交变磁场下焊接缺陷磁光成像特征分析

研究焊接缺陷磁光成像检测方法,基于法拉第旋转效应,分析交变磁场下焊接缺陷磁光成像特征与漏磁场之间的关系。建立焊接缺陷的三维有限元模型,对不同类型和宽度的焊接缺陷漏磁场分布进行模拟,并在交变磁场激励下对不同焊接缺陷进行磁光成像无损检测试验,通过试验验证了焊接缺陷检测模型的有效性。研究结果表明,漏磁场分布与缺陷的类型和宽度密切相关,随着宽度增大,缺陷漏磁场的磁感应强度垂直分量亦增大;在相同宽度下,未熔合、表面裂纹、亚表面裂纹和无缺陷磁光图像灰度峰谷差值呈递减趋势,磁光图像灰度值可与漏磁场强度相匹配;所建焊接缺陷模型和磁光成像试验能有效地描述不同焊接缺陷对漏磁信号和图像灰度值分布的影响,有助于提高焊接缺陷检测和质量评估。     

焊接缺陷的磁光成像小波多尺度识别及分类

针对焊缝微小凹陷、未熔合和焊偏等焊接缺陷,提出了基于磁光成像无损探伤的小波多尺度边缘提取算法及主成分分析-误差反向传播神经网络(PCA-BP)缺陷分类模型;研究了焊件表面及近表面缺陷的可视化无损检测及分类方法。首先,通过对焊件施加感应磁场,利用法拉第磁致旋光原理构成磁光传感器,获取焊接缺陷磁光图像。然后,针对焊接缺陷磁光图像存在噪声干扰、对比度低且成像背景复杂等特征,基于小波模极大值的多尺度边缘信息融合方法,设计了具有高抗噪性的缺陷边缘检测算法。最后,通过PCA法对磁光图像列方向灰度变量进行预处理,得到能表征95%磁光图像列方向灰度变量信息的256个特征点作为输入特征量,构建了三层BP神经网络模型,对焊接缺陷样本进行分类。试验结果表明,所提方法能准确识别微小凹陷、未熔合和焊偏等焊接缺陷,模型分类准确率可达90.80%。     

交变/旋转磁场下焊接缺陷磁光成像检测与分类

针对任意角度焊接缺陷难以检测的问题,研究在不同磁场激励下焊接缺陷磁光成像无损检测系统。重点介绍了由U形磁轭产生的交变磁场和平面交叉磁轭产生的旋转磁场激励焊件的机理,比较了交变/旋转磁场激励下不同焊接缺陷的磁光成像效果。基于法拉第旋转效应分析磁光成像特性与磁场强度之间的关系,磁光图像的灰度值可以匹配相应的漏磁场强度。采用主成分分析法提取融合图像列像素灰度特征和通过灰度共生矩阵提取磁光图像纹理特征,建立BP神经网络模型和支持向量机模型识别这些缺陷特征。试验结果表明,在旋转磁场激励下,BP神经网络模型和支持向量机模型的分类精度分别为94.1%和98.6%,相比交变磁场,分类精度分别提高了10.7%和8.5%。旋转磁场激励下的磁光成像克服了定向检测的局限性,能够实现对任意角度焊接缺陷的检测及分类。     

旋转磁场下焊接缺陷磁光成像检测与强分类研究

焊接缺陷的准确检测与分类对保证焊接产品质量十分重要。研究一种旋转磁场激励下焊接缺陷的磁光成像无损检测方法。分析基于法拉第磁光效应的焊接缺陷磁光成像机理,使用有限元法对焊接缺陷的磁场分布进行数值模拟与分析,并获得磁光图像采集的最佳提离度。分析旋转磁场形成机理,使用交叉磁轭产生旋转磁场激励焊件,通过磁光成像传感器获取焊接缺陷磁光图像。采用主成分分析法(Principal component analysis, PCA)对采集的磁光图像列像素灰度特征进行提取与降维,使用AdaBoost算法结合误差反向传播(Back propagation, BP)神经网络建立BP-AdaBoost焊接缺陷强分类模型。试验结果表明,所提出的方法可有效提高45钢焊接缺陷(弧形裂纹、线形裂纹、凹坑、未熔透)的分类精度,焊接缺陷强分类模型的整体识别率达到98.88%,有效实现焊接缺陷的检测与分类。     

