基于改进自适应遗传算法和二维最大熵的超声红外热像缺陷识别

根据超声红外热像检测图像的特点,为实现图像中缺陷的识别,提出了一种结合改进的自适应遗传算法和二维最大熵的分割方法,以实现准确、快速地分割出目标缺陷区域。该方法首先对超声红外图像进行预处理,得到了去噪后的图像,然后通过二维最大熵算法选取阈值将图像分为目标区域和背景区域,并结合改进的自适应遗传算法,提高分割速度。实验结果表明,该方法可以有效地滤除图像噪声,相比于穷举法和基于简单遗传算法的二维最大熵分割,本算法具有较好的分割速度和分割精度。

超声振动红外热像法的影响因素

超声振动红外热像法(VT)是红外热像无损检测的重要方法之一,在裂纹等紧贴型缺陷检测中有特殊的应用优势。为了寻找适宜的振动激励条件,用解析法分析了材料热特性(热导率和热扩散系数)和缺陷深度对温升的影响,分析了试件支撑条件和几何尺寸对共振频率的影响。结果表明,复合材料较金属材料容易实现VT检测。对金属件宜用短时超声激励,而对复合材料件宜用较长时间的超声激励。从共振角度看,采用简支方式和超声激励相组合是比较好的选择。

奥氏体不锈钢焊缝裂纹的超声红外热像检测

基于ANSYS有限元软件模拟了焊缝裂纹在超声激励作用下的升温现象,定性分析了超声激励幅值、频率、方向和焊缝余高4个参数对裂纹升温的影响。此外,通过对比有限元模拟下的超声红外热像法的检测结果与渗透检测结果,验证了超声红外检测焊缝裂纹的可行性,并通过试验验证了有限元分析的准确性。研究表明,超声红外热像法在奥氏体不锈钢焊缝裂纹无损检测方面具有潜在的应用价值。