同种不锈钢小径管焊缝超声波探伤的方法

文章对锅炉受热面同种不锈钢小径管对接焊缝超声波探伤方法的中探头研制,探伤工艺简要阐述,为不锈钢小径管对接焊缝的探伤方法探索出一种可行的途径。     

新型奥氏体钢小径管焊接接头的超声波探伤

在超(超)临界发电机组的锅炉受热面中,Super304H等新型奥氏体材料应用越来越广泛,文章结合铁素体钢小径管焊接接头的超声波探伤方法,对新型奥氏体钢小径管进行分析及对比,指出其中的差异,并提出适用于现场的快速有效检测新型奥氏体钢小径管焊接接头的探伤方法.     

小径管焊缝超声波探伤

小径管对接焊缝超声波探伤一直存在缺陷难以定位、定量的问题,且其壁厚在公差范围内正负变化较大,对根部缺陷的判定较困难。因此对小径管焊缝超声波探伤进行探讨。     

小径管焊缝缺陷的超声波检出

小径管焊缝缺陷的超声波检出马头发电总厂莫学愚由于电站锅炉受热面管爆管、泄漏时有发生，换管工作量随之增加，为确保机组安全运行，不少单位已做出对焊口进行１００％探伤的规定。单靠射线透照去完成大批量焊口检验，困难很大，而小径管超声波探伤具有速度快（每台班可...     

浅谈小径管对接焊缝超声波探伤

浅谈小径管对接焊缝超声波探伤邢台发电厂高宝林火力发电厂锅炉“四管”（过热器管、省煤器管、再热器管、水冷壁管）泄漏是频发性事故之一，而其中困焊接质量不良造成的泄漏又占“四管”泄漏的３０％。为减少锅炉“四管”泄漏，原能源部１９９２年６月在《关于加强技术监...     

锅炉小径管对接焊缝超声波探伤分析

介绍了锅炉小径管对接焊缝超声波探伤的特点，对缺陷波和杂波的波型特点进行了分析，提出了缺陷波和杂波的识别方法。     

小径管焊缝超声波探伤有关问题探讨

小径管焊缝超声波探伤在电力系统已开始应用，但在衫中存在超声场畸变等问题。文章针对这些问题进行了探讨，并对探头Ｋ值选择及灵敏度调整对缺陷检出率的影响进行了讨论。     

奥氏体异种钢小径管焊缝超声爬波检测

文章讨论了采用超声爬波检测奥氏体异种钢小径管焊缝,根据爬波的原理设计了奥氏体异种钢小径管焊缝超声爬波探头和对比试块,对检测灵教度和缺陷回波波形进行了分析探讨。     

小径管对接焊缝超声波探伤常见问题探讨

小径管对接焊缝超声波探伤时，一直存在着缺陷难以定位、定量的问题，且其壁厚在公差范围内正负变化较大，对根部缺陷的判定较困难，该文对探伤中经常遇到的问题进行探讨，找出一些解决问题的方法，并对DL／T5048－95中的部分规定提出建议。     

再热蒸汽管道对接焊缝焊接接头超声波检测探讨

通过对再热蒸汽管道对接焊缝焊接接头区域的危害性缺陷的研究分析,指出危害性缺陷形成机理、形貌特征和产生部位,结合超声波检测技术,较为完善地介绍了再热蒸汽管道超声检测的重点部位及检测方法。     

S30432奥氏体钢管喷丸强化形变层组织和特性

针对S30432钢管样的内壁喷丸强化形变层,采用金相分析、扫描电子显微分析和硬度分析等方法,进行了强化形变层表面状态、形变组织、显微硬度及其氧化特性的分析研究,并依据喷丸层形变组织形态特征的差别将强化形变组织分为单滑移层、多滑移层和碎化晶层3层。研究结果表明:喷丸强化效果主要取决于碎化晶层和多滑移层的发育程度,尤其是取决于碎化晶层的发育程度;喷丸处理可以提高奥氏体钢管的抗氧化能力。     

锅炉受热面奥氏体不锈钢管弯头表面裂纹涡流检测技术研究

针对火电厂锅炉受热面奥氏体不锈钢管弯头涡流检测的特点,设计制作马鞍型阵列式涡流探头和对比试样,改进升级ET-556H多频涡流检测仪,并通过试验提出火电厂锅炉受热面奥氏体不锈钢管弯头涡流检测的最佳参数.本涡流检测技术不仅方便操作,而且可提高检测分辨率和灵敏度,对于火电厂锅炉受热面奥氏体不锈钢管外表面0.4 mm深的周向线...     