磁光成像漏磁特征在焊接缺陷轮廓重构中的应用

为了实现焊接缺陷的检测与评估,提出将交变磁场激励下磁光成像的漏磁特征应用于焊接缺陷的轮廓重构当中,建立漏磁重构模型,研究焊接缺陷的二维轮廓特征。首先根据交变磁场下的漏磁场的形成机理,讨论漏磁场分量By,Bz两种漏磁信号与缺陷轮廓存在的关系。再利用数值模拟方法获取数据,训练其广义回归神经网络(Generalized Regression Neural Network,GRNN)来确定该模型并说明漏磁场信号可以实现缺陷轮廓重构。最后,将磁光成像漏磁特征的数据应用于模型训练,确定重构的可行性。试验结果表明,应用磁光成像漏磁特征的图像数据与仿真获得的轮廓重构规律一致,能够实现焊接缺陷二维轮廓重构。在一定范围内,缺陷深度越大(不小于0.45mm),重构效果越好。     

焊接缺陷磁光成像三维轮廓重构识别

对焊件表面及亚表面缺陷进行无损检测是保证焊接产品质量的关键.提出了一种基于法拉第磁致旋光效应的磁光成像焊接缺陷三维重构方法,实现焊接缺陷形状和大小的识别.基于磁光成像原理分析漏磁场磁感应强度与磁光成像的对应关系,以脉冲激光焊接凹坑(3 mm×0.3 mm×0.25 mm)为研究对象,建立焊接凹坑缺陷三维有限元磁场仿真模...     

基于磁光成像的低碳钢WAAM成形件表面缺陷检测与分类

针对电弧增材制造(WAAM)成形件表面及亚表面微小缺陷难以检测和识别的问题,结合图像纹理特征和神经网络提出一种基于磁光成像的无损检测方法,实现低碳钢WAAM成形件表面微小缺陷检测和分类。首先对二次表面精加工后的WAAM成形件进行磁化,并使用磁光成像仪获取成形件表面磁光图像作为试验样本,然后对磁光图像进行预处理,用灰度共生矩阵提取每幅图像的能量、熵、对比度和相关性纹理特征,对比分析无缺陷、熔合不良、凹陷和裂纹4种WAAM成形件表面质量纹理特征,最后通过建立的LMBP神经网络模型对成形件表面质量进行分类预测。试验预测结果表明,WAAM成形件表面缺陷检出率为97.33%,表面质量分类准确率可达91.33%,验证了所提方法能够有效检测和识别低碳钢WAAM成形件表面微小缺陷。     

焊接缺陷磁光成像卷积神经网络识别方法

对焊件表面及亚表面微小焊接缺陷进行检测是保证焊接质量的关键,提出一种基于深层卷积神经网络的磁光成像焊接缺陷检测方法.以法拉第磁致旋光效应为基础,分析磁光成像原理,建立深层卷积网络预测模型,研究不同模型结构参数对训练结果的影响.通过对深度卷积神经网络中间机理分析,研究模型训练过程并自动寻找卷积核最优参数.试验结果表明,第...     

激光焊接焊缝显微组织磁光成像研究

针对焊缝显微组织对焊件质量影响问题,对激光焊接焊件不同区域的焊缝显微组织特征进行研究,对不同焊接试验参数下的焊缝成形差异进行分析,提出了一种焊缝显微组织磁光成像检测方法,采用低碳钢平板对接焊,试验共分为4组,将焊缝显微组织磁光图像与扫描电镜图像相结合,分析恒定磁场下不同区域焊接接头的显微组织磁光成像差异和焊缝的晶粒组成及特征。研究结果表明,在磁光图像中焊件焊缝可以分为熔合区、热影响区和母材区,且这3个区域的晶粒组成、大小及形态有明显的差异,恒定磁场下焊缝磁光图的颜色、亮度及灰度值反映了焊缝的成形质量。     

数控激光焊接汽车用高强钢焊缝质量的研究

讨论了数控激光焊接高强钢材料焊接质量的影响因素,利用正交法优化设计试验,并对焊接试件进行拉伸力学性能试验,焊缝金相组织和显微硬度试验,焊接接头SEM分析,焊缝盐水腐蚀试验等多种焊缝质量的检测.同时分析了高强钢焊缝质量常见缺陷,并给出了一套可以有效控制焊接高强钢加工质量的优化工艺参数.     

