聚乙烯燃气管道热熔接头缺陷检测系统设计及实现

为甄别片源真伪及提高热熔接头缺陷识别效率和精度,基于改进的ResNet34网络模型设计出聚乙烯燃气管道热熔接头缺陷检测系统。通过加入Droupt层和修改激活函数对ResNet34网络模型进行改进,并在此基础上对采集的数据集进行学习训练;再以训练模型为支撑设计系统总框架和功能模块;最后,基于Python语言完成聚乙烯燃气管道热熔接头缺陷检测系统的开发。测试结果显示：该系统对热熔接头缺陷的平均识别准确率为92.7%,且平均每张缺陷图像识别的时间不超过0.6 s。该系统具有较高的识别效率和准确率,可以实现聚乙烯燃气管道热熔接头缺陷的快速识别。     

聚乙烯管道电熔接头缺陷超声相控阵成像模拟和实验研究

为了快速获得电熔接头超声成像图以便研究聚乙烯管道电熔接头无损评估算法研究,运用了多物理场耦合有限元分析软件COMSOL Multiphysics对聚乙烯管道电熔接头金属电热丝的超声响应特性进行了有限元分析,并对聚乙烯管材内壁钻孔缺陷及含孔洞缺陷聚乙烯管道电熔接头进行了超声相控阵检测成像实验,验证了超声相控阵检测成像有限元模拟分析结果的正确性。采用Richardson-Lucy反卷积算法对聚乙烯管材内壁钻孔缺陷超声相控阵成像图进行了图像复原处理。实验结果表明:基于超声傅里叶成像的相控阵成像仿真方法具有可行性,有限元模型为聚乙烯管道电熔接头缺陷超声相控阵成像提供了数值模型。     

聚乙烯管道电熔焊接接头的超声检测

聚乙烯管连接中大量使用电熔接头,其质量的好坏直接影响管道系统的安全。分析了超声聚焦检测技术对聚乙烯管电熔接头各类缺陷的检出能力。在此基础上,运用相控阵超声技术及B扫描实时成像超声方法检测大量含缺陷接头,对比超声成像图与接头实剖图,发现该方法有较高的检测灵敏度和检出精度,可以应用于工程实践。     

微波扫描法检测聚乙烯管道热熔接头缺陷初探

以聚乙烯管道热熔接头为检测对象,使用微波扫描的方法检测热熔接头中不同类型的缺陷.首先对无缺陷的热熔接头进行微波扫描检测,得到的扫描图像作为参考图像.然后对含有裂纹、冷焊等不同缺陷的聚乙烯管道热熔接头进行微波扫描检测,得到具有不同特征的扫描图像.对这些扫描图像进行分析可以判别缺陷的类型.最后,利用拉伸力学测试的结果,初步验证了微波扫描方法对聚乙烯管道热熔接头缺陷检测的有效性.     

聚乙烯燃气管道电熔接头熔区应力分析

电熔焊接是聚乙烯管道最常用的连接方法之一,电熔接头的设计对管道系统安全至关重要。电熔接头焊接界面应力分布的准确分析是电熔接头设计的基础。采用理论公式推导和有限元分析相结合的方法,研究电熔接头在内压、轴向力和温度变化作用下的应力分布情况,发现接头焊接界面应力分布呈现中间小、两边大的规律。定义端部应力集中系数为界面峰值应力与平均应力的比值,分析得到应力集中系数随熔区长度的关系,结果可为基于内压与轴向力的电熔接头熔区设计提供理论参考。     

基于ResNet模型的聚乙烯燃气管道接头缺陷识别算法

接头是聚乙烯燃气管道容易出现危害性缺陷的薄弱环节,需对此薄弱区域进行定期检测,以确保聚乙烯燃气管道的安全运行。为提高聚乙烯燃气管道接头缺陷图像识别能力,提出了一种基于ResNet网络模型的改进型卷积神经网络识别算法。首先运用Laplacian算子、中值滤波等方式实现对PE燃气管道接头缺陷图像的预处理;然后,将dropout层和ELU函数加入在ResNet34网络模型中完成图像识别模型的构建;最后,采用改进的ResNet34网络模型通过试验对包含6种热熔缺陷类型的数据集进行训练和测试。试验结果表明,改进后的ResNet34网络模型对缺陷图像的训练正确率可达到97.3%,且拥有比原始的ResNet34网络模型和DenseNet网络模型更高的正确率,验证了此模型对于热熔接头缺陷图像识别的有效性。     