超声导波检测技术在小直径管检测中的应用

针对常规超声波检测方法及涡流检测方法在进行在役管排缺陷检测时存在的局限性,介绍超声导波检测技术的基本原理,导波的传播模式、分类,以及导波在电站小直径管检测方面的应用。根据无缝钢管容易出现的缺陷类型设计了参考试块,利用超声导波检测技术进行钢管轧制缺陷的c扫描和A扫描,并对反向波信号较明显的管子进行了金相检验。结果表明,超声导波检测方法具有检验速度快、成本低等优点,能有效提高检测效率,可满足电力小径管的无损检测工作要求。     

不锈钢焊缝中超声传播特性及TOFD检测方法研究

为提高对不锈钢焊缝内部缺陷的超声检测能力,开展了关于焊缝超声波传播特性及其超声衍射时差法(TOFD)的研究工作。通过调整探头间距(PCS)改变检测声束方向,分析检测声束与柱状晶夹角对检测信号信噪比的影响,提出基于超声TOFD技术的焊缝一次波、二次波检测方法;鉴于二次波检测中特征波结构的复杂性,建立了特征波传播模型以识别二次波特征信号。研究结果表明,焊缝中传播的超声波声束呈现明显的各向异性特征,柱状晶与检测声束的夹角是检测信噪比的关键影响因素;与探头置于焊缝根部侧和余高侧相对应,需分别采用一次波和二次波检测方法进行TOFD检测;当检测声束与柱状晶夹角在35°~48°且检测区域具有较高声压时,可有效提高对焊缝缺陷的检测能力。基于声波传播的各向异性特征提出的超声TOFD一次波和二次波检测方法对于提高奥氏体不锈钢焊缝的超声检测能力具有重要作用。     

Formation and properties of nitrogen‐rich phases in austenitic stainless steel by plasma‐based ion implantation

Surface modification of austenitic stainless steel by plasma‐based ion implantation at elevated temperatures below 450°C has been studied experimentally. The nitrogen depth profile at room temperature was similar to that obtained by TRIM code simulation, but the depth of nitrogen penetration increases with target temperature and reaches a few micrometers at a treatment condition of 450°C and an implantation time of 2 h. High‐dose nitrogen implantation exceeding 10¹⁸ cm^?2 at temperatures above 350°C results in the formation of expanded austenite phase (supersaturated f.c.c. phase) with little CrN precipitation, leading to remarkable enhancement of surface hardness without loss of corrosion resistance. © 2004 Wiley Periodicals, Inc. Electr Eng Jpn, 148(4): 9–16, 2004; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.10340     

一种奥氏体不锈钢在模拟PEMFC环境中的特性

由于低成本、高强度、易于加工成薄板及其耐蚀性,不锈钢被认为是用做质子交换膜燃料电池(PEMFC)双极板的理想材料。用电化学方法研究了一种奥氏体不锈钢在H2SO4和2mg/LF-水溶液中的腐蚀行为,测量了钝化膜与碳纸间的界面接触电阻。结果表明,这种奥氏体不锈钢在H2SO4和2mg/LF-水溶液中呈现明显的活化-钝化转变,随着H2SO4浓度降低,耐蚀性提高,界面接触电阻增大。     

超声探伤信号的神经网络识别

提出一种基于傅立叶变换和模式识别技术的奥氏体超声探伤信号的缺陷定性分类方法。该方法利用快速傅立叶变换提取反映缺陷性质的特征值,然后运用BP神经网络对特征值进行缺陷定性识别。实验结果表明,此方法简单易行,且能较好地实现奥氏体的缺陷识别。     

超声波探伤技术在屏蔽电机不锈钢锻件上的应用

说明超声波探伤在屏蔽电机锻件上的重要性。分析了工作中缺陷的形成、形态及定位、定量等问题。达到降低成本，确保产品质量的目的。     

基于深度学习的发电站制冷水管焊缝图像检测

针对发电站制冷管射线图像的焊缝区域对比度较低,特征不明显,传统方法难以实现精确搜索的问题,提出一种基于深度学习的发电站制冷水管焊缝区域搜索方法。利用限制对比度的自适应直方图均衡化(CLAHE)限制图像统计直方图的幅度,抑制噪声放大,得到直方图的累积分布函数(CDF),以校正图像的低对比度;利用深度神经网络的24个卷积层提取输入图像的特征,2个全连接层预测图像位置和类别概率,实现水冷壁管焊缝区域的检测,以克服传统模板匹配精度低,时间复杂度高的问题。对100张制冷管射线图片按4:1:5分为训练集、验证集和测试集,利用训练集和验证集对深度神经网络进行训练,将图像送进训练好的模型,预测制冷管焊缝区域的位置。试验结果表明：基于深度学习的焊缝区域搜索方法可以实现焊缝的精确搜索,准确率达到96%,搜索效率及准确度高。#$NL关键词：发电站制冷管;焊缝区域;深度神经网络;射线图片;深度学习#$NL中图分类号：TN911.73