聚乙烯管焊接接头相控阵超声检测的优化设计

在管道工程应用中,由于良好的耐腐蚀性和韧性,聚乙烯(PE)管与其他材料相比具有显着优势,已广泛地应用在核电、油气输送领域;PE管焊接过程中,焊接参数、人员操作和环境等因素会影响聚乙烯管道的焊接情况,可能致使焊接接头内部形成缺陷,影响管道安全运行,而相控阵超声检测技术能够实现聚乙烯管道焊接接头内部结构的无损检测及评估;因此开展PE管焊接接头的相控阵超声实际检测工作,研究了聚乙烯材料的声衰减规律及声频散效应,优化了焊接接头的超声相控阵检测工艺,基于CIVA仿真软件实现了聚乙烯管道相控阵超声检测的声场模拟和缺陷仿真,通过研究检测参数及声学参量变化对检测结果的影响,获得了PE管焊接接头的最优检测工艺;通过加工带有典型缺陷的聚乙烯热熔对接接头试样,对前期基于仿真结果设计的检测工艺以及针对焊接接头相控阵检测研发的楔形耦合组件进行可靠性测试和工艺试验;研究结果为PE管接头缺陷的超声相控阵检测提供了工艺设计的理论支持和可靠的研究方法。     

压力管道缺陷电磁超声/脉冲涡流复合检测方法研究

针对压力管道内、外壁缺陷快速检测的需求，根据电磁超声/脉冲涡流复合检测原理，研究压力管道深层和表层缺陷同步检测方法。首先，利用有限元仿真软件建立电磁超声/脉冲涡流复合检测模型，研究复合式探头的检测原理；接着，研究深层及表层缺陷对电磁超声/脉冲涡流复合信号的影响规律和信号分离方法；最后，制作电磁超声/脉冲涡流复合式探头实物，并对带有深层和表层缺陷的压力管道试件进行试验测试。试验结果表明：论文研究的复合检测方法能够从管道外部有效检出压力管道外表面宽1 mm、深2 mm裂纹和管道内壁2 mm厚度减薄缺陷，弥补了两种检测技术单独使用时存在缺陷检测盲区的不足，且具有较高的检测精度。该检测方法经过进一步优化有望用于压力管道表层和深层缺陷同步快速检测。     

基于球形视频机器人的管道内缺陷检测方法研究

传统的压力管道内表面缺陷检测管道运行安全十分重要,目前检测方法对待检测管道的形状结构要求较高,检测方法低效耗时费力。设计了一种球形视频管道内缺陷检测机器人,通过搭载的高分辨率立体相机拍摄视管道内部频流,编制基于深度卷积神经网络软件对视频流进行带表面缺陷图片分选,采用Fast-RCNN快速区域卷积神经网络对管道缺陷进行标记,通过该标记可实现管道内部缺陷的安全评估,实验结果表明了该检测方法的有效性。     

磁瓦表面缺陷机器视觉检测与识别方法

针对磁瓦生产过程中表面缺陷检测的重要性和人工检测的弊端,研究基于机器视 觉的磁瓦表面缺陷自动检测与识别方法。为解决磁瓦表面缺陷种类多、对比度低、图像中存在 磨痕纹理背景和整体亮度不均匀等难点,定义扫描线梯度,其标准差与扫描线灰度标准差构成 特征向量,提出基于两类支持向量机的图像分割方法来判别和提取缺陷;并提出一种改进的多 类支持向量机方法,对缺陷进行分类识别,解决了多类支持向量机存在不可分区域的问题,提 高了分类器的准确性和有效性。实验结果表明,该方法能准确快速地提检测磁瓦表面各区域的 各类缺陷,检出率可达到96%以上,识别率超过91%。     

基于CNN的强噪声干扰下C扫成像检测方法

在C扫成像检测中,若A扫信号中含有与缺陷回波幅值相当的强噪声干扰,则闸门方法无法正确成像。针对这一问题,提出了一种新的卷积神经网络模型架构,对缺陷A扫信号进行识别,实现了强噪声下的C扫成像检测。网络架构中采用了残差模块,使得利用深层卷积神经网络提取更加抽象特征成为可能;同时在训练中采用了Focal Loss损失函数和联合准确率克服了训练集类别不平衡的影响,有效调高了分类准确率。实验结果表明,在强噪声干扰下,该方法的A扫信号分类识别准确率接近100%,较传统闸门方法提高了20%以上,实现了高质量、高精度的C扫成像。     

