基于超声相控阵的环焊缝缺陷检测方法研究

针对传统超声探头焦距固定,检测位置的改变就要更换相应焦距的探头而影响检测效率的问题,提出一种基于超声相控阵换能器的环焊缝缺陷检测方法。而超声相控阵具有电子偏转和电子聚焦特性,能在不移动的情况下发射偏转聚焦超声束,有效地解决了上述问题。首先基于超声相控线阵换能器的声场特点,采用数值分析方法,研究了影响声束偏转聚焦性能的几个主要参数。然后给出了与超声相控阵换能器相连接的多通道数据采集系统结构。介绍了单通道声信号的硬件结构及相应的信号处理方法,实现了对换能器中单个阵元的精确延时的控制。实验结果表明,优化设计的超声相控线阵换能器具有较高的检测精度和检测效率。     

B型套筒角焊缝缺陷相控阵超声检测定量方法

B型套筒修复作为油气管道修复的主要方式之一,在其修复的焊接过程中,该结构的环形角焊缝内部常常出现以气孔、夹渣为代表的孔型缺陷。这类缺陷由于角焊缝特殊的结构,在利用相控阵超声无损检测技术对其检测时,难以对其进行定量分析。通过数值模拟和实验,发现通过相控阵超声扇扫得到缺陷回波信号峰值与孔型缺陷直径呈正相关,为孔型缺陷的定量分析提供了一种可靠的手段。     

相控阵超声缺陷检测数据压缩感知

为了解决超声相控阵信号采集、存储和传输中数据量大的问题,研究了压缩感知在相控阵无损检测信号和图像压缩重构中应用的可行性。首先使用5种贪婪算法对相控阵仿真信号进行压缩重构,根据百分比均方误差选取最优算法并考虑了噪声对精度的影响,结果表明压缩感知可以用低于奈奎斯特极限的测量点数准确重构原始图像;其次用人工缺陷回波信号进行实验验证,通过稀疏度计算选择适用相控阵信号的最优稀疏基,并通过5种传感矩阵的优化选择进一步提高了重构精度。实验结果尽管达不到仿真中的理想效果,但是能以少量测量值准确恢复图像,并能保证缺陷的识别,说明压缩感知算法可以有效提高相控阵缺陷检测效率。此外,在保持测量点数相同的情况下,仿真和实验都研究了不同采样率对重构精度的影响,当测量点数超过一定值时,证实了压缩感知实际与采样率无关。     

各向异性焊缝中超声相控阵瞬态声场仿真及缺陷定位方法

针对多层各向异性奥氏体不锈钢焊缝中超声相控阵瞬态声场的仿真问题,提出应用高斯声束等效点源模型计算宽带离散化的多个单频稳态声场,通过傅里叶变换将其拓展为瞬态声场,并分析了声场转换过程的主要影响参数。该方法可快速计算焊缝内部超声相控阵聚焦声场的瞬态能量分布和任意一点的时域波形信号。在此基础上针对多层奥氏体不锈钢焊缝内部缺陷的超声相控阵成像检测问题,提出利用上述时域高斯声束法对多通道缺陷散射信号进行时间反转计算,并根据时域声场焦点确定缺陷位置。最后通过实验,验证使用此方法检测实际奥氏体不锈钢焊缝试块内部缺陷的效果。结果表明,提出的方法能够确定缺陷位置,且计算速度快、运算量小,适合作为多层介质内部缺陷实时成像的声场仿真模型。     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

奥氏体不锈钢窄间隙焊缝侧壁未熔合相控阵超声检测*

针对核电站主管道奥氏体不锈钢窄间隙焊缝侧壁未熔合超声检测困难的问题,该文开展基于电子背散射衍射技术的相控阵超声检测研究,并结合全聚焦方法和相位相干成像方法抑制结构噪声。利用电子背散射衍射技术建立壁厚69.5 mm,且同时包含母材和焊缝的奥氏体不锈钢窄间隙焊缝模型。沿焊缝熔合线设置深度26.5 mm、高度3.0 mm的侧壁未熔合,经过仿真优化确定了中心频率2.25 MHz、32阵元以及45°纵波楔块的相控阵超声检测参数。仿真和实验检测结果显示,侧壁未熔合检测信噪比相差不超过0.6 dB,验证了所建模型的有效性。在此基础上,利用全聚焦方法和相位相干成像方法削弱结构噪声,检测信噪比较相控阵扇扫描图像分别提升2.3 dB和4.7 dB,且侧壁未熔合深度与高度定量误差均不超过6.7%。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

超声相控阵距离幅度曲线计算方法

超声相控阵偏转聚焦声场能量分布不均匀,造成不同位置的缺陷回波幅度差异,针对该缺陷量化问题,提出超声相控阵系统距离幅度曲线理论计算方法。在非近轴近似声场模型的基础上,结合缺陷散射模型来建立相控阵系统测量模型,再利用该方法来预测不同位置横通孔缺陷的回波信号,进而获得信号幅度随位置的变化曲线。分析对比了不同偏转聚焦声束理论计算结果与实验测量结果,两者幅度在焦点附近具有较好的一致性,偏差在5%以内,验证了超声测量模型计算方法的有效性。     

