CN112014476A - 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 - Google Patents
一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 Download PDFInfo
- Publication number
- CN112014476A CN112014476A CN202010921616.8A CN202010921616A CN112014476A CN 112014476 A CN112014476 A CN 112014476A CN 202010921616 A CN202010921616 A CN 202010921616A CN 112014476 A CN112014476 A CN 112014476A
- Authority
- CN
- China
- Prior art keywords
- defect
- carbon fiber
- fiber composite
- ultrasonic
- manufacturing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0609—Display arrangements, e.g. colour displays
- G01N29/0645—Display representation or displayed parameters, e.g. A-, B- or C-Scan
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/30—Arrangements for calibrating or comparing, e.g. with standard objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0237—Thin materials, e.g. paper, membranes, thin films
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种碳纤维复合材料制造缺陷分类、定量评估方法及系统,包括:以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;对待测碳纤维复合材料进行超声预扫描,确定缺陷位置;对缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,确定缺陷类型。对碳纤维复合材料进行综合性的缺陷类型识别和定量检测,以具有缺陷的样板的超声检测信号训练缺陷分类模型,以缺陷分类模型确定缺陷类别,基于缺陷类型识别的结果,有针对性地进行缺陷程度定量分析,将缺陷类型识别和缺陷定量分析结合起来,为碳纤维复合材料的缺陷程度评估提供更加准确可靠的依据。
Description
技术领域
本发明涉及碳纤维复合材料无损检测技术领域,特别是涉及一种碳纤维复合材料制造缺陷分类、定量评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
碳纤维复合材料与传统材料相比具有比强度高、比刚度大、质量轻、可设计性强等优点,被广泛应用于航空航天、汽车、轨道交通、船舶制造、风力发电等领域。随着这些行业的飞速发展,对检测要求越来越高,碳纤维复合材料由于其特殊的制造工艺,制造过程不稳定,在制作过程中不可避免地出现分层、夹杂、纤维断裂、孔洞等缺陷;另外,在使用过程中,外来物对工件的撞击也会造成缺陷损伤。缺陷对碳纤维复合材料的力学性能有很大的影响,如果不能及时准确地检测到缺陷,会引起结构问题,产生巨大的经济损失;同时,在碳纤维复合材料的检测过程中,缺陷的类型、大小和位置都是判定缺陷影响大小的因素,所以对缺陷类型的识别和缺陷大小位置的定量计算至关重要,是对结构件可靠性评估的前提。
超声波检测是对碳纤维复合材料进行质量检测的主要手段,目前,缺陷类型识别方法主要是以超声C扫描或超声B扫描图像为基础,结合聚类分析等算法和一些图像处理手段。但是,发明人发现,在超声C扫描或超声B扫描图像的生成过程中,丢失了原始超声信号中的信息,对缺陷类型判定的准确度较低;其次,闸门、增益等参数的设置对生成的图像有较大影响,缺陷识别方法重复性较差,在实际应用中有很大的局限性;同时,对缺陷类型的识别和缺陷大小位置的定量计算是相互关联的,从单方面对碳纤维复合材料性能进行的评估是不全面的,但现有的检测方法只针对其中一个方面,无法做到对不同类型的缺陷进行针对性的定量检测,缺少综合性的评估检测手段。
发明内容
为了解决上述问题,本发明提出了一种碳纤维复合材料制造缺陷分类、定量评估方法及系统,对碳纤维复合材料进行综合性的缺陷类型识别和定量检测,以具有缺陷的样板的超声检测信号训练缺陷分类模型,以缺陷分类模型确定缺陷类别,基于缺陷类型识别的结果,有针对性地进行缺陷程度定量分析,将缺陷类型识别和缺陷定量分析结合起来,为碳纤维复合材料的制造缺陷程度评估提供更加准确可靠的依据。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种碳纤维复合材料制造缺陷分类方法,包括:
以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
对待测碳纤维复合材料进行超声预扫描,确定制造缺陷位置;
对制造缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,得到制造缺陷类型。
