CN109030132B - 一种蠕变损伤对比试块制备方法、损伤检测方法及系统 - Google Patents

Abstract

本发明公开了一种蠕变损伤对比试块制备方法、损伤检测方法及系统。该对比试块制备方法包括：获取初始试块；对初始试块进行磨制、抛光和腐蚀处理，得到处理后初始试块将处理后的初始试块均分为5个部分；通过不同大小和形状的压头以及不同大小的压力对处理后的初始试块的5个部分分别施加压力，得到对比试块。该检测方法包括：获取对比试块的超声波衰减率和电阻率；通过对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型；获取待检测的金属构件；获取金属构件的超声波衰减率以及电阻率；通过金属构件的超声波衰减率和电阻率，以及检测模型对金属构件的蠕变损伤进行检测。通过本发明能够快速、准确、无破坏地检测材料蠕变损伤情况。

Description

一种蠕变损伤对比试块制备方法、损伤检测方法及系统

技术领域

本发明涉及无损检测领域，特别是涉及一种蠕变损伤对比试块制备方法、损伤检测方法及系统。

背景技术

蠕变损伤是在高温时，在常规应力作用下随时间产生的变形，在材料内部的碳化物聚集、粗化的同时，在晶界处产生孔洞。传统评价蠕变损伤方法主要以金相组织分析为主，评价方法具体为在1000倍放大倍数下，选择蠕变损伤最严重的三个视场，对损伤程度进行评价，但是这种方法速度慢，效率低，不适用于工程中大面积蠕变损伤评价工作。其次，高蠕变损伤级别表现失效形式为宏观裂纹，比较容易发现，而低等级的蠕变损伤中蠕变孔洞小，容易遗漏。另外，蠕变损伤有时存在于被检测部件中间厚度位置，用金相组织检测评定难度大，会严重破坏使用部件，造成后期成本上升，金相组织评判蠕变损伤有一点的局限性。

超声波对比试块是人工加工指定缺陷的标准反射体，利用对比试块确定超声波检测灵敏度和缺陷反射当量，利用试块调节好超声探测仪器基本参数，检测工件缺陷发射当量从而与对比试块标准发射体进行比较。对比试样应选取与被检验工件衰减系数相近者制备，制作对比试样的材料应事先进行高灵敏度超声波检测，不得出现影响使用的杂波。用传统方法制造蠕变损伤对比试块制造有一定的局限性。

发明内容

本发明的目的是提供一种蠕变损伤对比试块制备方法、损伤检测方法及系统，用以快速、准确、无破坏地检测材料蠕变损伤情况。

为实现上述目的，本发明提供了如下方案：

一种蠕变损伤对比试块制备方法，所述方法包括：

获取初始试块；

对所述初始试块进行磨制、抛光和腐蚀处理，得到处理后初始试块；

将所述处理后的初始试块均分为5个部分；

通过不同大小和形状的压头以及不同大小的压力对处理后的初始试块的5个部分分别施加压力，得到对比试块。

可选的，所述对比试块包括1-5级别的孔洞损伤，不同级别的孔洞损伤对应不同数量、不同孔径的孔洞。

一种蠕变损伤检测方法，所述检测方法应用上述对比试块，所述检测方法包括：

获取对比试块的超声波衰减率和电阻率；

通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型；

获取待检测的金属构件；

获取所述金属构件的超声波衰减率以及电阻率；

通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测。

可选的，所述超声波衰减率由超声波检测模块测得；所述电阻率由电阻检测模块测得。

可选的，所述通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型，具体包括：

以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；

判断所述输出值与所述检测模块的孔洞损伤级别是否小于误差阈值；

若是，确定所述神经网络模型为检测模型；

若否，调整所述神经网络模型的参数，使输出值与所述检测模块的孔洞损伤级别小于误差阈值，得到检测模型。

一种蠕变损伤检测系统，所述检测系统包括：

金属构件获取模块，用于获取待检测的金属构件；

超声波检测模块，用于检测对比试块以及所述金属构件的超声波衰减率；

电阻检测模块，用于检测对比试块以及所述金属构件的电阻率；

训练模块，用于通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型；

检测模块，用于通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测。

可选的，所述训练模块包括：

输出值获取单元，用于以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；

判断单元，用于判断所述输出值与所述检测模块的孔洞损伤级别是否小于误差阈值；

结果确定单元，用于当所述输出值与所述检测模块的孔洞损伤级别小于误差阈值时，确定所述神经网络模型为检测模型；

调整单元，用于调整所述神经网络模型的参数，使所述输出值与所述检测模块的孔洞损伤级别小于误差阈值，得到检测模型。

与现有技术相比，本发明具有以下技术效果：

1)本发明通过不同大小和形状的压头以及不同大小的压力对处理后的初始试块的5个部分分别施加压力，得到对比试块，对比试块具有不同数量“蠕变孔洞”从而达到不同蠕变级别的对比试块，通过检测这些不同试块厚度和蠕变级别的试块得到神经网络学习数据库，数据库供实际生产检测使用；

