航空发动机叶片X射线数字图像分析的一种新方法

以某型号航空发动机叶片为研究对象，介绍并分析了基于分区域自适应中值滤波的X射线数字图像特征提取和基于曲面函数和阈值分割的X射线数字图像特征提取两种方法，提出了一种新型的数学形态学滤波与计算机视觉算法相结合的缺陷自动提取方法。试验结果表明，提出的方法可行，能有效减小缺陷的误判率。     

图像处理技术在焊缝射线探伤中的应用

针对机械零件X射线图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法.针对在工作现场采集的射线探伤底片进行数字成像,结合图像的变换、中值滤波、阈值分割、边缘检测、特征提取、模式识别等算法,通过适当的处理和分析,对压力容器焊接缺陷进行自动检测与识别,最终实现了对焊接缺陷的机器自动识别.实践证明,该方法具有一定的快速性和实用性.     

封头焊缝的X射线图像分割与增强方法研究

针对现有大型封头焊缝X射线检测存在胶片成像成本高、人工识别缺陷效率低等问题,提出基于X射线数字图像自动采集方案,并设计焊缝图像自动处理识别方法。针对焊缝区域与背景差异特性,采用固步灰度梯度法提取焊缝区域;采用双边滤波融合算法、自适应高频图像信息增强算法,实现焊缝图像的降噪和缺陷细节对比度增强;最后结合封头焊缝类型及特点设计特征库,基于Canny算法组合树形分类器实现缺陷的特征提取和分类。实验结果表明,该方法对封头焊缝中的气孔、裂纹、未融合、夹杂、未焊透等五类典型缺陷特征提取效果满足判级要求。     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。     

基于多帧图像焊缝缺陷轨迹跟踪的X射线实时检测技术

正基于X射线实时成像的焊缝缺陷在线检测是重要焊接结构连续生产过程中的关键环节,而动态图像处理技术是实现在线自动检测的关键。对于高噪声焊缝X射线实时图像,采用单帧图像处理算法无法克服缺陷误检与漏检之间的矛盾,需要研究多帧关联的图像处理方法。目前该领域已有的X射线多帧实时动态图像处理主要采用图像匹配方法或帧间缺陷匹配方法,前者在进行相关度计算时实时性较差,后者对低对比度缺陷容易产生漏检。另外,现有的焊缝缺陷检测图像处理算法对     

红外图像处理技术在金属表面缺陷检测中的应用

红外热成像技术用于金属材料产品表面缺陷检测时,具有图像对比度低、噪声较大、缺陷目标小等特点,因此图像处理是进行红外热成像无损检测的重要基础.本文在含缺陷钢制试件红外热像检测实验的基础上,利用直方图均衡化、高频强调滤波、区域生长等多种图像处理技术,实现了裂纹、圆孔等不同类型缺陷时缺陷几何特征信息的提取与识别,并考虑了腐蚀因素的影响.论文的研究为最终开发出基于红外热成像技术的缺陷自动检测和识别系统奠定了基础,对于应用红外热成像技术进行产品质量控制和结构健康监测具有良好的参考价值.     

工字形焊件射线图像中微小缺陷的分割及提取

采用X射线实时成像系统对工字形激光焊件进行检测,得到了含有微小缺陷的低对比度射线检测图像。在分析图像灰度分布特征的基础上,采用数学形态学方法进行背景模拟,并结合背景相减、自动阈值算法提取出了检测图像中的微小缺陷。在结构元尺寸的确定方面,提出了线灰度分布曲线拟合并相减,再搜索相减结果最大值的方法。试验结果表明:该方法能很好地实现检测图像中微小缺陷的分割,且缺陷分割保真度高,算法适应性强。该方法只对感兴趣的区域进行处理,显著提高了图像处理的速度。     

基于支持向量机的焊缝缺陷类型识别研究

针对焊缝的线形和圆形两种主要缺陷,提出了一种基于支持向量机的焊缝缺陷种类识别算法。首先,对焊缝X射线图像运用模糊C均值聚类、区域填充、均值滤波、边缘检测、大津阈值及谷发现图像预处理算法,获取焊缝缺陷的位置,然后通过逆表面阈值算法将缺陷从焊缝中分割出来;利用基于分段分形纹理分析算法提取焊缝缺陷的特征值;最后将特征值输入到基于支持向量机的焊缝缺陷分类器中,识别出焊缝缺陷种类。试验结果表明,通过对150张焊缝X射线图像进行训练,对80张焊缝X射线图像进行测试,平均正确识别焊缝缺陷种类的准确率达97.5%,满足工业要求。     