深度学习在超声检测缺陷识别中的应用与发展*

深度学习（Deep Learning）是目前最强大的机器学习算法之一,其中卷积神经网络（Convolutional Neural Network, CNN）模型具有自动学习特征的能力,在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史,然后综述了深度学习在超声检测缺陷识别中的应用与发展,从早期浅层神经网络到现在深度学习的应用现状,并借鉴医学影像识别和射线图像识别领域的方法,分析了卷积神经网络对超声图像缺陷识别的适用性。最后,探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题,及其主要应对策略的研究方向。     

车轮轮辋缺陷的超声相控阵检测系统研究*

针对火车车轮检测中常规超声波探伤存在的检测灵敏度低、声束灵活性差、信噪比低等问题,研究了超声相控阵在火车车轮轮辋检测中的应用。本文介绍了超声相控阵检测技术的原理,并从超声相控阵换能器、硬件系统和软件系统三个方面阐述了火车车轮轮辋缺陷的超声相控阵检测系统的研究过程。最后通过人工模拟缺陷的相控阵检测实验,测试了该检测系统的性能,验证了相控阵检测设备具有灵敏度高、声束可控性好和可靠性高等优点。     

Noise reduction method based on weighted manifold decomposition

A noise reduction method based on weighted manifold decomposition is proposed in this paper, which does not need knowledge of the chaotic dynamics and choosing number of eigenvalues.The simulation indicates that the performance of this method can increase the signal-to-noise ratio of noisy chaotic time series.     

核级阀门唇焊焊缝熔深的超声检测方法*

核电阀体唇焊焊缝熔深不足可能导致其在服役期内无预期断裂,由此引起的流质泄露将引起严重的安全事故。因此,极有必要在阀体焊接完成后进行熔深测量以保证足够的焊缝强度。本研究针对阀体唇焊缝粗糙余高曲面声学耦合差、熔深测量难的问题,提出基于喷水式超声聚焦检测技术的唇焊焊缝熔深测量方法。首先,根据核电阀体唇焊焊缝结构特点提出唇焊熔深的超声聚焦测量方法;其次,通过构建检测过程的有限元模型分析焊缝余高曲率对声场聚焦能力的影响,给出余高曲率各异的焊缝检测时的水距修正方法,以便在预定熔深范围内形成高能聚焦声场;最后,分析和提取与唇焊结构相关的检测信号特征,结合金相分析方法修正声速。研究结果显示：通过水距修正可改善焊缝曲率半径变化对聚焦声场的不利影响,曲率半径28.5 mm时焦区声压幅度仅下降11%,基于特征脉冲时间间隔及声速修正可测定焊缝熔深;与金相试验对比,绝对误差小于0.06 mm,满足核电阀门唇焊焊缝熔深测量的需求。     

An ultrasonic multi-wave focusing and imaging method for linear phased arrays

To overcome the inherent limits of traditional single wave imaging for nondestructive testing,the multi-wave focusing and imaging method is thoroughly studied.This method makes the compressional waves and shear waves focused in both emission and reception processes,which strengthens the focusing energy and improves the signal-to-noise ratio of received signals.A numerical model is developed to study the characteristics of a multi-wave focusing field.It is shown that the element width approaching 0.8 wavelengths of shear waves can keep a balance between the radiation energy of two waves,which can achieve a desirable multi-wave focusing performance.And an experiment using different imaging methods for a linear phased array is performed.It can be concluded that due to the combination of the propagation and reflection characteristics of two waves,the multi-wave focusing and imaging method can significantly improve the imaging distinguishability of defects and expand the available sweeping range to a sector of-650 to 65°.     

基于搜索平均法的气象观测数据的非线性去噪

介绍了一种新型基于相空间重构和返回图法的非线性降噪方法——搜索平均法，首先将该方法应用于被高斯白噪声所污染的Henon映射时间序列，说明根据降噪理论所编写的计算程序的正确性；然后应用于中国气象局公布全国435站1960—2000年的逐日气温观测时间序列，并利用非线性预报方法衡量降噪的效果，验证了该方法的有效性.     

基于深度学习的船舶辐射噪声识别研究

为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别。通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论。     

基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

A deep learning method for solving third-order nonlinear evolution equations

It has still been difficult to solve nonlinear evolution equations analytically. In this paper, we present a deep learning method for recovering the intrinsic nonlinear dynamics from spatiotemporal data directly. Specifically, the model uses a deep neural network constrained with given governing equations to try to learn all optimal parameters. In particular, numerical experiments on several third-order nonlinear evolution equations, including the Korteweg–de Vries (KdV) equation, modified KdV equation, KdV–Burgers equation and Sharma–Tasso–Olver equation, demonstrate that the presented method is able to uncover the solitons and their interaction behaviors fairly well.