风力机叶片缺陷的红外热像图像增强

针对风力机叶片的玻璃纤维复合材料的特殊性,使用红外持续热激励无损检测技术,同时用傅里叶变换与对比度受限自适应直方图均衡化(CLAHE)对红外图像进行增强处理。先对连续多幅红外热像图组成的温度序列进行快速傅里叶变换,提取出相位信息,得到相位图;在此基础上,挑选效果最好的一张相位图,对其进行CLAHE算法处理,以提高图像的全局对比度。结果表明:经过增强处理,红外图像的对比度信噪比(CNR)高于其他传统方法的,说明该处理方法有效,同时通过对现场采集的风机叶片红外图像的验证试验,验证了此方法的有效性与准确性,极大地提高了风力机叶片的红外热成像缺陷的识别能力。     

再制造喷涂层界面结合性能脉冲红外热像评估技术

针对再制造工程中常见的喷涂层界面结合性能评价问题,采用脉冲红外热像技术对3Cr13合金涂层的界面脱粘缺陷进行检测评估。以信噪比(SNR)为评价标准,对比了两种不同热图序列处理方法在预处理和后处理阶段的效果。结果表明:在预处理阶段,基于表面热信号的多项式拟合算法(PF)将原始热图的信噪比由5.34提升到9.61,其效果优于基于单张图像中值滤波算法(MF);而在后处理阶段,基于单张图像的主成分分析法(PCA)对缺陷特征的表征比基于表面热信号的脉冲相位法(PPT)更加准确,第三主成分重建热图的信噪比达到17.99。综合而言,基于单张图像的热图序列处理方法在再制造喷涂层界面结合性能评价中具有更好的效果。     

缺陷深度脉冲热像检测新方法

介绍脉冲热像检测中由峰值时间求缺陷深度的方法，对热传导性能好的材料，从红外热像时间序列难以捕捉到峰值时间。为此提出了一个既能避开峰值时间又能被红外热像仪探测和记录的新参数，从而达到测量缺陷深度的目的。     

超声红外热像技术检测激光焊缝质量

超声红外热像技术是一种新兴的无损检测技术。使用超声作为热激励源,可以实现对缺陷部位选择性热激励,同时用红外热像仪捕捉材料表面温度变化。介绍了超声红外热像技术的基本原理,对两类激光焊接试件进行了检测。试验结果可用以分析激光功率和焊接速度对焊接质量的影响。     

基于红外热像的大功率光纤激光焊熔宽检测技术研究

大功率光纤激光焊接中,熔宽是反映焊接质量的直接信息,研究一种基于红外热像的大功率光纤激光焊熔宽检测技术是评价焊缝质量的一个重要方法。本文采用近红外传感高速影像机获取熔池动态热像,经自适应中值滤波、灰度拉伸、裁剪、动态阈值、数学形态学等图像算法来提取熔池热像边缘和检测熔宽。试验结果表明,所采取的组合算法能准确地检测出大功率光纤激光焊中熔宽的变化。     

主动红外热像无损检测技术的研究现状与进展

与渗透、磁粉、射线等传统无损检测技术相比,主动红外热像技术具有非接触、无污染、高效率等优点,已成为一种重要的材料表面和近表面缺陷无损检测技术,该技术包括主动热激励、表面热图采集和图像处理3个步骤。对热灯、超声波、电磁线圈、微波、激光等几种主要热激励手段进行了对比分析,分别总结了其特点、适用范围及研究应用现状;热图采集效果主要取决于红外热像仪的性能高低;图像处理依靠各种图像处理软件进行,当前应用于红外热像检测中的图像处理方法有背景减去、噪声去除、时间平均等。随着热激励技术和图像处理技术的发展,以及红外热像仪性能的提高,主动红外热像无损检测技术也呈现出由人工识别向自动识别、由定性检测向定量检测、由单一手段向复合手段发展的趋势。     

碳纤维增强复合材料层压板低速冲击损伤的脉冲红外热像检测

碳纤维复合材料具有高比强度,在航空航天领域内得到越来越广泛的应用。对五种不同冲击能量下的碳纤维增强复合材料层压板进行了脉冲式红外热像检测。利用外加的瞬时或交变温场,用红外热像仪记录了试件在外加温场下的表面温度变化。将采集到的数据信号根据外加热类型进行了处理,处理结果以图像或图像序列形式显示,并用超声C扫描方法对检测结果进行了验证。     