基于Hausdorff距离区域生长的缺陷边缘重建方法

针对X射线探伤图像中的缺陷被提取时易产生形变,提出一种基于Hausdorff距离区域生长的缺陷边缘重建方法.首先对图像求补运算,以分水岭算法决定结构元素尺寸,采用改进的自适应数学形态学滤波算法处理图像,图像经阈值分割得到包含缺陷的二值图像;在此基础上对缺陷目标进行形态学收缩得到区域生长的若干种子点,以种子点的原始像素值为初始值,选择目标区域中的像素值大于或等于初始值的像素点进行合并生长得到新目标图像,以初始值减去2得到新的初始值,然后循环生长并计算新目标Canny边缘图像与原目标Canny边缘图像的Hausdorff距离,采用最小hausdorff距离为区域生长停止规则,所有目标生长完全后经过组合从而实现缺陷边缘重建.试验结果表明,该方法能够有效恢复缺陷的原貌,缺陷边缘重建效果明显.     

基于深度学习特征匹配的铸件微小缺陷自动定位方法

针对射线实时成像检测中精密铸件微小缺陷自动定位的需要,提出一种基于深度学习特征匹配的铸件缺陷三维定位方法。模拟选择注意机制的中央-周边差算法,提出以视觉显著度为尺度,从射线图像复杂背景中检测出微小缺陷及其区域,以定义的区域中央点为待匹配点;然后,提出构造深度卷积神经网络自动提取微小缺陷区域的深度学习特征,通过深度学习特征矢量的相似度,实现在不同视角下投影图像中的同一微小缺陷点的自动匹配;最后,基于平移视差测距原理计算缺陷匹配点的三维空间坐标。实验表明,基于深度学习特征匹配的方法能够正确搜索平移前后投影图像中的同一缺陷点,以此为基础,利用视差测距原理实现了微小缺陷匹配点的自动准确定位,深度定位误差小于5.52%,能够满足对精密铸件微小缺陷智能评判的需要。     

基于多幅X射线数字图像的缺陷自动识别技术

在现有的X射线数字图像自动识别方法中,多采用对单幅数字图像进行孤立评判的方法。由于此类方法中阈值选取难以最优化,因而存在一定的误判率。为了解决这一问题,提出了一种X射线数字图像自动识别新方法。该方法将识别过程分为两步:缺陷提取和缺陷跟踪。第一步利用传统方法在每幅图像中分离出潜在缺陷。这一步保证真缺陷能全部提取出来,而不考虑伪缺陷的数量。第二步力图找出同一试件不同图像中分离出的缺陷之间的相互关系。如果第一步某一图像中分离出的某一缺陷在其他图像中都找不到相对应的缺陷区域,就定义该缺陷为伪缺陷,也就是说,真缺陷在不同图像中必须满足一定的几何关系。多幅图像中的缺陷跟踪综合利用了极线约束、三维重建和三线性约束等立体视觉算法。该方法的检测效果已经利用航空发动机叶片X射线数字图像得到验证。试验结果表明:利用该方法可以提高真缺陷的识别率,降低误判率。     

风力机叶片蒙皮初始裂纹的盲信号提取

针对风力机叶片初始裂纹特征难以提取的问题,提出了一种逐步提取并消减噪声源信号从而获得微弱裂纹故障特征的盲提取方法.首先基于卷积混合模型极小化改进代价函数推导自适应学习迭代算式,在仿真实验中确定非线性激励函数和滤波器的传输函数,根据输出信号的性能参数证明了改进算法对尖峰噪声的异常点更加敏感稳健.在风力机叶片疲劳实验台上模拟叶片蒙皮的初始横向裂纹,通过声发射信号采集系统获得观测信号,分析噪声源的特性并提取了初始裂纹的声发射信号特征,为风力机叶片状态监测和预警提供了依据.     

基于UG的汽轮机叶片叶身自动造型系统

汽轮机叶片叶身型面比较复杂,在通用CAD系统中,根据数据点拟合出内、背弧样条曲线,修进出汽边圆角,最后根据每个截面形状得到叶身实体,都是比较复杂的过程.文章通过对常用UG二次开发的方法的研究,提供了一种叶片三维参数化造型方法,简化了造型过程,在实践中,此系统高效,便捷,并有较强的适应性,提高了生产效率.     