聚乙烯管道热熔接头冷焊缺陷的微波检测和真密度测试研究

以聚乙烯（ PE）管道热熔接头为检测对象,使用微波扫描和真密度测试的方法研究热熔接头中的冷焊缺陷。首先对无缺陷的热熔接头进行微波扫描检测,得到的微波扫描图像作为参考;然后对不同焊接条件下得到的含有冷焊缺陷的热熔接头进行微波扫描检测,得到具有不同特征的扫描图像。对这些扫描图像进行分析,可以判别导致聚乙烯管道热熔接头冷焊缺陷的焊接工艺问题。利用真密度方法对不同热熔接头进行了测试,测试结果验证了微波扫描法对聚乙烯管道热熔接头冷焊缺陷检测的有效性和可靠性。     

多频涡流的谱分析和缺陷分类技术研究

多频涡流检测技术是一项重要的无损检测技术,它可以有效地实现多参数检测和干扰抑制.针对普通单频涡流检测方法只能实现缺陷检测而难以实现缺陷分类的问题,提出一种采用线性调频信号激励涡流传感器和检测信号谱分析的多频涡流检测方法.该方法采用线性调频信号激励位于交流电桥中的线圈涡流传感器,放大和采集桥路输出信号进行谱分析来识别缺陷的特征.根据谱图能量的变化,可以检测出缺陷;同时,为了有效地实现缺陷分类,提出一种新的称为"谱图重心偏移"的缺陷分类方法.与传统多频涡流检测方法相比较,该方法具有检测时间短和系统成本低等优点.理论分析和试验结果相一致,验证了所采用方法的正确性.     

基于机器视觉的车身缺陷识别与分类方法

针对目前国内外汽车车身涂装工艺后缺陷识别自动化程度低,难以进行非接触高精度检测等问题,提出了一种结合二维视觉、三维视觉进行缺陷识别,通过卷积神经网络进行分类的方法.首先基于最大类间方差法和特征提取算法实现缺陷二维坐标的确定,算法受光照影响较小;其次基于卷积神经网络,实现对黑胶、划痕、凸点等三种常见缺陷类型的分类;然后基...     

基于LVQ的带钢表面缺陷分类研究

简要介绍了带钢表面缺陷二级检测的方法.研究了基于缺陷图像直方图、纹理、投影和形状的特征提取.提出了用LvQ神经网络进行缺陷分类的方法.分类测试表明该方法有较好的分类识别性能.     

基于小波多尺度分解的竹条缺陷检测算法

在竹条缺陷的图像检测过程中,针对缺陷种类多,尺寸和形状变化大且竹纹理干扰大,提出一种竹条缺陷检测算法。首先设计了竹条边界检测算法,以判断竹条的三角条缺陷;其次对竹条图像的小波分解子图像进行32灰度级量化处理,经过分析图像共生矩阵的逆差矩差分值来获取最佳的小波分解层,实现了对竹纹理的滤除;最后结合Otsu自动阈值检测方法,完成了竹条常见的6种缺陷的检测。经过实验,该算法准确稳定,能有效滤除竹纹理的干扰,竹条缺陷检测效果较好。     

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%。     

基于EMD自相关的表面肌电信号消噪方法

为了更好地消除混杂在表面肌电信号(sEMG)中的噪声,提出一种基于噪声统计特性的EMD自相关消噪方法。首先,对含噪sEMG信号进行EMD分解,并根据噪声统计特性降低低信噪比的高频IMF分量的能量后重组信号。其次,对重组后的信号进行自相关函数特性的EMD分解,并对自相关函数方差低于阈值的高频IMF分量进行小波去噪。最后,把处理后的高频IMF分量和低频IMF分量重构,得到的信号即为消噪信号。实验结果表明,该方法不仅能更好的消除噪声,而且在低信噪比情况下有良好表现。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

