基于温度传感阵列的TSV内部缺陷检测技术研究

在TSV三维集成领域,由于TSV内部缺陷的微小化和检测的不可接触性,寻找一个无损、灵敏且高效的内部缺陷检测方法尤为重要。针对这一挑战,提出了一种基于温度传感阵列的TSV内部缺陷检测方法。内部缺陷对TSV三维封装芯片的外部温度分布产生了影响,这些温度分布呈现出有规律的变化,每一种缺陷类型都会导致外部温度分布产生不同的偏差。利用温度传感阵列测量这些分布变化对缺陷进行有效的识别与分类。根据工作状态下的芯片产生的热信号以揭示其内部的缺陷信息,设计了基于温度传感阵列的检测系统。通过理论分析与仿真模拟,构建了模拟芯片工作状态下的温度分布和热变化的模型。实验中,以芯片样品的样本制备和测试平台搭建为基础,同时利用分类识别模型成功实现了对内部缺陷的有效分类,准确率高达99.17%。这种检测方法为高密度和微型化芯片的可靠性分析和故障诊断提供了一个经济高效的新途径。

沥青路面内部缺陷无损检测技术研究综述

为了快速、准确地检测出沥青路面内部缺陷和病害,以便及时采取养护或其他处理措施,保障道路行车安全。同时,为促进沥青路面内部隐性病害和缺陷无损检测技术的发展,对现有沥青路面内部缺陷的无损检测技术进行了综述。分别综述了探地雷达的基本原理、在沥青路面检测中的应用以及探地雷达图谱的智能识别,超声波检测技术的检测原理、超声波的衰减规律研究和其在路面内部缺陷检测中的应用与研究,红外热成像技术、核子密度仪、无核密度仪和瑞利波法的检测原理和在沥青路面内部缺陷检测中的应用与研究,最后汇总了各检测技术的检测原理、检测缺陷类型和优缺点等,并探讨了各检测技术存在的问题和未来的发展方向,为沥青路面内部缺陷无损检测技术的进一步应用与研究提供了参考和依据。

港口码头护堤内部缺陷无损检测技术应用

以港口码头护堤内部缺陷检测为例,基于不同地球物理技术特点,提出地质雷达、高密度电法和地震映像法的综合物探无损检测方法。研究表明,基于3种浅层物探技术资料解释,利用多方法相互比对验证,可有效解决单一技术多解性难题,准确探明结构体内部缺陷隐患类型、位置、规模等参数,为护堤维修加固和安全评估提供有效依据。

基于WPT-CNN的复合绝缘子内部缺陷智能识别研究

超声波技术常用于复合绝缘子内部缺陷的检测,但缺陷识别过程依赖于试验人员专业经验。为实现复合绝缘子内部缺陷的智能识别,提出了一种基于小波包变换和卷积神经网络的超声波检测信号识别模型。首先,通过小波包变换对超声波检测信号进行时频特征提取,并将一维信息转化为二维特征矩阵;其次,将二维特征矩阵输入卷积神经网络中,实现对信号特征的智能识别;最后,采用试验信号样本集对模型进行训练与测试。结果表明,提出的模型能对缺陷、气孔、裂纹、界面脱粘和夹杂五类复合绝缘子超声波检测信号进行识别,且平均准确率可达98.7%,能为复合绝缘子内部缺陷的智能识别提供很好的工程应用参考。

风机叶片内部缺陷日光激励动态热成像方法研究

针对在役风力发电机组叶片内部缺陷类型难以区分的问题,本文提出了基于自然日光激励的动态热成像检测理论与方法,并进行有限元仿真模拟与试件实验研析了自然日光激励下风机叶片不同内部缺陷的动态热成像规律。首先,建立风机叶片切片的有限元传热仿真模型,通过数值计算揭示脱粘、积水两类典型内部缺陷在日光激励热传导物理场下热特征的变化规律;其次,对叶片切片进行同质加工,并利用无人机搭载热成像载荷搭建了日光激励热成像检测平台;最后,在自然日光激励条件下进行全天不同时段下的日光激励热成像实验。仿真和实验结果表明,风机叶片内部脱粘、积水两类典型缺陷在日光激励下将导致表面温度场呈现不同的变化趋势,脱粘缺陷会导致风机叶片表面对应区域出现高温异常到低温异常的动态演化,积水则相反,上述规律将为在役风机叶片的智能运维提供新的方法论。

