轴类零件内部缺陷超声检测与重构方法研究

为了探究轴类零件内部缺陷的无损检测方法,本文以曲轴为研究对象,基于超声ALOK技术对其内部多个小孔进行了无损检测实验,并建立了相应的声学仿真有限元模型,提出利用声程—角度散点图中的趋势线,可快速判别内部缺陷特征和位置的方法。并且改进了ALOK算法,即采用邻近探头构建的方程或曲线重构缺陷,模拟和实验结果表明使用改进的算法提高了缺陷位置和尺寸的检测精度,通过实验数据重构所得的缺陷位置误差和半径误差分别在2 mm和0.5 mm左右。研究结论对于轴类零件内部缺陷精确定量化无损检测提供了理论和技术指导。     

基于分布式超声无损检测方法的零件内部缺陷检测

超声检测广泛应用于工业检测,比如超声相控阵检测法和超声A扫应用于零件内部缺陷检测。然而,这些方法可以检测出缺陷位置却很难精确地检测缺陷尺寸,缺陷定量成了急需解决并且很有意义的问题。本文提出了一种分布式超声无损检测方法,将超声探头均匀布置在检测表面,每一个超声探头可以同时发射和接收超声信号,通过对接收到的信号进行处理来重构缺陷轮廓。基于分布式超声无损检测方法,重构零件的人造缺陷并建立相应的声学仿真模型。通过多项式拟合法和聚类法分别处理实验和仿真所获得的数据并重构缺陷轮廓。实验结果和仿真结果显示重构的椭圆形缺陷和正方形缺陷具有一定的精度。结果表明分布式超声无损检测方法有潜在的应用价值和理论意义。     

高准确度熊猫保偏光纤自动定轴技术

保偏光纤偏振轴的检测和对准是保偏光纤应用中的关键技术.为提高基于端面成像的偏振轴检测方法的检测精度,以熊猫型保偏光纤为研究对象,采用基于曲面拟合的亚像素边缘检测算法和椭圆拟合算法提高检测的准确度,采用多次测量取平均法提高检测的精确度;利用检测结果的正态分布特性,提出一种基于概率的偏振轴定轴方法.搭建了保偏光纤自动定轴系统并进行实验,准确性验证实验结果表明:亚像素边缘检测方法平均可以减小45%的偏差,而拟合椭圆相较拟合圆平均可以减小15%的偏差;精确性验证实验表明采用多次测量取平均的方法可以有效减少检测结果的离散程度;定轴实验的结果表明,基于概率的偏振轴定轴方法可以达到优于0.1°的定轴准确度.     

基于幅度调制的非线性超声相控阵成像方法*

超声相控阵是超声检测领域常用的材料缺陷定位和成像技术,可便捷快速地对裂纹、孔洞等缺陷进行成像。但是,传统超声相控阵方法对较小缺陷如闭合裂纹不太敏感。非线性超声信号因对材料性能退化以及微小缺陷敏感而广受关注。本文针对疲劳闭合裂纹检测,提出一种基于幅度调制的非线性超声相控阵成像方法,通过测量物理聚焦和虚拟聚焦两种聚焦模式下超声扩散场中的声能差,并将其作为非线性参量,实现疲劳裂纹闭合部分的定位成像和定量表征。将该法应用于7075铝合金试样疲劳裂纹的实验测量,并研究了扩散场信号延迟时间对非线性超声相控阵成像结果的影响。结果表明：相较于传统超声相控阵全聚焦法,基于幅度调制的非线性超声相控阵成像方法能够更准确地定位和成像疲劳裂纹闭合部分;延迟时间的选择对疲劳裂纹长度的表征精度影响较大,本文研究了该延迟时间的选择方法并实现了检测结果的优化。     

接触缺陷的振动调制超声导波检测技术研究

针对常规线性超声检测方法无法实现板结构接触类缺陷(如微裂纹、脱粘等)检测问题,将超声导波技术与振动声调制技术相结合,利用稀疏分布传感器发展了一种板结构中接触缺陷非线性超声检测方法。通过低频振动改变缺陷的接触状况,使得通过接触面的高频导波信号的相位和幅值受到调制。对受低频振动调制的超声导波二维时间序列进行时频分析,由于接触类缺陷的存在,在振动调制超声导波序列的时频分布上出现明显的低频振动频率分量。利用提取出的低频振动频率下的超声导波信号,进行了结构接触缺陷成像处理。检测试验表明,基于振动声调制的超声导波缺陷成像方法可以实现结构中的接触类缺陷检测。      