2)本发明通过制备好的检测数块的超声波衰减率和电阻率训练所述神经网络模型，得到检测模型，通过检测模型能够快速、准确且无损伤的检测金属构件的蠕变损伤情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例蠕变损伤对比试块制备方法的流程图；

图2为本发明实施例对比试块的结构示意图；

图3为本发明实施例对比试块的底部示意图；

图4为本发明实施例蠕变损伤检测方法的流程图；

图5为本发明电桥法测电阻的示意图；

图6为本发明实施例蠕变损伤系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例蠕变损伤对比试块制备方法的流程图。如图1所示，一种蠕变损伤对比试块制备方法包括以下步骤：

步骤101：获取初始试块。

步骤102：对所述初始试块进行磨制、抛光和腐蚀处理，得到处理后初始试块。

步骤103：将所述处理后的初始试块均分为5个部分。

步骤104：通过不同大小和形状的压头以及不同大小的压力对处理后的初始试块的5个部分分别施加压力，得到对比试块。所述对比试块包括1-5级别的孔洞损伤，不同级别的孔洞损伤对应不同数量、不同孔径的孔洞。

具体实施方案

微孔制作器是一台设有加负荷装置带有目镜测微器的显微镜。通过加负荷装置对压头加压。在试样指定表面位置上会产生一个凹坑。根据压头和加载力的大小可以形成需要的不同孔径，可以制备蠕变孔洞反射体对比试块。因为蠕变孔洞萌生是在晶界处，此微孔制作器配备有显微镜模块，首先将已经磨制、抛光、腐蚀后的样品放置在微孔制作器的十字试台上，通过微孔制作器的升降手轮调节样品与物镜的距离，在视野中找到需要压头中心对应的晶界处位置，通过调节承载力大小，将压头压入此位置，一般设置保载时间15秒后卸载，然后在目镜中利用镜头标尺测量所压圆孔直径打下并记录。此种微孔制备位置准确，操作简便。

图2为本发明实施例对比试块的结构示意图。试块可以从生产中给高温服役一段时间的构件中切割下来，切成长方体，将长方体底面经过粗磨-细磨-抛光-腐蚀。将底面分割成均匀的5个部分，微孔制作器中显微模块准确的找到晶界，分别制作试样中未出现孔洞、出现少量无方向性孔洞、大量方向性孔洞、微裂纹、宏观裂纹5种试样，对应孔洞损伤级别的1-5级，对比试块的底部示意图试块损伤对比试块底部如图3所示。

图4为本发明实施例蠕变损伤检测方法的流程图。所述检测方法应用上述对比试块，如图4所示，一种蠕变损伤检测方法包括：

步骤401：获取对比试块的超声波衰减率和电阻率。所述超声波衰减率由超声波检测模块测得；所述电阻率由电阻检测模块测得。

步骤402：通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型。以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；

判断所述输出值与所述检测模块的孔洞损伤级别是否小于误差阈值；

若是，确定所述神经网络模型为检测模型；

若否，调整所述神经网络模型的参数，使输出值与所述检测模块的孔洞损伤级别小于误差阈值，得到检测模型。

步骤403：获取待检测的金属构件。

步骤404：获取所述金属构件的超声波衰减率以及电阻率。所述超声波衰减率由超声波检测模块测得；所述电阻率由电阻检测模块测得。

步骤405：通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测。

具体实施方式

在工件上进行多次底波法测定，超声测量点应远离试块边界，避免探头发出声波不受试件侧壁发射声束干扰，又不产生工件底面棱角反射，并且在试样面做全面检查，找出无缺陷完好区域内底波最高的三点作为底波高度的测量基点，材质衰减系数B可以按照下列公式计算。

B＝{20lgBn/Bm-20lgm/n-(m-n)δ}/2(m-n)T

式中：n、m—第n次底波和第m次底波次数，m＞n，且nT＞3N(N为探头近场长度)；Bn、Bm—第n、m次底波高度；T—被检测试样厚度；δ—声波在底面反射时，每次反射损失，约0.5dB-1dB，应按照实际测试得出。

实际检测中可以选择探头做到T＞3N，取n＝1，m＝2，上式可以化简为下式：

B＝{20lgB1/B2-6-δ}/2T

电阻法在测量金属材料蠕变损伤的时候，主要是以数字显示技术作为基础，从而对微小的电阻进行有效的测量，之后运用恒流源V-A法，直接测量电压降。具体的测量原理如下：首先，选择高稳定度的恒流源、选择高输入的阻抗仪、放大器。其次，准确的定位被测定的电阻，在该电阻上流经恒定的电流，此时，在被测定电阻的两端部位，就会产生电压降，倘若恒流源输出的电流不变，那么在实际的操作中，就可以准确的测量电压信号，最终会比较真实的反映出被测电阻的具体大小，从而完成对蠕变损伤的检测。

