装配式建筑梁柱节点疲劳损伤检测方法研究

常规的装配式建筑梁柱节点疲劳损伤检测主要采用梁柱图像分析实现,忽略了节点内部损伤的影响,导致检测结果相对变化量系数与实际系数的差值较大。本文对装配式建筑梁柱节点疲劳损伤检测方法进行了研究,于装配式建筑梁柱周围布置测点对梁柱节点的应变状态进行分析;根据分析结果,结合梁柱内部能量耗散值,计算节点疲劳损伤能量系数;将该系数作为节点应变能密度因子分析节点轴向力,由此得出检测的梁柱节点疲劳损伤值。实验结果表明,所提方法应用后梁柱节点疲劳损伤检测结果表现出的相对变化量系数差值较小,检测结果准确率较高,满足了装配式建筑梁柱安全运维工作的现实需求。

基于YOLOv7通道冗余改进的飞机蒙皮损伤检测

为提高蒙皮损伤检测的自动化程度,提出一种基于改进YOLOv7通道冗余的机器视觉检测方法。首先针对飞机蒙皮损伤数据集背景单一的特点,提出增强型颈部特征融合改进算法,提高了飞机蒙皮损伤的识别精度和检测速度;其次针对主干特征提取网络的卷积通道冗余的问题,引入部分卷积PConv(Partial convolution),提出主干特征提取网络轻量化,减少模型的参数量,同时提高损伤的识别效率。试验部分首先在飞机蒙皮损伤数据集上探索了不同增强型颈部特征融合改进算法,确定了最优的改进方案;接着在飞机蒙皮损伤数据集上做消融和对比试验,改进算法与原YOLOv7算法比较,mAP(Mean average precision)提升了2.3%,FPS(Frames per second)提升了22.1 f/s,模型参数量降低了34.13%;最后将改进的YOLOv7模型与主流目标检测模型对比,证明了改进算法的先进性。

融合注意力机制的古建筑青砖损伤检测方法

由于自然环境的长期影响,古建筑墙面青砖不可避免地会遭受各种程度的损害,使得青砖墙体存在严重的安全隐患。为有效识别青砖损伤类型,解决传统识别方法成本较高的问题,提出了一种融合注意力机制的古建筑青砖损伤检测算法。基于YOLOv8n算法进行改进:在特征融合网络中增加浅层特征图流入,以解决损伤检测中细小裂缝和损伤纹理等低级特征识别精度低的问题;在特征融合层引入卷积注意力模块(Convolutional Block Attention Module,CBAM),实现通道特征和空间特征的双重关注,进而提高算法对于不同维度特征的融合能力;在特征提取网络部分,通过置换注意力(Shuffle Attention,SA)对C2f模块进行改进,解决由于深度卷积降维操作造成的特征信息丢失问题,从而进一步提高模型的性能。试验结果表明,改进的算法平均精度均值达到55.1%,相比原始YOLOv8n算法提升了7百分点,较YOLOv7-Tiny提升了10.3百分点,较YOLOv9提升了3.5百分点。改进后的算法有效提高了青砖损伤检测性能,为古建筑青砖病害检测提供了有力的技术支持。

基于改进YOLOv5的退役轴类零件表面损伤检测方法

针对传统检测方法在对退役轴类零件进行损伤检测时存在效率低、结果一致性差等问题,提出了一种基于改进YOLOv5的退役轴类零件表面损伤检测方法.首先,将注意力机制嵌入检测算法中,增强了损伤在图像中的特征表示;然后,采用重复加权双向特征融合方法改进了检测模型的网络结构,有效提升了网络特征提取能力;最后,使用Ghostconv卷积模块代替普通卷积,大幅度降低了模型参数量.实验结果显示,改进后的算法模型精度比原始YOLOv5提升了6.9%,达到88.4%,同时模型参数量减少了6.1%,保证了检测速度与YOLOv5持平.与YOLOv3,SSD,Faster-RCNN等主流检测方法相比,在保证较高检测速度的同时,检测精度也有着明显优势.

