超声红外热像技术中缺陷的自动识别

超声红外热像技术是一种新型无损检测技术,对金属试件疲劳裂纹、复合材料冲击损伤等缺陷具有良好的检测效果。传统缺陷识别主要依靠肉眼识别和专业经验,对缺陷类型、缺陷程度的判断很难定量把握;基于时间序列的缺陷识别算法速度慢、精度差、自动化程度低。本文以超声红外热像技术中裂纹的检测为例,通过对比分析热图像分割区域中裂纹区域与亮点区域的形状、灰度等分布特征,提取了用于裂纹信息识别的特征参量,开发了基于加权支持向量机的裂纹自动识别算法,为实现超声红外热像技术中缺陷的自动识别奠定了基础。试验验证了本文所提特征参量和自动识别算法的有效性。     

基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究

传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network,CNN）在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。     

超声红外热波成像在CFRP板螺栓孔损伤检测的研究

螺栓连接由于可靠性高、承载能力强等优势广泛应用于复合材料连接,但螺栓孔处的应力集中作用使其易产生损伤破坏,且工程应用中很多复合材料螺栓连接件无法卸载,传统检测方法较难对螺栓孔损伤进行识别.本文使用超声红外热波检测的方法对复合材料螺栓连接件进行损伤识别,通过仿真研究复合材料螺栓孔裂纹和分层损伤的生热特征,分析了螺栓以及螺栓预紧力对螺栓孔损伤生热特征的影响,并设计实验对仿真结论进行了较好的验证.研究显示当螺栓孔损伤区域超出螺帽覆盖的范围,超声红外热波检测法能快速有效检测螺栓紧固件损伤,结合图像识别方法可以有效提取损伤信息,而且该方法对不同大小的螺栓预紧力以及螺栓与被连接件之间的摩擦生热影响有着良好的适应性.     

基于分形理论的智能材料结构的损伤诊断

针对智能复合材料的损伤诊断问题,提出了采用人工神经网络将材料结构表面上的裂纹与材料内部的应力变化相结合的诊断方法。光纤法珀传感器的小体积和高精度适合于埋置在复合材料内部感受材料内部应力变化。而材料结构表面的裂纹是其内部受损伤的外在表现,根据裂纹在结构表面上的分布特征用分形的方法把表面的裂纹量化,获得其分维值,和内部的应力变化一起输入到神经网络,利用神经网络的非线性处理能力进行在线的材料损伤识别。在一块35cm×35cm的复合材料试件上的实验结果表明,此方法是可靠的、有效的,完全可以进行材料损伤的在线监测以及进一步的材料寿命预测。     

超声热红外技术在无损检测领域中的应用

介绍了红外热超声技术的基本原理及其特点,用这种技术对一个碳纤维复合材料T形接头和一块埋有裂纹缺陷的有机玻璃板进行检测,检测出试件表面及亚表面的闭合裂纹缺陷;对两块不同焊接能量激光焊接钢板进行检测,并由实验结果对激光焊接能量和焊缝质量方面给出了分析比较.     

利用激光超声纵波的衍射信号测量开口裂纹

激光超声的纵波声场在工件内部各个方向均有分布,相比于横波和表面波,纵波最先到达开口裂纹处,随后发生衍射以及产生波型转换现象.若提取相应含有开口裂纹信息的超声波信号,便能够达到缺陷识别的目的.基于烧蚀机制下激光超声纵波声场的分布特点,分析了衍射纵波信号的时间及相位特征,并给出了裂纹参数的表达式.建立了含开口裂纹工件的二维...     

基于涡流热成像的铁磁材料近表面微裂纹检测

采用涡流热成像技术,对铁磁材料近表面微裂纹进行了检测研究。提出了平行激励热传导方式检测近表面微裂纹的检测方法;数值计算模拟了涡流激励下裂纹处的生热过程,分析了裂纹处的温度分布及其对检测结果的影响;采用平行激励方式对含近表面微裂纹的铁磁材料进行了检测实验,通过提取试件表面温度分布数据,获取其变化速率曲线,实现了对裂纹的检测和识别。结果表明:涡流热成像平行激励方式能够准确地检测到铁磁材料近表面的微裂纹缺陷;选择适当的涡流激励时间有助于提高裂纹处与非裂纹处温度对比,增强检测效果。该方法的研究为近表面微裂纹的检测和定量识别奠定了基础。     

