基于图嵌图卷积神经网络的复合材料缺陷定位

针对复合材料层合板结构缺陷的快速检测定位,提出了一种基于超声导波的复合材料缺陷检测图嵌图卷积神经网络模型(G-GCN)。G-GCN通过构建导波信号相互关系的时空特征高级表征图,由局部-全局变换构建局部图,以表征单个导波信号内的相互关系信息;再基于局部图构建全局图,表征多个导波信号之间的相互关系信息;然后利用全局图输入图卷积神经网络模型训练学习,输出相应的复合材料缺陷预测,实现极少量传感器条件下的快速精准缺陷检测与定位。最后搭建了超声导波复合材料检测试验平台,验证了G-GCN的先进性和可靠性。

基于稀疏导波的裂纹定位和尺寸评估

材料在使用过程中,受各种因素的影响,会不可避免地产生诸多损伤,破坏材料结构完整性的同时,也具有一定的安全隐患;在无损检测中,尤其是导波检测领域,由于缺乏高效方法对材料结构中存在的损伤进行尺寸检测,因此使用导波方法对材料进行微裂缝等损伤的检测的过程中仍然存在很多困难;对一种基于稀疏导波的损伤检测方法进行了研究,可以在进行结构损伤定位的同时对损伤尺寸进行测量;研究表明,使用导波进行损伤检测时,由损伤而产生的复杂反射波中包括很多与损伤形状和尺寸相关的信息,但是这些信息并不明显,且信号重叠无法区分;因此,提出一种稀疏lamb波方法来分解由材料损伤产生的反射信号的各个分量;在此基础上,通过确定各个反射信号分量相应的传播时间来计算材料损伤尺寸;最后,在具有人工损伤的铝板上进行实验验证,结果表明,基于稀疏导波损伤检测的方法是可行的。

基于光斑位置的起重机轨道高度差自动检测方法

针对目前起重机轨道自动检测技术无法满足轨道检测要求的问题,文中提出基于光斑位置的起重机轨道高度差自动检测方法。在轨道两侧分别放置激光发射器与成像板,激光经过传输,投射在成像板上形成光斑图像。对光斑图像灰度分布进行修整,增强图像清晰度与灰度分布差异。利用改进二维Otsu算法准确分割光斑图像,提取光斑边缘进行圆拟合。计算边缘拟合圆中心坐标,完成光斑图像位置识别。计算光斑在竖直方向上位置偏差得到起重机轨道两检测点之间高度差。通过试验可知,采用本文所提检测方法进行光斑图像位置识别的平均误差约为±0.22 mm,最大误差不超过±0.4 mm,与传统光斑图像位置识别方法相比,本文方法的精度提高了约0.10 mm。基于光斑位置轨道高度差检测的平均误差约为±0.8 mm,误差范围为±1.8 mm,满足轨道检测要求。