基于X射线数字成像的GIS设备缺陷无损检测方法

GIS设备的安全性和可靠性对电力体系的平稳运行具有重要意义。因此,为提高对GIS设备缺陷的检测效果、提高设备运行的安全性,在X射线数字成像的基础上,提出一种针对GIS设备的缺陷无损检测方法。通过X射线数字成像的方式采集GIS设备图像,并对图像中存在的泊松噪声实施去噪处理,以提高图像质量。针对处理后的图像,利用二维主成分分析法,通过将复杂的图像数据转换为简单的主成分来表示原始数据,提取出最具代表性的特征。将提取结果输入到BP神经网络分类器中,通过特征分类完成对GIS设备缺陷的无损检测。实验结果表明：应用该方法后,图像识别清晰度较高,对不同类型缺陷的检测效果良好。该方法的优势在于使用先进的图像处理和机器学习技术,能够有效地识别和定位GIS设备中存在的缺陷。通过及时发现并修复这些缺陷,可以提高GIS设备的安全性和可靠性,从而确保电力系统的平稳运行。     

超声信号的非线性行为及应用

超声波检测技术广泛地应用于材料与设备的无损检测中.而表征材料与设备性能和缺陷信息的超声回波信号由于与传输介质、缺陷相互作用,再加上各信道中不同种类的噪声介入,变得非常复杂.充分理解和认识超声信号中的非线性行为,对材料和缺陷检测与评估有重要意义.本文以海底管道检测为背景,以缺陷的脉冲超声回波信号为研究对象,通过替代数据法和统计特征量方法,从时域的角度检验了超声信号中的非线性行为特性.通过大量的试验数据分析表明,超声信号中存在明显的非线性行为,而且这种非线性不是由测量过程中测量函数引起,而是由系统本身产生的,即由超声波与目标体相互作用而产生.论文还就超声信号中蕴涵的非线性特征的应用和前景进行了分析和展望.为更深入地认识和利用这些超声信号提供了一种手段.     

基于DSP的超声波无损检测系统的研究与设计

目前就国内市场而言,对大型工件如混凝土桥墩、钢梁的无损检测设备有很多,而对于一些精密的小型部件,其专用的检测设备还不多,基于此现状,设计了一种专以检测小型精密工件的超声无损检测系统.该系统采用DSP&CPLD双核处理器,通过超声探头将工件内部的超声回波信号转换为电信号,经过硬件电路调理后送给DSP处理器进行分析处理,再将分析后的数据通过USB控制器传送给上位机,达到实时显示检测数据的目的.其中对采集数据运用了小波分析的处理方法,使得检测系统检测精度更高.最后在Matlab中对系统进行仿真验证,结果表明该系统检测精度高,稳定性强,实时性好,非常适用于小型精密工件的无损检测,并且具有良好的市场前景.     

高清晰超声微扫描成像无损检测系统*

设计了一种高清晰焊缝超声成像无损检测方法及检测系统。该系统基于超声无损检测原理和超分辨率图像处理方法,采用水浸聚焦探头对焊缝进行逐点扫描,对每一点的超声反射回波信号进行采样,组成焊缝截面的超声扫描图像,在通过微扫描成像技术获取多帧关于同一场景的互有位移的降质图像后,重建高分辨率高质量图像。设计的检测系统除了具有常规的扫描超声成像功能外,还具有超分辨率成像功能,可突破现有超声成像设备的分辨率限制,大大提高超声成像设备对焊缝中细微缺陷的识别能力,适合于一些需大规模、高质量生产的质量控制单位或制造领域的汽车、造船、集装箱等重要行业使用。     

高清晰超声微扫描成像无损检测系统

设计了一种高清晰焊缝超声成像无损检测方法及检测系统。该系统基于超声无损检测原理和超分辨率图像处理方法,采用水浸聚焦探头对焊缝进行逐点扫描,对每一点的超声反射回波信号进行采样,组成焊缝截面的超声扫描图像,在通过微扫描成像技术获取多帧关于同一场景的互有位移的降质图像后,重建高分辨率高质量图像。设计的检测系统除了具有常规的扫描超声成像功能外,还具有超分辨率成像功能,可突破现有超声成像设备的分辨率限制,大大提高超声成像设备对焊缝中细微缺陷的识别能力,适合于一些需大规模、高质量生产的质量控制单位或制造领域的汽车、造船、集装箱等重要行业使用。     

分离谱法在超声信号处理中的应用

在超声无损检测中，由于某些特殊材料(如离心铸造的不锈钢、碳纤维复合材料等)组织结构比较复杂，所得到的超声回波信号会受到较强的结构噪声干扰，信噪比较低，严重影响了缺陷信号的识别。结合相关课题讨论了分离谱法在消除结构噪声方面的应用，实验结果表明，该方法可以得到良好的滤波效果。     