基于随机森林算法的汽车轴承故障检测

针对传统机器学习算法受输入变量限制、且易出现过学习或欠学习,提出不受输入变量限制且存在大量数据缺失时有很好保持精确性的随机森林算法对汽车轴承故障进行检测。对采集到样本数据进行滤波处理,抑制信号中噪声;利用随机森林算法对采集到的时域信号进行分类标识,确定包含故障信息的信号序列;再将信号转换到频域,利用随机森林算法对频域内信号进行检测,确定出故障频率;最后采集试验数据对所提及算法进行验证,结果表明:相比于传统的机器学习算法,随机森林算法响应速度快,且准确率高。     

锁相红外热像检测缺陷的定量方法

为了满足锁相红外热像检测中缺陷定量的需求,提出了一种基于模糊C均值聚类的算法(Fuzzy C-means,FCM)和边缘检测算子(Edge Detectors)的缺陷尺寸定量评价方法。制备了圆形平底孔钢材料试样,通过有限元仿真研究了最佳激励频率的选择方案,建立了锁相红外热像检测系统,开展了区域划分下的FCM-边缘检测算子联合处理方法的缺陷定量评价试验。区域划分下的FCM-边缘检测算子联合处理方法取得了与广泛认可的切相位法相当的缺陷定量结果;所得特征图像能反映更多的缺陷特征边缘信息,利用适当的图像处理方法,能够实现缺陷面积定量评价。结果表明:区域划分下的FCM-边缘检测算子缺陷定量评价方法在锁相红外热像检测领域具有良好的应用前景。     

激光扫描热波无损检测技术在航空发动机涂层中的应用

涂层技术在航空发动机中的应用越来越广泛,介绍了一种基于红外热波成像技术的无损检测方法,该方法采用激光扫描作为热激励源,通过红外热像仪采集红外图像序列并进行分析,从而得到检测结果。将其应用于航空发动机涂层内部缺陷的检测中,结果表明,其能快速检测出涂层的分层缺陷,并对较小缺陷具有一定的检测能力。最后,采用金相技术对试件进行解剖分析,验证了激光扫描热波无损检测的结果,表明该技术可对航空发动机涂层缺陷进行可靠地检测。     

基于MCKD和峭度的液压泵故障特征提取

液压泵早期故障信号具有非平稳性、强背景噪声、弱故障特征特点,故障特征难以有效提取。为此,提出基于自相关分析与最大相关峭度解卷积算法的齿轮泵故障特征提取方法,利用MCKD算法对采集信号去噪处理,增强信号中的原始冲击成分,提高信号的信噪比;基于峭度（或峭度绝对值,或峭度平方值）的特征信息提取方法,来度量机械信号的非高斯性程度,以表征机械设备的运行状态信息。试验结果证明：所提方法能够有效提取液压泵故障信号中的特征信息。     

基于FIR分解的轴承故障快速诊断方法研究

为实现轴承故障的快速准确诊断,以互相关和互信息为基础构造一种针对轴承的快速故障诊断方法。该方法首先运用有限长单位冲激响应（Finite Impulse Response,简称FIR）滤波器对各单一故障（包括内圈、外圈、滚珠、保持架）振动信号进行分解,降低信号分解过程中因模态混叠造成的干扰,以力学分析建立的各故障振动模型为参考,对分解后的子信号采用互相关分析法,选出表征故障特征的子信号,计算子信号透露的信息量——互信息,用于构造故障特征矩阵,最后由K最近邻分类算法（K-Nearest Neighbor,简称KNN算法）的识别结果验证该算法对实现轴承故障快速识别具有优势。     

镁合金超声检测的相关增强小波去噪技术

提出了一种基于相关增强与小波阈值相结合的超声信号去噪方法,将该方法用于AZ91镁合金的超声检测能够有效地去除噪声,提高检测精度。由于同类缺陷信号之间相关性较大,因此对同类缺陷的超声信号进行相关处理能够增强缺陷信号;结合小波分析的多分辨分析特点,从频率和时域对增强后的信号进行阈值处理,最终获得了良好的去噪效果。实验结果表明:该方法能够有效去除由粗晶散射引起的结构噪声,对微弱缺陷信号的检测是很有效的,且灵活便捷。     

基于GRA-PLS的滚动轴承故障诊断北大核心

针对仅用时域和频域指标无法准确诊断滚动轴承故障的问题,提出一种基于灰色关联度(GRA)与偏最小二乘(PLS)的故障诊断算法。首先,对原始振动信号进行灰色关联度分析,提取关联度较高的振动信号作为样本信号;其次,通过时域分析和频域分析获得故障特征集,利用基于遗传算法(GA)和Elman神经网络的组合算法(GA-ENN)对故障特征进行提取;最后,利用PLS算法对滚动轴承的故障类别进行识别。实验结果表明,所提方法能有效剔除原始振动信号中无信息变量,并且实现时、频域指标下滚动轴承故障的准确诊断。     