冷轧钢表面与内部缺陷检测研究

为实现冷轧钢缺陷的全面检测,针对其表面和内部缺陷检测展开研究。对于表面缺陷检测,提出采用双侧线光源照明方案,并与常规线光源照明方案进行对比。对于内部缺陷检测,从检测分辨率和缺陷边缘特征两方面分析X射线、超声以及红外热波成像等金属内部检测技术的适用性。经实验验证,双侧线光源照明不仅可以使YOLOv5目标检测算法总体平均精度mAP:0.5达到90.16%,相比线光源照明提升了15.46%,还可优化模型分类和提高训练效率。X射线和超声波检测法可检测直径为0.25 mm的盲孔,而红外热波成像技术则可有效识别出直径为1 mm的盲孔。在缺陷边缘特征评估中,X射线检测法的最小盲孔边缘灰度差值为145,超声波为89,红外热波成像为30。本研究提出了一种冷轧钢表面缺陷检测的改进方案,并为内部缺陷检测提供了思路。

基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法

针对人工检测磁瓦内部缺陷过程中需要成熟的经验知识,检测过程不稳定且效率较低等问题,设计一套智能化检测系统。受人工检测的启发,提出一种基于卷积神经网络和模态转换的磁瓦内部缺陷检测方法。将时域信号转换为时-频域语谱图,利用卷积神经对语谱图提取特征并分类。为更精准地强调重要信息而抑制无关信息,将坐标注意力机制引入到卷积神经网络中。提出的基于卷积神经网络和模态转换的预测模型的准确率达到98.4%,证明提出的检测方法对于磁瓦内部缺陷检方法是有效的。实验结果表明,模态转换和坐标注意力机制能提升模型的性能。

高压输电线路复合绝缘子硅橡胶内部缺陷超声检测

本研究提出使用超声波技术检测高压输电线路复合绝缘子硅橡胶内部缺陷的方法,以不同内部缺陷的复合绝缘子硅橡胶试样为研究对象,选择透声层厚度为1/4波长的相控阵超声探头,通过直接接触法对试样进行多角度扫描、无损检测,通过ANSYS软件构建试样的二维截面有限元模型,分析缺陷情况。然后通过降低盲区和旁瓣影响、提升分辨率,提高复合绝缘子硅橡胶内部缺陷检测的准确性。结果表明:存在缺陷硅橡胶试样的超声波形与正常硅橡胶试样的超声波形差异较大,通过超声波技术可以有效检测复合绝缘子硅橡胶内部破损或结构贯穿缺陷,并准确定位缺陷的具体位置;复合绝缘子上的金属配件会影响超声检测的准确性。

铝合金双面焊对接接头内部缺陷扩展行为分析

基于ABAQUS和FRANC3D联合仿真方法分析了铝合金双面焊对接接头中内部缺陷在疲劳荷载作用下的裂纹扩展行为。对比接头全模型中不同裂纹深度a下裂纹尖端应力强度因子K及疲劳寿命N,验证了对称模型的准确性,进而基于对称模型分析了不同形状比(深度a/长度2c)下初始缺陷的疲劳扩展规律。结果表明:当椭圆形缺陷的深度a不变而长度2c逐渐增大时,初始应力强度也随之增加,试件的疲劳寿命显著降低,当长轴长度增加3倍时,疲劳寿命降低了50%;随着裂纹的扩展,a/c的比值逐渐趋近于1,即形状趋近于圆形。

