基于多探头源数据融合的焊缝缺陷识别

当今的无损检测领域中,缺陷性质的识别是检测的难点,为此研究了一种基于多探头源数据融合的焊缝缺陷识别新方法.该方法通过对多探头信息的融合,提高了检测结果的可靠性及缺陷识别的准确性.选用两个不同入射角度的斜探头对含有气孔、夹渣、裂纹、未焊透和未熔合五类典型焊接缺陷的焊件分别进行了检测,提取缺陷的超声回波信号特征,构建基于特征层和决策层两级融合的多探头源缺陷智能识别分类器,实现五类焊缝缺陷的多源数据融合识别.在特征融合层采用了BP神经网络作为特征融合器,并利用其融合输出构建每个探头源的基本概率分布函数及其对每类缺陷的基本概率赋值.在决策融合层利用D-S证据理论,合并每个探头源的基本概率分布函数,实现缺陷的融合智能识别.结果表明,该方法融合了多探头源的互补信息,有效的提高了缺陷的识别率,有助于焊缝质量的评定.     

钢制对接焊缝内部缺陷类型的超声TOFD-D扫描图像表征

本研究针对对接焊缝常见缺陷的超声TOFD-D扫描图像,通过对比分析获得可用于识别缺陷类型的图像特征;结合检测信号特征,识别焊缝常见缺陷的类型。研究结果表明：超声TOFD-D扫描图像与缺陷几何形状密切相关,可用于表征缺陷类型;焊缝常见缺陷如侧壁未熔合、根部未焊透、气孔、裂纹的D扫描图像特征体现在条纹现状、抛物线开口方向及端部曲率,基于这些图像特征可识别缺陷类型;此外,将超声TOFD-D扫描图像特征与超声TOFD检测信号特征相结合可进一步提高对缺陷类型的识别能力。     

单面焊焊缝根部端角反射波的识别方法

对单面焊焊缝（如常见压力管道对接焊缝）进行超声波检测时，其根部可能产生的回波信号很复杂，既可能有未焊透、未熔合、裂纹、气孔和夹渣等焊接缺陷产生的回波，也可能有焊缝内成型（内凸或内凹）和错边等产生的所谓几何回波。这些信号在探伤仪示波屏上出现的位置相同或相近，有的形态又很相似，给检测人员识别带来了难度，有可能造成误判、漏判。笔者尝试把单面焊焊缝根部回波分为端角反射波和非端角反射波两类，并对端角反射波的识别方法进行了讨论。     

电阻点焊超声在线监测

电阻点焊质量决定了车身强度和车辆安全。超声无损检测方法常用于焊后抽检,但车身焊装完成后,结构内部诸多焊点难以触及,无法检测。针对上述问题,将超声检测技术应用于焊接过程监测,基于脉冲-回波超声探头与特征信号分析技术,研究点焊过程工件内部超声场瞬态分布情况;设计了新型内置超声波探头电极结构,将超声探头嵌入电极动臂水冷腔,进行脉冲电阻点焊超声在线监测试验,分析超声时程、焊接过程超声回波特征;利用声学信号实时记录焊核熔化和凝固过程,并研究点焊典型焊接缺陷虚焊的超声回波图特征,分析基于回波的虚焊焊点鉴别方法。研究结果表明,通过观察C扫描图像特征与A扫描信号的变化,能够很好地划分点焊接头的热影响区、熔合区、熔核区以及焊接缺陷。通过C扫描图像特征对虚焊焊点进行快速识别,进而实现点焊缺陷检测和熔核尺寸测量。     

