侵权投诉

订阅
纠错
加入自媒体

信号处理和虚拟仪器技术在无损检测中的应用

2014-04-04 10:29
安娜PARKER
关注
  无损检测技术是提高产品质量,促进技术进步不可缺少的手段,它的发展和应用对于提高生产力,促进经济和技术的发展具有巨大的推动作用。产品经过无损检测不但可减少人员的浪费,提高性能指标,而且可大幅度增值。可以说,无损检测技术是机械工程发展的灵魂。无损检测技术的发展反映了一个国家工业化的水平,其新技术的应用更是工业进步的积极因素。下面简单介绍无损检测技术的新进展。
 
  1 数字图像处理技术
 
  传统的射线探伤在检测未焊透、夹渣、铸件中的缩孔、气孔和疏松等缺陷时,均需要人眼对图像进行判别,因此很难形成统一的标准,且不易鉴别各种假缺陷。而经过数字图像处理后,所有这些工作均由计算机完成,不但提高了鉴别的准确性,而且提高了工作效率。如计算机X射线成像(CR),它采用电荷耦合器件(CCD)或涂有光激发性荧光材料的影像板作为X射线检测和记录的载体,应用计算机进行数据图像处理,使检测更直观、更方便。其关键技术的主要程序如下:
 
  1.1 图像的数字化
 
  图像的数字化就是把一幅连续的光学图像表示成一组数字(数字图像),既不失真又便于计算机分析处理。简单地讲,就如用网格把要处理的图像罩上,然后把每一个网格中的模拟图像的各个亮度取其平均值,作为该小网格中点的值;也可以把网格交叉点处的模拟图像的亮度值作为该网格交叉点上的值,这样一幅模拟图像就变化为只用小网格的中点值,或只用网格交叉点上的值表示离散值图像,该图像称为数字图像。数字图像以矩阵的形式来表示一副图像。
 
  1.2 缺陷的提取
 
  结合工业图像的特点利用改进的模糊增强方法对图像进行增强处理,利用改进的中值滤波对增强后的结果进行平滑,再用二值化方法对图像进行闭值分割,使得缺陷全黑,背景全白,黑白分明,最后通过计算纹理特征对二值图像进行修正,使得提取出的缺陷边缘更为准确。
 
  1.3 边缘跟踪
 
  采用2×2窗口进行边缘跟踪,来提取缺陷的边缘,这样就形成了单像素连接的缺陷轮廓线,达到提取缺陷的目的。这里将缺陷的封闭边界转换成方向链码的形式,如图1所示,每一条线段都有一个方向,当沿着边界顺时针描述目标边界时,边界链上的方向可以从路径的左上角开始按四连通编码,得路径的链码为00300333212232211011。在四连通路径中,每条链码线段的长度都为1。为便于对计算机识别结果的有效性进行检验,该系统最后将提取出的轮廓曲线和原图像进行叠加,将缺陷轮廓以外的所有区域恢复成原来的灰度值。缺陷内部的灰度表示缺陷的三维信息。最终提取出所示的缺陷轮廓。
 
  1.4 图像识别
 
  为判断提取出的图像是否存在缺陷以及缺陷的类型,需对缺陷的特征参数(长短径、周长、面积和周长面积比等)进行计算。利用这些特征参数可将焊缝的缺陷分级,从而高速、有效地确认缺陷特征。
 
  2 人工神经网络技术
 
  人工神经网络在机械工程中有重要的应用。研究表明,利用人工神经网络进行模式识别具有更高的精确度,如其对裂纹和剥落的分类识别率为98%,对缺陷长度和深度的识别误差<±5%,因而深受工程人员的青睐。
 
  人工神经网络是利用工程技术手段模拟人脑神经网络的结构和功能的一种技术系统,它是一种大规模并行的非线性动力系统。目前,其研究成果多采用多层感知器。BP网络的结构即是采用多层感知器,它是前馈网络中最重要的一种,包括一个输入层,一个或多个隐层以及一个输出层,每层有若干个神经元。网络的作用不是寻找一个确定的数学表达式,而是把样本集合中的输入向量输给网络后,依据一定的算法,使网络的实际输出在某种数学意义上是理想输出的最佳逼近。输入向量X=(x1,x2,…,xn)和输出向量Y=(y1,y2,…,yn)之间的关系可视为一映射关系,即
 
  I和R的值域空间可相同,亦可不同。Kdmogorov定理指出,一个三层结构的人工神经网络,输入层有n个神经元,隐层有2n+1个神经元,输出层有m个神经元,即可在任意精度下逼近任意的非线性函数,是一种全局逼近器。
 
  BP网络的训练常采用误差反向传播算法(er-ror back propagation algorithm,简称BP算法),通过误差反向传播到修正隐层权重,从输出层确定系统误差,然后将其传播到隐层,直到输入层,在最小均方差意义下最终确定各层间的连接权重,选出最优方案而实现最佳逼近。
 
  神经网络具有很强的稳健性、容错性和自学习性,而且同时具备模糊系统善于处理分类边界模糊数据以及易于引入启发性知识的能力,因此具有基于模糊神经网络所建立的较一般检测信号处理系统所不可比拟的柔性和应变能力,易于实现智能决策。将人工神经网络应用于电磁无损检测,可在一定程度上解决电磁检测信号定量解释中的难题,使电磁无损检测技术更好地服务于生产实践。
1  2  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号