小直径环形钎焊水浸超声C扫检测技术探讨

本文介绍了小直径环形钎焊件水浸超声C扫检测的影响因素、超声标准件的制作要求与方法、检测灵敏度的调节方法等,并使用金相检测对超声检测结果进行了验证,确认了该方法可靠,结果准确。

GH4169G低压涡轮盘“脏白斑”水浸超声C扫检测分析

在加工过程中对某低压涡轮盘进行腐蚀检查,在盘径向距圆周45 mm处发现1块长条亮腐蚀区(尺寸约为12 mm×3 mm),经外观检查、金相分析和能谱分析,最终判定该表面腐蚀可见的浅腐蚀区域为贫Nb偏析产生的白斑,宏观尺寸和微观晶粒度均不符合标准要求。同时,白斑附近有碳化物聚集,其中夹杂少量Mg、Al氧化物。针对该情况,该文分析了腐蚀前该低压涡轮盘的超声检测结果,从理论上分析了“白斑”和“脏白斑”超声检测的可能性,并结合理论和实践探讨了GH4169/GH4169G水浸超声检测的主要工艺参数,对保证GH4169/GH4169G盘内部质量具有一定指导意义。

超声C扫描用喷水系统设计及其检测稳定性

该文针对列车车体复合材料构件检测用超声C扫设备喷水系统的检测稳定性问题开展研究。基于喷水式超声耦合检测原理,设计了一种喇叭段+直管段的喷嘴,以使水流形成变径约束的层流,从而缩短喷嘴长度。结合实验分析了工艺参数对检测性能的影响。结果表明:喷嘴结构、耦合水流速、射水距离及检测方式等因素均对超声耦合稳定性及检测性能产生影响。试验结果可为喷水式耦合超声C扫技术在车体构件检测中的实际应用提供参考。

基于CNN的强噪声干扰下C扫成像检测方法

在C扫成像检测中,若A扫信号中含有与缺陷回波幅值相当的强噪声干扰,则闸门方法无法正确成像。针对这一问题,提出了一种新的卷积神经网络模型架构,对缺陷A扫信号进行识别,实现了强噪声下的C扫成像检测。网络架构中采用了残差模块,使得利用深层卷积神经网络提取更加抽象特征成为可能;同时在训练中采用了Focal Loss损失函数和联合准确率克服了训练集类别不平衡的影响,有效调高了分类准确率。实验结果表明,在强噪声干扰下,该方法的A扫信号分类识别准确率接近100%,较传统闸门方法提高了20%以上,实现了高质量、高精度的C扫成像。