基于超声辅助的汽车微小零部件内部缺陷无损检测方法

为了更准确、全面地分析汽车微小零部件缺陷,基于超声辅助的方式,设计了内部缺陷无损检测方法。根据超声波传播反射情况及声场变化,采集微小零部件图像;通过融合边缘信息消除图像中噪声,分割图像主体并完成边缘识别,确定存在内部缺陷的区域;利用核主成分分析技术,通过降维处理方式确定缺陷区域特征,进而完成无损检测。结果表明:利用所提方法获取的零部件图像清晰,缺陷检测准确率始终高于95%,对气泡和气孔缺陷的检测时间小于6 s,对裂纹缺陷的检测时间小于8 s,说明所提方法对内部缺陷的定位准确度和识别效率均较高。

复合材料气瓶缠绕层的内部缺陷检测

复合材料气瓶具备质量轻、强度高、耐腐蚀与疲劳性能好等优势,但目前针对复合材料气瓶检验的国家标准主要以宏观检查为主,内外表面缺陷以及缠绕层的内部缺陷难以检出。分析了内部缺陷对复合材料气瓶的影响,对比并分析了3种缠绕层内部缺陷的检验方法,以期为复合材料气瓶的定期检验提供一定参考。

基于超声波检测的钢板焊缝内部缺陷识别方法

为准确识别钢板焊缝内部缺陷,文中提出一种基于超声波检测的钢板焊缝内部缺陷识别方法。首先,通过变分模态分解将含噪钢板焊缝图像划分为多个以某个中心频率波动的模态,在分解过程中自动滤除白噪声,提取钢板焊缝内部缺陷信息的模态展开重构,完成去噪处理;然后,采用超声波检测方法提取钢板焊缝内部缺陷特征,根据缺陷特征的计算获取描述不同特征的参数,构建对应的特征向量;最后,将全部特征作为BP神经网络系统的输入,实现钢板焊缝内部缺陷识别。试验结果表明,所提方法具有较高的钢板焊缝内部缺陷识别率,且与对比方法相比,识别时间也得到明显降低。

基于1D-CNN的混凝土内部缺陷超声信号的智能识别

混凝土内部是否存在缺陷对混凝土工程的安全起着决定性作用。超声无损检测技术是应用最广泛的一种混凝土内部缺陷无损检测技术,依靠工程检测和传统的缺陷识别方法难以满足对混凝土内部缺陷的判别。本研究提出一种一维卷积神经网络模型,基于不同混凝土缺陷的有限元仿真数据库,直接将原始超声信号输入模型中,并且通过添加高斯白噪声来验证一维卷积神经网络模型的准确性和鲁棒性。再通过物理试验验证该模型的识别效果,该模型的识别准确率达到83%以上,且优于其他机器学习模型,验证了该模型对混凝土内部缺陷智能识别的有效性。

基于超声波法的混凝土内部缺陷智能检测

混凝土的内部缺陷严重影响结构的耐久性和安全性。为此,本文提出了一种基于粒子群算法优化的支持向量机(PSO-SVM)模型。首先,对实验室混凝土试样的超声信号进行3层小波分解,得到各子波段的能量;然后,定义了模型的5个输入特征;最后,采用PSO-SVM模型对检测信号进行训练和预测,并与人工神经网络(ANN)模型和支持向量机(SVM)模型这2种传统模型的测试准确率进行了对比。结果表明:定义的5个输入特征能够有效反映缺陷信号与完整信号之间的差异;提出的混合优化模型能够准确识别和分类超声缺陷信号,准确率高达93.33%,优于传统的人工神经网络和支持向量机模型。