Detection of micro gap weld using magneto-optical imaging during laser welding

Accurate seam tracking plays a critical role in acquisition of good weld. During laser butt joint welding, the laser beam focus must be controlled to follow the weld trajectory. The key problem to be solved is the automatic identification of weld position. An approach to detect the micro gap weld (gap width is less than 0.05 mm) based on magneto-optical imaging (MOI) is proposed. The laser butt joint welding of carbon steel was carried out. A magnetic excitation device was used to magnetize the weldment, and it was found that magnetic field distribution at the weld was different from other regions. The magnetized weldment was detected by using a magneto-optical sensor, and magneto-optical images of the weld were captured. By analyzing and processing weld MO images with low contrast and strong magnetic field noises, the weld center position could be detected accurately. Weld MO images at different laser welding speeds were investigated to analyze the varieties of image characteristics. Experimental results indicated that the magneto-optical imaging technique could be applied to detect the micro gap weld accurately, which provides a novel approach for automatic identification and tracking of micro gap weld during laser welding.     

集箱管接头内焊缝表面缺陷识别方法研究

针对集箱管接头内焊缝表面缺陷自动检测需要,进行了基于计算机视觉的集箱管接头内焊缝表面缺陷自动识别方法研究。分析了不同焊缝图像的纹理特征,从焊缝图像的灰度共生矩阵中提取出15种可用于焊缝表面缺陷状态表征的特征参数。在此基础上,研究将BP神经网络应用于焊缝表面缺陷自动识别中。分析了灰度共生矩阵的步长、灰度级、神经网络的结构参数及输入特征参数的数量和种类对焊缝图像识别效果的影响,优化出最佳的识别参数。在以上研究基础上,利用优化后的神经网络对内窥镜获得的不同焊接质量的焊缝图像进行了训练和识别。结果表明,提出的基于图像纹理的神经网络识别系统可以很好实现集箱管接头内焊缝焊接状态的自动评价,整体识别率达91%。研究工作为集箱管接头内焊缝焊接质量自动检测做了有益的探索。     

高强钢厚板激光-GMAW复合双面同步横焊特性研究

针对30 mm厚船用高强钢10Ni5Cr Mo V对接接头横焊应用需求,开展激光-熔化极气体保护电弧(Gas metal arc welding,GMAW)复合双面同步横焊特性研究。研究结果表明,针对横焊位姿因重力、非对称坡口对熔滴、电弧的影响,利用激光对电弧的吸引和收缩作用,通过减小光-丝间距,有效地抑制了电弧侧壁燃弧,熔滴在电磁力和等离子流力的作用下,稳定过渡到熔池中,实现了熔滴过渡稳定性控制,解决了激光-GMAW复合横焊位姿电弧偏离和熔滴下落等过程控制难题与侧壁未熔合问题;厚板激光-GMAW复合双面同步横焊包括打底层和填充层焊接,其中打底层焊接是保证接头焊接质量的关键;采用激光-GMAW复合双面同步横焊新方法,4道焊接完成了30 mm厚船用高强钢10Ni5Cr Mo V横焊位姿的高强、高效连接。焊缝表面成形良好,无裂纹、未焊透和侧壁未熔合等缺陷。接头的抗拉强度高于母材,且其–50℃冲击吸收能量为57.3 J。     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

磁光/涡流实时成像检测系统的研究

介绍了磁光/涡流成像检测系统的基本工作原理及组成,给出了初步的实验结果,并对试验结果进行了相应的图像处理,实现了对表面及亚表面细小缺陷的可视化无损检测,克服了传统的涡流检测方法中探头尺寸相对较小而检测面积大,检测工作要消耗大量时间且不易操作的缺点,并具有探测结果可视化且直观易懂;易于保存;检测难度低;检测前不需要清除油漆等表面覆盖层,只需要保证待检测表面具有较好的反射性能;可对亚表面以及表面缺陷进行实时成像检测等优点。试验结果进一步验证了系统的正确性和重要性。     

钢板缺陷识别的Volterra-SVM模型研究

针对钢板缺陷识别问题,结合超声波脉冲反射原理,提出一种基于Volterra级数和支持向量机的钢板缺陷识别方法。首先,利用Volterra级数模型建立起钢板缺陷的特征模型;其次,使用分数阶粒子群优化算法提取出原始信号中的特征参数,即Volterra级数时域核;最后,将提取到的特征向量输入支持向量机模型进行训练与测试,完成对钢板缺陷的分类识别。设计实验得到多组数据样本,进行模型验证,实验结果表明：基于Volterra级数和支持向量机的识别模型能够较好的完成对钢板缺陷的分类识别,识别准确率达93.3%。