多层单道电弧增材表面3-D重构方法研究

为了研究多层单道电弧增材表面3-D成形特征，采用激光视觉传感系统采集电弧增材制造表面条纹图像。提出基于边界约束条件的感兴趣区域(ROI)提取法对焊缝特征曲线进行定位，获取ROI的激光条纹像素坐标。进行了理论分析和实验验证，得到电弧增材表面的3-D离散点数据，采用Delaunay三角剖分对离散点拟合形成3-D实体表面。结果表明，锯齿靶标的线性标定方法，3-D重构精度在0.2mm以内; 基于边界约束条件的ROI提取方法能准确定位电弧增材上表面和侧表面的条纹特征曲线。这一结果对电弧增材表面的3-D成形检测是有帮助的。     

焊缝表面缺陷激光扫描三维重构测量

为检测工件焊缝表面缺陷，采用点激光位移传感测距法和数据拟合技术进行焊缝表面缺陷检测试验研究. 首先采集缺陷表面轮廓数据点，利用高斯滤波对原始数据降噪处理. 再对处理后的数据点进行Delaunay三角剖分，使散乱点连接并结合其空间坐标重构出缺陷的三维模型. 结果表明，基于点激光位移传感测距技术及焊缝表面缺陷三维重构方法可以准确判断焊缝成形情况.     

基于测井曲线的临兴区块致密砂岩力学性质研究

为了更加简便地获取岩石的力学参数,基于阵列声波测井和常规测井,采用MTS和GCTS岩石物理参数测试系统,获取岩石的单轴和三轴力学实验,通过动、静态力学参数和单轴、三轴力学参数的相互转换,建立了基于测井方法的岩石力学参数模型,并应用该方法求取研究区盒8段砂岩的岩石力学参数的空间分布。研究结果 表明:研究区盒8段砂岩的杨氏模量为18-39GPa,平均为30GPa;泊松比为0.21-0.30,平均为0.26;单轴抗压强度为41-95MPa,平均值为70MPa;单轴抗拉强度为3.4-7.9MPa,平均值为5.8MPa。全区杨氏模量与泊松比分布不均,杨氏模量南部较高,北部次之,中部最低,泊松比与之相反。该研究可以简便地获取岩石力学参数,为致密气的压裂设计提供依据。     

模糊控制理论及音谱分析技术在机械故障诊断中的应用

介绍一种利用模糊控制理论及音谱分析技术对机械设备进行故障诊断的方法。通过检测及分析声音信号,可以在强噪声环境下准确地探测到故障源并分析出其故障类型。     

焊缝表面缺陷激光视觉传感HOG-SVM的检测方法

为了实现对焊缝表面缺陷的自动检测与分类,研究一种有效识别焊缝表面缺陷的激光视觉检测方法.通过激光视觉传感器采集焊缝图像并进行预处理,包括图像分割,灰度化,平滑去噪以及焊缝轮廓提取.采用方向梯度直方图(Histogram of Oriented Gradient, HOG)提取焊缝激光条纹轮廓图像的特征向量.其次,基于5折-交叉验证网格搜索方法进行模型参数寻优,最终建立了支持向量机(Support Vector Machine, SVM)智能模型识别与分类焊缝表面缺陷.通过调整焊缝轮廓提取算法、HOG特征维度得到不同特征数据并进行对比、分析焊缝缺陷的识别效果.在相同试验条件下,发现支持向量机比随机森林分类器、K最近邻分类器以及朴素贝叶斯分类器的识别率更高,达到97.86%.基于HOG-SVM的焊缝表面缺陷智能识别方法可有效提高焊缝缺陷(气孔、凹陷、咬边)及无缺陷的分类精度.     

角点检测与光流跟踪的焊缝特征提取与定位研究

针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据三角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点三维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。     

激光焊接裂纹磁光成像频域特征分析

为了研究旋转磁场激励下激光焊接裂纹磁光成像在频域内的特征, 采用对激光焊接裂纹磁光图像进行2维离散傅里叶变换的方法, 进行了理论分析和实验验证, 取得了旋转磁场不同励磁强度下激光焊接裂纹的频谱图数据。结合裂纹磁光图的空域特征, 对所获裂纹频谱图灰度值为255的点进行统计分析。结果表明, 激光焊接裂纹磁光图像的频域特征和空域特征有一定的对应关系; 在一个变化周期内(885帧磁光图), 对应频谱图上会出现先变小再变大、再变小再变大或相反的变化过程, 最终回到初始状态。这一结果验证了旋转磁场下裂纹磁光成像规律的正确性, 对激光焊接缺陷的无损检测是有帮助的。     

焊缝缺陷检测现状与展望综述

针对焊缝表面成形缺陷检测存在的技术问题,对现有焊缝缺陷检测技术即磁粉检测、超声检测、涡流检测、渗透检测、磁光成像检测、红外检测以及结构光视觉检测法进行了深入研究。对检测原理、系统基本结构、各自的适用范围以及研究现状进行了论述;并分析总结了基于结构光视觉检测法的激光条纹图像采集、图像处理、特征提取和焊缝缺陷分类识别等技术相关的理论与算法;研究结果表明:为了满足焊缝缺陷全方位检测要求,可融合多检测技术,优势互补;随着人工智能技术的不断发展和焊件质量要求的提高,实现焊缝缺陷检测技术可视化、自动化是未来的发展趋势;人工智能技术是焊缝缺陷检测的关键技术,实现真正智能化检测需进一步研究。