压力容器无损检测--声发射检测技术

声发射技术是20世纪60年代开始,目前逐步成熟的一种无损检测方法,已被广泛应用在压力容器检测和结构的完整性评价方面。文中简要介绍了国内外压力容器声发射检测的发展史和现状。给出了压力容器用钢的声发射特性和压力容器声发射检测方法,综合分析了国内外压力容器声发射检测的标准、仪器和应用进展。最后指出了压力容器声发射检测的发展方向,即在线监测、声发射信号的模式识别和人工神经网络模式识别分析。     

压力容器声发射信号人工神经网络模式识别方法的研究

采用人工神经网络模式识别技术对现场压力容器各种声发射源信号特征参数进行了模式识别分析,提出了采用人工神经网络分类方法对压力容器声发射源信号进行定量分析的概念,从而找到了评价声发射源严重程度的方法,设计和培训的人工神经网络可以给出一个多种因素产生的复合声发射源中裂纹扩展、氧化夹渣断裂、残余应力释放和机械摩擦信号所占的百分比,这一结果使声发射技术对压力容器安全状态的无损评价成为可能。     

储罐底板腐蚀状态的人工神经网络智能评价方法

根据储罐底板在线检测的声发射信息和外观检查信息,确定与储罐底板腐蚀状态相关的表征因素,应用人工神经网络智能评价方法,分别建立基于外观检查信息、基于声发射信息和基于在线检测信息的储罐底板腐蚀状态评价模型。通过对测试样本的评价,对比声发射检测评价结果,其中基于在线检测信息的储罐底板腐蚀状态评价模型的准确率为94%,该模型能够对储罐底板腐蚀状态进行准确的评价,实现储罐底板声发射在线检测评价的智能化。     

声发射技术在阀门检漏中的应用

提出采用声发射技术检测阀门的泄漏，介绍了声发射检测原理、声发射传感器的制作方式以及信号处理方式。试验和实际检测证明，采用声发射技术检测阀门的泄漏是可行的，检测简便、快捷、准确，扩大了声发射技术的应用范围，有效地监控了阀门的泄漏状况。     

胶接结构的声发射检测

应用声发射检测技术研究金属铝单搭接胶接结构的缺陷检测和强度估计问题。研究结果表明，声发射检测技术和超声检测技术相比，其胶接缺陷识别准确率较高，胶接强度估计精度相差甚微。研究结果为在低应力条件下应用声发射技术检测胶接结构缺陷和预测胶接结构强度提供依据。     

声发射检测技术在中国——庆祝中国机械工程学会无损检测分会成立三十周年

声发射检测技术是一种动态无损检测技术,具有广泛的应用前景。介绍了我国声发射检测技术的发展历程、相关标准、人员培训、仪器和软件的发展概况。综述了我国声发射检测技术在压力容器、常压储罐、压力管道和阀门、转动机械、机械加工、航空航天、大型水坝、大型变压器、复合材料、木质材料和岩石等方面的研究与应用现状。此外还介绍了我国声发射专业委员会组织全国声发射学术会议和仪器展示等活动的情况。     

采场冒顶灾害的声发射预报技术

简要介绍了用于监测岩体稳定性的声发射源定位系统ＳＤＬ－Ｉ和便携式声射智能监测仪ＤＹＦ－１，这些仪器能获取一个声发射事件所包含的尽量多的信息，基于这些信息开发了一种有效可靠的预测冒顶技术。该技术利用多个声发射参数（ＡＥ事件率、ＡＥ能量和ｍ值）评价声发射活动，在这些参数的监测数据基础上应用灰色系统理论预测将来的声发射，预测值通过训练好的冒顶模式识别，由人工神经网络模型输出对应的顶模式（较大规模的顶板塌     

声发射检测技术在齿轮故障诊断中的研究与应用现状

归纳了常见的齿轮故障类型,介绍了声发射技术的齿轮检测和监测原理,综述了声发射技术在齿轮故障检测中的研究与应用,包括机理研究、运行条件对声发射信号的影响以及声发射信号处理技术,着重分析了各种信号处理方法在齿轮箱故障诊断中的研究情况,并指出了声发射技术在齿轮故障诊断研究中的潜在问题和下一步研究方向,以为同行提供参考。     

声发射技术在焦炭塔检测中的应用

为缩短检验工期与减少保温拆除费用,应用声发射技术对大型焦炭塔进行了检测,并采用常规无损检测方法对声发射检测结果进行了复验。结果表明,声发射检测与常规无损检测方法发现的缺陷位置具有良好的对应关系,证明声发射检测方法在焦炭塔缺陷检测中的可行性和有效性,为类似大型石化设备声发射检测提供了重要参考。     