导弹发射设备超声无损检测系统设计

为了实现导弹发射设备的快速自动无损检测，在对其特有外形及结构进行深入分析的基础上，设计开发了新型超声无损检测系统，并详细介绍了系统的软硬件设计方案，该系统大大缩短了检测时间，实现了缺陷的自动识别与定量分析。     

面向高温的PE-EMAT无损检测系统有限元分析与优化

由于电磁超声换能器(EMAT)内嵌永磁铁,使其对铁磁性材料检测时极难移动,尤其面向高温环境时极不便利。通过建立嵌入脉冲电磁铁的电磁超声换能器(PE-EMAT)有限元模型,分析了脉冲电磁铁结构工艺参数对其磁场强度和感应涡流强度的影响。同时,为使PE-EMAT面向高温环境,建立传感器内部流体传热模型,研究其内部流场与温度场相互作用,构造最优水循环冷却系统。基于上述优化,搭建可适用于高温的PE-EMAT无损检测系统平台。实验结果表明:优化后脉冲电磁铁可取代永磁铁,且PE-EMAT无损检测系统可准确探测出高温下材料内部缺陷,其探测性能与EMAT接近。     

钻铤缺陷超声自动检测系统的设计

目前大多数钻铤生产企业在对钻铤内部缺陷检测时,都存在检测效率低下和漏检严重的问题;为此设计了一套钻铤缺陷超声自动检测系统,极大地提高了钻铤缺陷检测的效率,降低了对钻铤缺陷的漏检和误判;提出了适用于大口径厚壁管材缺陷检测的方法,即多探头综合判伤法,该方法有着很好的通用性,使得整套系统在对钻铤进行内部缺陷检测时达到很高的灵敏度;同时还给出了钻铤超声检测系统的硬件框图;提出了适合于工程应用的超声信号处理方法,并通过计算机软件编程将钻铤内部缺陷的位置和类型以图形界面方式展现在用户面前;本套系统在实际应用中取得了较好的效果。     

小波分析在管道缺陷超声检测中的应用

在管道缺陷超声无损检测中，作为检测基本数据的脉冲反射回波信号受到电子噪声(包括热噪声和量化噪声)和结构噪声的干扰，使材料的缺陷信号变得难以识别。小波变换借助于时．频局部分析特性，已成为现代信号处理中的一种重要方法。在阐述小波变换基本原理的基础上，研究了管道超声缺陷信号的小波分解与重构。利用此方法对超声信号进行分析，可方便地识别是否存在缺陷以及缺陷的位置。     

基于三维激光扫描技术的建筑墙体外表面缺陷无损检测方法

为精准定位建筑外表缺陷,研究了基于三维激光扫描技术的建筑墙体外表面缺陷无损检测方法。采集建筑墙体信息,配准三维点云建筑墙体数据。选取RANSAC改进算法完成建筑墙体平面特征的提取。将其输入极限学习机中,输出建筑墙体外表面缺陷无损检测结果。实验结果表明,该方法可以有效检测建筑墙体外表面缺陷,实现建筑墙体外表面缺陷的精准定位,提升建筑的全寿命周期。     

焊缝典型缺陷的超声相控阵检测与评析

当今社会,焊接技术广泛应用于工业设备的制作,焊接质量的好坏对设备的使用安全造成巨大的影响;超声检测是如今无损检测的重要手段之一,它能有效对接头的焊接情况进行检测,从而判断内部是否存在缺陷,检测结果是焊缝质量评价的重要依据;文章对多块坡口形状为“U”型、“X”型、“V”型的焊接试样中的裂纹、夹杂、未熔合等典型缺陷进行CIVA仿真模拟以及超声相控阵检测;首先通过仿真确定了检测工艺,扫查方式、扫查角度以获得更好的信噪比和缺陷可检测性;其次对比16块对焊接试板中多种不同典型缺陷的多次试验检测结果,分析各类典型缺陷的漏判及误判情况;最后对常规超声、相控阵超声、射线检测缺陷的测长结果进行了统计比较,分析影响相控阵超声测长结果的几个因素,从而为超声相控阵在实际焊缝检测中提供更大的可行性及可靠性。     

自动化仪器钢结构无损检测方法研究

为了提高钢结构的无损检测能力,提出基于超声波射线波束集成的自动化仪器钢结构无损检测方法,采用频率20 kHz以上的超声波进行自动化仪器钢结构的静态密度和介质密度分析,根据钢结构的声扰动传播速度进行钢结构的裂缝纹理特征分析,计算钢结构的声阻抗率与介质特征阻抗等参数,当超声波以一定的倾斜角入射到自动化仪器钢结构的介质表面产生反射横波或纵波时,通过折射纵波和折射横波的分离特性进行自适应的超声波束集成处理,实现自动化仪器钢结构的无损检测优化。仿真结果表明,采用该方法进行自动化仪器钢结构损伤检测的准确性较高,定位精度较高,无损检测能力较好。     

