基于障碍物尺度的封闭狭长空间路径规划研究

栅格法广泛应用于移动机器人环境建模和路径规划中。为了解决在狭长空间如煤矿巷道环境中,障碍物、机器人和空间尺寸失调,以机器人中心点到自身轮廓最远距离的2倍为栅格尺寸建模容易导致路径规划失败的问题,采用以影响机器人通行的障碍物大小为基准设定栅格尺寸、机器人尺寸在地图上占据多个栅格的狭长空间地图建模方法,利用障碍物碰撞检测函数对传统A^(*)算法进行改进,仿真研究了改进算法在狭长空间中的全局路径规划的有效性,开展了实际环境下的路径规划实验。研究结果表明,采用提出的栅格建模方法和改进A^(*)算法可得到一条起始点到终点的无碰撞路线,可完成狭长空间的复杂环境路径规划。

长输埋地管道焊缝气孔缺陷弱磁信号正演模型模拟研究

针对长输管道在非开挖条件下的焊缝气孔检测难题,通过改进磁偶极子理论模型,创建了一种针对管道焊缝气孔缺陷等球形缺陷的弱磁信号正演模型。采用数值模拟方法研究了焊缝气孔缺陷磁感应强度波形特征,以及不同气孔尺寸和不同缺陷方位对磁感应强度的影响。结果表明:管道焊缝气孔缺陷处磁感应强度的法向分量Bx始终趋近于0,轴向分量By出现过零点特征且峰值改变方向,切向分量Bz出现极值特征;可通过弱磁信号进行缺陷尺寸的判断和对缺陷在管道环向位置上的定位,并得到了气孔缺陷半径R与总磁感应强度Bsum峰值的拟合公式。最后进行工程试验,验证了正演模型的准确率。缺陷管道处实际检测磁感应强度与理论计算结果在趋势上基本一致。其中缺陷处的总磁感应强度Bsum最大值,理论计算中为4202 nT,而实际检测中为4407 nT,误差为205 nT,误差率为4.66%。考虑到实际检测时,难免受到外界的干扰及其他因素的影响,总体上来说该误差在可接受范围内,可以为含焊缝气孔缺陷管道的弱磁检测定量化提供一定依据。

一种基于机器视觉和深度残差收缩网络的智能制造缺陷检测方法

针对基于显性知识的智能制造缺陷检测机制在工程实践中日益凸显的若干缺陷,提出了一种基于机器视觉和深度残差收缩网络(deep residual shrinkage networks,D-RSN)的智能制造缺陷检测方法,并进行了先验环境下的仿真验证。首先利用互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)相机集群搭建快速机器视觉图像获取装置,形成融合前置训练集和后置测试集的图像特征数据池;然后利用D-RSN对数据池前置训练集进行图像缺陷特征隐性知识学习辨识,构建时间正序下的图像缺陷特征全息感知机制;最后利用深度长短期记忆(deep long short-term memory,D-LSTM)神经网络对数据池后置测试集进行图像缺陷自主检测,借助图像缺陷定位及分类函数输出检测结果。选取某医用外科口罩智能制造生产线为工程实践验证载体,对模型进行了工程应用实践验证,结果表明:所提方法较好地改善了基于显性知识的智能制造缺陷检测机制在工程实践中日益凸显的若干缺陷,可以自主学习辨识图像缺陷特征隐性知识,大幅度提高了智能制造缺陷检测有效率,图像缺陷检测均值有效率达98.37%,符合医用外科口罩智能制造生产线国检要求。