改进的高分辨逆波束形成算法在圆阵中应用

针对常规逆波束形成不能突破瑞利限问题,相关学者提出一种基于自回归模型的逆波束形成算法来改善逆波束形成算法的方位分辨率;但在实际应用中,该算法的检测性能比逆波束形成算法差。对此,本文通过修改自回归模型来改善基于自回归模型的逆波束形成算法的检测性能,并将其应用于圆阵中。改善后的算法在保证对目标方位高分辨率检测的同时,在较低信噪比条件下可实现对目标方位的有效检测。理论分析和数值仿真验证了改善后的算法相比基于自回归模型的逆波束形成算法在检测性能提高了近10log(2K 1)dB( 2K 1 为虚拟线阵阵元数) 。     

改进的Faster-RCNN算法在聚乙烯管接头内部缺陷检测中的应用

超声相控阵技术是目前聚乙烯管道热熔接头内部缺陷检测的一种主流方法。提出了基于注意力机制的改进Faster-RCNN目标检测网络用于超声相控阵D扫图聚乙烯管接头内部缺陷检测。针对聚乙烯管道热熔接头内部超声相控阵D扫图小缺陷较多、特征信息容易丢失的问题,将残差网络(ResNet50)与特征金字塔网络(FPN)相结合作为骨干网络,并引入卷积注意力模块(CBAM)自适应细化特征。将SSD网络框架和Faster-RCNN网络框架用于模型训练和测试,使用VGG16、ResNet50、ResNet50+FPN、ACBM+ResNet50+FPN作为骨干网络依次对超声相控阵聚乙烯管道热熔对接接头内部缺陷样本进行训练对比。结果表明,改进的Faster-RCNN网络模型在聚乙烯管接头内部缺陷检测和分类方面有明显改进,对小缺陷的检测性能有了显著的提高。     

应用混频超声检测微小缺陷

高端飞行器的可靠性往往受限于其发动机内部盘、板等构的结构强度和使用寿命,因此对这类部件的无损检测在制造业上具有巨大需求。超声检测作为一种应用广泛、高效、环保的检测方法,常常被应用于这类构件的检测中。但是,大厚度盘、板类构件内的微小缺陷反射能力弱,常规超声脉冲反射法无法进行有效检测。为实现大厚度盘、板类构件内部微小缺陷的识别和定位,采用共线异侧纵波混频法,通过和差频信号特征识别微小缺陷;研究缺陷埋深变化对混频效果的影响,通过测量和差频信号幅值变化,实现微小缺陷的深度定位。结果表明：该方法可有效识别7075铝合金中埋深80mm的φ0.2mm横孔微缺陷,且可实现微小缺陷的深度定位。     

基于声源预估的波叠加组合全息声源识别方法

为解决声源识别中旁瓣效应等因素引起的虚假识别结果问题,提出了基于声源位置预估的波叠加组合全息算法。应用波束形成算法进行声源位置的预估,将预估声压峰值点作为假定声源点,通过波叠加原理建立方程组,利用声源强度求解结果构造完整全息平面,通过声全息方法重新计算重建面声压。进行了仿真和实验验证,经该算法重构后,波束形成算法产生的虚假声源处的声压得以明显降低。表明该算法可以抑制旁瓣效应等因素的影响,提高声源识别的准确率。      

基于机器视觉的电机换向器质量在线检测系统开发

电机换向器质量检测是换向器生产线中的一个重要工序,但其仍采用人工方式,存在检测效率低、漏检率高等问题。针对此问题,本文运用图像处理和机器视觉技术,开发换向器质量在线视觉检测系统。该系统针对生产过程工艺多变,造成形状检测标准不一致问题,提出自适应学习模板方法;在轴孔孔径检测,提出基于Freeman链码改进的孔径快速检测算法;在端面缺陷中,提出基于改进视觉注意力模型的端面缺陷检测方法。实验结果表明,系统检测精度达到99.80%,漏检率为0%,F-measure值为99.89%。该系统能够快速有效检测换向器存在的外观质量问题,可满足换向器在线质量检测需求。     