基于超声波的液压支柱损伤检测系统设计

为提高液压支柱的损伤检测效率,避免漏检问题,提出一种基于超声波的损伤检测系统设计。系统以三轴控制系统为控制核心,结合信号检测模块、主探伤模块、运动控制模块、预处理模块等有效地实现液压支柱检测的螺旋扫描式检测。超声探头的进给运动由滚珠丝杠、轴向定位导轨、滚筒支撑机构等实现,便于管道损伤位置的精准查找和定位。各功能模块中的机械结构协同运行,自动化程度高,能够有效解决常规定点测量方式的不足。

基于压电传感器的纤维陶粒混凝土冻融损伤检测

针对纤维陶粒混凝土低温下受到冻融损伤导致影响结构安全性问题,基于压电陶瓷传感器进行损伤检测。利用压电传感技术对冻融后的纤维陶粒混凝土试件进行检测,获得不同冻融次数下的应力波信号。当冻融次数增加,试件相对动弹模量和抗弯强度下降,压电陶瓷检测到的应力波信号幅值相应减小,基于应力波的衰减,采用小波包能量分析法将其转化为损伤指数,与冻融试验评价指标损伤程度和抗弯强度损失率进行拟合,吻合度较高。结果表明,纤维陶粒混凝土损伤指数与冻融损伤程度和抗弯强度损失率相关性较强,该纤维陶粒混凝土冻融损伤无损检测方法具有良好可行性。

基于机器视觉的风电机组叶片多类型损伤检测方法研究

为更好地推动风电机组叶片运维技术智能化发展,基于机器视觉检测技术,提出一种风电机组叶片多类型损伤检测方法。首先对智能巡检无人机平台采集到的风电机组叶片图像进行图像灰度化、滤波增强、分割以及形态学处理,实现叶片损伤区域的识别;然后基于连通域分析原理来获取叶片损伤区域的几何特征和灰度特征等参数信息,并依此设计出风电机组叶片损伤类型识别分类器;最后将检测算法和分类器融合于所设计的风电机组叶片损伤可视化检测系统。试验表明,该系统对于表皮脱落、涂层破损、砂眼、油污及裂纹等典型叶片损伤的平均检测准确率为90.4%。

基于混频非线性超声的金属压力管道早期疲劳损伤检测

压力管道在服役过程中由于受载荷波动等因素的影响容易产生疲劳损伤,疲劳损伤的累积会导致管道失效。本文针对金属压力管道早期疲劳损伤的检测问题开展研究,提出了基于混频非线性超声的疲劳损伤检测方法,设计了混频非线性超声检测装置,开展了304不锈钢试样的疲劳损伤检测实验,建立了疲劳损伤程度与混频非线性指数之间的联系。在此基础上,开展了304不锈钢管道疲劳损伤的在线检测实验,结果表明,在疲劳加载过程中管道应力集中部位的混频非线性指数的增长速度明显高于其他部位,证实了混频非线性超声检测方法可用于金属压力管道早期疲劳损伤的检测与评估。

基于谱元法和北方苍鹰算法的振动损伤检测

【目的】为了解决结构损伤检测中有限元法建模不精确和计算成本高的问题,提出了一种结合谱元法与北方苍鹰优化算法(NGO)的结构健康监测(SHM)技术。【方法】首先,采用谱元法建立结构的频响函数,并应用于结构的损伤定位与损伤检测目标函数的构造,将损伤检测划分为两阶段问题,以降低算法优化维度和检测复杂性。其次,引入北方苍鹰优化算法(NGO),对目标函数进行优化求解。最后,以平面桁架结构和ASCE Benchmark结构为研究对象,利用NGO、粒子群优化(PSO)和蚁狮优化(ALO)算法对其各种损伤工况进行损伤检测性能对比。【结果】结果表明,在低维度和简单结构中,NGO,PSO和ALO算法均表现出良好的求解能力;但在高维度和大型复杂结构中,NGO相较于PSO和ALO算法具有更高的损伤检测能力和鲁棒性。【结论】改进后的方法提高了损伤检测数值建模的精度。

基于灰度自适应增强的DKDP晶体损伤检测

在磷酸二氢钾(KDP)及磷酸二氘钾(DKDP)晶体损伤研究中需要对图像中损伤点进行统计,为了解决损伤图像中弱小损伤点的低对比度导致统计不准确的问题,提出一种基于局部直方图灰度自适应增强的损伤点检测方法。首先利用图像差分去除高频背景,然后根据图像中每个像素邻域的灰度与方差和整幅图像的灰度与方差之间的差异性,筛选出待增强像素,并通过邻域最大灰度值与全局最大灰度值得出灰度调节系数,对图像进行自适应增强,最后对增强后的图像进行阈值分割及目标分离。实验结果表明该增强算法可以使弱小损伤点的信噪比得到提升,更利于检测出图像中的弱小损伤点,提高DKDP晶体损伤研究中损伤点统计的准确性。