基于大感知域LSTM-Seq2Seq模型的代码缺陷检测方法

针对现有基于深度神经网络的代码缺陷检测方法无法分析缺陷特征并输出相关评审建议的问题,提出一种基于大感知域LSTM-Seq2Seq模型的代码缺陷检测方法。首先,使用长短期记忆网络(LSTM,long short-term memory)学习缺陷代码的编码特征,建立缺陷判别模型。其次,针对模型与数据集不匹配的问题,向序列到序列模型(Seq2Seq,sequence to sequence)引入代码段长度系数,提升模型对代码评审任务的适用度;通过建立代码缺陷特征与评审建议特征间的映射关系建立了代码分析模型,实现评审输出功能。最后,利用公开数据集SARD对该方法进行了验证,该方法在准确率、召回率、F1值方面的测试结果分别为92.50%、87.20%、87.60%,典型代码缺陷输出的评审文本与专家评审的文本相似度为85.99%,可有效减少评审过程对专家经验的依赖。

基于梯度引导加权‒延迟负梯度衰减损失的长尾图像缺陷检测

针对目前图像缺陷检测模型对长尾缺陷数据集中尾部类检测效果较差的问题,提出一个基于梯度引导加权‒延迟负梯度衰减损失(GGW-DND Loss)。首先,根据检测器分类节点的累积梯度比值分别对正负梯度重新加权,减轻尾部类分类器的受抑制状态;其次,当模型优化到一定阶段时,直接降低每个节点产生的负梯度,以增强尾部类分类器的泛化能力。实验结果表明,在自制图像缺陷数据集和NEU-DET(NEU surface defect database for Defect Detection Task)上,所提损失的尾部类平均精度均值(mAP)优于二分类交叉熵损失(BCE Loss),分别提高了32.02和7.40个百分点;与EQL v2(EQualization Loss v2)相比,分别提高了2.20和0.82个百分点,验证了所提损失能有效提升网络对尾部类的检测性能。

漏磁检测在天然气长输管道缺陷检测中的应用研究

碳达峰碳中和目标的提出和实施路径的确定进一步促进了天然气在能源转型中的桥梁作用,未来天然气市场仍将处于稳定增长期,漏磁检测则是采用铁磁性材料的天然气长输管道缺陷检测的主要技术。以天然气长输管道为背景,从管道漏磁检测技术角度出发,介绍管道漏磁检测技术原理,分析影响管道检测结果因素,并结合国内外管道漏磁检测技术研究现状,探讨天然气长输管道缺陷漏磁检测技术未来发展。

改进FCOS模型的微通道铝扁管表面缺陷检测算法

针对微通道铝扁管表面缺陷的检测问题,提出了一种改进的FCOS(fully convolutional one-stage object detection)算法。设计一种特征卷积金字塔网络(feature convolutional pyramid network,FCPN),使模型能够自适应地混合不同层的特征图进行检测;在分析原始FCOS应用于狭长缺陷检测局限性的基础上,改进了模型的正样本部署策略,以降低模型对狭长缺陷的漏检;设计更加合适的映射函数与中心度函数,解决标注框外正样本点的回归问题与中心度计算问题;使用EIoU损失(efficient IoU loss)替换原模型中的IoU损失,进一步提高模型的回归能力。实验结果表明,在微通道铝扁管的表面缺陷检测任务中,改进后的FCOS模型达到了76.4%的mAP(mean average precision),相比于原始模型提高了7.7个百分点。

基于高光谱成像技术的灵武长枣缺陷识别

为研究快速识别灵武长枣表面裂痕、虫眼、碰伤等常见缺陷的有效方法,利用特征波长主成分分析法结合波段比算法进行长枣裂痕、虫眼、碰伤识别。首先,采用近红外（Near Infrared Reflection,NIR）波段范围的高光谱成像系统获取300个长枣反射图像,提取并分析各类型长枣光谱曲线,选择918~1 678 nm波段范围进行主成分分析,通过权重系数提取特征波长;然后,对特征波长下图像进行主成分分析,选择最优的主成分图像进行识别;最后,对未识别的长枣图像采用波段比算法进一步进行识别。NIR波段的正常枣、虫眼枣、裂痕枣、碰伤枣的识别率分别100%、90%、86%、100%。结果表明：NIR高光谱成像仪对长枣外部缺陷识别是可行的,为多光谱成像技术应用于在线检测长枣品质提供了理论依据。

