薄板点焊超声检测信号特征分析与缺陷识别

运用低碳钢薄板点焊超声检测有限元仿真模型,对气孔、压痕过深、熔核过小、脱焊等四种缺陷类型的点焊检测超声仿真信号进行快速傅里叶变换得到其频谱图,并采用统计学方法分别提取了超声信号时域和频域特征值.通过分析超声在不同缺陷焊点内部的传播规律,以及特征值的变化规律,总结了点焊缺陷类型的识别方法.利用该方法对大量点焊试样超声检测试验信号进行缺陷识别并与金相试验结果对比分析. 结果表明,综合分析超声检测信号时域和频域特征值规律,能够有效地识别点焊缺陷类型.     

声-固耦合模型下自适应高维特征焊缝缺陷超声检测

针对焊缝缺陷种类识别精度有待提高的问题,提出了一种将随机森林与变分模态分解相结合的算法,以结合二者的自适应特征提取能力及对于高维特征的强适应特性。利用多物理场仿真软件建立含缺陷焊缝的声-固耦合模型,进行超声波无损检测仿真,得到含缺陷超声回波信号。利用变分模态分解求出其各IMF能量分布系数,并以其作为特征向量建立随机森林模型,进行焊缝缺陷识别。结果表明,利用该方法提取的缺陷回波信号特征能有效表征焊缝缺陷,以其建立随机森林模型可以对其进行准确识别。     

基于Contourlet和KPCA的焊接缺陷图像特征提取

为了进一步提高焊接缺陷识别的准确度和效率,提出了一种基于Contourlet变换和混沌粒子群优化核主成分分析(kernel principal component analysis,KPCA)的焊接缺陷图像特征提取方法.首先通过Contourlet变换将焊接缺陷图像进行多尺度分解,提取低频分量和特定方向上的高频分量;然后运用混沌粒子群优化后的KPCA分别提取缺陷训练样本和缺陷测试样本的特征;最后根据测试样本特征与训练样本特征之间的欧式距离确定缺陷测试样本的类型.结果表明,与基于核主成分分析特征提取法、基于小波的核主成分分析特征提取法相比,文中方法提取的特征更为完整,识别率更高,运行速度较快.     

一种基于小波包和PCA的超声缺陷识别方法

在超声检测中，对缺陷进行定性分析是无损检测与评价的关键内容。本研究提出一种对缺陷类型进行分类的检测方法，通过对不同类型的缺陷波信号进行特征量提取，实现对缺陷的类型识别。首先使用空气耦合超声检测系统采集无缺陷信号与3种不同类型的缺陷波信号，提取信号的时域无量纲参数和小波包能量系数组成多维特征向量；然后使用主成分分析法（Principal component analysis，PCA）对多维特征向量进行降维处理得到特征融合量；最后输入BP神经网络系统进行缺陷类型的分类，并与未经过PCA处理的测试结果进行对比分析。实验结果证明，经过PCA处理的测试结果准确率更高，测试时间更短。     

钢丝绳锈蚀、磨损缺陷识别研究

目的发展高性能、低成本基于图像处理技术的钢丝绳缺陷识别方法,实现钢丝绳磨损、锈蚀缺陷的检测。方法首先采用邻域平均法提取钢丝绳的灰度区域特征,接着建立了基于熵统计函数以描述、量化灰度分布特征与灰度波动特征,在此基础上,选取良品、锈蚀缺陷与磨损缺陷三种类型的样品进行区域灰度、灰度分布、灰度波动特征的量化与提取。结果经观测得到不同类型的样品在三维特征空间分布中具有明显的可区分性,基于该特点,可通过设置三维特征的阈值实现对钢丝绳合格品,锈蚀缺陷,磨损缺陷进行识别与区分。结论该基于图像处理的检测方法可高效、准确地实现了对钢丝绳的锈蚀、磨损缺陷的识别,不仅具有学术价值,更具有实用意义,非常适用于在线检测。     

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.     