基于磁探针检测的压力管道内壁缺陷评估研究

压力管道由于长期工作于高温、高压等恶劣工作环境下，其内壁容易产生腐蚀、开裂、凹坑等类型缺陷，因此对压力管道内壁实施无损检测非常重要。为了提升检测效率和便捷性，本文采用磁探针法从压力管道外部对内壁缺陷实施评估研究；首先通过仿真分析，探究了管道内壁缺陷处与无缺陷处的理论感应电压信号差异，发现缺陷处的感应电压信号幅值较低；然后通过实验检测评估了预制不同长度内壁缺陷的压力管道感应电压信号分布规律；结果表明，感应电压信号幅值在缺陷位置会突然降低形成波谷特征，并且.波谷宽度与实际的内壁缺陷尺寸具有良好的一致性；将波谷的半峰宽高度H_FWHM作为判断管道内壁有无缺陷的特征阈值，其准确性达到8852%，对于压力管道内壁缺陷的定量化评估具有重要意义。     

微细管道内壁缺陷检测误差自动校正仿真

针对传统方法存在管道内壁缺陷检测误差校正率较低、校正时间过长等问题,提出微细管道内壁缺陷检测误差自动校正方法。该方法获取管道内壁全景图,对管道内壁全景图进行展开、预处理,并提取管道病害区域的集合特征,引入查询误差校正表以及结合双线性插值对特征值进行求解,获取微细管道内壁缺陷检测误差。同时,其通过投影不变性原理以及相关的几何特征,计算误差直线的斜率,利用该直线的斜率求解线性方程组得到校正参数,通过校正参数完成误差校正。实验验证可知,所提方法能够有效提高管道内壁缺陷检测误差校正率,减少误差校正时间。     

火电机组轴承表面细小缺陷深度检测方法仿真

采用当前方法检测火电机组轴承表面细小缺陷未对高效分离背景图像和缺陷特征,导致检测细小缺陷时,检测所用的时间较长,得到的检测结果与实际不符,存在检测效率低和误检率高的问题。提出火电机组轴承表面细小缺陷深度检测方法。通过形态学滤波算法去除火电机组轴承表面图像中存在的噪声,利用曲线拟合方法实现火电机组轴承表面图像的背景估计,通过最大熵分割法火电机组轴承图像进行二值化处理,使背景图像和缺陷特征高效分离;在此基础上,火电机组轴承表面缺陷目标,通过深度置信网络在逐层学习模型的基础上实现火电机组轴承表面细小缺陷的检测。仿真结果表明,所提方法的检测效率高、误检率低。     

基于计算机视觉的电池表面探伤方法

电池在生产过程中常常因为设备故障造成其表面产生各种伤痕,传统的人工检测在及时性和耐久性上存在很大缺陷,而现在国内外又缺乏一种针对普通电池表面缺陷的有效自动检测手段。针对电池表面缺陷的分布位置及形态特点,提出一种新的基于计算机视觉的光学自动检测方法。所提方法基于电池负极表面形态特征,利用Canny算子和原创的自由离子碰撞法配合最小值搜索确定待检测区域;针对伤痕比较尖利这一形状特征,用修正的Harris角点作为标记点标记缺陷位置,利用标记点的聚集度信息滤除伪标记点,最后提取出缺陷处图像。实验结果证明所提方法在自然光照环境下的检测成功率达到90%以上且比小波分析法具有更好的检测效果。研究成果为电池生产提供了一种产品质量自动检测的参考方法。     

基于小波变换的磁瓦表面缺陷检测方法研究

针对磁瓦表面缺陷人工检测时存在效率低、稳定性差的问题,提出一种将小波变换应用于磁瓦表面缺陷检测的视觉检测方法。实验中对随机样品磁瓦和模板正品磁瓦进行相同的处理,对比两者处理过程中采集到的参数来判别实验磁瓦是否存在缺陷。先通过小波去噪处理图像,利用灰度直方图阈值提取图像并二值化,计算对比阈值提取区域匹配相似度;再用Canny边缘检测算法提取出阈值提取区域轮廓边缘,经过形态学操作,计算对比最大轮廓长度,最大轮廓面积和凸凹平均面积;最后通过设定提取特征的合格区间来判别磁瓦是否存在缺陷。实验结果显示,该算法对倒角不合格、偏磨、掉块和起层等缺陷的识别效果较好,可将磁瓦表面存在的显著缺陷准确地检测出来。     

Optimization of laser butt welding parameters based on the orthogonal array with fuzzy logic and desirability approach

This paper presents the study carried out on 3.5 kW cooled slab laser welding of 904 L super austenitic stainless steel. The joints had butts welded with different shielding gases like argon, helium and nitrogen at a constant flow rate. Super austenitic stainless steel (SASS) normally contains high amount of Mo, Cr, Ni, N and Mn. The mechanical properties are controlled to obtain good welded joints. The quality of the joint is evaluated by studying the features of weld bead geometry such as bead width (BW) and depth of penetration (DOP). In this paper, the tensile strength and bead profiles (BW and DOP) of laser welded butt joints made of AISI 904 L SASS are investigated. Taguchi approach is used as statistical design of experiment (DOE) technique for optimizing the selected welding parameters. Fuzzy logic and desirability approach are applied to optimize the input parameters considering multiple output variables simultaneously. Confirmation experiment has also been conducted for both the analyses to validate the optimized parameters.     

