一种基于交流电磁场的多功能探头夹具

    公开(公告)号:CN212808149U

    公开(公告)日:2021-03-26

    申请号:CN202021474417.9

    申请日:2020-07-23

    IPC分类号: G01N27/83

    摘要: 本发明提供一种基于交流电磁场的多功能探头夹具,包括壳体、压盖、旋转件、滑动件、检测探头。检测探头安装在壳体内腔,由压盖固定。壳体的圆盘和环形滑槽与旋转件的对应结构同轴线接触,可在水平面内沿轴线旋转,满足需要改变检测探头扫描方向的检测需求;旋转件的凹槽和滑动件的凸台孔轴配合连接,通过相对滑动可以改变检测探头的检测高度,提高检测精度;滑动件通过顶板上的通孔安装在承载物上,并可以改变安装位置,实现不同位置的缺陷扫描;压盖中心位置的信号孔用来安装接头,实现信号的传输。

    考虑多因素影响的ACFM裂纹检出概率评价方法

    公开(公告)号:CN118312878B

    公开(公告)日:2024-08-13

    申请号:CN202410738061.1

    申请日:2024-06-07

    摘要: 本发明属于无损检测缺陷检出评估技术领域,尤其涉及一种考虑多因素影响的ACFM裂纹检出概率评价方法。该ACFM裂纹检出概率评价方法借助贝叶斯网络对影响ACFM裂纹检出概率的多种关键因素进行逆推理评价。考虑多因素影响的ACFM裂纹检出概率评价方法包括有如下步骤:提取特征信号Bx的波谷深度数值Rsx、特征信号Bz的波峰波谷高度差Rsz;计算Rsx和Rsz的二维高斯分布概率密度函数p(x);得到同一深度、不同长度的多个裂纹的ACFM裂纹检出概率POD(Li);连续的同一深度、不同长度的多个裂纹的POD值;求解参数集Θ中各参数的最优解;得到ACFM裂纹检出概率拟合函数;构建得到ACFM裂纹检出概率影响因素贝叶斯网络;训练得到ACFM裂纹检测贝叶斯网络。

    一种周期性线圈阵列的电磁铁式SH导波电磁声换能器

    公开(公告)号:CN117884340A

    公开(公告)日:2024-04-16

    申请号:CN202410294733.4

    申请日:2024-03-15

    IPC分类号: B06B1/04

    摘要: 本发明属于电磁超声无损检测技术领域,尤其涉及一种周期性线圈阵列的电磁铁式SH导波电磁声换能器。该种周期性线圈阵列的电磁铁式SH导波电磁声换能器结构简单、使用方便,实现了对现有电磁声换能器其偏置磁场的简化,以便于电磁铁的应用,从而具有更为良好的市场应用前景。本发明提供了一种周期性线圈阵列的电磁铁式SH导波电磁声换能器,包括有:磁芯、励磁线圈、内芯及涡流线圈;励磁线圈沿轴向均匀缠绕在磁芯上,从而在通电后形成沿磁芯轴向向下的静态偏置磁场;涡流线圈沿轴向均匀缠绕在内芯上,从而构成一个线圈单元;多个线圈单元呈周期性分布排列,相邻设置的线圈单元构成一个周期性线圈阵列。

    交流电磁场缺陷在线智能判定与分类识别方法

    公开(公告)号:CN111189906B

    公开(公告)日:2023-09-29

    申请号:CN202010020464.4

    申请日:2020-01-09

    IPC分类号: G01N27/82

    摘要: 本发明公开了一种基于交流电磁场检测技术缺陷在线智能判定与分类识别方法,涉及无损检测缺陷评估技术领域,包括:获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz,将X方向磁场信号Bx和Z方向磁场信号Bz与设定的阈值N进行比较,若X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N,则判定为缺陷并保存蝶形图,利用事先训练好的CNN抖动判定数据库对缺陷信号进行智能抖动判定,如果判断结果为是缺陷,则利用交流电磁场检测探头对试件进行栅格扫查,获得X方向磁场信号Bx和Z方向磁场信号Bz,进而绘制Z方向磁场信号Bz梯度的灰度图像,利用事先训练好的CNN缺陷分类数据库对缺陷进行智能分类,最终实现缺陷的在线智能判定、识别及分类。

    基于靶标松姿态约束的景深畸变模型标定方法

    公开(公告)号:CN113781581B

    公开(公告)日:2023-09-01

    申请号:CN202111073247.2

    申请日:2021-09-14

    IPC分类号: G06T7/80

    摘要: 本发明属于计算机视觉测量领域,提供了一种基于靶标松姿态约束的景深畸变模型标定方法,包括标定图像采集以及景深畸变模型标定。标定图像采集方面,利用相机获取靶标在景深内多个姿态的图像,摆放姿态无需靶标平面与光轴垂直,仅需保证靶标覆盖成像视场和景深,且靶标上的直线和角点两类特征可以成像即可。在景深畸变模型标定方面,首先,利用以所有靶标图像中心区域的角点距离为约束标定内参数矩阵;其次,根据单应性矩阵计算靶标上直线点的物距;再次,以检测的直线点到其所在直线的距离最小为约束,建立包含景深畸变模型参数的最小化目标函数;最后,以直线点的像素坐标、直线点的物距、焦距为输入量,优化目标函数完成景深畸变模型所有参数的求解。

    多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法

    公开(公告)号:CN116484921B

    公开(公告)日:2023-08-18

    申请号:CN202310741330.5

    申请日:2023-06-21

    摘要: 本发明属于电磁无损检测技术领域,尤其涉及一种多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法。该裂纹尺寸精准量化方法通过多物理量特征融合卷积神经网络,实现了对裂纹长度、深度的精确量化,同时以较少的计算量和较小的网络规模对裂纹的角度进行了精确量化,为在役结构物裂纹扩展监测提供了技术支撑。一种多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法,具体包括有如下步骤:建立裂纹监测数据库;设计卷积神经网络结构;设计多物理量特征融合损失函数;选择多物理量特征融合卷积神经网络优化算法;训练多物理量特征融合卷积神经网络;以及,评估多物理量特征融合卷积神经网络;部署应用多物理量特征融合卷积神经网络。