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％。     

Automatic identification of different types of welding defects in radiographic images

Radiographic testing is a well-established non-destructive testing method to detect subsurface welding defects. In this paper, an automatic computer-aided identification system was implemented to recognize different types of welding defects in radiographic images. Image-processing techniques such as background subtraction and histogram thresholding were implemented to separate defects from the background. Twelve numeric features were extracted to represent each defect instance. The extracted feature values are subsequently used to classify welding flaws into different types by using two well-known classifiers: fuzzy k-nearest neighbor and multi-layer perceptron neural networks classifiers. Their performances are tested and compared using the bootstrap method.     

镍-玻璃纤维复合层超声特征成像检测

对直升机旋翼前缘的镍-玻璃纤维复合层进行超声检测方法研究。分析镍-玻璃纤维复合层缺陷特征及缺陷识别方法;针对薄壁曲面构件的检测需求,采用便携式超声特征扫描成像方法和接触式聚焦方法,完成曲面旋翼前缘的扫描成像检测;利用超声特征扫描成像系统对检测信号进行全波列采集,并用幅值特征和频谱分析等方法对复合层脱粘缺陷进行分析和处理,实现高精度的缺陷显示和评价。     

Ultrasonic fast identification of automotive body spot weld defect based on echo characteristics qualitative analysis

Abstract

Spot welds are used extensively by automobile manufacturers as an efficient method for joining sheet steel. The quality of them can be tested non-destructively by using ultrasound. But when spot weld defect happens, the current ultrasonic inspection methods of weld quality are difficult to achieve an ideal result especially for the stick weld defect which is one of the most important types of spot weld defects in the automotive body. At first, this paper detailedly analyses the echo characteristics of ultrasonic curves which can reflect different spot welding joint defects. After echo characteristics qualitative analysis of different spot weld defects, a peak value marking algorithm is developed to identify the joint defects especially the stick weld defect rapidly and efficiently through selecting and confirming many optimal characteristic parameters. Finally, a lot of experiments are performed to verify the proposed methods. The results indicate that this fast identification method is credible and the identification rate can reach 95% in total test samples.     

基于超声信号和图像融合的焊缝缺陷识别

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.     

An automatic system of classification of weld defects in radiographic images

In this paper, we describe an automatic detection system to recognise welding defects in radiographic images. In a first stage, image processing techniques, including noise reduction, contrast enhancement, thresholding and labelling, were implemented to help in the recognition of weld regions and the detection of weld defects. In a second stage, a set of geometrical features which characterise the defect shape and orientation was proposed and extracted between defect candidates. In a third stage, an artificial neural network (ANN) for weld defect classification was used. With the aim of obtaining the best performance of ANN three different methods for improving network generalisation was used. The results was compared with a method without generalisation. For the input layer, the principal component analysis technique was used in order to reduce the number of feature variables; and, for the hidden layer, a different number of neurons was used.     

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。     

基于时频判别特征的焊缝超声检测缺陷分类

根据超声检测信号的瞬变特性,针对焊缝检测的缺陷分类问题,提出用判别追踪算法提取缺陷信号的局部时频判别特征,并结合概率神经网络实现了焊缝超声检测信号的缺陷分类.在提取时频判别特征时,提出考虑新选原子与已选原子的相关性的判别基提取方案,以降低特征之间的冗余,使提取出的特征能更有效地鉴别不同类别的缺陷.用该方法对一电子束焊缝试块中的缺陷进行了分类,结果表明,时频判别特征适合超声信号的缺陷分类,并能有效地抑制晶粒噪声的影响,考虑判别原子间相关性后可获得更高的分类正确率.     