孔间厚度对双孔法测定材料局部强度的影响及方法改进

工程上对金属材料进行承载能力评定时,需测定各区域的局部强度;在双孔微剪切试验的基础上,研制可稳定加载的双孔微剪切试验新装置,构建荷载位移同步检测的LabVIEW系统,并对12Cr13、S31608和16 Mn三种钢材料进行多组双孔试验;借助标准拉伸试验,通过对试验数据的分析,研究孔间厚度t对荷载位移试验曲线的影响,并给出归一化参数Py/￡与屈服强度σy,归一化参数Pm/2t与抗拉强度σt的相关关系,实现由双孔试验曲线的特征值和孔间厚度一同求取局部强度参数;试验结果表明,孔间厚度的微小变化对荷载位移曲线具有明显可测的影响,且应用改进的装置以及归一化参数来测定12Cr13、S31608和16 Mn局部强度的方法,可以有效地减小孔间厚度对测定精度的影响.     

Numerical simulation on the effect of welding parameters on welding residual stresses in T92/S30432 dissimilar welded pipe

Dissimilar welded joints are commonly used in fossil power plants to connect martensitic steel components and austenitic stainless steel piping systems. The integrity for such welded structures is depended on residual stresses induced by manufacturing process. In this paper, the characteristics of residual stresses on the dissimilar welded pipe between T92 steel and S30432 steel were investigated using finite element method. Moreover, the effects of heat input, groove shape and layer number on the residual stress distribution were studied to find the approach to reduce the residual stress. The numerical results revealed that the hoop and axial stress in heat affected zone (HAZ) of T92 steel side of the dissimilar welded joint had sharp gradients. By decreasing the groove angle, the peak values of the hoop and axial stress on T92 steel side were reduced greatly while the peak values in welded metal and HAZ of S30432 steel side differed little. Furthermore, more layer number and less heat input decreased the peak value of the tensile residual stress on welded metal and S30432 steel side, but had little effect on the residual stress in T92 steel side.     

Multi-modal defect detection of residual oxide scale on a cold stainless steel strip

This work presents two initial approaches and a novel technique for the industrial inspection of residual oxide scale on a cold stainless steel strip. The research aims to develop real-time systems to detect 50-μm defects. Initially, a spectrophotometric analysis provides the wavelength regions where differences between stainless steel and residual oxide scale reflectance are highlighted. The multi-modal approach is based on laser techniques that comprise three different strategies to gradually achieve a robust stainless steel industrial inspection through the evaluation of their performance. First, an inspection system based on a single commercial laser has been designed with a dynamic threshold module. In the second approach, the inspection task is accomplished by volatilizing a reduced area of the stainless steel surface with short pulses of a high-power ultraviolet laser and then analyzing the generated plasma with an intensifier camera. The third technique consists of an innovative smart vision system for surface visual inspection based on laser diode diffuse illumination. This vision system can be configured to work with two laser illumination modes: the diffuse coaxial lighting and the diffuse bright-field lighting. These techniques aim to gradually improve surface defect detection of a cold stainless steel strip. Furthermore, some of the results of the defect detection level obtained with each approach are displayed and discussed.     

基于X射线图像的厚钢管焊缝中气孔缺陷的自动检测

由于厚钢管X射线图像强度分布不均匀,对比度低、噪声大,且气孔缺陷的大小、形状、位置、对比度各异,使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大,焊缝边缘难以准确提取等问题,提出一种新的无监督学习的各种气孔缺陷检测算法。首先,采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底,并用该基底的线性组合来选择性重构带气孔缺陷的测试图像;随后,测试图像与其重构图像相减获得差异图像,通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅,测试集有60幅图像,所提算法检测结果的平均敏感性和准确率为90.5%和99.7%。实验结果表明,该算法无需手工标记数据或提取焊缝边缘,可准确检测各种气孔缺陷。     