Onset detection of ultrasonic signals for the testing of concrete foundation piles by coupled continuous wavelet transform and machine learning algorithms

The construction of ultra-high-rise and long-span structures requires higher requirements for the integrity detection of piles. The acoustic signal detection has been verified an efficient and accurate nondestructive testing method. In fact, the integrity of piles is closely related to the onset time of signals. The accuracy of onset time directly affects the integrity evaluation of a pile. To achieve high-precision onset detection, continuous wavelet transform (CWT) preprocessing and machine learning algorithms were integrated into the software of high-sampling rate testing equipment. The distortion of waveforms, which could interfere with the accuracy of detection, was eliminated by CWT preprocessing. To make full use of the collected waveform data, three types of machine learning algorithms were used for classifying whether the data points are ambient or ultrasonic signals. The models involve a commonly used classifier (ELM), an individual classification tree model (DTC), an ensemble tree model (RFC) and a deep learning model (DBN). The classification accuracy of the ambient and ultrasonic signals of these models was compared by 5-fold validation. Results indicate that RFC performance is better than DBN and DTC after training. It is more suitable for the classification of points in waveforms. Then, a detection method of onset time based on classification results was therefore proposed to minimize the interference of classification errors on detection. In addition to the three data mining methods, the autocorrelation function method was selected as the control method to compare the proposed data mining based methods with the traditional one. The accuracy and error analysis of 300 waveforms proved the feasibility and stability of the proposed method. The RFC-based detection method is recommended because of the highest accuracy, lowest errors, and the most favorable error distribution among four onset detection methods. Successful applications demonstrate that it could provide a new way for ensuring the accurate testing of pile foundation integrity.     

工业铸件缺陷无损检测技术的应用进展与展望

高端装备制造业是国民经济的支柱产业,是推动工业转型升级的引擎,发挥着举足轻重的作用.而铸造产业一直是人类现代生产生活中重要的、不可替代的产业,铸件产品既是工业制造产品,也是大型机械的组成部分.随着经济水平和工业自动化程度的不断提升,人们对于铸件的需求量呈指数爆炸式增长,铸件价值辐射到各行各业.与此同时,铸件在铸造、服役...     

轨道病害视觉检测：背景、方法与趋势

铁路作为国家重要基础设施、国民经济大动脉和大众化运输方式,对社会经济发展起着不可替代的支撑作用。轨道是铁路系统的重要组件,轨道病害检测是铁路工务部门的核心业务。传统的人工巡检不仅费时费力,而且检测结果容易受到各种主观因素的影响。因此,自动化轨道病害检测对维护铁路运输安全具有重要的现实意义。考虑到视觉检测在速度、成本和可视化等方面的优势,本文聚焦于轨道病害视觉检测技术。首先以广泛应用的无砟轨道为例介绍轨道的基本结构,对常见的轨道表观病害进行样例展示、成因分析和影响评价;简要梳理常见的自动化轨道检测技术的基本原理和应用场景,对轨道病害视觉检测面临的图像质量不均、可用特征较少和模型更新困难等主要挑战进行归纳;然后,依照前景模型、背景模型、盲源分离模型及深度学习模型的分类逻辑对轨道病害视觉检测领域的研究现状进行综述,简要介绍了各类方法的代表性工作,总结了各类方法的技术特点与应用局限性;最后,针对智能化铁路的发展需求,展望了未来轨道病害视觉检测技术的研究趋势,即利用小样本/零样本学习、多任务学习与多源异构数据融合等技术手段来解决当前视觉检测系统中的鲁棒性弱、虚警率高等问题。     

机器学习在乳腺肿瘤分类检测中的应用研究

机器学习算法在医学检测与诊断,尤其是乳腺肿瘤分类检测与诊断中扮演愈发重要的角色。分析比较了几种经典机器学习分类器在乳腺肿瘤分类检测中的性能,并从准确率、灵敏度、特异性及执行效率等方面对各分类器的性能进行了评估比较,根据在不同数据库上的实验结果,总结了各机器学习分类器在乳腺肿瘤分类中的性能特点:线性判别分析和极限学习机两种分类器性能优良且训练效率很高;支持向量机性能较为平均且非常稳定,但训练耗时较长;而人工神经网络分类器虽然可以给出良好的特异性指标,但灵敏度指标不够理想。