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。      

钢轨缺陷的超声相控阵波数成像算法*

该文应用超声相控阵全矩阵捕获的波数成像算法,检测带有通孔缺陷的钢轨和B型相控阵试块。以实验获取的全矩阵数据为基础,研究了自发自收模式和全矩阵模式的波数成像算法,理论上分析了全聚焦方法和波数算法的计算性能,取得波数成像的结果并与全聚焦方法的成像结果做了对比。实验结果表明:波数成像算法具有更快的计算速度和更高的横向分辨率,且能够更加精准地还原钢轨中缺陷大小和形状,而传统的全聚焦方法计算耗时长,聚焦点分布不均匀,重建较大的缺陷出现了纵向拉长的现象,不能够较好地反映钢轨中的大缺陷。波数成像算法在各向同性材料实时检测中有很大的应用潜能。     

板状结构Lamb波频散补偿与聚焦接收成像检测

对板状结构中Lamb波的频散和多模现象进行了理论分析,采用有限元仿真方法获取了Lamb波与缺陷作用后的回波信号,对信号进行聚焦接收处理,即在一定距离范围内利用导波频散特性对各个模式信号进行频散补偿,提取补偿后信号的幅值,结果表明当所得信号幅值最大时,所对应的补偿距离等于缺陷与换能器之间的实际距离.利用这一结论,提出了以...     

扩散场扇扫重建格林函数实现近表盲区缺陷检测

2020年5月12日定稿摘要针对结构近表盲区缺陷检测难题,发展了一种扩散声场扇扫重建格林函数的超声检测方法。在对扩散场扇扫重建格林函数理论分析的基础上,通过5 MHz超声相控阵探头对铝块近表盲区缺陷进行了检测实验并对影响成像结果的延时时间、时间窗宽和扫查方式进行了分析。结果显示,该方法可以有效检测铝块近表1.5~3 mm的盲区缺陷;扇形扫查方式的有效扩散时间较全矩阵捕获方式延长0.5 ms以上;在有效扩散时间内,随着延时接收时间和时间窗宽的增加,成像质量得到提高。本研究工作为超声检测近表盲区缺陷提供了一种有效可行的新方法。      

金属薄板缺陷的超声多途Lamb波检测

金属薄板在动车等现代化设计中应用广泛,其是否存在缺陷等检测具有很重要的意义。为此,利用超声多途提供的额外数据来检测金属薄板的缺陷,提出相应的算法,多途路径在直接反射的路径上是可以预测和识别的,直接反射路径是相对比较容易识别的。同时利用ANSYS有限元建模不同的薄板缺陷模型,在不同的传感器位置、缺陷位置、缺陷大小情况下分别进行仿真。通过ANSYS仿真和实验检测都得出了良好的结果,误差在可控制范围之内,证明了超声多途应用与金属薄板Lamb波检测的是可行的;仿真和实验表明超声多途通过实际和多途虚拟扩展的传感器数据的分析证明了超声多途能够对薄板缺陷进行定位并检测其大小。提出的超声多途检测方法,通过单次测量即可检测出薄板缺陷的位置和大小,具有良好的检测性能。     

基于深度学习的铸件X射线图像分割研究

针对当前图像分割算法在实现工业铸件内部缺陷分割上精度低且算法不够轻量化的问题,提出一种基于改进DeepLabv3+的工业铸件内部缺陷检测算法Effi-DeepLab。该方法采用EfficientNet中的MBConv来代替原有的Xception模块进行特征提取,使特征提取网络更加高效与轻量化;针对工业铸件内部缺陷尺寸小的问题,重新设计空洞空间金字塔池化（ASPP）层中空洞卷积的扩张率,使得卷积块对小目标具有更高的鲁棒性;在解码端充分利用特征提取阶段的低阶语义信息进行多尺度特征融合,以提高小目标缺陷分割的精度。实验结果表明,在本文使用的汽车轮毂内部缺陷图像数据集中,Effi-DeepLab模型对缺陷的分割准确率和平均交并比（mIoU）分别为93.58%和89.39%,相比DeepLabv3+分别提升了2.65%和2.24%,具有更好的分割效果;此外,还通过实验验证了本文提出算法具有良好的泛化性。