基于中弧线的叶片蜡模模具型面优化方法

针对高精度复杂涡轮叶片成形精度难控制的问题,提出了基于叶型中弧线的蜡模模具型腔优化设计方法。对反映中弧线几何特征的参数进行提取与偏差分析后进行逆向迭代,经过对叶型的复原和对叶身的重构,建立优化的蜡模模具型腔,实现了对叶片凝固和冷却过程中非线性变形的补偿。与有限元法模具型腔逆向设计方法相比,无需后续复杂的曲面拼接和光顺技术。采用该方法对某型涡轮叶片蜡模模具型面进行优化,使铸件的尺寸误差得到了大幅度降低。数值模拟与实验结果吻合情况良好,经过4次迭代优化,得到的仿真铸件模型与设计模型的二维偏差平均值由优化前的0.350 94 mm降低至0.111 51 mm。     

基于UG/Open GRIP的汽轮机叶片三维自动建模研究

在对汽轮机叶片型面特征分析的基础上,基于UG4.0软件平台,利用其二次开发工具UG/Open,完成了汽轮机叶片三维自动建模系统软件的开发,实现了汽轮机叶片的快速造型,大大提高了叶片造型的效率和品质,为后续的叶片分析和数控加工研究奠定了基础。     

水轮机叶片修复机器人的移动平台

设计一种具有曲面自适应功能的、用于水轮机叶片坑内修复机器人的爬壁式永磁吸附移动平台。对移动平台设计中须解决的移动灵活性和吸附能力间的矛盾及复杂空间曲面自适应问题进行分析。为解决移动和吸附的矛盾,提出永磁非接触吸附轮式移动方案。移动平台采用差动驱动的轮式移动机构,吸附力由和壁面非接触的、具有一定气隙的多个永磁吸附装置提供。各吸附装置通过具有3转动自由度的曲面自适应机构和移动机构底盘连接,这使移动平台可用于表面是复杂空间曲面的水轮机叶片表面。研制移动平台样机,试验结果表明移动平台负载能力强,超过80 kg,可原地转向,运动灵活性好,具有较好的复杂空间曲面自适应能力,能够满足水轮机叶片坑内修复的需要。     

炭素制品缺陷X射线自动检测关键技术的研究

以炭素制品X射线检测图像为对象,对其关键技术进行了研究。设计了目标边界提取算法和基于小波变换的图像增强算法等预处理方法。采用数学形态学和迭代阈值分割相结合的方法进行缺陷提取,取得了良好的效果。制定了一套用于特征描述的参数,设计了基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行了模式分类。实验结果表明,本文提出的方法比较有效,可以用于实际缺陷的自动提取与识别。     

基于水平集方法的产品异构模型融合研究*

复杂产品设计往往涉及多个CAD/CAE系统,不同系统在几何模型构建、表达和存储等方面存在异构性,导致系统间数据和信息难以融合集成,降低了复杂产品的设计与开发效率。为了实现异构CAD/CAE模型语义信息和几何特征的融合,提出基于水平集方法的产品异构模型融合方法。构建了基于模型距离场的体素化模型,给出了体素化模型的可视表达方法,建立了距离场交、差和并集操作函数与产品造型特征复制、提取和识别的映射关系,建立了构造速度场操作函数和形位误差信息、高级语义信息和局部特征信息融合的映射关系,实现了产品异构模型的信息融合。通过复杂汽轮机叶片模型形位误差和高级语义信息融合试验,证明了方法在异构CAD/CAE系统信息集成方面的有效性和实用性。     

基于超分辨率改进Faster R-CNN的点阵结构内部缺陷判识方法

利用增材制造技术制备金属三维点阵结构件过程中,结构内部经常会出黏连、断裂等多种细小缺陷,导致样件结构功能下降。根据缺陷结构与正常结构之间的特征区别,提出了一种针对金属点阵结构内部出现的细小缺陷自动判识的方法。利用X-射线微聚焦CT扫描金属点阵结构获得原始输入图片,在Faster R-CNN(Faster region-based convolutional neural networks)框架的基础上,改进原有特征提取网络,开发图像超分辨率重建模块。通过对工业CT图片的局部细节特征增强,实现了快速有效地识别细小缺陷的类型,以及缺陷位置信息的标注。试验证明,改进Faster R-CNN模型对金属点阵结构样件内部的两种典型细小缺陷识别的平均正确率高达93.5%。研究结果表明,通过超分辨率网络对图像进行放大,可以提高细小缺陷的特征提取,通过加深网络加强特征学习,从而实现了点阵结构内部细小缺陷的自动判识。     

水平轴风力机叶片气动性能计算及影响因素分析

叶片作为风电机组的关键部件之一,其设计和可靠性直接关系到风力发电机组的安全运行,而气动性能的好坏将会直接影响到叶片外形设计及机组效率。因此,对叶片进行气动性能计算和数值模拟成为必要。根据动量叶素理论建立风力机叶片气动计算模型,考虑到叶尖损失,叶根损失,叶片宽度和厚度等因素的影响对该模型进行修正。用MATLAB语言编制计算程序,针对某一具体翼型数据进行了气动性能的计算,分析了风轮实度、安装角、锥角以及偏航等因素对叶片气动性能的影响。