旋转磁场下焊接缺陷磁光成像检测与强分类研究

焊接缺陷的准确检测与分类对保证焊接产品质量十分重要。研究一种旋转磁场激励下焊接缺陷的磁光成像无损检测方法。分析基于法拉第磁光效应的焊接缺陷磁光成像机理,使用有限元法对焊接缺陷的磁场分布进行数值模拟与分析,并获得磁光图像采集的最佳提离度。分析旋转磁场形成机理,使用交叉磁轭产生旋转磁场激励焊件,通过磁光成像传感器获取焊接缺陷磁光图像。采用主成分分析法(Principal component analysis, PCA)对采集的磁光图像列像素灰度特征进行提取与降维,使用AdaBoost算法结合误差反向传播(Back propagation, BP)神经网络建立BP-AdaBoost焊接缺陷强分类模型。试验结果表明,所提出的方法可有效提高45钢焊接缺陷(弧形裂纹、线形裂纹、凹坑、未熔透)的分类精度,焊接缺陷强分类模型的整体识别率达到98.88%,有效实现焊接缺陷的检测与分类。     

焊接缺陷磁光成像动态检测与识别

为了实现焊接缺陷的自动检测,研究一种交变磁场激励下焊缝表面及亚表面缺陷的磁光成像动态无损检测方法。分析了基于法拉第磁致旋光效应的焊接缺陷磁光成像机理,并结合交变磁场原理推导出励磁变化与动态磁光成像的关系。探索低碳钢板的亚表面焊缝磁光成像特征试验,验证了所提方法可用于检测焊缝亚表面的未熔合缺陷。最后对高强钢焊缝特征的动态磁光图像进行分析,采用主成分分析法和支持向量机(PCA-SVM)模式识别方法建立了焊接缺陷分类模型。试验结果表明,所提方法可以识别高强钢焊件中的焊缝特征(未熔透、裂纹、凹坑和无缺陷),缺陷分类模型的整体识别率达到92.6%,能够实现焊缝表面及亚表面缺陷的自动检测。     

交变磁场下焊接缺陷磁光成像特征分析

研究焊接缺陷磁光成像检测方法,基于法拉第旋转效应,分析交变磁场下焊接缺陷磁光成像特征与漏磁场之间的关系.建立焊接缺陷的三维有限元模型,对不同类型和宽度的焊接缺陷漏磁场分布进行模拟,并在交变磁场激励下对不同焊接缺陷进行磁光成像无损检测试验,通过试验验证了焊接缺陷检测模型的有效性.研究结果表明,漏磁场分布与缺陷的类型和宽度...     

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。     

磁光成像漏磁特征在焊接缺陷轮廓重构中的应用

为了实现焊接缺陷的检测与评估,提出将交变磁场激励下磁光成像的漏磁特征应用于焊接缺陷的轮廓重构当中,建立漏磁重构模型,研究焊接缺陷的二维轮廓特征。首先根据交变磁场下的漏磁场的形成机理,讨论漏磁场分量By,Bz两种漏磁信号与缺陷轮廓存在的关系。再利用数值模拟方法获取数据,训练其广义回归神经网络(Generalized Regression Neural Network,GRNN)来确定该模型并说明漏磁场信号可以实现缺陷轮廓重构。最后,将磁光成像漏磁特征的数据应用于模型训练,确定重构的可行性。试验结果表明,应用磁光成像漏磁特征的图像数据与仿真获得的轮廓重构规律一致,能够实现焊接缺陷二维轮廓重构。在一定范围内,缺陷深度越大(不小于0.45mm),重构效果越好。     

基于磁光成像的低碳钢WAAM成形件表面缺陷检测与分类

针对电弧增材制造(WAAM)成形件表面及亚表面微小缺陷难以检测和识别的问题,结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法,实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化,并使用磁光成像仪获取成形件表面磁光图像作为试验样本,然后对磁光图像进行预处理,用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征,最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明,WAAM成形件表面缺陷检出率为97.33%,表面质量分类准确率可达91.33%,验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。     