管道漏磁检测缺陷信号的仿真分析与量化模型

为实现漏磁检测缺陷几何尺寸的量化,运用有限元Ansys软件仿真了管道缺陷的二维缺陷漏磁场,给出了漏磁场缺陷信号的基本特征,并对图形做出对应的解释;其次对内外缺陷漏磁场信号进行了对比,提出了合适的两个特征值;最后根据漏磁场不同特征值与缺陷长度的变化规律对缺陷长度进行了量化,通过对比不同量化模型,给出缺陷信号特征值与缺陷长度的一般关系模型,为管道强度以及剩余寿命评价等提供相关的参数,从而对管道进行维护。

非接触式磁力扫描技术及其在长输管道检测中的应用

介绍了非接触式磁力扫描技术的原理,采用非接触式磁力扫描技术对长输管道进行了检测应用并进行了开挖验证,检测结果表明,非接触式磁力扫描技术可以在非开挖条件下对管道本体上的缺陷进行有效检测。该技术可在一定程度上弥补内检测的不足,可以作为管道内检测的重要补充手段。

长输油气管道金属损失漏磁内检测技术研究

以管道漏磁内检测器为载体,通过对管体进行在线的漏磁内检测,可以达到量化管道缺陷、避免事故发生的目的。文中介绍了管道金属损失漏磁内检测技术,分析了油气管道漏磁内检测技术原理及漏磁内检测系统组成,利用有限元分析方法研究了管道缺陷尺寸对于漏磁场信号的影响,验证了管道漏磁内检测技术的可靠性。

基于显微成像与图像处理的工件表面漏光缺陷检测算法

为了解决工件表面微米级针孔缺陷特征不明显而导致其难以检出的问题,提出了基于显微成像与图像处理的针孔漏光缺陷检测系统。首先,对针孔缺陷检测精度、视野覆盖范围进行分析,完成视觉系统设计,达到对缺陷清晰成像的目的。然后利用Canny分割与膨胀处理图像缺陷目标,遍历轮廓提取面积、长轴特征,通过加入缺陷坐标系模型,完成缺陷定性判断。实验测试结果显示:与当前缺陷检测技术相比,文中算法拥有更高的缺陷检出率。

一种窄脉冲峰值电压检测保持电路的研究

传统的峰值电压检测电路在检测脉冲峰值电压时,当遇到窄脉冲时,往往不能及时准确检测到此脉冲峰值电压,而且其峰值保持时间较短。这就需要设计一款电路,一方面可以快速检测到脉冲峰值电压,另一方面可以较长时间保持此峰值。设计一款峰值检测保持电路,采用两级峰值检测电路,可以达到快速峰值检测及较长时间峰值保持的要求,并通过Saber仿真软件进行了验证分析。

天然气长输管道腐蚀因素、缺陷检测技术及防护措施探讨

对长输天然气管道腐蚀的原因进行了基本分析,分析探讨了缺陷检测技术的使用及优缺点,并结合现场实际情况提供了相应的防腐措施。研究表明:常见的缺陷检测技术主要有变频选频法、PCM法以及人体电容法,相比较而言,PCM法优势较大。提出了提高管道自身的防腐能力以及采用及时方法等方法增强管道的防腐能力,同时提出提高管道自身防腐能力仍然是重中之重。

涡流脉冲热像与长脉冲光热像对铝板中亚表面缺陷检测的对比研究

作为两种新兴的无损检测与评估技术,涡流脉冲热像和长脉冲光热像已广泛应用于多种场合。针对两种技术检测铝平板类结构中存在的亚表面缺陷,开展试验对比研究。在利用主成分分析和K-means聚类实现增强和提取缺陷信息的基础上,定量对比两种热像技术检测不同尺寸人工平底洞缺陷的性能。试验结果表明,涡流脉冲热像和长脉冲光热像分别能从18个缺陷中检测出14个和12个。此外,涡流脉冲热像对埋藏较浅的缺陷更具检测优势而长脉冲光热像对孔径较大的缺陷检测效果更好。