第二方面,本发明提供一种碳纤维复合材料制造缺陷定量评估方法,包括:
基于第一方面所述的方法根据待测碳纤维复合材料的待测超声检测信号确定制造缺陷类型;
根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
第三方面,本发明提供一种碳纤维复合材料制造缺陷分类系统,包括:
训练模块,用于以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
预扫描模块,用于对待测碳纤维复合材料进行超声预扫描,确定制造缺陷位置;
分类模块,用于对制造缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,得到制造缺陷类型。
第四方面,本发明提供一种碳纤维复合材料制造缺陷定量评估系统,包括:
缺陷确定模块,用于基于第一方面所述的方法根据待测碳纤维复合材料的待测超声检测信号确定制造缺陷类型;
定量评估模块,用于根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
第五方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面和/或第二方面所述的方法。
第六方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面和/或第二方面所述的方法。
与现有技术相比,本发明的有益效果为:
本发明进行缺陷类型识别和定量检测时以原始的超声A扫描信号为基础,利用更多超声检测信号的信息,提高缺陷类型判定的准确性,同时避免了闸门、增益等参数的设置,降低了人为操作因素对结果的影响,从而提高了该方法的可重复性和实用性。
本发明对碳纤维复合材料进行综合性的缺陷类型识别和定量检测,通过标准缺陷样板的训练得到支持向量机的缺陷分类模型,以缺陷分类模型确定缺陷类别,定量检测基于缺陷类型识别的结果,有针对性地进行缺陷程度定量分析,定量分析通过对不同类型的缺陷设定不同的缺陷定量指标,将缺陷类型识别和缺陷定量分析结合起来,为碳纤维复合材料结构件的性能评估提供了更加准确可靠的依据。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的碳纤维复合材料制造缺陷分类与定量识别方法流程图;
图2为本发明实施例1提供的碳纤维复合材料人工缺陷样板的示意图;
图3为本发明实施例1提供的超声水浸扫描系统示意图;
其中,1、水槽;2、碳纤维复合材料结构件;3、水浸超声换能器;4、三维位移平台;5、运动控制器;6、超声信号收发设备;7、上位PC机。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示,本实施例提供一种碳纤维复合材料制造缺陷分类方法,以及碳纤维复合材料制造缺陷定量评估方法;
首先,一种碳纤维复合材料制造缺陷分类方法,包括:
S1:以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
S2:对待测碳纤维复合材料进行超声预扫描,确定缺陷位置;
S3:对缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,确定缺陷类型。
所述步骤S1中,采用超声水浸扫描系统对人工缺陷碳纤维复合材料样板进行扫描,扫描间隔为0.1mm,获取不同类型、不同大小缺陷的超声检测信号;
在本实施例中,如图2所示,制作含有不同类型、不同大小人工缺陷的碳纤维复合材料样板,其整体尺寸为长500mm,宽300mm,厚度5mm的正方形面板,样板内部人工预置分层、夹杂、纤维断裂3种类型的缺陷,其中分层、夹杂缺陷各预置8个不同大小、深度的缺陷,分层缺陷采用预置圆形双层聚四氟乙烯的方式模拟,夹杂缺陷采用预置正方形纸片的方式模拟;纤维断裂预置12个不同方向、长度和深度的缺陷,共计28个缺陷,纤维断裂采用预先割断相应铺层碳纤维的方式进行模拟;
对缺陷进行编号1-28,其中缺陷1-8为分层缺陷,其大小及深度如下表1所示:
表1 分层缺陷深度及大小
缺陷编号 | 缺陷深度 | 缺陷大小 |
1 | 2mm | 直径4mm |
2 | 2mm | 直径8mm |
3 | 2mm | 直径12mm |
4 | 2mm | 直径16mm |
5 | 4mm | 直径4mm |
6 | 4mm | 直径8mm |
7 | 4mm | 直径12mm |
8 | 4mm | 直径16mm |
夹杂缺陷编号为9-16,其其大小及深度如下表2所示:
表2 夹杂缺陷深度及大小
纤维断裂缺陷编号为17-28,其纤维方向,长度和深度如下表3所示:
表3 纤维断裂缺陷参数
缺陷编号 | 缺陷方向 | 缺陷长度 | 缺陷深度 |
17 | 纤维方向逆时针45° | 10mm | 2mm |
18 | 纤维方向逆时针45° | 20mm | 2mm |
19 | 纤维方向逆时针45° | 10mm | 4mm |
20 | 纤维方向逆时针45° | 20mm | 4mm |
21 | 纤维方向90° | 10mm | 2mm |
22 | 纤维方向90° | 20mm | 2mm |
23 | 纤维方向90° | 10mm | 4mm |
24 | 纤维方向90° | 20mm | 4mm |
25 | 纤维方向顺时针45° | 10mm | 2mm |
26 | 纤维方向顺时针45° | 20mm | 2mm |
27 | 纤维方向顺时针45° | 10mm | 4mm |
28 | 纤维方向顺时针45° | 20mm | 4mm |
继而利用超声水浸扫描系统对标准缺陷样板进行扫查,采用脉冲-回波模式进行超声检测,得到无缺陷区域以及不同类型、大小缺陷区域的超声检测信号;