磁光成像传感无损检测技术现状与展望

针对检测铁磁性工件缺陷过程中的技术问题,介绍了一种基于法拉第效应的新型磁光成像传感无损检测技术。阐述了磁光成像传感无损检测技术的基本原理和实验系统,通过对磁路机理及励磁方式的论述,总结出了磁场激励规律,以及寻找了最佳励磁方式的技术难点;分析了磁光图像缺陷信息提取算法以及神经网络预测分类模型,指出了如何将磁光成像传感检测与人工智能相结合的关键问题;列举了几种主要无损检测技术的特点,并归纳了磁光成像传感检测技术在航空航天、焊接等领域的应用;最后对磁光成像传感无损检测技术的主要问题和发展方向做出了总结。研究结果表明:磁光成像传感无损检测技术具有独特的优越性,可以为高精度无损检测自动化、图像化、智能化的实现提供新的研究方向。     

激光焊接焊缝显微组织磁光成像研究

针对焊缝显微组织对焊件质量影响问题,对激光焊接焊件不同区域的焊缝显微组织特征进行研究,对不同焊接试验参数下的焊缝成形差异进行分析,提出了一种焊缝显微组织磁光成像检测方法,采用低碳钢平板对接焊,试验共分为4组,将焊缝显微组织磁光图像与扫描电镜图像相结合,分析恒定磁场下不同区域焊接接头的显微组织磁光成像差异和焊缝的晶粒组成及特征。研究结果表明,在磁光图像中焊件焊缝可以分为熔合区、热影响区和母材区,且这3个区域的晶粒组成、大小及形态有明显的差异,恒定磁场下焊缝磁光图的颜色、亮度及灰度值反映了焊缝的成形质量。     

焊接缺陷磁光成像三维轮廓重构识别

对焊件表面及亚表面缺陷进行无损检测是保证焊接产品质量的关键.提出了一种基于法拉第磁致旋光效应的磁光成像焊接缺陷三维重构方法,实现焊接缺陷形状和大小的识别.基于磁光成像原理分析漏磁场磁感应强度与磁光成像的对应关系,以脉冲激光焊接凹坑(3 mm×0.3 mm×0.25 mm)为研究对象,建立焊接凹坑缺陷三维有限元磁场仿真模...     

焊接缺陷磁光成像卷积神经网络识别方法

对焊件表面及亚表面微小焊接缺陷进行检测是保证焊接质量的关键,提出一种基于深层卷积神经网络的磁光成像焊接缺陷检测方法.以法拉第磁致旋光效应为基础,分析磁光成像原理,建立深层卷积网络预测模型,研究不同模型结构参数对训练结果的影响.通过对深度卷积神经网络中间机理分析,研究模型训练过程并自动寻找卷积核最优参数.试验结果表明,第...     

Detection of micro gap weld using magneto-optical imaging during laser welding

Accurate seam tracking plays a critical role in acquisition of good weld. During laser butt joint welding, the laser beam focus must be controlled to follow the weld trajectory. The key problem to be solved is the automatic identification of weld position. An approach to detect the micro gap weld (gap width is less than 0.05 mm) based on magneto-optical imaging (MOI) is proposed. The laser butt joint welding of carbon steel was carried out. A magnetic excitation device was used to magnetize the weldment, and it was found that magnetic field distribution at the weld was different from other regions. The magnetized weldment was detected by using a magneto-optical sensor, and magneto-optical images of the weld were captured. By analyzing and processing weld MO images with low contrast and strong magnetic field noises, the weld center position could be detected accurately. Weld MO images at different laser welding speeds were investigated to analyze the varieties of image characteristics. Experimental results indicated that the magneto-optical imaging technique could be applied to detect the micro gap weld accurately, which provides a novel approach for automatic identification and tracking of micro gap weld during laser welding.     

