排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
激光超声表面缺陷检测的过程中,缺陷的定量表征通常依赖于操作者的判断,易受到人为因素干扰,致使检测结果不稳定。针对这一问题,提出一种基于图像识别的二维卷积神经网络(2D-CNN)的缺陷自动分类检测方法。利用有限元方法模拟激光超声检测过程,并采集超声信号数据用于训练分类模型;使用连续小变换(CWT)处理超声信号得到小波时频图,以小波时频图作为输入训练卷积神经网络(CNN)分类模型,实现对表面缺陷深度的自动分类。验证结果表明:提出的检测方法能够对不同深度的缺陷准确分类,测试的平均准确率达到97.3%;构建的CNN分类模型能够自主学习输入图像的缺陷特征并完成分类,提高了检测结果稳定性,为激光超声缺陷检测的自动化分析处理提供了新的思路。 相似文献
2.
3.
4.
为了研究激光激发出的超声波在带过渡圆角的金属平板上的传播规律和检测表面缺陷的方法,采用有限元法模拟了该类平板中的激光超声现象,分析了表面波在圆角区域的传播规律和与表面缺陷的作用过程。数值结果表明:激光激发出纵波、横波和Rayleigh波等,其中Rayleigh波主要存在于表面mm量级,并且在过渡圆角处发生模式转换生成了直达波R′和模式转换波RR等多种表面波;经过过渡区域后的声波在表面缺陷处发生了反射和透射现象,通过B扫图可以检测缺陷的位置。随着缺陷深度的增加,表面波的透射系数不断减小,且透射波Rt和Rst存在0.5 μs左右的到达时间差,该时间差与缺陷深度近似成线性正相关。数值结果为激光超声检测带过渡圆角的平板表面缺陷提供了有价值的参考。 相似文献
5.
1