取决于阵列换能器的设计,因此阵列换能器在相控阵超声成像检测中是至关重要的.文中以线性阵列探头为研究对象,通过改变探头的参数进行仿真分析,提出优化阵列的设计方法.     

基于全向EMAT的金属板缺陷Lamb波层析成像方法

基于全向电磁超声换能器(EMAT)的Lamb波层析成像(LWT)技术是获取金属板材中缺陷图像的有效方法。但是,由于Lamb波(LW)具有频散和多模态特性,传统全向Lamb波EMAT的检测波形复杂,LW的模态识别、走时提取和层析成像精度较低。本文提出了一种基于新型结构全向EMAT的LWT方法,即利用伪Wigner-Ville分布(PWVD)对该新型EMAT检测波形进行走时提取,并采用跨孔成像技术进行LWT。实验结果表明:相比传统EMAT,所研制的新型EMAT可以收发更纯净的单一A0模态LW;基于PWVD的走时提取方法比传统方法精度更高。在此基础上,使用所提出的LWT方法对铝板上的人工缺陷进行图像重构,获得的缺陷轮廓尺寸与实际值吻合良好。该成像方法有助于提高金属板缺陷LWT的精度。     

基于射线照相的石墨电极缺陷检测与识别

针对石墨电极内部缺陷无损检测难题,提出采用射线检测与深度信念网络相结合的电极缺陷检测方法.为此制作了石墨电极曝光曲线,利用曝光曲线为预制带有不同缺陷的电极试块选取合理的工艺参数、并进行X射线检测.采用去噪增强处理方法改善电极射线图像对比度弱、信噪比低等问题;应用改进的Canny算子边缘检测方法对电极射线图像进行边缘提取,随后对缺陷特征进行选取、计算,并应用深度信念网络对电极缺陷进行智能识别.结果表明:将射线照相技术应用于石墨电极缺陷的检测是可行的;采用改进的Canny算子提取缺陷边缘,质量得到了很大提高,实现了特征参数的准确计算;将深度信念网络应用于电极缺陷的识别,精度可达96.67%,准确率较高.     

基于模糊理论的焊缝缺陷图像识别算法研究

为提高无损检测中焊缝缺陷射线检测效率、降低人工操作强度,针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷问题,充分利用焊缝图像中各种信息,提出了一种焊缝缺陷智能检测识别方法。基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度;利用最大类间方差算法(OTSU)求解自适应阈值,检测并提取焊缝边缘;依据缺陷几何特征识别不同缺陷。结果表明,该系统可以较为准确地检测各种焊缝图像的边界和缺陷,具有较好地适应性和实用性。     

基于图像处理的胶管缺陷在线检测系统开发

为实现胶管表面缺陷的在线检测,提出了一种基于图像处理技术的检测方法.采用图像剪切方法选中胶管区域,利用中值滤波和Canny边缘提取处理图像,清除与图像边界连接区,避免胶管边界的干扰,使用形态学膨胀方法对缺陷区域图像分割,根据缺陷特征完成缺陷分类.采用三台CMOS相机环胶管圆周布置,间隔120°,光源采用同轴光源.基架结构具有调节功能,保证胶管在三台相机的中心位置.通过检测系统在车间生产线上试用,测试结果表明缺陷检测正确率在96%以上,可实现胶管表面缺陷自动检测和及时报警.      

基于检测图像的排水管道缺陷智能辅助分类方法

针对当前地下管网CCTV检测缺陷中存在自动化程度偏低及依赖专业人员技术水平的问题,综合采用图像处理和深度学习技术构建了辅助检测人员快速、准确地识别管道缺陷类型的智能方法。首先,收集十类典型缺陷图像,对其进行图像处理生成样本集;在此基础上,以深度卷积神经网络AlexNet和ResNet50为基础框架,使用预训练AlexNet和ResNet50网络迁移学习管道缺陷特征,通过敏感性分析优化了分类网络参数,然后,通过测试集验证了管道缺陷智能分类模型的准确性,并结合具体工程实例验证建立方法的有效性。结果表明：两类管道缺陷智能分类模型在测试集上分别达到92.00%和96.50%的准确率,实际工程实例准确率达到了85.41%和87.94%,且ResNet50的分类效果更优,具有较好工程适应性。图像处理和深度学习技术可提高排水管道缺陷分类的自动化与准确率,值得进一步进行推广。     

基于图像距离差的织物疵点检测算法研究

将机器视觉与数字图像处理技术引入到织物疵点检测中,提出了一种织物疵点检测算法———图像距离差算法,即图像采集、图像处理、疵点识别等。该算法可使用户根据织物的类型,自行设置相应的疵点检测控制参数,能够检测出30多种常见的疵点,实验证明该算法具有识别正确率高、误识率低、识别速度快等优点。     

基于X射线图像序列的焊缝缺陷自动检测方法

X射线无损检测对于焊接结构件的质量保证具有重要意义,焊缝缺陷X射线实时自动检测的核心技术是序列图像处理。目前,国内外的研究工作大多集中在基于孤立图像的处理中,由于焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开,因此无法解决缺陷的漏检率和误检率此消彼长的矛盾。该文着眼于时间序列图像,提出基于帧内分割和帧间跟踪相结合的焊缝缺陷检测方法,在图像的空间域处理中消除漏检,在图像的时间域处理中消除误检,从而为解决缺陷漏检和误检之间的矛盾提供了有效途径。试验和现场应用期间,对于常见的壁厚分别为8.8mm、12.5mm以5m/min速度运动的螺旋焊缝钢管中的一系列自然缺陷,最小检出缺陷直径分别约为0.6mm、0.8mm,符合工业应用要求,与此同时无误检出现。     

基于X射线图像序列的焊缝缺陷自动检测方法

X射线无损检测对于焊接结构件的质量保证具有重要意义,焊缝缺陷X射线实时自动检测的核心技术是序列图像处理。目前,国内外的研究工作大多集中在基于孤立图像的处理中,由于焊缝缺陷形态的多样性而难以将噪声与微小缺陷区分开,因此无法解决缺陷的漏检率和误检率此消彼长的矛盾。该文着眼于时间序列图像,提出基于帧内分割和帧间跟踪相结合的焊缝缺陷检测方法,在图像的空间域处理中消除漏检,在图像的时间域处理中消除误检,从而为解决缺陷漏检和误检之间的矛盾提供了有效途径。试验和现场应用期间,对于常见的壁厚分别为8.8 mm、12.5 mm以5m/m in速度运动的螺旋焊缝钢管中的一系列自然缺陷,最小检出缺陷直径分别约为0.6mm、0.8mm,符合工业应用要求,与此同时无误检出现。     

Automatic Defect Detection in X-Ray Images Using Image Data Fusion

Introduction A welded structure must be inspected to guarantee that the weld quality meets the design requirements to as- sure safety and reliability. However, X-ray image analyses and defect recognition are very complex. Most difficulties lie in finding …     

基于GPR反射波信号多维分析的隧道病害智能辨识

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路.     

黏接结构紧贴型缺陷超声斜入射法检测

黏接结构缺陷检测是目前经济建设和国防安全亟须解决的应用问题.基于超声斜入射法对黏接结构中存在的紧贴型缺陷进行检测研究,制作了板厚为5 mm的含紧贴型脱粘缺陷的试样,采用水浸聚焦探头对试样分别进行垂直法和斜入射法的C-扫描检测实验,分析了不同入射角度对紧贴型缺陷检测以及气泡缺陷的影响.检测结果表明:斜入射法相较于垂直入射...