基于衍射横波的裂纹激光超声检测方法

为了评估表面开口裂纹, 采用激光超声衍射横波的方法测量其参量。激光激励的横波传播至裂纹尖端产生衍射信号, 随后被处于裂纹另一侧的传感器所接收。依据不同接收点衍射横波的渡越时间, 推导出裂纹参量的计算公式; 模拟分析了横波在工件中的传播过程, 搭建了裂纹的激光超声测量实验系统, 并采集了衍射横波数据。结果表明, 在有效的检测范围内, 测量值与实际值之间的误差在5%之内。该结果可促进激光超声在表面裂纹检测中的应用。     

基于注意循环神经网络模型的雷达高分辨率距离像目标识别

针对雷达高分辨率距离像(HRRP)数据的识别问题,该文利用HRRP生成的时序特性,提出一种基于循环神经网络的注意模型。该模型利用具有记忆功能的循环神经网络对时域数据进行编码,并根据HRRP中不同距离单元所映射的隐层对目标识别的重要性,自适应地赋予隐层不同的权值系数,并根据隐层特征编码特征进行HRRP目标识别。该模型利用了隐藏在HRRP数据内部的目标结构信息,提高了特征的区分度。实测数据的实验结果表明,该方法可以有效地进行识别,在样本存在一定余度数据和样本偏移的情况下,都能准确地找出目标支撑区域。     

基于点云深度映射颜色的导轨表面损伤识别

针对高速滑动电接触导轨,研究了表面微小损伤快速检测及分类识别方法。基于激光扫描原理,构建了三维测量系统,用于获取导轨表面形貌的三维点云信息,并给出了一种基于点云深度映射颜色的方法,用于导轨表面微小损伤的检测。将三维点云数据经过去噪、滤波平滑、数据精简等预处理之后,根据所设定的深度基准平面,构建点云深度映射颜色模型,将点云深度信息映射为红绿蓝(RGB)信息,采用一维最大熵法设定最优颜色阈值,实现损伤区域的准确提取;采用二叉树模式识别方法,建立损伤分类模型,实现导轨表面微小损伤的识别与分类。结果表明,损失质量小于1 g的微小损伤检出率达98%以上、微小质量损失检测精度可达毫克级;凹坑与划痕两大类损伤识别率达80%以上。     

融合整体和局部信息的三维人脸识别

针对三维人脸识别中单一特征信息不足,采用一种基于整体信息和局部信息相融合的识别算法,以提高识别率。首先将预处理的三维点云用多层次B样条曲面拟合,获取精确的人脸曲面拟合函数,将控制点映射为深度图像,并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线;其次对深度图像采用二维主元分析(2D-PCA)算法提取整体信息,对轮廓线采用改进的ICP算法匹配,作为局部信息;最后用加权求和法在决策级进行信息融合。采用CASIA3D人脸库完成识别测试,实验结果表明,本文算法明显优于单一特征信息下识别算法,且对姿态有较好的鲁棒性,同时不增加算法复杂度。     

区域电网调度系统中维护信息对称性特征识别

为提升对区域电网调度系统维护信息对称性特征的识别效率及准确率,文中首先通过小波变换方法提取区域电网调度系统中维护信息的特征,然后运用模糊C均值算法分析特征数据的分布情况,并以此为基础,获取维护信息对称性故障特征的波形,根据Ucosθ波形特征识别结果,实现对区域电网调度系统中维护信息对称性特征的识别.实验结果表明:在不同...     

钢板表面裂纹的脉冲涡流热成像定量检测

裂纹是钢铁材料的常见缺陷之一,研究了脉冲涡流热成像技术对钢板表面裂纹的定量检测。对带有表面浅槽型裂纹的45#钢进行了感应加热实验,分析了裂纹附近的温度分布和温度响应。与温升大小相比,温度响应的曲线形态与裂纹深度间的定量关系更加清晰,曲线的形态特征可由傅里叶积分的基频相位提取。引入最小二乘支持向量机完成了裂纹几何轮廓的重构,比较了将裂纹的相位轮廓和温度轮廓分别作为支持向量机输入时的重构结果,发现相位轮廓更加适用于表面裂纹的定量检测。     

