共查询到19条相似文献,搜索用时 62 毫秒
1.
金属磁记忆检测技术是一种新型的利用铁磁材料内在信息对材料进行检测和评价的无损检测方法,对裂纹类缺陷进行早期检测具有潜在的优势.利用小波包分析技术,对水压试验条件下API 5L X70管线钢焊缝中有无焊接裂纹的金属磁记忆信号能量特征进行了分析,确定了焊接裂纹金属磁记忆信号的小波包能量特征,并利用其作为输入特征向量建立了BP(back propagation)神经网络,对焊缝中是否含有裂纹等缺陷进行智能识别.结果表明,利用小波包能量和神经网络技术可以较好的实现焊接裂纹的识别. 相似文献
2.
3.
4.
5.
6.
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. 相似文献
7.
8.
核电主管道锻造毛坯在中心棒套料加工过程中发现中心棒的一段出现裂纹,并伴有大量碎块。对中心棒及碎块金属进行化学成分分析、低倍、高倍检验和能谱分析,并采用Jmatpro对316LN钢平衡析出相进行了计算。结果表明,裂纹区域存在的大量条状和粒状α-Cr析出相导致局部塑性降低,变形不协调,在锻造过程中形成了裂纹。 相似文献
9.
针对复合材料层合板结构缺陷的快速检测定位,提出了一种基于超声导波的复合材料缺陷检测图嵌图卷积神经网络模型(G-GCN)。G-GCN通过构建导波信号相互关系的时空特征高级表征图,由局部-全局变换构建局部图,以表征单个导波信号内的相互关系信息;再基于局部图构建全局图,表征多个导波信号之间的相互关系信息;然后利用全局图输入图卷积神经网络模型训练学习,输出相应的复合材料缺陷预测,实现极少量传感器条件下的快速精准缺陷检测与定位。最后搭建了超声导波复合材料检测试验平台,验证了G-GCN的先进性和可靠性。 相似文献
10.
如何检测老龄化飞机多层结构中的裂纹缺陷一直是无损检测领域的一个难点。脉冲涡流技术是一种可以对多层结构中缺陷进行有效检测的电磁无损检测技术。理论推导了脉冲涡流渗透深度的公式,得出适当的减小脉冲激励频率与增加占空比有利于检测深层缺陷。设计了实验系统与矩形传感器,对激励信号的频率与占空比进行了优化设计。对多层结构中的内层缺陷进行了实验,并对微弱的检测信号进行了必要的数据处理。实验结果证明脉冲涡流检测技术可以对内层裂纹缺陷进行有效的检测。脉冲涡流技术将会在航空无损检测领域发挥重大的作用。 相似文献
11.
Approach into the use of probabilistic neural networks for automated classification of tool malfunctions in broaching 总被引:1,自引:0,他引:1
Drago A. Axinte 《International Journal of Machine Tools and Manufacture》2006,46(12-13):1445-1448
The condition of broaching tools has crucial importance for the surface quality of the machined components. If undetected, tool malfunctions such as wear, chipping and breakage of cutting teeth can result in severe damage or even scrapping expensive components, with direct implications on increasing the overall manufacturing costs. In contrast with other machining operations, broaching is characterised by non-symmetric distributions of cutting forces vs. time, making more difficult the task of recognising tool malfunctions. The paper reports on a methodology to automatically detect and classify tool malfunctions in broaching. The method was demonstrated through the use of time domain distribution of the push-off cutting force as a key sensory signal to monitor broaching tool condition when machining a nickel-based aerospace alloy. The characteristic features of the sensory signals have been extracted using in-house-developed programs and, afterwards, used to train and test a probabilistic neural network that enables automated classification of tools with fresh, worn, chipped and broken teeth. Inputting new pattern characteristics to the main categories of tool malfunctions, the system successfully classified them even when variations of signal amplitude and ranking of malfunctioned teeth occurred. 相似文献
12.