本实施例采用的超声水浸扫描系统如图3所示,其中1是水槽,2是碳纤维复合材料结构件,3是水浸超声换能器,4是三维位移平台,5是运动控制器,6是超声信号收发设备,包含脉冲信号发生器、放大器、超声采集卡等,7是上位PC机。
所述步骤S1中,对得到的超声检测信号进行去噪处理,采用支持向量机的分类方法,将去噪处理后的超声检测信号作为训练样本,得到缺陷分类模型;
在本实施例中,所述去噪处理采用小波变换去噪的方式,其目的是为了提高信噪比,降低噪声对检测结果的影响;本实施例中使用db4小波基函数;
将去噪后的超声检测信号添加缺陷类型标签后作为训练样本,对支持向量机模型进行训练,对于每种缺陷类型,分别建立分类决策函数,用于识别待测缺陷是否为此缺陷,将每种缺陷对应的分类决策函数综合起来,构建缺陷分类模型。
所述步骤S2中,对待测碳纤维复合材料进行预扫描的目的是提高检测效率,采用较大的扫描间隔,进行超声C扫描成像,从而确定缺陷的大致位置;
本实施例采用1mm的扫描间隔,根据超声C扫描成像的结果判定缺陷的大致范围,对可能含有缺陷的区域分别进行编号1,2,……,n,为下一步的精细扫描做准备。
所述步骤S3中,对缺陷位置进行精细扫查,并将得到的缺陷位置超声检测信号采用缺陷分类模型确定缺陷类型;
对缺陷位置进行小间隔的精细扫描,本实施例采用的扫描间隔为0.1mm,为保证训练样本与待测样本的一致性,提高缺陷分类的准确率,其超声检测的相关参数设置与步骤S1相同,所述参数包括超声换能器与碳纤维复合材料的距离、超声脉冲激发电压、脉冲宽度、脉冲频率、超声采集卡的采样率、信号延迟等;
然后采用与步骤S1同样的小波滤波方式对采集到的待测超声检测信号进行去噪;
将去噪后的待测超声检测信号输入至缺陷分类模型中,根据不同缺陷的分类决策函数确定当前缺陷区域的缺陷类型。
其次,一种碳纤维复合材料制造缺陷定量评估方法,包括:
S1:对待测碳纤维复合材料的待测超声检测信号采用训练后的缺陷分类模型进行分类,确定缺陷类型;
S2:根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
在该方法中,根据碳纤维复合材料制造缺陷分类方法得到缺陷类型后,对不同类型的缺陷分别进行定量计算;
不同缺陷类型的缺陷定量指标不同,如分层和夹杂缺陷计算缺陷面积和深度,纤维断裂缺陷计算纤维断裂方向、长度和深度,孔隙缺陷计算孔隙率等;
在本实施例中,分层和夹杂缺陷采用缺陷面积和深度作为缺陷定量指标,其中,缺陷面积是在超声C扫描图像的基础上根据-6dB准则进行计算的,-6dB准则即为:将缺陷区域中缺陷回波幅值的一半作为判定缺陷区域与非缺陷区域的临界点;
在计算缺陷深度时,根据缺陷回波的延迟时间,即飞行时间和超声在碳纤维复合材料中的声速求得缺陷深度;
可以理解的,为提高缺陷深度计算的准确性,可以提前对超声在碳纤维复合材料中的声速进行校准。
在本实施例中,纤维断裂缺陷的深度计算方法与上述一致,在超声C扫描图像上对纤维断裂的裂纹进行拟合,从而计算出纤维断裂的方向和长度。
本实施例以原始的超声A扫描信号为基础,进行综合性的缺陷类型识别和定量检测,对不同的缺陷类型,采用不同的定量指标分别进行定量计算,提高了缺陷类型判定的准确性以及缺陷定量检测的针对性,以此确定缺陷类型对碳纤维复合材料结构件性能的影响程度,为碳纤维复合材料结构件的性能评估提高了可靠的依据。
在更多实施例中,还提供:
一种碳纤维复合材料制造缺陷分类系统,包括:
训练模块,用于以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
预扫描模块,用于对待测碳纤维复合材料进行超声预扫描,确定制造缺陷位置;
分类模块,用于对制造缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,得到制造缺陷类型。
一种碳纤维复合材料制造缺陷定量评估系统,包括:
缺陷确定模块,用于对待测碳纤维复合材料的待测超声检测信号采用训练后的缺陷分类模型进行分类,确定缺陷类型;
定量评估模块,用于根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
此处需要说明的是,上述模块对应于实施例1中碳纤维复合材料制造缺陷分类方法所述的步骤S1至S3,以及碳纤维复合材料制造缺陷定量评估方法所述的步骤S1至S2,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种碳纤维复合材料制造缺陷分类方法,其特征在于,包括:
以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
对待测碳纤维复合材料进行超声预扫描,确定制造缺陷位置;
对制造缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,得到制造缺陷类型。
2.如权利要求1所述的一种碳纤维复合材料制造缺陷分类方法,其特征在于,所述缺陷分类模型基于支持向量机模型构建,对每种制造缺陷类型,分别建立分类决策函数,根据每种制造缺陷类型对应的分类决策函数构建缺陷分类模型。
3.如权利要求1所述的一种碳纤维复合材料制造缺陷分类方法,其特征在于,所述超声预扫描采用的扫描间隔大于二次超声扫描采用的扫描间隔。
4.一种碳纤维复合材料制造缺陷定量评估方法,其特征在于,包括:
基于权利要求1-3任一项所述的方法根据待测碳纤维复合材料的待测超声检测信号确定制造缺陷类型;
根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
5.如权利要求4所述的一种碳纤维复合材料制造缺陷定量评估方法,其特征在于,所述制造缺陷类型包括分层缺陷、夹杂缺陷、纤维断裂缺陷和孔隙缺陷;