小波包分析在转子裂纹故障检测中的应用

在单跨转子实验台上对带有裂纹故障的转子进行实验，把采集到的非平稳信号利用小波包分解方法进行了研究，采用db44小波基函数进行4层小波包分解。考虑各频带内分解信号的特点，利用重分配小波尺度图对裂纹转子系统在1／2，1，2倍临界转速下稳态信号进行分析。发现发生裂纹故障时，在1／2和1倍临界转速下，产生2X谐波；而在2倍临界转速附近产生1／2X，3／2X，2X和3X谐波。这些频率特征可以作为检测早期裂纹故障的依据。     

机械加工表面轮廓分形维数对数小波谱计算方法

为了提高接触表面的建模精度,利用小波的多尺度分析能力,对表面轮廓进行多尺度小波分解,提出了计算机械加工表面轮廓分形维数的对数小波谱法以及有效分解尺度概念,并认为轮廓只在有效分解尺度上具有分形特征;通过M-B函数模拟生成不同分形维数、不同采样区间的分形轮廓;应用对数小波谱法计算了模拟轮廓的分形维数,进而与功率谱密度法（PSD法）等5种方法的计算结果进行了分析比较,结果表明：对数小波谱法能很好地处理分形的多尺度特征,并且选用sym4小波时计算精度最高,误差在0.15%以内;最后应用对数小波谱法对一实际机械加工表面轮廓分形维数进行了计算,说明了其实用性。     

小波神经网络在铝合金焊接缺陷诊断中的研究

总结了铝合金焊接气孔缺陷及原因，应用小波神经网络技术对铝合金焊接气孔缺陷进行智能诊断。描述了小波神经网络的建模过程，编制了智能诊断的实现软件。具体实例的诊断结果表明，小波神经网络缺陷诊断专家系统稳定性好，诊断速度快，能以较高的置信度诊断出多故障，提高了诊断精度及置信度，这对提高小波神经网络缺陷诊断专家系统的实际应用效果具有现实意义。     

齿轮振动信号特征的小波包频率表示法

通过对信号的小波包分解的研究．提出了信号特征的小波包频率表示方法．表示信号对分解节点和频率的功率谱分布;同时提出以小波包频率表示为依据的特征信号重建方法。齿轮振动信号特征的小波包频率表示表明该表示方法能有效展示齿轮的技术状况的变化。将功率谱集中的相邻的结点上的分解结果重构,得到的时域特征信号也能展示齿轮的技术状况。     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存在结果不准确,无法描述谐波动态变化特点的问题,设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块,然后谐波在线监测系统的软件模块,依据小波变换分析谐波信号特征,得到谐波变化率,从而谐波在线监测系统的监测结果,最后采用具体实验进行了谐波在线监测系统性能的仿真。由实验结果可知,该系统的谐波监测精度高,可以有效检测各种谐波分量,保证电力系统稳定运行。     

似然关系模型在航天软件缺陷预测中的应用

将似然关系模型在描述和推理多属性类之间关系及其不确定性知识方面的优势用于预测软件缺陷,提出了航天软件缺陷预测模型PRM_METHOD。首先,提出了基于软件测试的软件缺陷分类方法,以软件缺陷类关系为例分析了似然关系模型用于航天软件缺陷预测的理论依据;然后,在对人员能力、缺陷数量特征等数据进行定义和泛化等预处理的基础上,描述了提出的预测模型PRM_METHOD,详细阐述其结构、学习过程以及预测过程,并针对数据集的分类操作提出了基于弥合数据缝隙的k-均值聚类方法。最后,以某航天项目软件为例验证了模型PRM_METHOD的实现过程,并以实际测试工作中产生的历史数据作为训练集和验证集进行实验验证。验证结果显示,验证集的记录与预测结果的平均绝对偏差均值为0.0868,即模型的预测精度为0.9132,表明该模型对关联关系较为复杂的航天软件缺陷有较好的预测精度。