基于盘古大模型的矿用钢丝绳表面损伤检测研究

国内矿用钢丝绳检测通常采用MT716-2005标准,通过人工目视、触摸等方法来检测钢丝绳表面的损坏情况。人工检测存在因检测人员专业水平参差不齐、人力资源不足或者疲惫而产生错误结果等误判情况。针对该问题,设计了一种基于盘古大模型的矿用钢丝绳表面损毁检测模型。该模型使用NL-means算法去噪和华为云Modelarts平台提供的pangucv-det-protect算法进行物体检测,并对检测结果做出预测,预测数值代表可信度。结果表明,该模型能够有效检测钢丝绳的变形、磨损、锈蚀等损伤情况。

基于改进YOLOv4的风力机叶片损伤检测方法

针对深度卷积神经网络模型因复杂度高导致嵌入式设备难以实现在线检测的问题,提出改进的YOLOv4的风力机叶片损伤检测方法。首先使用MobileNetv3网络代替YOLOv4中的CSPdarknet53主干特征提取网络进行特征提取,并将相同shape的特征层进行加强特征提取;其次在加强特征提取网络上添加注意力机制ECA,并对YOLOv4的边界框损失函数与分类损失函数进行优化;最后,将改进前后的算法与其他检测算法进行比较。结果表明:改进的YOLOv4算法的检测速度可达单张检测时间为0.018 s,检测准确率达到95.7%,通过对YOLOv4网络进行改进,在保证检测准确的前提下,轻量化的模型可满足嵌入式设备检测风力机叶片损伤的需求。

火灾后斜拉桥斜拉索损伤检测与结构安全性能评定方法研究

为准确分析火灾后斜拉桥斜拉索损伤状况,评定桥梁结构安全性能,根据桥梁火灾应急检测工程需求,提出一套火灾后斜拉桥斜拉索损伤检测与结构安全性能评定方法。该方法包括火灾现场勘察、斜拉索烧损状况检查、斜拉索损伤检测分析和结构安全性能评定4个阶段。根据斜拉索火灾损伤特点,开展高温后斜拉索高强钢丝和高密度聚乙烯(HDPE)护套试件拉伸试验,研究其高温后表观特征和力学性能指标随历经温度的变化规律,建立斜拉索历经温度及损伤定量检测分析计算公式,并将该方法应用于某独塔预应力混凝土斜拉桥火灾后斜拉索损伤检测与结构安全性能评定。结果表明:高温后斜拉索高强钢丝和HDPE护套的表观特征、力学性能均随温度升高呈现出明显的规律性变化;随着温度升高,高温后斜拉索高强钢丝的抗拉强度、屈服强度先降低后升高,弹性模量衰减缓慢,HDPE护套断裂标称应变逐渐降低;火灾后斜拉索和主梁承载能力满足使用要求,结构整体安全;所提出的火灾后斜拉桥斜拉索损伤检测与结构安全性能评定方法科学、实用、有效,可为火灾后斜拉桥损伤检测评定、营运管理和维修处治提供技术借鉴。

基于PVDF梳状换能器的零群速度Lamb波层合板损伤检测的数值研究

为提高层合板损伤检测的准确性与灵敏度,基于聚偏二氟乙烯(polyvinylidene fluoride,PVDF)梳状换能器激发的零群速度(zero group velocity,ZGV)Lamb波,提出了一种层合板损伤的检测方法。采用二维时域有限元方法,研究了PVDF梳状换能器对零群速度Lamb波的激励,通过改变层合板中铝层杨氏模量来表征不同的损伤程度,分析了PVDF梳状换能器电压响应特性与层合板损伤程度之间的关系。结果表明:采用PVDF梳状换能器能够有效激励零群速度Lamb波,并获得层合板内部的状态信息。随着损伤程度的增加,PVDF梳状换能器响应的零群速度共振峰频域幅值随着铝层杨氏模量的减小而显著减少,进而灵敏地评价层合板损伤变化。研究结果说明优化设计的PVDF梳状换能器在零群速度Lamb波的激发与接收性能上都具有优越性,能够有效检测层合板损伤情况。