本实验中采用了高精度的直流双电桥，其测量范围为10^-8-10000Ω，分为6个量程给出，适用于中低值电阻的测量，适用环境温度在20℃左右，环境相对湿度不大于80％。为了消除引线电阻和接触电阻对测量结果的影响，采用四端部电阻法进行电阻测量。图5为本发明电桥法测电阻的示意图，如图5所示，I1、I2为电流端，U1、U2为电压端，所测得的电阻为两电压端间的电阻值。

为了减少测量过程中导线电阻带来的误差，被测电阻的两个电流端与电桥面板上I1、I2接线柱的连接导线用直径为4mm的短铜线相互连接，两个电压端U1、U2连接导线为直径0.4mm的镀铬合金热电偶丝。每次测量电阻前要仔细测量两电压端的距离，在利用对边试块做电阻测量和现场服役材料做电阻测量中两电压端距离保持一致，这样蠕变级别可以保证与超声衰减程度、材料厚度和电阻值相关。现场实际利用电桥测量时，服役构件表面有一层氧化膜，与实验室试块有区别，应使用砂轮机打磨掉氧化膜，并继续使用砂纸(1500号以上)将测量表面磨至到金属光泽。

记录上述超声测试出的衰减率B，电阻A。若是在H1厚度的1级蠕变等级试块上，则衰减率记为B11，电阻值记为A11；若是在H1厚度的2级蠕变等级试块上，则衰减率记为B12，电阻值记为A12，以此类推，填入表1中。

将Hi、Bij、Aij数据作为一组，其中i＝1,2,3...j是蠕变级别。首先，输入一组数据给输入层的各个神经元，BP神经网络按照神经元之间的传递规则进行信息的逐层传递，然后在输入层各神经元得到相应的输出值；然后，将BP网络计算得到的实际输出值与输入数据对应的期望输出值进行方差运算，按照梯度下降学习算法反方向逐层进行个神经元之间连接权值的修正。反复进行这两个步骤，直到误差达到要求的精度或循环次数达到设定的值。在现场检测高温服役部件时，可以依次将超声波检测模块和电阻法检测模块安装在待检测部件区域。根据最终测得厚度H、电阻A和超声衰减系数B，利用BP神经网络的训练计算可以得到试样待检测区的蠕变损伤级别。适用于生产实际中探测高温服役部件，具有速度快，无破坏性、准确性高等特点。

表1蠕变损伤检测数据

图6为本发明实施例蠕变损伤系统的结构框图。如图6所示，一种蠕变损伤检测系统包括：

金属构件获取模块601，用于获取待检测的金属构件。

超声波检测模块602，用于检测对比试块以及所述金属构件的超声波衰减率。

电阻检测模块603，用于检测对比试块以及所述金属构件的电阻率。

训练模块604，用于通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型。

所述训练模块604具体包括：

输出值获取单元，用于以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；

判断单元，用于判断所述输出值与所述检测模块的孔洞损伤级别是否小于误差阈值；

结果确定单元，用于当所述输出值与所述检测模块的孔洞损伤级别小于误差阈值时，确定所述神经网络模型为检测模型；

调整单元，用于调整所述神经网络模型的参数，使所述输出值与所述检测模块的孔洞损伤级别小于误差阈值，得到检测模型。

检测模块605，用于通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测。

根据本发明提供的具体实施例，本发明公开了以下技术效果：1)本发明通过不同大小和形状的压头以及不同大小的压力对处理后的初始试块的5个部分分别施加压力，得到对比试块，对比试块具有不同数量“蠕变孔洞”从而达到不同蠕变级别的对比试块，通过检测这些不同试块厚度和蠕变级别的试块得到神经网络学习数据库，数据库供实际生产检测使用；2)本发明通过制备好的检测数块的超声波衰减率和电阻率训练所述神经网络模型，得到检测模型，通过检测模型能够快速、准确且无损伤的检测金属构件的蠕变损伤情况。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种蠕变损伤对比试块制备方法，其特征在于，所述制备方法包括：

获取初始试块；

对所述初始试块进行磨制、抛光和腐蚀处理，得到处理后的初始试块；

将所述处理后的初始试块均分为5个部分；

通过不同大小和形状的压头以及不同大小的压力对所述处理后的初始试块的5个部分分别施加压力，得到对比试块；所述对比试块包括1-5级别的孔洞损伤，不同级别的孔洞损伤对应不同数量、不同孔径的孔洞；