压力管道泄漏的声发射检测技术

论述了声发射检测技术的特点,介绍了压力管道泄漏声发射检测技术的原理。通过现场检测,根据每一管段两端的传感器测量值判断泄漏点发生的管段,再采用多通道系统对该管段进行多通道的线性定位检测,用以精确定位泄漏源的位置。阐述了声发射技术在管道泄漏检测上的应用策略,对压力管道泄漏定位检测应用具有实际的指导意义。     

神经网络在铸造生产中的应用

主要介绍了神经网络在熔炼设备生产中进行智能管理和控制,这有利于保证生产的安全和熔炼的质量;应用神经网络能够准确预测型砂主要组分、快速检测铸铁化学成分和分析铸件的性能与缺陷等;神经网络在铸件疲劳损伤过程的仿真和寿命估算以及石墨形态的识别与自动分类等方面的应用也有良好效果.     

人工神经网络在碳/环氧复合材料声发射检测中的应用

介绍了人工神经网络技术的基本概念、BP网络的基本结构和原理等。通过实验证明，选择合理的神经网络结构、建立有效的训练样本集、确定合理的参数及训练方法，就能在声发射检测中用神经网络方法对碳／环氧复合材料的各种类型损伤进行正确的识别。     

人工神经网络及其在铸造工业中的应用

近年来,国内外掀起了人工神经网络研究的新热潮。本文简要介绍了人工神经网络的特点、理论和应用研究以及它在铸造工业中的应用与研究价值。     

基于BP神经网络的板料折弯件下料尺寸的计算方法

在板料成形工艺中 ,弯曲成形是一种主要的工艺方法。而板料下料尺寸将直接影响到零件的成形精度以及后续工序的成败。针对工厂积累的大量生产和实验数据 ,提出一种基于人工神经网络计算弯曲件板料展开长度的方法。在概述解析法确定板料展开长度的基础上 ,建立了计算展开长度的人工神经网络模型。以板料厚度、成形半径及成形角度作为输入参数 ,中性层位移系数作为输出参数 ,用已积累的大量数据作为训练样本 ,对神经网络进行训练 ,得到这些参数和中性层位移系数的隐性规律 ,实现了弯曲成形板料展开长度的快速计算。实验结果表明 ,利用人工神经网络能够快速准确地计算出板料展开长度。     

Modelling and prediction of cut shape for plasma arc cutting based on artificial neural network

Abstract

An artificial neural network approach for the modelling of plasma arc cutting processes is introduced. Neural network models have been proposed for predicting the cut shape and estimating the special cutting variables. The implementation of artificial neural networks in the modelling of cutting processes is discussed in detail. The performance of the neural networks in modelling is presented and evaluated using actual cutting data. Moreover, prediction applications of the above neural network models are described for various cutting conditions. It is shown that estimated results based on the proposed models agree well with experimental data; the neural network models yield good prediction results over the entire range of cutting process parameters spanned by the training data. The testing and prediction results show the effectiveness and satisfactory prediction accuracy of the artificial neural network modelling. The developed models are applicable to carbon steel.     

基于BP人工神经网络的油箱端盖拉深成形仿真预测

以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。     

神经网络在覆盖件模具表面激光硬化虚拟过程中的应用

基于人工神经网络技术对覆盖件模具表面激光硬化虚拟过程的仿真建模，结合几何因素分析了模型的主要影响参数，对BP网络的结构和训练进行了说明。预测了激光表面硬化的加工效果(表面硬度、硬化层深、相对耐磨性和表面粗糙度)，实现激光加工工艺参数的优化，为实际生产和加工提供了依据。并以C语言为开发语言，利于实现各平台间的集成。     

电火花线切割加工工艺参数智能优化研究

采用人工神经网络的智能优化方法对电火花线切割加工工艺参数进行优化,将优化后的参数用于实际加工,将加工结果与传统的非线性回归模型和人工神经网络模型的预测值进行比较,发现人工神经网络模型预测效果较好.     

基于人工神经网络的拉形回弹预测技术研究

以蒙皮拉形为对象,探索了人工神经网络技术在拉形回弹预测中的应用。研究了利用神经元网络预测拉形回弹的关键技术,将人工智能技术和拉形数字仿真技术有机结合,建立了拉形回弹预测的人工神经网络模型,并验证了预测模型的有效性,为推动知识工程在飞机板金精密成形中的应用积累了经验。     

人工神经网络技术及其在板料成形智能化中的应用

本文在概述人工神经网络特性、BP网络模型及BP算法的基础上 ,对BP算法改进、训练样本及网络结构等相关技术进行了总结。重点综述了人工神经网络技术在板料成形专家系统、成形力预测、参数识别、智能控制、故障诊断、缺陷分析、板料成形性能研究和模具优化设计等板料成形智能化相关技术中的应用 ,探讨了应用中存在的问题 ,并展望其发展趋势