所述分层缺陷和夹杂缺陷的缺陷定量指标为缺陷面积和缺陷深度,
所述纤维断裂缺陷的缺陷定量指标为纤维断裂方向、长度和深度,
所述孔隙缺陷的缺陷定量指标为孔隙率。
6.如权利要求5所述的一种碳纤维复合材料制造缺陷定量评估方法,其特征在于,根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声声速,
根据缺陷回波幅值的一半判定缺陷区域与非缺陷区域的临界点,得到缺陷面积;
根据缺陷回波的延迟时间和超声波声速得到缺陷深度;
根据超声扫描图像上对纤维断裂缺陷的裂纹进行拟合,计算得到纤维断裂的方向和长度。
7.一种碳纤维复合材料制造缺陷分类系统,其特征在于,包括:
训练模块,用于以获取的人工缺陷碳纤维复合材料样板的超声检测信号为训练集,对缺陷分类模型进行训练;
预扫描模块,用于对待测碳纤维复合材料进行超声预扫描,确定制造缺陷位置;
分类模块,用于对制造缺陷位置进行二次超声扫描得到的待测超声检测信号采用训练后的缺陷分类模型进行分类,得到制造缺陷类型。
8.一种碳纤维复合材料制造缺陷定量评估系统,其特征在于,包括:
缺陷确定模块,用于基于权利要求1-3任一项所述的方法根据待测碳纤维复合材料的待测超声检测信号确定制造缺陷类型;
定量评估模块,用于根据待测超声检测信号中缺陷回波幅值、缺陷回波延时时间和超声波声速,对待测碳纤维复合材料中已确定的制造缺陷类型的制造缺陷程度进行定量评估。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-3任一项所述的方法;
和/或,完成权利要求4-6任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-3任一项所述的方法;
和/或,完成权利要求4-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010921616.8A CN112014476A (zh) | 2020-09-04 | 2020-09-04 | 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010921616.8A CN112014476A (zh) | 2020-09-04 | 2020-09-04 | 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112014476A true CN112014476A (zh) | 2020-12-01 |
Family
ID=73516864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010921616.8A Pending CN112014476A (zh) | 2020-09-04 | 2020-09-04 | 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014476A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012123A (zh) * | 2021-03-13 | 2021-06-22 | 山东大学 | 碳纤维复合材料缺陷损伤分类识别与定量分析方法及系统 |
CN115586256A (zh) * | 2022-12-09 | 2023-01-10 | 成都西交智汇大数据科技有限公司 | 实验器材的清洁等级检测方法、装置、设备及存储介质 |
CN115684351A (zh) * | 2022-11-02 | 2023-02-03 | 吉林大学 | 碳纤维复合材料冲击损伤的超声定量评估装置及方法 |
CN117268257A (zh) * | 2023-08-18 | 2023-12-22 | 国能锅炉压力容器检验有限公司 | 一种微坑检测设备及方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101762633A (zh) * | 2008-12-25 | 2010-06-30 | 中国石油天然气股份有限公司 | 一种管道本体缺陷快速检测方法 |
CN102636575A (zh) * | 2012-03-27 | 2012-08-15 | 深圳职业技术学院 | 一种用于超声成像检测仪器的优化锯齿覆盖扫查装置及方法 |
CN103323526A (zh) * | 2013-05-30 | 2013-09-25 | 哈尔滨工业大学 | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 |
CN104458910A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片壳体与腹板粘接缺陷的无损检测方法 |
EP2667187B1 (en) * | 2010-12-30 | 2015-05-13 | Alenia Aermacchi S.p.A. | Ultrasonic non-destructive inspection system, in particular for composite material structures for aeronautical applications |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
CN105806947A (zh) * | 2016-05-17 | 2016-07-27 | 河海大学常州校区 | 一种用于检测倾斜缺陷的超声检测方法 |