基于改进YOLOv4的汽车钢铁零件表面缺陷检测

针对YOLOv4在自建的汽车钢铁零件表面缺陷数据集中检测精度不足的问题,利用深度学习的优势,提出一种基于改进YOLOv4的汽车钢铁零件表面缺陷检测方法。首先采用加权K-means算法确定初始anchors预选框,增强anchors框和特征图尺寸的匹配精度,提高检测效率;然后在YOLOv4主干网络的残差单元中引入SE模块,增加有用特征的权重,抑制无效特征的权重来提高检测精度;最后在76×76的特征图后连接RFB-s模块,增强对小目标信息的特征提取能力。实验结果表明,针对自建汽车零件表面缺陷数据集有无缺陷单类检测问题,改进算法比原始YOLOv4的mAP50值提高了4.3个百分点,对小目标具有更好的检测效果。这说明改进算法能满足针对特定的汽车钢铁零件表面缺陷检测问题下的检测速度和精度要求,有效解决了实际问题。针对COCO数据集多分类问题,改进后模型的mAP50值比原始YOLOv4提高了0.2个百分点,FPS值达到20,说明改进算法能够迁移到其他数据集,验证了该算法的泛化性。     

3维灰度矩阵的钢板缺陷图像识别

目的 钢板表面缺陷的种类多样、灰度结构复杂,现有的图像分割技术运用在灰度结构复杂、目标边缘模糊的钢板缺陷图像中仍然存在识别效率低、过分割现象明显等问题,本文结合图像灰度矩阵的空间特征,提出一种基于3维灰度矩阵的钢板表面缺陷识别算法。方法 首先根据灰度图像构建3维灰度矩阵;然后引入半类间方差改进克里金插值算法,绘制3维灰度矩阵的等值线图;接着构建等值线的拓扑关系树;最后根据自定义的全局搜索策略和局部搜索策略相结合,寻找局部凹凸区域,从而定位缺陷区域,达到分割钢板表面缺陷的目的。结果 本文方法能有效地识别钢板表面缺陷区域,对光照变化不敏感,在保证低误差率的前提下,提高了有效分割率。通过对氧化、辊印、结疤和气泡四类钢板缺陷图像进行测试,从分割效果和评价指标两方面对比其他钢板缺陷分割算法。与Fisher阈值分割法、经典的活动轮廓模型CV模型、基于半局部区域描述符的活动轮廓模型HTB模型和改进背景差分法进行分割效果对比,本文方法对四类钢板表面缺陷的识别更精确,分割结果更细致,一定程度上抑制了过分割现象。与大津法Ostu、1维最大模糊熵法1DMFE、最大模糊超熵法MFEE进行评价指标对比,得出对于分割孔洞和辊印图像,本文方法在误分割率均保持在2.0%以下的前提下,将有效信息率分别提升了1.6%和2.1%;对于夹杂图像,本文方法在3.4%的误分割率的前提下,具有85%以上的有效信息率。结论 提出的基于3维灰度矩阵的钢板缺陷图像识别算法可以有效地识别多种类型的钢板缺陷,即使在缺陷结构复杂的图像识别中仍具有较高的识别率。     

基于机器视觉的钢管壁厚在线检测方法研究

在钢管生产过程中,需要对钢管的壁厚进行实时测量,以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题,基于机器视觉测量技术,提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像,然后对采集到的钢管图像进行预处理,使用Canny边缘检测算子检测钢管断面内外圈边缘特征,最后使用改进后的随机霍夫圆检测算法检测断面轮廓,根据设计的钢管壁厚测量方案计算得到各处钢管壁厚。改进的随机霍夫圆检测由于采用分区采样以及筛选出与边缘轮廓契合度最高的候选圆的方式,提高了原检测算法的检测精度与效率。经过实验验证,该方法测量精度高,效率高,能够满足对钢管壁厚在线检测的要求。     

冷轧带钢边部孔洞缺陷的检测方法研究

针对冷轧带钢边部孔洞缺陷信息的提取问题,综合在线检测和离线精确提取缺陷信息两方面进行了方案设计。首先在在线检测模块提出了一种自适应区域生长算法对图像进行分割,该法通过最佳熵法与形态学处理相结合实现种子点的自动选择,以替代传统算法中种子点的人工选取,以区域生长结果中最大连通体的面积判断是否存在缺陷;然后在离线模块,分别用块投影直方图匹配特征与Tamura纹理特征对缺陷图像进行缺陷信息提取,综合两种缺陷提取结果,得到缺陷详细信息。针对多幅图像采用提出的算法进行检测,在线部分具有较高的处理速度和缺陷判别率,离线部分实现了对缺陷图像中孔洞个数、每个孔洞面积及位置的定量估计。