金属材料焊接接头缺陷形成原因及检验方法研究

当下,要想更好的保障金属材料焊接接头的质量,还需要深入分析金属材料焊接接头缺陷形成的原因,针对性提出解决措施。本文主要分析了由于焊接热源、材料属性、工艺技术导致的不同缺陷类型,通过采用不同的检验方法,有效实现对焊接接头缺陷的精准检验。

基于改进活动轮廓模型的焊接接头缺陷分割

针对焊接接头的X射线图像存在光照不均、对比度低、缺陷边缘模糊等特点,提出了一种改进活动轮廓模型的分割方法.在传统活动轮廓模型中,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行,解决了初始化受限和对焊接接头缺陷边界难准确分割的问题.实验结果表明,应用本文所提改进算法,能够准确地从X射线图像中提取出焊接接头缺陷,图像分割精度得到显著提高.

浅谈焊接接头缺陷的分析

对焊接接头缺陷的分析,提出了预防的具体措施。

金属材料焊接接头缺陷形成原因及识别方法研究

为了解决由于特征分析偏差较大引起的缺陷识别准确率较低的问题,提出金属材料焊接接头缺陷形成原因及识别方法研究。分析了由于焊接热源、材料属性、工艺技术引起的不同缺陷类型以及对应的X射线图像特征,将影像形状尺寸、黑度、位置、延伸方向、轮廓、细节特征作为缺陷识别的依据,采用卷积神经网络的方式提高对特征的分析精度,实现对缺陷的准确识别。通过实验对识别方法进行测试,结果表明所提方法能够实现对缺陷的准确识别,与基于神经网络的识别方法和基于蚁群算法的识别方法相比,能够更快地实现收敛。

基于人工免疫和支持向量机的焊接缺陷分类方法

焊接缺陷的分类属于不平衡样本多分类问题,在不平衡样本中重要的特征子集通常也不相同,需要通过特征选择获得更具差异性的特征,提高稀有类样本的识别率。使用支持向量机作为分类器评价特征子集,人工免疫系统算法寻找可靠的特征,并且利用人工免疫算法优化支持向量机的参数,目的是同时完成参数优化和特征子集的选择。将此算法应用于低碳钢对接焊、低碳钢角接焊、低碳钢T型焊、低碳钢搭接焊、不锈钢对接焊、不锈钢角接焊、不锈钢T型焊、不锈钢搭接焊8类焊接缺陷数据集上进行常见焊接缺陷的气孔、夹渣、裂纹、未熔合、未焊透和伪缺陷的分类识别,并与未进行特征选择直接进行分类的结果进行比较及不同特征选择和分类算法下进行比较。结果表明,采用本文算法,焊接缺陷的气孔、夹渣、裂纹、未熔合、未焊透和伪缺陷的的平均分类准确率达到了(96.21±0.67)%,平均敏感度值达到了(85.43±1.65)%,比传统的基于相关性的特征选择算法(CFS)、最小冗余最大相关性算法(m RMR)、粗糙集条件互信息算法(RCMI)特征选择法和贝叶斯(Bayes)、分类回归树(CART)分类方法的组合具有明显的提高。因此,本文算法优于传统分类方法,利用较少属性的同时提高焊接接头缺陷分类准确率,保证稀有类的识别率,并能够提供不同缺陷的最优特征参数。

金属材料焊接成型中存在的缺陷及控制措施

在结构工程作业过程中往往会利用气焊的方法进行接头焊接,焊接接头的质量将会直接影响着整个结构工程的质量,所以说加强对其内部缺陷的分析以及预防的研究对于焊接质量的提升有着直接影响.本文简单介绍了不同焊接接头的缺陷类型,同时分别就焊接接头的缺陷预防以及质量控制展开了相关讨论,希望对于焊接接头的应用有所帮助.

转向架焊接结构件深度缺陷超声相控阵检测及三维可视化

针对轨道列车转向架焊接结构件等关键部位的焊接接头深度缺陷复杂的声学特征与缺陷显示,分析了不同形状和尺寸缺陷的相控阵检测效果,并结合声场传播仿真结果,阐述了低碳钢深度缺陷的声场作用机理对相控阵检测结果的影响,同时基于三维数据库OpenGL实现不同缺陷的三维可视化。结果表明,长条状缺陷对于相控阵声场在竖直方向上的反射作用更强,声影区随缺陷宽度尺寸减小而增大,同时在缺陷处的反射较为集中的相控阵声场具有更高的检测灵敏度与分辨力,基于三维数据库实现的缺陷三维显示结果能够清晰直观地反映构件内部缺陷。该研究对于高速列车转向架焊接结构件中缺陷的超声相控阵检测和三维可视化具有实际指导意义。

基于微波技术的管道缺陷无损检测研究进展

管道运输由于具有安全可靠、连续性强、成本低等特点而广泛用于天然气和石油、高温蒸汽、自来水输送等领域。然而管道焊接缺陷以及服役过程中产生的缺陷会威胁其安全稳定运行,微波无损检测技术可有效对金属、非金属管道的各种缺陷进行检测。本文首先简述了管道运输的发展,然后简要介绍了管道无损检测技术的种类以及微波检测技术的原理及其发展历程,随后详细介绍了微波检测技术在金属、非金属管道缺陷检测应用的国内外研究现状与进展,最后分析了微波检测技术存在的不足并探讨了其发展趋势。

Classification of Ultrasonic Signs Pre-processed by Fourier Transform through Artificial Neural Network Using the Echo Pulse Technique for the Identification of Defects in Welded Joints of Structural Steel

It is due to the need to ensure the security and integrity of equipment, that the non-destructive tests have been increasingly used in the industrial sector. Among these, the ultrasonic pulse echo technique is the most used in industry, mainly for its simplicity and efficiency. With one transducer only, it is possible to emit the ultrasonic and receive the echo pulse. The ANNs （artificial neural networks） are artificial intelligence techniques that, when properly trained, align themselves to inspection tests becoming a powerful tool in the detection and fault identification. In this work, the echo pulse technique was used to detect discontinuities in welds, where ANNs were fed from the information obtained by digital signal processing techniques （Fourier transform）, to identify and classify three distinct classes of defects. Results showed that with the combination of feature extraction by Fourier transformation and classification with neural networks, it is possible to obtain an automatic defect detection system in welded joints with average efficiency.