针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现. 相似文献
13.
H. J. Zhang F. J. Wang W. G. Gao Y. Y. Hou 《Science & Technology of Welding & Joining》2014,19(3):242-249
To improve the efficiency of acquiring monitored features and present a reliable quality assessment method for resistance spot welding, a novel method for converting the electrode displacement signal into binary image is proposed. The probabilistic neural network is adopted to provide a probabilistic viewpoint and a deterministic classification result of weld quality when the image characteristic of displacement signal is selected as monitored features. Test results of the classifier demonstrate that it is feasible and reliable to utilise binary image of the displacement signal to evaluate weld quality. The method reserves weld quality information as much as possible and it avoids complex algorithm for extracting and selecting monitored features. At the same time, when there are small samples, the classifier can identify good or bad weld rapidly and accurately even though the weld is from abnormal welding process, such as expulsion, current shunting and small edge distance condition. 相似文献
14.
15.
16.
以合金牌号、搅拌头旋转速度、焊接速度和轴肩下压量为输入层参数,接头效率为输出层参数,构建了汽车防锈铝水下搅拌摩擦焊工艺优化神经网络模型并进行了训练和验证,此外还对最佳工艺参数下获得的3003、5005和5052三种防锈铝水下搅拌摩擦焊接头进行X光无损检测、显微组织和拉伸性能测试。结果表明,该神经网络模型具有较强的预测能力和较高的预测精度,输出的接头效率相对预测误差为0.8%~2.6%;在最佳工艺参数下获得的3003、5005和5052三种防锈铝水下搅拌摩擦焊接头效率实测值分别为97.9%、96.5%和97.6%。 相似文献
17.
针对工业X射线焊缝图像对比度低、缺陷模糊且相对面积较小及难以识别的问题,设计了结合卷积神经网络的识别框架。根据缺陷图像特点,设计了对应的神经网络结构、卷积模板及池化模板的大小。在分析确定神经网络结构的基础上,卷积神经网络的灵敏度和训练算法也在文中一并给出。通过实例对神经网络结构进行了有效性的验证,缺陷检测准确率达97%,误报率仅为3%。同时,对适用于卷积神经网络进行识别的X射线焊缝图像进行了分析,发现灰度直方图有效信息跨度范围在50之上的卷积神经网络可以有效识别。文中所设计的神经络对X射线焊缝缺陷图像的识别可行、有效。创新点:(1)卷积神经网络结构设定为4级6层,卷积核大小尺寸为3×3,原始图像深度为1。经过第一次卷积操作后,有4个通道;经过3×3卷积核卷积后,有3个通道能够识别缺陷,则可以初步确认疑似缺陷区域。经过第二次卷积操作后,有16个通道;再次经过3×3卷积核卷积后,可以识别出缺陷图像。(2)通过对识别成功和识别失败图像灰度直方图进行分析,当灰度图跨度低于50时,图像检测目标与背景之间的对比度相对较低,卷积神经网络中卷积层难以提取目标特征,此时神经网络的识别失效,无法判定缺陷。当局部图像灰度直方图跨度高于50时,识别目标较背景突出,图像整体对比度较高,卷积层可以提取识别目标的特征,此时的卷积神经网络对焊缝图像有较好的识别效果。 相似文献
18.
19.
基于神经网络的TC21合金本构关系模型(英文) 总被引:1,自引:0,他引:1
本构方程是描述材料变形和有限元模拟基本信息必要的数学模型,它反映流动应力与应变、应变率和温度综合作用的高度非线性关系。基于Gleeble-1500热模拟机上进行等温压缩试验获得的实验数据,系统研究TC21钛合金的流变行为,并采用BP人工神经网络建立该合金的本构关系模型。在该模型中,输入变量为应变、应变速率和变形温度,输出变量为流动应力。与传统方法相比,利用BP人工神经网络所建立的本构关系模型能够更好地表征试验数据及描述整个变形过程。 相似文献