磁光/涡流实时成像检测系统的研究

介绍了磁光/涡流成像检测系统的基本工作原理及组成,给出了初步的实验结果,并对试验结果进行了相应的图像处理,实现了对表面及亚表面细小缺陷的可视化无损检测,克服了传统的涡流检测方法中探头尺寸相对较小而检测面积大,检测工作要消耗大量时间且不易操作的缺点,并具有探测结果可视化且直观易懂;易于保存;检测难度低;检测前不需要清除油漆等表面覆盖层,只需要保证待检测表面具有较好的反射性能;可对亚表面以及表面缺陷进行实时成像检测等优点。试验结果进一步验证了系统的正确性和重要性。     

用于焊缝位置识别的视觉模型设计与试验

理论与试验研究用于焊缝位置识别的视觉模型,该模型主要由弹性梯度下降训练法BP神经网络组成.在焊接工艺条件下,使用视觉传感器获取焊接区熔池图像,并选取特定区域进行中值滤波与图像灰度变换处理以增强被测对象的特征.在此基础上,计算和处理熔池特性参量(熔池图像质心差值、质心位移、质心移动速度)以及相对应的焊缝与电弧之间的偏差值,将其输入所设计的神经网络进行网络权值参数训练和推理学习,从而建立基于BP神经网络、具有一定认知和环境适应能力的焊缝位置识别视觉模型.对该模型进行通用性检验,试验结果表明该模型通过熔池特性参量可以较精确地识别焊缝位置.     

[车辆工程与测控]基于增强磁场涡流的高速轨道缺陷检测方法

在高速轨道运输领域中,电涡流检测以其非接触、易实现自动化等特点,被广泛应用于钢轨表面缺陷的检测,然而,由于趋肤效应的存在,涡流检测很难探测出内部伤损。提出了一种增强磁场涡流以抑制趋肤效应的方法：在涡流检测线圈之上增加一个通入直流电流的U形电磁铁,用磁轭导磁到钢轨以增强磁轭下的磁场。通过ANSYS软件进行有限元仿真,分析了增强磁场后涡流渗透深度的改变,同时仿真研究了磁轭的提离和间距对检测效果的影响。搭建了高速轨道检测的实验平台,进行了增强磁场涡流实验,结果表明,适当地增大背景磁场能够使涡流检测到深层次的缺陷并可以提高检测信号的信噪比。     

基于SVM和BP神经网络的轴系故障诊断

阐述SVM（support vector machine）和BP（back propagation）两种神经网络的基本原理和算法,将其应用于柴油机轴系的故障诊断与识别,建立轴系故障的SVM故障诊断模型,并与BP神经网络进行对比分析研究。结果表明,SVM和BP神经网络都具有精度较高的故障识别能力,但SVM整体性能优于BP神经网络,具有较快的训练速度和较强的非线性映射能力,非常适用于轴系的状态监测和故障诊断。     

储罐底板漏磁检测量化技术研究

储罐是石油、石化工业中重要的设备,储罐底板腐蚀是储罐安全隐患之一。漏磁检测方法是目前储罐底板检测研究的一个重要方向。根据缺陷漏磁信号的特征,将经验模态分解方法（EMD）与小波去噪方法相结合,对漏磁信号进行去噪处理。采用BP神经网络模型对储罐底板缺陷进行量化分析研究,构建了缺陷几何参数预测BP神经网络模型,并运用有限元分析所得到的数据为BP网络训练样本,用人工模拟缺陷的漏磁信号测试BP神经网络。网络训练和测试结果符合储罐底板缺陷量化的精度要求。     

Prediction of pulsed GTAW penetration status based on BP neural network and D-S evidence theory information fusion

This paper used multi-sensor information fusion technology in pulsed gas tungsten arc welding. Arc sensor, visual sensor, and sound sensor were used simultaneously to obtain weld current, voltage, weld pool image, and weld sound information about the pulsed gas tungsten arc welding process, and special algorithms were designed to extract the respective signal features of different sensors’ information. Then D-S evidence theory was used to fuse the different signal features to predict the penetration status about the welding process. Aimed at the difficulty of obtaining basic probability assignment in D-S evidence theory, back-propagation (BP) neural network was used to obtain the basic probability assignment. Experiments were done to obtain data for training the BP neural network and test the prediction reliability of D-S evidence theory information fusion, and comparison results showed that D-S evidence theory could effectively use the information obtained by different sensors and obtain better prediction result than single sensor.