Estimation of porosity content of composite materials by applying discrete wavelet transform to ultrasonic backscattered signal

As the use of composite materials in the aerospace industry increases, the development of advanced nondestructive evaluation (NDE) techniques for composite materials is in demand. Ultrasonic quantitative NDE technique for composite materials may provide good information on manufacturing quality, material strength and perhaps useful lifetime. It is well known that the effects of porosity in composite laminates on ultrasonic attenuation and velocity can be used in gauging the porosity content in composites, but back surface echoes may be absent or unusable due to complex geometry and bonding effects. In such cases the backscattered signals may be processed to extract porosity information. Measuring the porosity content in composite material by ultrasonic backscattering signal is a significant challenging problem in NDE of composite material. Backscattering signals are random and sensitive to volume fraction of pore and thickness of ply in composite material. Therefore the backscattering signal has various frequency bands and hence a signal decomposition method is required to analyze the ultrasonic backscattering signals. In this study, the discrete wavelet transform (DWT) using a MATLAB decomposition algorithm was applied to ultrasonic backscattered signals acquired in various porous composite laminates containing a porosity content that ranges from 0.01 to 11.90%. The ultrasonic backscattered signals were decomposed into two parts: the high frequency components called “Details” and the low frequency components called “Approximation”. And then, the correlation analysis was performed between the porosity content and the peak amplitude and magnitude of peak frequency of the decomposed signal. Overall, the correlation was reasonably good. As a conclusion, the DWT technique showed good benefits for analyzing the porosity content in composites using ultrasonic backscattered signal from composite materials.     

基于LMD与多重分形寻优的往复压缩机故障特征识别方法

针对往复压缩机振动信号的非平稳和非线性特性,多重分形广义谱是一种简便、快速有效的特征参数提取方法;但其对噪声敏感,使得谱值波动,部分故障类间特征可分性差。利用经小波降噪后的优化LMD算法,并结合相关系数提取PF主分量以突出状态主信息,将多尺度整数寻优观点引入广义维,基于最佳可分性角度计算状态间最大平均距离,构造广义维数特征矩阵;通过SVM与增量学习K邻近(IKNNModel)统计算法训练和识别样本,对比证明该法能提高故障特征类间可分性和识别准确性。     

A new algorithm for the detection of tool breakage in milling

In this paper a novel signal processing algorithm is presented for the detection of tool breakage using the displacement signal (RORPA). The algorithm extracts information from consecutive revolutions to decrease dependencies on runout conditions and idle noise, creating a much more robust signal for the automatic determination of tool breakage conditions. The algorithm is explained as well as the determination of dynamic thresholds. The thresholds are set using the information regarding the cutting conditions (mean displacement signal and its slope during transient milling). Examples with real data are also presented. A critique of the overall performance and future work incorporating information from x and y channels completes the discussion.     

基于Hilbert-Huang变换的滚珠丝杠副振动信号分析

为了验证HHT对处理滚珠丝杠副振动信号的有效性,通过对构造的调频、调幅混合信号进行HHT分析,并通过相关系数、均方误差、能量分布等指标分析各分量与构造信号的关联性,发现HHT对处理非平稳、非线性信号的有效性。进而引入实验数据,以同样的思路对振动信号进行分析,并计算各IMF分量对应的3个指标值,以图像的形式反映出各分量与原始振动信号的关联性,发现各IMF分量所携带能量都较小,说明滚珠丝杠副运行平稳、正常。通过FFT变换求出并绘制的首个IMF分量频谱图,更清楚地反映了实验台的固有频率所对应的幅值。整个分析过程表明,用HHT方法处理滚珠丝杠副振动信号是有效的。     

基于改进CEEMDAN和t-SNE的故障特征提取方法

针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解（CEEMDAN）和t-分布随机邻域嵌入（t-SNE）算法相结合的故障特征提取方法。利用三次Hermite插值代替三次样条插值构造包络线,提高传统CEEMDAN对非平稳信号的分解精度;利用改进后的CEEMDAN对原始信号分解并通过相关系数筛选出有效固有模态分量（IMF）,提取有效IMF分量的时频特征、奇异值和能量值构建高维混合域特征集;最后,通过t-SNE算法挖掘高维混合域特征信息得到低维敏感特征,并将其输入到支持向量机中进行分类,以分类准确率作为特征提取效果评价指标。在齿轮箱故障模拟实验台进行实验验证,结果表明该方法能够准确地提取故障特征,为故障特征提取提供新思路。