在役管道焊缝缺陷检测评价技术

焊缝缺陷是长输管道管理中的高风险因素,漏磁内检测发现的焊缝缺陷数量大,而尺寸信息有限,导致焊缝的失效风险排查工作难以开展。通过总结常见的焊缝缺陷无损检测技术的优缺点,分析漏磁内检测对焊缝缺陷检测的局限性,提出了一种漏磁内检测与现场无损检测焊缝缺陷尺寸、时钟位置的对比方法。对比分析国内外管道焊缝缺陷评价标准,指出了适合X80管线的EPRG标准。实践证明,漏磁内检测和现场无损检测尺寸、位置对比方法能直观地分析内检测工具的缺陷尺寸测量性能,避免漏磁内检测时钟位置整体偏移造成的影响;EPRG标准应用于X80管线环焊缝评价快速准确。

长输管道漏磁内检测缺陷识别量化技术研究

为了识别和量化管道漏磁内检测的缺陷信号特征,利用有限元分析方法对缺陷特征量与漏磁信号的关系进行仿真,分析了缺陷长度、缺陷深度对缺陷漏磁场的影响规律。通过对每个通道的检测数据求平均值来判断环焊缝,利用金属增加与减少在频域中的不同形态,建立了漏磁内检测中金属损失的信号识别和量化模型。缺陷尺寸模型以漏磁场轴向分量的两峰谷间距量化缺陷长度,长度尺寸与特征量呈线性关系;以轴向峰谷值和缺陷长宽比来量化缺陷深度,在长宽比一定的情况下,深度尺寸与特征量呈线性关系。在含有42个预制金属损失的标样管上进行了牵拉试验,结果表明该模型对金属损失识别率为100%,量化准确率满足90%的置信度要求。

基于漏磁检测的长输管道腐蚀缺陷识别

长输管道腐蚀缺陷通常分布在管道内外两侧,使得缺陷识别难度增大,识别误差增加,为此提出基于漏磁检测的长输管道腐蚀缺陷识别方法。对于长输管道外壁的腐蚀缺陷,利用包含横、纵两个方向的探头传感器对漏磁信号进行检测,实现对外壁腐蚀缺陷的识别。对于位于管道内壁的腐蚀缺陷,构建了在管道内部进行动态磁感应数据采集装置,实现对内壁腐蚀缺陷的识别。测试结果表明,设计方法对腐蚀缺陷的最大识别误差不超过0.03 mm,识别精度较高。

长输油气管道漏磁内检测技术研究

长输管线在运营的过程中,为了保证能源输送能够安全、有效的进行,必须定期进行管道检查。目前管道检查使用漏磁技术是最成熟的方式,该方法通过漏磁检测器对管道在线进行检测,通过检测,能够准确判断出管道所存在的缺陷、缺陷的程度、缺陷的方位等诸多信息,从而防止发生事故。详细对管道漏磁检测进行介绍,并对管道内检的漏磁技术以及检测设备的组成进行了细致的分析,通过有限元方法,研究分析了管道存在缺陷的尺寸影响漏磁检测信号的程度,最终验证漏磁检测管道缺陷技术的实用性。

一种分析窄长型车载液晶屏黑画面漏光问题的智能装备

黑画面漏光也叫L0漏光,其存在原因是当面板受外力形变时,彩膜基板、液晶层、TFT玻璃基板均发生形变。当自然光经过下偏光片的线偏振光在TFT基板、液晶层、CF基板发生双折射,从而引起L0漏光。基于现有的机器视觉、电子技术,提出了一款用于解决窄长型车载液晶屏黑画面漏光问题的智能装备,它一是能够模拟施加在液晶屏上的各种胶水力、不同位置的设备;二是能够检测出L0漏光的检测设备;三是能够对生产好的车载液晶屏模拟车载液晶屏常见的抖动,从而研究不同频率、幅度下的L0漏光改变的效果,可用于研究不同类型窄长型车载液晶屏生产和使用过程中,用胶最优用量、紧固件的最优位置。