焊接缺陷高频显微超声可视化扫查检测

目前普遍使用的超声检测方法主要依据超声脉冲信号判断结构内部有无缺陷,难以对缺陷进行定性和定量检测。开发了高频超声成像技术,可进行超声A信号、B扫描和C扫描图像联动显示,缺陷标识和定量分析;研发建立了高频超声扫查系统平台,实现了高精度机械扫查、高频超声收发、全波数据高速采集和成像。用该系统对弧焊、激光焊、搅拌摩擦焊等焊接构件进行检测试验,与射线检测、金相检测进行对比,结果表明:该系统可直观发现焊缝气孔等微小缺陷,能够发现射线难以检测的未熔合缺陷,也可对缺陷埋藏深度进行准确定量分析。     

基于小波包的奥氏体焊缝缺陷超声信号识别

在使用超声反射波法对奥氏体不锈钢焊缝进行缺陷检测时,由于粗大晶粒组织的声散射作用,致使缺陷信号不易于识别. 针对这一问题,提出一种基于小波包技术的改进噪声抑制方法. 阐明了改进方法的技术原理,采集了奥氏体不锈钢焊缝中含人工缺陷信号的超声回波数据. 利用所提方法对超声回波进行了噪声抑制处理,并对人工缺陷进行了定量化测量. 结果表明,和传统小波包法相比较,所提方法能更为有效地滤除超声反射回波中的噪声成分,可识别直径1.5 mm的平底孔.     

超声波检测对直缝埋弧焊钢管的质量控制

在双面埋弧焊钢管焊缝超声检测中,如何鉴定、判别回波超标是个关键问题。通过分析双面埋弧焊钢管焊缝实际超声波检测的特点,包括超声回波信号的偏析、夹杂、裂纹和母材分层等引起超声缺陷信号或非缺陷信号和钢管曲率半径对缺陷定位的影响,总结出耦合剂反射波、焊缝表面焊痕反射波、焊缝上下错位引起的反射波以及焊缝余高或咬边形成的非缺陷波四种伪缺陷波的成因和鉴别方法,提高了伪缺陷波判别的准确性,为直缝埋弧焊钢管实际超声波检测提供了新的思路和方向。     

谱熵分析方法在TOFD信号特征提取中的应用

超声TOFD检测技术在厚大焊缝的检测方面具有较强优势,但其检测结果的定性识别目前还依赖人员完成,而自动识别技术能够降低人为因素对检测结果分析的干扰。但若欲实现检测结果的自动识别,特征量提取是关键。通过控制焊接规范,制备了含有气孔、夹渣、裂纹、未焊透和未熔合缺陷的试件,分析了各类缺陷的TOFD信号频域二维信息熵特征,即谱熵和谱的重心频率。结果表明,该二维信息熵可将五类缺陷信号分开,为缺陷的自动识别提供有效的特征量。     

升船机轮毂焊缝未焊透缺陷超声波无损检测技术

为了有效提高焊缝未焊透缺陷检测结果的准确性,提出一种升船机轮毂焊缝未焊透缺陷超声波无损检测方法。利用改进的粒子群算法(PSO)搜索隶属函数的最优参数,对含有噪声的升船机轮毂焊缝图像展开模糊中值滤波处理,复原被噪声污染的像素点灰度值。经去噪处理后,采用一维局部二元模式算法(1-D LBP)提取升船机轮毂焊缝未焊透缺陷特征,对缺陷特征主成分分析和聚类处理,获取各个特征的权重和取值特点,将检测到的特征值和历史数据集比对,获取和不同缺陷特征的匹配结果,进而实现升船机轮毂焊缝未焊透缺陷超声波无损检测。试验结果表明,采用所提方法可以精准检测焊缝未焊透缺陷。     

钢管超声波检测时缺陷波形的识别

双面埋弧焊钢管焊缝超声检测时经常出现回波超标问题,其中的伪缺陷严重干扰了检测人员对缺陷的判定。实例介绍了夹杂物、焊趾裂纹和成分偏析的回波特征,并提出了多种伪缺陷波形的判别方法。     

