能源动力、特种设备、航空航天、石油化工等领域的高端装备制造过程广泛采用焊接工艺,焊接质量检测是保障装备制造质量及其服役质量控制的关键环节。衍射时差法(Time of Flight Diffraction,TOFD)具有检测速度快、精度高、环保性好等优...能源动力、特种设备、航空航天、石油化工等领域的高端装备制造过程广泛采用焊接工艺,焊接质量检测是保障装备制造质量及其服役质量控制的关键环节。衍射时差法(Time of Flight Diffraction,TOFD)具有检测速度快、精度高、环保性好等优势,已成为当前焊缝质量检测的重要手段。然而,现有缺陷评定方式以人工分析为主,效率低、一致性差,严重制约了缺陷检测效率;同时,现有TOFD检测软件功能单一,以数据存储和基础处理为主,缺乏智能化分析能力,难以满足制造业数字化转型及数字化监管需求。因此,结合人工智能、计算机视觉处理等新一代信息技术,提出了“数据驱动+智能分析+云端协同”的TOFD焊缝缺陷检测新范式,定义了新范式下的TOFD智能检测技术内容。相关成果已在能源动力、特种设备等领域实现示范应用,显著提升了检测效率与数字化监管水平。展开更多
为解决超声渡越衍射时差(Time of flight diffraction,TOFD)检测图像中缺陷识别的问题,分析检测图像的特点,研究图像自动分割的算法,其中包括图像预处理及图像分割。提出基于信号互相关算法的图像预处理方法,在此基础上,应用峰值搜索方...为解决超声渡越衍射时差(Time of flight diffraction,TOFD)检测图像中缺陷识别的问题,分析检测图像的特点,研究图像自动分割的算法,其中包括图像预处理及图像分割。提出基于信号互相关算法的图像预处理方法,在此基础上,应用峰值搜索方法提取焊缝区域,利用带控制标记符的分水岭变换对预处理的图像进行分割,从而识别出缺陷目标。利用提出的图像自动分割方法分割不同的超声TOFD检测图像。研究表明,基于信号互相关算法的图像校正方法在一定程度上可抑制检测图像的畸变,焊缝区域图像的提取可减少图像分割过程的计算量,从局部极值的角度出发的带控制标记符的分水岭变换实现缺陷目标的分割。与基于阈值方法的图像分割结果相比,图像自动分割算法较好地解决了近表面缺陷的识别问题,同时提出的方法也可用于含多个缺陷的图像分割。展开更多
通过Hamming窗加权方法设计了幅度加权调频编码激励信号,将这种新型的激励方法与TOFD(Time-of-flight diffraction)检测方法相结合,综合提高了粗晶奥氏体不锈钢焊缝缺陷检测的时间分辨力、检测信噪比和缺陷定量定位精度,有效改善了粗晶...通过Hamming窗加权方法设计了幅度加权调频编码激励信号,将这种新型的激励方法与TOFD(Time-of-flight diffraction)检测方法相结合,综合提高了粗晶奥氏体不锈钢焊缝缺陷检测的时间分辨力、检测信噪比和缺陷定量定位精度,有效改善了粗晶焊缝超声检测中的难点问题。为分析设计的幅度加权调频编码激励信号的检测能力,针对奥氏体不锈钢母材试件和焊缝试件中的横孔缺陷,采用5 MHz探头分别进行了编码激励和常规激励的TOFD成像检测对比试验,结果表明:在相同的检测条件下,幅度加权调频编码激励可提高了图像和信号质量,使检测信号中的杂波和噪声得到抑制,缺陷上端和下端衍射波被准确区分,使各波形的时间宽度降低了30%,有效提高了TOFD检测的时间分辨力;获得的缺陷定位定量测量的平均相对误差为3.8%,较常规激励降低了47%,这种激励方法可在不提高激励电压和增益条件下,使不锈钢焊缝中缺陷检测的信噪比达16 d B以上,较常规激励平均提高了7 d B。展开更多
文摘能源动力、特种设备、航空航天、石油化工等领域的高端装备制造过程广泛采用焊接工艺,焊接质量检测是保障装备制造质量及其服役质量控制的关键环节。衍射时差法(Time of Flight Diffraction,TOFD)具有检测速度快、精度高、环保性好等优势,已成为当前焊缝质量检测的重要手段。然而,现有缺陷评定方式以人工分析为主,效率低、一致性差,严重制约了缺陷检测效率;同时,现有TOFD检测软件功能单一,以数据存储和基础处理为主,缺乏智能化分析能力,难以满足制造业数字化转型及数字化监管需求。因此,结合人工智能、计算机视觉处理等新一代信息技术,提出了“数据驱动+智能分析+云端协同”的TOFD焊缝缺陷检测新范式,定义了新范式下的TOFD智能检测技术内容。相关成果已在能源动力、特种设备等领域实现示范应用,显著提升了检测效率与数字化监管水平。
文摘为解决超声渡越衍射时差(Time of flight diffraction,TOFD)检测图像中缺陷识别的问题,分析检测图像的特点,研究图像自动分割的算法,其中包括图像预处理及图像分割。提出基于信号互相关算法的图像预处理方法,在此基础上,应用峰值搜索方法提取焊缝区域,利用带控制标记符的分水岭变换对预处理的图像进行分割,从而识别出缺陷目标。利用提出的图像自动分割方法分割不同的超声TOFD检测图像。研究表明,基于信号互相关算法的图像校正方法在一定程度上可抑制检测图像的畸变,焊缝区域图像的提取可减少图像分割过程的计算量,从局部极值的角度出发的带控制标记符的分水岭变换实现缺陷目标的分割。与基于阈值方法的图像分割结果相比,图像自动分割算法较好地解决了近表面缺陷的识别问题,同时提出的方法也可用于含多个缺陷的图像分割。
文摘通过Hamming窗加权方法设计了幅度加权调频编码激励信号,将这种新型的激励方法与TOFD(Time-of-flight diffraction)检测方法相结合,综合提高了粗晶奥氏体不锈钢焊缝缺陷检测的时间分辨力、检测信噪比和缺陷定量定位精度,有效改善了粗晶焊缝超声检测中的难点问题。为分析设计的幅度加权调频编码激励信号的检测能力,针对奥氏体不锈钢母材试件和焊缝试件中的横孔缺陷,采用5 MHz探头分别进行了编码激励和常规激励的TOFD成像检测对比试验,结果表明:在相同的检测条件下,幅度加权调频编码激励可提高了图像和信号质量,使检测信号中的杂波和噪声得到抑制,缺陷上端和下端衍射波被准确区分,使各波形的时间宽度降低了30%,有效提高了TOFD检测的时间分辨力;获得的缺陷定位定量测量的平均相对误差为3.8%,较常规激励降低了47%,这种激励方法可在不提高激励电压和增益条件下,使不锈钢焊缝中缺陷检测的信噪比达16 d B以上,较常规激励平均提高了7 d B。
