一种基于YOLOv3算法的3D打印点阵结构缺陷识别方法

针对3D打印点阵结构中缺陷目标因尺寸小、缺陷特征微弱而难以准确自动识别的问题,提出了一种基于YOLOv3算法的点阵结构缺陷智能识别新方法.该方法利用深度学习网络模型在特征提取方面的优势,采用多尺度网络进行预测,将缺陷的分类和定位问题作为回归问题处理.实验结果表明,所提算法实现了一种3D打印点阵结构内部典型缺陷的识别,缺...     

基于应变模态分析的桁架结构损伤检测

选用桁架结构作为研究对象,应用应变模态分析方法对桁架结构的损伤进行检测。由位移模态振型推导应变模态进而用应变模态差值作为桁架结构损伤检测指标,提出了一种基于3σ准则的损伤阈值。通过应变模态差值与损伤阈值的对比来判别损伤有无并对损伤进行定位,用损伤前后应变差值的突变大小来初步确定桁架结构的损伤程度。对一具体桁架结构的单处和多处不同程度损伤工况,结合有限元软件进行了数值模拟。实际桁架的损伤检测实验验证了该方法的有效性。     

新型陶瓷基复合材料粘接构件的脱粘超声检测信号处理方法

针对一种新型的陶瓷基多孔复合材料粘接结构件,利用超声C扫描系统对构件脱粘缺陷进行检测时,由于材料多孔性和各向异性导致超声数据产生强烈的声学噪声,造成重构图像边缘模糊.针对此问题,提出利用小波包时频域分析及能量谱分析的方法获取超声回波信号的频谱和能量谱特征.为增强回波信号的特征,采用自适应小波包阈值算法进行消噪处理,相较...     

基于ECT的复合材料构件胶层缺陷检测

航空用复合材料构件在制造和服役过程中不可避免会产生各种缺陷及损伤。通常复合材料构件是粘贴在基体上使用,针对其粘接胶层缺陷和损伤,提出了一种基于同面阵列电极传感器ECT技术的无损检测方法。基于电容边缘效应,利用同面阵列电极传感器,以循环激励方式工作,根据复合材料构件胶层内部缺陷/损伤对材料介电特性的影响,进行缺陷/损伤检测。通过仿真和实验研究了复合材料构件典型胶层缺陷与阵列电极传感器电容变化量的关系,并基于线性反投影算法对其成像。研究结果表明基于电容敏感机理的同面阵列电极传感器对复合材料构件胶层缺陷检测的可行性和有效性。     

3D打印复杂点阵结构的缺陷三维可视化方法

针对3D打印的复杂点阵结构容易出现裂纹、未熔合或孔洞等缺陷,严重影响结构件的功能性能问题,开展了对3D打印的一种复杂点阵结构件的缺陷三维可视化检测方法研究。基于CT图像中结构件内部缺陷的灰度值差异特征,采用集合灰度值法自动识别一类缺陷并分割提取,由光线投射法对分割得到的缺陷序列图像进行三维重构。实验结果表明:所提方法有效获得了点阵结构件内部一种典型缺陷的三维可视图,从三维角度可对缺陷的形状、大小等形貌细节信息进行描述,为进一步分析缺陷对结构性能的影响提供了有力的依据。     

激光熔覆原位制造复合氧化铝陶瓷涂层应力场研究

针对新型铁颗粒增强型氧化铝陶瓷涂层在激光熔覆原位制造过程中的热应力对涂层质量的严重影响,研究了激光诱导反应条件下钛合金表面原位制备单道复合涂层过程中的热力问题。采用代表体积元方法仿真计算该新型涂层的热力学参数。利用生死单元法与内部生热热源相结合的方法建立了激光诱导铝热反应热源模型,分析了不同工艺参数组合下涂层构件热应力分布规律。结果表明：热应力主要集中在涂层及其与基板的结合面处,涂层上沿熔覆方向的拉应力是导致涂层出现横向裂纹的主要原因。由于激光诱导铝热反应,涂层的裂纹以及残余应力随着激光功率和激光扫描速度的增加而增加。在激光功率600 W、扫描速度2 mm/s时,涂层裂纹最少;在扫描速度5 mm/s、激光功率300 W时,残余应力最小。     

基于ANSYS的平面电容传感器阵列三维仿真研究

通过电磁场有限元分析软件ANSYS,构建了电容层析成像(ECT)系统平面3×4电容传感器阵列三维模型.介绍了平面电容传感器阵列结构并分析了其测量原理.对电容进行了仿真计算.仿真与实验进行了对比,证明了仿真模拟的可行性.通过仿真计算电容值,研究了材料与电极间距和材料厚度对电容值的影响.计算了电极对长度和宽度方向的检测深度.通过ANSYS模拟,为损伤检测的特征提取和逆问题图像重构提供了仿真数据.     

双电极联合循环工作模式下阵列电极的传感能力分析

同面阵列电极主要基于边缘电场工作使其敏感场分布呈现软场特性,其传感能力易受外部多因素影响而降低。为了提高同面电容传感器的检测能力和检测效率,本文针对3×4同面阵列电极,提出了一种两极板联合循环激励的测量模式。通过对同面电极电势分布的有限元仿真,分析了该激励模式下的电场穿透深度。求解了阵列电极的灵敏度矩阵,根据其数据离散系数评判敏感场的均匀性。通过建立3种不同被测物场的模型,分别分析其电容数据的动态范围,并进行图像重建,采用图像相关系数比较图像质量的提升效果。结果表明,在联合循环电极激励测量模式下,阵列电极穿透深度和敏感场分布均匀性均好于单电极激励模式,重建图像更清晰地反映了待测物体的实际形态和轮廓,综合验证了阵列电极传感能力得以提高。     

基于超声检测的构件层间粘接缺陷识别方法

超声无损检测广泛用于检测界面粘接缺陷,然而粘接缺陷类型的识别一直是检测的难点.因此提出了一种基于多特征融合和主成分分析提取界面粘接状况回波信号特征的方法.首先通过对缺陷信号回波进行消噪处理,提取了缺陷信号时域和时频域的特征参数,并构成联合特征向量.随后,经过主成分分析消除联合特征向量的冗余信息并降低特征向量之间的相关性,实现降维,选取累计贡献率超过95％的主成分作为粘接类型的融合特征向量.最后用BP神经网络实现缺陷类型识别分类.实验结果表明,这种方法可以有效地识别出粘接缺陷类型,识别率优于单独时频域特征提取方法,为粘接缺陷的分类识别和无损评价提供了技术参考.