环氧复合绝缘内部缺陷超声自动检测系统

环氧复合绝缘子密度不均匀和内部集中缺陷严重威胁着气体绝缘金属封闭开关设备(gas insulated metal-enclosed switchgear, GIS)的安全运行,目前超声检测方法存在缺陷检测不直观、效率低等问题。针对此,基于超声反射原理研制环氧复合绝缘材料内部缺陷超声自动成像系统。首先采用小波分析对非重复性超声回波信号进行降噪;然后对回波波形的相邻波峰时间差、电压峰值和电压相邻波峰间的零信号时间进行特征融合识别,得到试样缺陷的位置-超声特征数据集;最后实现环氧复合绝缘缺陷超声自动成像。分别用本文检测系统和传统检测方式对密度不均匀和不同深度、取向裂纹的环氧复合绝缘试样进行检测和对比分析。结果表明:该系统与质量体积法测量的局部密度误差小于4.8%;内部集中性缺陷检测结果和缺陷原貌具有一致性;检测效率较传统人工超声检测提升近6倍。该系统实现了环氧复合绝缘材料的内部集中缺陷和密度不均匀检测的统一,在绝缘子出厂试验和故障分析缺陷定位方面较传统人工检测方式在检测效率和直观性上具有一定优势。

复合材料翼型结构件内部缺陷的超声相控阵检测技术应用

复合材料凭借其优良的特性,在航天航空飞行器上得到了广泛的应用,随着飞行器中复合材料占比的提升趋势,复合材料结构件在制造或使用过程产生的各种形式的缺陷,可能导致重大经济损失或出现安全问题。超声相控阵技术作为可以在不破坏产品且在经济成本低的基础上能够快速、准确地检测出的缺陷,对复合材料结构件的应用尤为重要。

基于超声波透射法的大型桥梁基桩内部缺陷检测方法

常规针对断桩、离析等问题的桥梁基桩缺陷检测方法,往往无法检测出桥梁基桩内部的微小缺陷,不能满足基桩缺陷检测需求。因此,设计了基于超声波透射法的大型桥梁基桩内部缺陷检测方法。提取大型桥梁基桩内部缺陷声波变化特征,根据声波透射法,判断基桩存在的沉渣、孔壁坍塌、混凝土离析等缺陷类别。基于超声波透射法检测桥梁基桩内部缺陷声介质,将缺陷位置与正常混凝土分界面的声介质突变情况进行分析,并将其作为内部缺陷检测的判断指标,从而实现基桩内部缺陷的精准检测。采用实例分析,证明了该方法的检测精准度更高,能够满足基桩缺陷检测需求,应用价值较大。

超声波检测剪力墙混凝土内部缺陷试验分析

文章以合肥某剪力墙为研究对象,分析超声波法检测混凝土内部缺陷的原理、超声波检测仪的技术要求、测试部位及测点布置、数据处理及判别,采用超声波对测法剪力墙内部缺陷进行检测,验证超声法检测内部缺陷是可行的,并分析剪力墙产生孔洞的原因,为下一步处理及质量控制提供依据。

基于红外图像技术的高压电气设备内部缺陷自动诊断

为提高电气设备内部缺陷检测精度,提出基于红外图像技术的高压电气设备内部缺陷自动诊断方法。通过红外图像技术处理设备缺陷的红外图像,对处理噪声后,提取高压电器设备内部的发热源特征,利用可形变卷积神经网络实现高压电气设备内部缺陷的自动化诊断。结果表明,红外图像技术能准确、快速地识别高压电气设备内部的发热源及潜在缺陷,具有较好的应用效果。

基于红外图像分析的TSV内部缺陷识别方法研究

TSV三维封装内部缺陷难以用传统方法检测。然而其内部缺陷的存在会导致热阻发生变化,对系统温度分布产生影响,因此可以通过对红外图像的分析达到对缺陷进行识别及定位的目的。文中研究了缺陷对温度场的影响,分别通过理论分析、有限元仿真及实验方法对TSV三维封装系统进行了热-电耦合分析,得到了缺陷铜柱类型及位置不同时的温度分布数据集,搭建了卷积神经网络(CNN)模型对2组数据集单独进行分类预测。实验结果表明:利用仿真数据集与试验数据集分别对CNN模型进行特征训练,得到的缺陷识别与定位准确率为98.65%,98.36%。由上可知,缺陷类型及位置的不同会对温度场产生不同影响,利用CNN模型对TSV红外热图像进行特征训练可以有效识别与定位内部缺陷。