微孔制作器是设有加负荷装置带有目镜测微器的显微镜，通过所述加负荷装置对所述压头加压，在所述初始试块的指定表面位置上会产生一个凹坑；根据所述压头和加载力的大小形成需要的不同孔径，以制备蠕变孔洞反射体对比试块；因为蠕变孔洞萌生是在晶界处，所述微孔制作器配备有显微镜模块，首先将已经磨制、抛光、腐蚀后的所述初始试块放置在所述微孔制作器的十字试台上，通过所述微孔制作器的升降手轮调节所述初始试块与物镜的距离，在视野中找到需要所述压头中心对应的晶界处位置，通过调节加载力大小，将所述压头压入所述晶界处位置，设置保载时间15秒后卸载，然后在目镜中利用镜头标尺测量所压圆孔直径并记录；

所述初始试块从生产中给高温服役一段时间的构件中切割下来，切成长方体，将长方体底面经过粗磨-细磨-抛光-腐蚀，将底面分割成均匀的5个部分，所述微孔制作器的所述显微镜模块准确的找到晶界，分别制作所述初始试块中未出现孔洞、出现无方向性孔洞、方向性孔洞、微裂纹、宏观裂纹5种所述对比试块，对应孔洞损伤级别的1-5级。

2.一种蠕变损伤检测方法，所述检测方法应用权利要求1所述的对比试块，所述检测方法包括：

获取所述对比试块的超声波衰减率和电阻率；

通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型；具体的，以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；判断所述输出值与所述检测模型的孔洞损伤级别是否小于误差阈值；若是，确定所述神经网络模型为所述检测模型；若否，调整所述神经网络模型的参数，使所述输出值与所述检测模型的孔洞损伤级别小于误差阈值，得到所述检测模型；

获取待检测的金属构件；

获取所述金属构件的超声波衰减率以及电阻率；

通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测。

3.根据权利要求2所述的检测方法，其特征在于，所述超声波衰减率由超声波检测模块测得；所述电阻率由电阻检测模块测得。

4.一种蠕变损伤检测系统，其特征在于，所述检测系统包括：

金属构件获取模块，用于获取待检测的金属构件；

超声波检测模块，用于检测对比试块以及所述金属构件的超声波衰减率；

电阻检测模块，用于检测所述对比试块以及所述金属构件的电阻率；

训练模块，用于通过所述对比试块的超声波衰减率和电阻率，训练神经网络模型，得到检测模型；

检测模块，用于通过所述金属构件的超声波衰减率和电阻率，以及所述检测模型对所述金属构件的蠕变损伤进行检测；

所述对比试块的制备方法包括：

获取初始试块；

对所述初始试块进行磨制、抛光和腐蚀处理，得到处理后的初始试块；

将所述处理后的初始试块均分为5个部分；

通过不同大小和形状的压头以及不同大小的压力对所述处理后的初始试块的5个部分分别施加压力，得到所述对比试块；所述对比试块包括1-5级别的孔洞损伤，不同级别的孔洞损伤对应不同数量、不同孔径的孔洞；

微孔制作器是设有加负荷装置带有目镜测微器的显微镜，通过所述加负荷装置对所述压头加压，在所述初始试块的指定表面位置上会产生一个凹坑；根据所述压头和加载力的大小形成需要的不同孔径，以制备蠕变孔洞反射体对比试块；因为蠕变孔洞萌生是在晶界处，所述微孔制作器配备有显微镜模块，首先将已经磨制、抛光、腐蚀后的所述初始试块放置在所述微孔制作器的十字试台上，通过所述微孔制作器的升降手轮调节所述初始试块与物镜的距离，在视野中找到需要所述压头中心对应的晶界处位置，通过调节加载力大小，将所述压头压入所述晶界处位置，设置保载时间15秒后卸载，然后在目镜中利用镜头标尺测量所压圆孔直径并记录；

所述初始试块从生产中给高温服役一段时间的构件中切割下来，切成长方体，将长方体底面经过粗磨-细磨-抛光-腐蚀，将底面分割成均匀的5个部分，所述微孔制作器的所述显微镜模块准确的找到晶界，分别制作所述初始试块中未出现孔洞、出现无方向性孔洞、方向性孔洞、微裂纹、宏观裂纹5种所述对比试块，对应孔洞损伤级别的1-5级。

5.根据权利要求4所述的检测系统，其特征在于，所述训练模块包括：

输出值获取单元，用于以所述对比试块的超声波衰减率和电阻率作为所述神经网络模型的输入，得到输出值；

判断单元，用于判断所述输出值与所述检测模块的孔洞损伤级别是否小于误差阈值；

结果确定单元，用于当所述输出值与所述检测模型的孔洞损伤级别小于误差阈值时，确定所述神经网络模型为检测模型；

调整单元，用于调整所述神经网络模型的参数，使所述输出值与所述检测模型的孔洞损伤级别小于误差阈值，得到检测模型。

Images