基于logistic回归的设计缺陷影响因素的关系网模型

为了在产品设计开发过程中能有效地预防和控制设计缺陷,对设计缺陷因素进行了总结并根据设计缺陷因素的属性和对设计缺陷影响性质和方式的差异对其进行了分类;根据硬件产品设计开发过程,定性地分析了设计缺陷因素对设计过程的影响.以此为基础,构建了硬件产品设计缺陷因素与设计缺陷类型的关系网模型;运用logistic回归理论,建立了硬件产品设计缺陷因素的回归分析模型,实现了设计缺陷因素对设计缺陷影响的定量化分析.研究成果也为进一步深入研究设计缺陷的形成机理做了有益的尝试.     

管道漏磁检测缺陷信号的仿真分析与量化模型

为实现漏磁检测缺陷几何尺寸的量化,运用有限元Ansys软件仿真了管道缺陷的二维缺陷漏磁场,给出了漏磁场缺陷信号的基本特征,并对图形做出对应的解释;其次对内外缺陷漏磁场信号进行了对比,提出了合适的两个特征值;最后根据漏磁场不同特征值与缺陷长度的变化规律对缺陷长度进行了量化,通过对比不同量化模型,给出缺陷信号特征值与缺陷长度的一般关系模型,为管道强度以及剩余寿命评价等提供相关的参数,从而对管道进行维护。     

铝合金铸件中蜂窝状缺陷的超声波检测

铝合金铸件易产生蜂窝状气孔、缩松缺陷。对材料为Al-Si-Mg系铸造铝合金的汽车转向节试样进行了超声波检测,研究了试样中蜂窝状缺陷的波形特征,并对缺陷进行了定性和定位分析。结果表明:铝合金铸件中蜂窝状缺陷的波形特征为波底宽大、波幅较低,主缺陷波附近存在多个小缺陷波,底波有一定下降;多次回波检测时,底波反射次数明显减少。结合轨迹作图法和缺陷波坐标确定了蜂窝状缺陷在铸件中的位置信息,解剖检验结果表明缺陷定位是准确的,平均误差为0. 585 mm,平均相对误差为3. 05%。超声波检测铝合金铸件中蜂窝状缺陷的波形可用缺陷回波声压公式表征,故可根据主缺陷波的波峰定位。     

液化石油气储罐常见缺陷及其处理方法

在多年实际检验工作的基础上,对液化石油气储罐中的典型缺陷进行了归纳介绍,对储罐中典型缺陷的性质与成因进行了分析,指出液化石油气储罐中的缺陷主要以裂纹、鼓包和腐蚀为主.详细介绍了这三种主要缺陷的常见形态、易发位置和缺陷性质.同时指出民用液化石油气中湿H2S的存在是造成缺陷的主要原因.另外,对实际检验工作中针对不同缺陷应采取的检验方法、检验周期及缺陷处理方法进行了探讨,并提出了预防缺陷形成的具体措施.     

超声检测缺陷模糊识别模型

提出了用缺陷回波信号包络作为超声检测的缺陷模糊识别模型并根据此模型建立缺陷模糊识别用的缺陷模糊子集的方法。给出了用实验方法建模的结果和缺陷模糊模式识别应用示例。     

交变漏磁检测中螺纹不同缺陷位置的识别方法研究

依据缺陷在螺纹区域的不同位置，将缺陷分为三类，分析了每类缺陷检测信号的特点，提出了识别判据，最后通过对膨胀螺钉上的该三类缺陷的检测，验证了识别模型的正确性。另外，对六角头螺栓结构根部缺陷的检测进行了试验研究，利用测量信号完成了缺陷的检测。     

T形接头角焊缝中缺陷空间定位及分布特征

为实现T形接头焊件角焊缝中批量缺陷的空间定位及可视化,基于多视角成像方法,获取了焊件射线检测图像,并建立了T形接头焊件角焊缝中缺陷深度和偏移量的数学模型. 在射线检测图像缺陷分割的基础上,根据提出的缺陷自动对应准则和投影距离自动提取算法完成了焊件内部缺陷的空间位置数据自动提取,并实现了批量缺陷空间位置的可视化. 对焊件中自动提取的84个缺陷的空间位置数据进行了统计分析,获取了缺陷的空间分布特征. 试验结果表明,缺陷主要位于腹板中心线左侧,占总样本的73.8%;缺陷深度大多在[1.8 2.5] mm范围内,占总样本的85.7%,近86%的缺陷集中分布在翼板与腹板的结合面位置;缺陷半径在[0 0.51] mm范围内;缺陷沿焊缝纵向随机分布.     

基于超声信号和图像融合的焊缝缺陷识别

超声无损检测已被广泛用来检测材料内部的缺陷,然而对缺陷性质的识别始终是检测的难点,为此研究了一种基于超声信号和图像融合的焊缝缺陷识别新方法.该方法充分利用检测数据,通过对缺陷回波信号特征与缺陷形态特征的数据融合,实现了焊缝缺陷的有效识别.利用自主研制的超声成像手动检测系统对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件进行了检测,分别提取缺陷的超声回波信号特征和缺陷图像的形态特征,构建神经网络实现超声信号和图像特征的数据融合.结果表明,该方法实现了多类缺陷的识别,提高了缺陷识别率,有助于焊缝质量评定.     

基于机器视觉的枪弹外观缺陷检测系统研究

为了实现枪弹外观缺陷自动检测,研究了基于机器视觉技术的枪弹外观缺陷检测系统.首先针对枪弹外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了枪弹外观缺陷快速、准确分割;然后通过分析枪弹外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了枪弹外观缺陷特征;最后选择BP神经网络作为缺陷分类器,根据经验和实验确定了神经网络结构及参数,并分析了传统BP算法在枪弹外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了神经网络分类效果.实验表明,枪弹外观缺陷检测系统能够实现缺陷自动分割、识别与分类,正确识别率达91.7％,表现出较好的准确性和鲁棒性.     

铝合金薄板的超声透射法检测

分析了铝合金薄板内部缺陷以及分层缺陷产生的原因及其分布形态,讨论了常用的金属薄板无损检测方法的优缺点,选择超声透射法对不同厚度的铝合金薄板进行检测。在薄板上制作不同孔径的人工缺陷以模拟分层缺陷,测试在不同人工缺陷区域超声透射信号的幅度变化,并制作了对应的缺陷标定曲线。该方法检测铝合金薄板缺陷时,克服了超声探头的盲区,声束垂直于分层缺陷面,灵敏度高,不易产生漏检。