基于增强内积矩阵的PMI泡沫夹层结构损伤检测

聚甲基丙烯酰亚胺(polymethacrylimide,PMI)泡沫夹层复合材料结构因其独特的力学性能而广泛应用于航空航天领域,如何快速、准确、低成本地检测面板与芯材的脱粘损伤对结构安全使用具有重大意义,然而传统的基于超声波的无损检测技术由于PMI泡沫的吸声特性难以有效地检测到此类结构的脱粘损伤,该文探索基于振动响应测试的方法在PMI泡沫夹层结构损伤检测中的可行性及有效性。以振动时域响应相关性分析建立的结构损伤特征——内积矩阵(inner product matrix,IPM)为基础,通过将不同激励点下计算得到的IPM进行堆叠,提出了增强内积矩阵(enhanced inner product matrix,EIPM)的概念,并以EIPM为卷积神经网络(convolutional neural network,CNN)的输入、PMI泡沫夹层结构的损伤状态为输出,建立了基于EIPM及CNN的结构损伤检测方法。PMI泡沫夹层悬臂梁结构的脱粘损伤检测仿真算例及实验验证结果表明,所提方法在3个及以上测点时的平均识别准确率均在99%以上,且与基于IPM的方法相比,EIPM方法具有更好的收敛速度和稳定性。

改进YOLO-DETR的布料表面微小损伤检测方法

为准确检测出布料表面微小损伤如缺维、浆斑、胶斑等问题,提出基于改进YOLO-DETR的布料表面微小损伤检测方法。在改进YOLO-DETR模型中增加残差模块并扩展特征图尺度,以减少漏检可能性。在模型中融入了CBAM注意力机制和Anchor box,采用K-means聚类算法,通过选取K个聚类中心,并基于距离将其他目标划分到最近的聚类中心,形成K个群组。在迭代过程中,通过最小化群内距离和最大化群间距离,优化聚类结果,采用复合损失函数进行检测,增强模型在复杂环境下的识别能力。实验结果表明,该方法检测精度在90%以上,在面对缺维、浆斑、胶斑等复杂性问题时也有较好的检测能力。

结合逆非线性主成分分析和极值理论的桥梁损伤检测

为提高环境和运营变化(environmental and operational variations,EOV)影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析(inverse nonlinear principal component analysis,INLPCA)和极值理论,提出一种新的桥梁损伤检测方法.该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计均方误差和添加神经网络训练惩罚项控制INLPCA的非线性程度.采用INLPCA对损伤特征的重构误差和马氏平方距离(Mahalanobis squared distance,MSD)建立损伤指标(ID),最后基于ID的广义极值(generalized extreme value,GEV)分布建立损伤检测阈值.以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性.结果表明,所提方法能准确检测EOV影响下的桥梁损伤,且对不同桥型和不同损伤特征均有良好的适用性.

基于超声波换能器的钢筋机械损伤与锈蚀损伤检测及其对比研究

超声导波检测技术有检测耗时少、覆盖范围大等优点.为检测钢筋混凝土结构中钢筋损伤,采用超声波换能器研究不同深度和位置的机械损伤对超声导波传播的影响,建立损伤程度与导波特征关系.通过反射系数C定量分析损伤程度,并结合损伤反射回波判断损伤位置.在钢筋点锈蚀以及均匀锈蚀损伤检测中,锈蚀程度达到最大时,L波实际波速分别为4738.1 m·s^(-1)和5069.7 m·s^(-1),以此区分锈蚀损伤与机械损伤,最后基于小波变换的时频分析判断损伤状况.研究成果可为钢筋损伤检测研究提供参考.

基于MobileNetV3-MHSA的输送带接扣损伤检测

针对带式输送机在运行时出现带扣断裂的问题,提出一种基于Mobile NetV3-MHSA的带扣损伤检测模型。通过限制对比度自适应直方图均衡化(CLAHE)算法进行图像增强,提高弱光环境下的对比度。对MobileNetV3进行改进,引入多头自注意力(MHSA)机制构造新的Bneck模块,在网络输出的全连接层中添加Softmax激活函数,采用Radam在模型训练初期对整体优化过程中的梯度信息进行调整,从而构造带扣损伤检测模型,进一步提高分类准确率。实验结果表明,改进后的算法分类准确率达到90.45%,相比于MobileNetV3提高4.15%,能够胜任带扣损伤检测的任务。

基于机器视觉的电梯曳引钢带表面损伤检测

针对电梯安全运行检测实际需求,基于机器视觉搭建了电梯钢带表面损伤检测平台,文中提出了基于γ校正的复杂环境下曳引钢带图像增强算法,采用深度学习中的目标检测算法模型对电梯钢带表面损伤进行实时检测,融合MobileNet以及GhostNet轻量级网络,在保证准确性的基础上提高了检测速度,提出了基于U-net语义分割的电梯钢带表面损伤检测算法,实现了电梯曳引钢带表面损伤的智能化检测,可有效提高电梯作业安全。