-
公开(公告)号：CN110363746B
公开(公告)日：2022-02-11
申请号：CN201910511958.X
申请日：2019-06-13
Applicant: 西安交通大学
IPC: G06T7/00 , G06V10/764 , G06V10/776 , G06K9/62
Abstract: 本发明公开了一种基于卷积神经网络的超声无损检测信号分类方法，采集超声A扫描信号并进行预处理，然后将预处理后带有对应标签的A扫描信号图像输入搭建的CNN神经网络，对神经网络的各层权重及偏置参数进行训练，通过对学习率和学习迭代次数的调整以提高CNN神经网络对于信号特征的识别准确率，随后将未带有标签的A扫描信号输入至训练好的CNN神经网络，通过超声A扫描信号实现对检测缺陷有无、缺陷深度精确多分类的功能。本发明能够实现基于超声A扫描信号的缺陷分类功能，计算准确率高，网络结构简单。
-
公开(公告)号：CN106845011B
公开(公告)日：2020-03-31
申请号：CN201710084556.7
申请日：2017-02-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种大型燃气轮机叶片数字射线分区探测方法，采用X射线源和平板探测器组成数字射线探测系统，所述X射线源以六组透照参数对待测叶片进行透照，在所述平板探测器上形成由高亮全白过渡至全黑的图像灰度，确定各个分区厚度变化，划分各个透照分区，裁剪得到有效区域，最后完成分区图像的拼接。本发明方法可增大射线透照区域、简化操作、提高检测效率，规范燃气轮机叶片数字射线分区探测方法，有助于实现燃气轮机叶片内部缺陷的快速提取，操作简单，对工人技术水平要求较低，在工厂大规模检测时效率高，具有较高的实用性。
-
公开(公告)号：CN107806961A
公开(公告)日：2018-03-16
申请号：CN201710942190.2
申请日：2017-10-11
Applicant: 西安交通大学
CPC classification number: G01M1/122 , G01N29/0654 , G01N2291/0289 , G01N2291/269
Abstract: 本发明公开了一种基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法，采用超声相控阵探测系统对经过合理分区的叶片进行检测，将检测数据导入计算机图像处理系统，对分区检测的叶片区域进行逐一融合得到缺陷的二维质心坐标；通过叶片的设计基准，利用三坐标机测量叶片叶身与基准边缘的多组数据，拟合出沿叶身宽度方向与基准线方向的函数关系式，按照空间关系推导出缺陷的三维重心坐标，最终完成缺陷的三维重心坐标精密定位检测。可以为技术人员提供叶片缺陷的三维定位方法，更准确、高效。
-
公开(公告)号：CN107255673A
公开(公告)日：2017-10-17
申请号：CN201710314019.7
申请日：2017-05-05
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于超声相控阵的高温叶片内部缺陷三维无损检测方法，首先使用超声相控阵仪器，借助柔性探头，采用区域划分的方法检测叶身内部的缺陷，对于每个分区，设置不同的扫查参数，获取检测图像；然后以二维定位结果为基础，由超声相控阵仪器得到质心深度方向坐标，进而得到缺陷区域的深度信息，完成缺陷三维体积的测量，实现对于具有复杂型面零件内部缺陷的检测，提高了检测效率，完成了缺陷的定位和定量的计算，解决了叶片内部缺陷的三维测量问题。
-
公开(公告)号：CN108226290B
公开(公告)日：2020-06-19
申请号：CN201810015577.8
申请日：2018-01-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于超声相控阵的零件内部缺陷三维参数提取方法，根据待测零件的形状大小，对待测零件进行检测，通过探头的移动，检测到零件内部缺陷并在超声相控阵仪器上进行显示，然后保存数据，获取待测零件内部缺陷的对应切片图像后，以S显示为主要的图像信息进行数据保存；对采集到的缺陷显示图像进行图像处理；求取处理好缺陷的切片图像的质心，并标定质心的位置，计算得出每个切片图像上缺陷的面积；采用等面积的圆替换形状复杂的缺陷，将所有的图片进行面积等效处理，重构缺陷的三维模型，计算得到零件内部重建缺陷的三维参数用于反映零件的内部结构。本发明方法成本低、耗时相对较少、设备简易便于携带、可实现在线检测。
-
Patent Agency Ranking