CN105929024A (zh) * | 2016-04-21 | 2016-09-07 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 混凝土缺陷智能化检测与定量识别方法 |
JP6183875B2 (ja) * | 2012-02-09 | 2017-08-23 | 東レ株式会社 | 多孔質炭素繊維シート状物の検査方法および検査装置 |
CN107655973A (zh) * | 2017-09-30 | 2018-02-02 | 威海拓展纤维有限公司 | 风电叶片主结构碳梁内部缺陷的快速检测方法 |
CN109142522A (zh) * | 2018-08-02 | 2019-01-04 | 中冶建筑研究总院有限公司 | 一种陆上风机基础缺陷无损检测方法 |
CN109444255A (zh) * | 2018-09-06 | 2019-03-08 | 昆明理工大学 | 一种碳纤维增强复合材料缺陷的诊断方法 |
CN110108800A (zh) * | 2019-06-19 | 2019-08-09 | 绍兴文理学院 | 基于超声相控阵图像碳纤维复合材料缺陷分类方法和装置 |
CN110363746A (zh) * | 2019-06-13 | 2019-10-22 | 西安交通大学 | 一种基于卷积神经网络的超声无损检测信号分类方法 |
CN111007073A (zh) * | 2019-12-23 | 2020-04-14 | 华中科技大学 | 一种増材制造过程中零件缺陷在线检测的方法及检测系统 |
CN111145168A (zh) * | 2019-12-31 | 2020-05-12 | 华东理工大学 | 碳纤维复合材料缺陷的检测方法及系统、存储介质 |
-
2020
- 2020-09-04 CN CN202010921616.8A patent/CN112014476A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101762633A (zh) * | 2008-12-25 | 2010-06-30 | 中国石油天然气股份有限公司 | 一种管道本体缺陷快速检测方法 |
EP2667187B1 (en) * | 2010-12-30 | 2015-05-13 | Alenia Aermacchi S.p.A. | Ultrasonic non-destructive inspection system, in particular for composite material structures for aeronautical applications |
JP6183875B2 (ja) * | 2012-02-09 | 2017-08-23 | 東レ株式会社 | 多孔質炭素繊維シート状物の検査方法および検査装置 |
CN102636575A (zh) * | 2012-03-27 | 2012-08-15 | 深圳职业技术学院 | 一种用于超声成像检测仪器的优化锯齿覆盖扫查装置及方法 |
CN103323526A (zh) * | 2013-05-30 | 2013-09-25 | 哈尔滨工业大学 | 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法 |
CN104458910A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片壳体与腹板粘接缺陷的无损检测方法 |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
CN105929024A (zh) * | 2016-04-21 | 2016-09-07 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 混凝土缺陷智能化检测与定量识别方法 |
CN105806947A (zh) * | 2016-05-17 | 2016-07-27 | 河海大学常州校区 | 一种用于检测倾斜缺陷的超声检测方法 |
CN107655973A (zh) * | 2017-09-30 | 2018-02-02 | 威海拓展纤维有限公司 | 风电叶片主结构碳梁内部缺陷的快速检测方法 |
CN109142522A (zh) * | 2018-08-02 | 2019-01-04 | 中冶建筑研究总院有限公司 | 一种陆上风机基础缺陷无损检测方法 |
CN109444255A (zh) * | 2018-09-06 | 2019-03-08 | 昆明理工大学 | 一种碳纤维增强复合材料缺陷的诊断方法 |
CN110363746A (zh) * | 2019-06-13 | 2019-10-22 | 西安交通大学 | 一种基于卷积神经网络的超声无损检测信号分类方法 |
CN110108800A (zh) * | 2019-06-19 | 2019-08-09 | 绍兴文理学院 | 基于超声相控阵图像碳纤维复合材料缺陷分类方法和装置 |
CN111007073A (zh) * | 2019-12-23 | 2020-04-14 | 华中科技大学 | 一种増材制造过程中零件缺陷在线检测的方法及检测系统 |
CN111145168A (zh) * | 2019-12-31 | 2020-05-12 | 华东理工大学 | 碳纤维复合材料缺陷的检测方法及系统、存储介质 |
Non-Patent Citations (6)
Title |
---|