光学图像信息多标记特征分层识别系统设计

为提升图像识别系统的识别率,降低识别耗时,设计了光学图像信息多标记特征分层识别系统。系统硬件部分主要由两个模块组成,分别为图像预处理模块和图像信息多标记特征分层识别模块。通过图像预处理模块对图像进行灰度处理、二值化处理和分割等变换处理,为提升识别结果的准确性,根据处理结果利用图像信息多标记特征分层识别模块得到合适的训练样本,将其放入BP神经网络中进行训练,判断并分析获取的信息。在上述基础上,通过分层的BoF-SIFI特征代表光学图像全局特征和局部特征,详细描述图像的分布特性,利用基于径向基函数的支持向量机分类器完成光学图像信息多标记特征分层识别。实验结果表明,所设计系统能够快速准确实现光学图像信息多标记特征的分层识别,验证了系统的实际应用效果。     

地面电磁环境分类及其神经网络识别

基于地球表面地形地物的微波电磁散射和辐射性进行环境的分类和识别,对地球环境和资源遥感以及地海面雷达目标检测、电波模化技术等均具有十分重要的意义。本文根据地理信息和电磁散射特征分析了地面电磁环境的主要分类方法,并利用多层感 知器神经网络,对八种典型的地物类型Ｌ、Ｘ波段多极化多入射角电磁散射实验统计模型和数据进行了学习和识别,结果证明了神经网络对多特征数据分类识别的有效性。     

基于DCT和线性判别分析的人脸识别

 提出基于离散余弦变换和线性判别分析的人脸识别方法.DCT变换本身并不进行数据压缩,它只是将图像源数据映射到另一个域,如何在新的数据域中选择最有效的DCT系数作为识别特征成为关键问题.本文从选择有效特征角度出发,引入特征选择算法,根据可分性判据确定将哪些DCT系数作为特征,然后对选出的DCT系数进行线性判别分析提取识别特征.在ORL人脸库上的实验结果证明了提出方法的有效性.     

基于激光超声的钛合金裂纹合成孔径组合成像研究

针对钛合金内部疲劳裂纹激光超声成像问题,提出了一种基于合成孔径聚焦技术的多模式组合成像方法。采用扫描激光源法,通过提取不同探测位置的时域模式回波信号,根据B-scan图中反射纵波与反射横波的幅值分布,将裂纹回波时域特征进行分区重组,对其进行反演聚焦完成了对内部裂纹的识别及图像重构。使用COMSOL Multiphysics对钛合金板材内部裂纹成像过程进行数值模拟并通过MATLAB图像算法验证了其可行性。与单一模式波成像相比,采用反射纵波与反射横波组合的成像方法有效减少了伪像,实现了对内部裂纹的定位及图像重构,重构裂纹位置X轴与Y轴相对误差均在3%以内。     

一种基于自适应核字典学习的SAR目标识别方法

提出一种基于自适应核字典学习的合成孔径雷达（synthetic aperture radar，SAR）目标识别方法.该方法首先将SAR图像的特征信息通过核函数映射到高维度的核空间中并进行字典学习；然后根据更新后的字典动态计算稀疏度；最后依据最小重构误差准则实现SAR目标识别.在公开数据集MSTAR上的仿真实验结果表明，该方法提取到的特征信息可分度高，对SAR目标的识别具有较好的性能.     

基于卷积神经网络的超声红外热图像分类

在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低.为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图...     

采用激光声磁技术检测钢轨踏面缺陷

钢轨踏面与车轮之间的滚动接触疲劳形成的大量表面缺陷严重危害着铁路行车安全,传统的无损检测(NDT)方法已不能适应铁路快速发展的需要。根据激光声磁技术的基本原理和钢轨踏面缺陷检测的特点,研究了钢轨踏面缺陷检测的激光声磁检测技术。通过对比激光声磁技术与压电超声检测钢轨踏面横向裂纹缺陷的实验,表明本文方法能准确的检测和定位踏面横向裂纹。通过小波阈值去噪技术对激光声磁信号进行处理,在保留了原始信号的各种特征的同时大大提高了信噪比(SNR),更有利于缺陷的识别和特征的提取。分析了提离效应对激光声磁信号的影响,获得了提离距离与接收信号幅值变化曲线图。实验结果表明,本文方法无需耦合剂、对钢轨表面状况要求低,可实现钢轨踏面缺陷的非接触、快速和准确的检测。