公开(公告)号：CN106932416A
公开(公告)日：2017-07-07
申请号：CN201710084115.7
申请日：2017-02-16
Applicant: 西安交通大学
IPC: G01N23/04
Abstract: 本发明公开了一种基于数字射线的燃气轮机叶片内部缺陷三维参数提取方法，首先将缺陷的二维检测图像按照像素排布进行一次有限元划分；然后对每个像素处的厚度按照灰度值进行离散量化，确定灰度与厚度的对应关系；最后对所有像素有限元进行累积，提取缺陷区域的三维参数。本方法基于有限元的思想，将缺陷的二维检测图像按照像素排布进行一次有限元划分，对每个像素处的厚度按照灰度值进行离散量化，进而确定灰度与厚度的对应关系。通过对所有像素有限元区域进行累加，提取得到缺陷的三维参数，可有效弥补传统射线检测方法在缺陷三维参数提取上的不足，可以更高的效率和更低的成本实现对燃气轮机叶片内部缺陷三维参数的提取。
-
公开(公告)号：CN108956655B
公开(公告)日：2019-12-20
申请号：CN201810738749.4
申请日：2018-07-06
Applicant: 西安交通大学
IPC: G01N23/04
Abstract: 本发明公开了一种模型未知的燃气轮机高温叶片数字射线检测分区方法，根据平板探测器响应情况随管电流的变化确定平板探测器的线性响应灰度范围，以叶片型面在平板探测器上的投影面积最大为基准，通过建立叶片型面在平板探测器上的投影面积与转台转动角度的关系，确定叶片的最优透照方向；以灰度值在平板探测器线性响应灰度范围中心2/3区域内的透照灰度图像作为合格图像确定叶片透照分区，对整个叶片型面进行分区。本发明在实际操作中简单易行，相较于传统的基于人工经验通过试验粗略确定分区方案的方法，获得的分区方案有理可依，有望获取更高质量的透照灰度图像。
-
公开(公告)号：CN110363746A
公开(公告)日：2019-10-22
申请号：CN201910511958.X
申请日：2019-06-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于卷积神经网络的超声无损检测信号分类方法，采集超声A扫描信号并进行预处理，然后将预处理后带有对应标签的A扫描信号图像输入搭建的CNN神经网络，对神经网络的各层权重及偏置参数进行训练，通过对学习率和学习迭代次数的调整以提高CNN神经网络对于信号特征的识别准确率，随后将未带有标签的A扫描信号输入至训练好的CNN神经网络，通过超声A扫描信号实现对检测缺陷有无、缺陷深度精确多分类的功能。本发明能够实现基于超声A扫描信号的缺陷分类功能，计算准确率高，网络结构简单。
-
公开(公告)号：CN108229080A
公开(公告)日：2018-06-29
申请号：CN201810254256.3
申请日：2018-03-26
Applicant: 西安交通大学
IPC: G06F17/50
Abstract: 本发明公开了一种模型未知燃气轮机叶片数字射线分区透照方向的优化方法，对平板探测器进行透照，确定平板探测器的灰度线性响应区间，对叶片各个分区从不同角度进行透照，绘制叶片各个分区灰度最低值与角度变化的关系曲线确定各个分区最优透照方向，将各个分区变换后的透照图像拼接得到叶片的透照图像，对各个分区重叠区域图像进行处理，采用近似算法计算出跨分区缺陷重叠体积，将从各个分区获得的缺陷体积之和减去重叠区域的缺陷体积，即得到叶片缺陷真实体积大小，实现透照方向的优化处理。本发明提高了对细小缺陷的检出效率，避免了复杂家具的设计，降低了检测成本，且通用性高，为缺陷的定位、定性和定量分析奠定了基础。
-
公开(公告)号：CN106845011A
公开(公告)日：2017-06-13
申请号：CN201710084556.7
申请日：2017-02-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种大型燃气轮机叶片数字射线分区探测方法，采用X射线源和平板探测器组成数字射线探测系统，所述X射线源以六组透照参数对待测叶片进行透照，在所述平板探测器上形成由高亮全白过渡至全黑的图像灰度，确定各个分区厚度变化，划分各个透照分区，裁剪得到有效区域，最后完成分区图像的拼接。本发明方法可增大射线透照区域、简化操作、提高检测效率，规范燃气轮机叶片数字射线分区探测方法，有助于实现燃气轮机叶片内部缺陷的快速提取，操作简单，对工人技术水平要求较低，在工厂大规模检测时效率高，具有较高的实用性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.031 seconds)