史俊伟等: "RTM复合材料中分层缺陷的超声表征及量化分析", 《复合材料科学与工程》 * |
张晓光等: "《射线检测焊接缺陷的提取和自动识别》", 31 October 2004, 北京:国防工业出版社 * |
李健等: "超声相控阵检测CFRP缺陷识别方法", 《天津大学学报(自然科学与工程技术版)》 * |
田宏涛等: "CFRP复合材料孔隙几何形貌定量分析与研究", 《失效分析与预防》 * |
袁月: "超声相控阵的碳纤维复合材料夹杂缺陷检测方法", 《绍兴文理学院学报(自然科学)》 * |
詹湘琳等: "基于一维CNN的碳纤维复合材料缺陷类型判别", 《激光与光电子学进展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012123A (zh) * | 2021-03-13 | 2021-06-22 | 山东大学 | 碳纤维复合材料缺陷损伤分类识别与定量分析方法及系统 |
CN115684351A (zh) * | 2022-11-02 | 2023-02-03 | 吉林大学 | 碳纤维复合材料冲击损伤的超声定量评估装置及方法 |
CN115586256A (zh) * | 2022-12-09 | 2023-01-10 | 成都西交智汇大数据科技有限公司 | 实验器材的清洁等级检测方法、装置、设备及存储介质 |
CN115586256B (zh) * | 2022-12-09 | 2023-05-02 | 成都西交智汇大数据科技有限公司 | 实验器材的清洁等级检测方法、装置、设备及存储介质 |
CN117268257A (zh) * | 2023-08-18 | 2023-12-22 | 国能锅炉压力容器检验有限公司 | 一种微坑检测设备及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014476A (zh) | 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统 | |
CN106770669B (zh) | 基于多模式声束合成孔径聚焦的缺陷二维形貌成像检测方法 | |
CN104865317B (zh) | 一种透射式空气耦合超声扫描成像方法 | |
CN111122700B (zh) | 一种提高激光超声saft缺陷定位速度的方法 | |
CN111751448B (zh) | 一种漏表面波超声合成孔径聚焦成像方法 | |
CN104931581B (zh) | 一种铝合金预拉伸板的水浸式相控阵超声波检测方法 | |
US11467129B2 (en) | NDT data referencing system | |
CN102507739A (zh) | 碳纤维复合材料冲击损伤的超声导波缺陷成像方法 | |
CN113939735A (zh) | 超声波探伤方法、超声波探伤装置、钢材制造设备列、钢材制造方法及钢材品质保证方法 | |
US20160034422A1 (en) | Technique for Non-Destructive Testing | |
CN114994177B (zh) | 复合板材超声缺陷检测方法及装置和复合板材 | |
CN105403627A (zh) | 一种用于增强超声检测图像横向分辨率的方法 | |
CN113777166A (zh) | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 | |
CN112432998A (zh) | 一种带有声腔结构的橡胶板粘接缺陷超声波无损检测方法 | |
CN115856076B (zh) | 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及系统 | |
JP2013024609A (ja) | ラム波損傷画像化システム | |
CN103954628A (zh) | 联合eemd和近似熵的钢管损伤监控方法 | |
CN115389625B (zh) | 一种用于检测复合材料面外纤维弯曲的双面超声成像方法 | |
Liu et al. | Ultrasonic C-scan detection for stainless steel spot welds based on signal analysis in frequency domain | |
Roach et al. | Development and assessment of advanced inspection methods for wind turbine blades using a focused WINDIE experiment | |
CN112213394B (zh) | 一种复合材料的综合检测方法及系统 | |
CN110715978B (zh) | 一种碳纤维增强型复合材料铺层顺序识别方法及系统 | |
Her et al. | 3D surface profile construction and flaw detection in a composite structure | |
WO2022067422A1 (en) | Flaw classification during non-destructive testing | |
Rachev et al. | Ultrasonic immersion testing for crack detection and depth sizing in large diameter pipes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |