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。     

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。     

应用超声干涉特征识别微小缺陷

航空用金属材料中允许存在的缺陷越来越小,有时需要识别几十微米的夹渣缺陷.由于微小缺陷对声波的反射能力弱,常用的超声脉冲反射法的识别能力遇到瓶颈.该文利用超声干涉原理对微小缺陷进行识别.首先,理论分析入射波与微缺陷散射波的干涉机理;其次,采用有限元仿真方法分析了入射波经过微小缺陷后的波形变化,归纳出入射波与微缺陷散射波干...     

小角度纵波水浸超声检测技术在消除锻件结构盲区中的应用

航空发动机中的后轴颈锻件一般采用水浸超声纵波直入射方法检测内部缺陷。由于型面结构的原因,在锻件的直筒和锥形段连接区域存在检测盲区。本文针对某型号发动机中的后轴颈锻件,开展了水浸超声检测工艺研究,提出利用小角度纵波覆盖盲区的思路^[1]。通过对含有人工缺陷的模拟样件的检测试验,比较了水浸纵波直入射和小角度纵波斜入射两种检测方法对后轴颈连接区域的覆盖能力。结果表明,本文提出的小角度纵波方法,可以有效检测出水浸纵波直入射检测方法无法发现的人工缺陷,消除由结构引起的检测盲区,保障零件的服役安全。