小波变换和模糊模式识别技术在金属超声检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点,提出了一种缺陷定性特征值的提取是模式识别的关键,因此提出用小波变换提取特征值,多面手用模式识别的方法对小波变换的特征值提取结果进行定性分类,从而确定缺陷类型。采用上述上种不同性质的缺陷进行分析和处理。结果表明,用小流变换提取特征值的方法是有效的,而模糊模式识别算法也得到了较好的分类效果。     

Evaluation of echo features of ultrasonic flaws and its intelligent pattern recognition

In this paper, three types of weld flaw were taken as target, evaluation and recognition of flaw echo features were studied. On the basis of experimental study and theoretical analysis, 26 features have been extracted from each echo samples.A method which is based on the statistical hypothesis testing and used for feature evaluation and optimum subset selection was explored Thus. the dimensionality reduction of feature space was brought out, and simultaneously, the amount of calculation was decreased. An intelligent pattern classifier with B-P type neural network was constructed which was characterized by high speed and accuracy for learning. Using a half of total samples as training set and others as testing set, the learning efficiency and the classification ability of network model were studied. The results of experiment showed that the learning rate of different training samples was about 100％. The results of recognition was satisfactory when the optimum feature subset was taken as the sample's feat     

基于神经网络的焊接缺陷智能化超声模式识别与诊断

以三种焊接缺陷为对象,研究了缺陷回波特征的评价与模式识别。在实验研究与理论分析的基础上,从每个缺陷回波样本中提取了26个特征值,采用基于统计学假设检验的特征评价和最佳特征子集选择方法,实现了特征空间的降维处理。作者采用B-P型反向传播神经元网络构成了智能化模式分类器,研究了网络模型的学习效果和对未知缺陷的分类识别能力。还探讨了用Dempster方法进行超声检测信息融合处理的可行性。实验结果表明,采用最佳特征子集作为样本的特征向量,获得了良好的识别结果,三类缺陷的平均正确识别率约为87.6％,最佳识别率为97％。     

管道焊缝未熔合的底片评定

对管道焊缝射线照相底片进行评定时,由于焊缝存在的单边未焊透、条形缺陷、根部内凹和咬边及成型不良等影像类似未熔合,而引发各方对缺陷定性的争议。就管道焊缝和射线照相工艺特点,研究未熔合和相类似缺陷的影像特征及评定方法,以帮助正确判定未熔合。     

煤矿液压缸环焊缝缺陷超声成像检测系统的研制

在液压支架制造企业的实际生产中,采用A型超声探伤仪,以传统的手动方式检测液压缸对接环焊缝质量,存在效率低、可靠性差等问题。为了克服手动超声检测方式的缺点和不足,保证焊接质量,研制了一种以数字超声探伤仪为基础,计算机为核心,现有自动焊接装置为工件装夹平台的超声成像检测系统。介绍了该系统的总体设计、硬件组成和软件结构,并利用含有人工缺陷的无缝钢管试样对系统进行了试验验证。结果表明,该系统实现了液压缸环焊缝检测的自动化、数字化和图像化,为缺陷的自动定量、定位和智能识别奠定了良好地基础。系统功能的进一步完善以及在实际生产中的应用,将大大提高超声检测的可靠性和效率,从而解决液压缸环焊缝质量检验的难题。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

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.     

小波奇异性检测在超声信号处理中的应用

缺陷回波法是超声检测的常用技术,但回波信号常受到各种噪声的干扰,为使超声自动探伤系统能够对缺陷进行准确检测,必须对受噪声干扰的信号进行处理。介绍了通过小波变换对奇异性信号进行检测的原理,利用该方法对超声波回波信号进行了分析。试验结果证明小波奇异性检测方法能有效消除噪声干扰,并准确检测出缺陷位置。     

模糊数学在超声检测中的应用

介绍模糊数学的基本概念,建立了用于缺陷模糊模式识别的两种数学模型,即模糊集法与模糊聚类法。这些模型对超声检测中缺陷识别以及缺陷性质判定具有重要的应用价值,并给出了基于模糊集方法的应用示例。