激光焊接裂纹磁光成像频域特征分析

为了研究旋转磁场激励下激光焊接裂纹磁光成像在频域内的特征, 采用对激光焊接裂纹磁光图像进行2维离散傅里叶变换的方法, 进行了理论分析和实验验证, 取得了旋转磁场不同励磁强度下激光焊接裂纹的频谱图数据。结合裂纹磁光图的空域特征, 对所获裂纹频谱图灰度值为255的点进行统计分析。结果表明, 激光焊接裂纹磁光图像的频域特征和空域特征有一定的对应关系; 在一个变化周期内(885帧磁光图), 对应频谱图上会出现先变小再变大、再变小再变大或相反的变化过程, 最终回到初始状态。这一结果验证了旋转磁场下裂纹磁光成像规律的正确性, 对激光焊接缺陷的无损检测是有帮助的。     

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。     

磁光成像传感无损检测技术现状与展望

针对检测铁磁性工件缺陷过程中的技术问题,介绍了一种基于法拉第效应的新型磁光成像传感无损检测技术。阐述了磁光成像传感无损检测技术的基本原理和实验系统,通过对磁路机理及励磁方式的论述,总结出了磁场激励规律,以及寻找了最佳励磁方式的技术难点;分析了磁光图像缺陷信息提取算法以及神经网络预测分类模型,指出了如何将磁光成像传感检测与人工智能相结合的关键问题;列举了几种主要无损检测技术的特点,并归纳了磁光成像传感检测技术在航空航天、焊接等领域的应用;最后对磁光成像传感无损检测技术的主要问题和发展方向做出了总结。研究结果表明:磁光成像传感无损检测技术具有独特的优越性,可以为高精度无损检测自动化、图像化、智能化的实现提供新的研究方向。     

焊接缺陷磁光成像磁场分布数值模拟与试验分析

以激光对接焊的焊接缺陷为对象,研究基于数值模拟的焊接缺陷漏磁场的分析方法. 建立对接焊焊接缺陷检测的三维模型,利用漏磁场理论对比分析不同几何缺陷与漏磁场信号之间的关系规律,并用试验进行验证. 结果表明,裂纹的深度越深,磁感应强度越大,未熔合、凹坑分别随着角度、宽度的增大而磁感应强度减小,并且验证漏磁场信号可以作为焊接缺陷检测的依据. 采用RGB分割法对磁光图像进行分割并提取几何特征,用模糊C-均值聚类（FCM）对不同焊接缺陷进行识别,有良好的识别率.     

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...     

焊缝缺陷磁光成像模糊聚类识别方法

以激光焊接高强钢(HSS)为对象,研究基于法拉第磁旋光效应的焊缝缺陷磁光成像检测方法.通过施加交变磁场改变焊缝处磁感应大小,利用磁光传感器获取焊缝缺陷磁光图像,选定特定区域提取灰度共生矩阵(GLCM)特征,并进行分析.为准确识别和分类焊缝缺陷类型,建立焊缝缺陷模糊聚类识别模型.通过调整模糊C-均值聚类(FCM)的模糊指...     

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...     

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。