PE管对接焊缝超声波检测信号特征量提取与分析

采用超声波对PE管对接焊缝进行检测。通过对所检测缺陷波形进行分析,提取了其中8个对缺陷回波分析具有典型意义的特征量。对特征量进行主成分及回归分析,得出与主要特征量相关的线性表达式。试验结果验证了回归方程的可信度,为超声波智能检测中缺陷的判定提供了可靠的依据。     

Feature extraction and selection for defect classification of pulsed eddy current NDT

Pulsed eddy current (PEC) is a new emerging nondestructive testing (NDT) technique using a broadband pulse excitation with rich frequency information and has wide application potentials. This technique mainly uses feature points and response signal shapes for defect detection and characterization, including peak point, frequency analysis, and statistical methods such as principal component analysis (PCA). This paper introduces the application of Hilbert transform to extract a new descending feature point and use the point as a cutoff point of sampling data for detection and feature estimation. The response signal is then divided by the conventional rising, peak, and the new descending points. Some shape features of the rising part and descending part are extracted. The characters of shape features are also discussed and compared. Various feature selection and integrations are proposed for defect classification. Experimental studies, including blind tests, show the validation of the new features and combination of selected features in defect classification. The robustness of the features and further work are also discussed.     

异形构件超声检测技术

由于异型构件直径小、管壁薄与结构复杂等特点,增加了检测方法的难度。为此应用超声爬波检测原理,采用组合探头检测方法检测了异形构件内外壁的标准伤样。比较了缺陷回波与内棱波的区别,提出采用信号幅度与时间双特征量识别缺陷以消除内棱波的干扰。为了克服单探头数据信号片面性的缺点,采用了数据融合技术,综合三个探头的局部判伤结果来确定缺陷,提高了判伤的准确率。根据各探头信号的周期特征、持续时间与幅度特征三个特征量对缺陷做了综合评估。     

基于桁架机器人的超声检测控制系统的设计

为了解决工件内部缺陷的精确探伤问题,提出了基于桁架机器人自动化超声波检测系统,并采用功率谱分析进行了缺陷回波信号的分析。研究设计了控制系统并编制了超声测试软件程序,由工控机和PLC组成的控制系统可以控制桁架机器人使其实现三维运动,同时驱动探头对工件进行精确地检测。与传统的超声检测方法相比,采用功率谱分析方法分析内部缺陷的超声回波信号可获得明显的不同缺陷的特征,可对内部微小的缺陷分辨更准确,提高超声检测精度。     

基于独立分量分析的搅拌摩擦焊缝超声无损评价

指出搅拌摩擦焊焊缝的弱连接是目前超声无损检测的难点. 提出了一种新的超声特征成像方法,包括使用独立分量分析方法(independent component analysis,ICA)对时域超声信号进行分解,进而获得检测信号的特征矩阵;根据检测信号能量传递的特点,确定检测目标特征矢量的筛选方法,将检测信号向特征矢量投影,将投影能量和作为特征参数,对搅拌摩擦焊焊缝进行声成像. 应用该方法对不同拉伸强度的搅拌摩擦焊焊缝进行了声成像检测,并与常规C扫描方法进行了对比. 结果表明,该方法的检测结果与拉伸试验具有较好的一致性,对于搅拌摩擦焊焊缝的检测灵敏度高于常规C扫描方法.     

基于机器视觉的膨胀阀安装孔缺陷检测方法

针对工业生产中膨胀阀安装孔缺陷自动检测的需求,提出一种基于机器视觉的安装孔缺陷检测方法。使用SURF特征匹配定位待检测区域,利用双阈值迟滞分割法去除噪声;通过Canny算子计算轮廓边缘,利用邻域生长法提取轮廓信息。为克服缺陷信息的干扰,准确定位安装孔圆心,提出基于几何矩与最小二乘拟合的圆心定位方法。根据轮廓上的点到圆心的距离分割出缺陷轮廓并在输入图像上进行标注,从而实现安装孔缺陷的检测。结果表明：所提出的算法能准确检测膨胀阀安装孔的缺陷,满足工业生产中自动检测的需求。