CN113724249A - 一种焊缝缺陷电涡流探伤数据的输出方法及系统 - Google Patents
一种焊缝缺陷电涡流探伤数据的输出方法及系统 Download PDFInfo
- Publication number
- CN113724249A CN113724249A CN202111101735.XA CN202111101735A CN113724249A CN 113724249 A CN113724249 A CN 113724249A CN 202111101735 A CN202111101735 A CN 202111101735A CN 113724249 A CN113724249 A CN 113724249A
- Authority
- CN
- China
- Prior art keywords
- image signal
- scan image
- eddy current
- defect
- outputting
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Abstract
本发明公开一种焊缝缺陷电涡流探伤数据的输出方法及系统,具体为:运用高频电涡流线圈缠绕制成的探头实现对被检测区域缺陷的自动化扫查,得到一维电压信号;将所述一维电压信号进行逐行拼接得到第一C扫图像信号;采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到不同空间维度的焊缝缺陷图像信息;对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。本发明采用了多尺度分解小波变换对所述第一C扫图像信号进行处理,突出了缺陷的细节,同时提高了图像的分辨率,提高了检测精度,且实现检测结果的可视化,不用人工参与统计,降低了人工成本并提高了统计正确率。
Description
技术领域
本发明涉及电涡流探伤领域,具体涉及一种焊缝缺陷电涡流探伤数据的输出方法及系统。
背景技术
城市轨道交通无损探伤技术大多运用在车辆大架修阶段,特别是采用诸如超声、电电涡流等无损检测技术实现对车辆走行部(车轮、车轴、踏面及焊缝等)局部位置的伤损检测,但伤损检测的数据呈现结果单一,传统便携式仪器受到定制化开发的限制。因此,自动化和集成化的电涡流检测系统研制十分重要。
焊缝位置的电涡流检测数据较为复杂,需要在实现自动化的同时保证检测精度要求。在数据信号处理方面优先考虑滤波降噪及图像增强等算法,保障缺陷信息完整直观。同时,传统的探伤记录需要人为操作,耗费工时,填写检测结果容易导致统计出错等情况。
发明内容
本发明提供一种焊缝缺陷电涡流探伤数据的输出方法,旨在解决检测精度不高、探伤记录展示不直观且人为统计易出错的问题。
为实现上述目的,本发明提供以下技术方案:
一种焊缝缺陷电涡流探伤数据的输出方法,所述方法包括:
S1:对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
S2:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
S3:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
进一步的,所述S1具体为:
S11:所述焊缝区域分为多行路径,运用高频电涡流线圈制成的探头对每行路径进行扫查,得到一维电压信号;
S12:将所述一维电压信号进行逐行拼接,得到第一C扫图像信号。
进一步的,所述S2具体为:
S21:所述多尺度分解小波变换包括小波分析和多尺度变换及图像增强功能;
S22:运用所述小波分析将所述第一C扫图像信号进行多分辨率分解,得到不同空间和不同频率的C扫子图像信号,对所述C扫子图像信号进行系数编码;运用所述多尺度变换及图像增强功能自适应的调整所述第一C扫图像信号的小波系数,得到增强后的图像特征,进而得到突出增强的缺陷信息。
进一步的,所述S22具体为:
S221:获取所述第一C扫图像信号在小波阈内的四个系数分量矩阵cA、cH、cV和cD;
S222:对所述系数矩阵cA进行调整:
cA*=T(cA)=[k11*a11 k12*a12 … k1n*a1n k21*a21 k22*a22 … k2n*a2n … … knn*ann] (1)
在(1)式中,T为变换函数,kij为系数矩阵,cA*为cA变换后的系数分量矩阵;
S223:利用变换后的所述系数分量矩阵cA*分别与cH、cV和cD三个系数分量矩阵,重构第一C扫图像信号,得到第二C扫图像信号;
S224:把所述第二C扫图像信号的低频到高频映射到所述第一C扫图像信号对应的低频到高频,得到包括所述缺陷信息的第三C扫图像信号。
进一步的,所述S223具体为:
利用第一C扫图像信号的低频信号分别与cH、cV和cD三个系数分量矩阵进行融合重构,分别得到水平方向的第二C扫图像信号、垂直方向的第二C扫图像信号和对角方向的第二C扫图像信号。
进一步的,对所述水平方向的第二C扫图像信号、垂直方向的第二C扫图像信号和对角方向的第二C扫图像信号进行变换分析,通过辨别缺陷的走向及图像增强的效果,确定第二C扫图像信号。
进一步的,所述S3具体为:
S31:对所述缺陷信息进行可视化处理,得到可视化缺陷信息图像;
S32:设置缺陷检测标准阈值,将所述缺陷信息与所述缺陷检测标准阈值进行比对,得到缺陷检测结果;
S33:对所述缺陷检测结果进行汇总处理,输出探伤报告。
一种焊缝缺陷电涡流探伤数据的输出系统,所述系统包括:
数据采集单元:用于对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
数据处理单元:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
数据输出展示单元:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
进一步的,所述数据处理单元包括:
数据采集模块:获取所述第一C扫图像信号在小波阈内的四个系数分量矩阵cA、cH、cV和cD;
图像预处理模块:对所述系数矩阵cA进行调整,得到变换后系数分量矩阵cA*;
图像重构模块:利用变换后系数分量矩阵cA*分别与cH、cV和cD三个系数分量矩阵,重构第一C扫图像信号,得到第二C扫图像信号;
图像输出显示模块:把所述第二C扫图像信号的低频到高频映射到第一C扫图像信号对应的低频到高频,得到包括所述缺陷信息的第三C扫图像信号。
进一步的,所述图像重构模块包括第一C扫图像信号的低频信号与cH进行水平方向的图像重构、第一C扫图像信号的低频信号与cV进行垂直方向的图像重构和第一C扫图像信号的低频信号与cD进行对角线方向的图像重构。
本发明提供了一种焊缝缺陷电涡流探伤数据的输出方法,具有如下有益技术效果:
具体通过对焊缝区域进行扫查,得到一维电压信号,对所述一维电压信号进行拼接得到第一C扫图像信号,即获得焊缝区域的原始缺陷信息,而检测焊缝区域的缺陷信息较为复杂,为保证检测精度的要求,本发明采用了多尺度分解小波变换对所述第一C扫图像信号进行处理,突出了缺陷的细节,同时提高了图像的分辨率,为了实现检测结果的可视化,并提高统计正确率,本发明将缺陷信息写入集成算法中,直观给出经过多尺度分解小波变换处理后的焊缝区域检测结果及阈值判断后的缺陷合格评价,并最终输出探伤报告。
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,下面将对实施例或现有技术描述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它的附图。
图1为一种焊缝缺陷电涡流探伤数据的输出方法的流程图;
图2为被检测焊缝区域表面缺陷分布图;
图3为被检测焊缝区域表面缺陷扫查C扫数据图;
图4为水平方向变换分析图;
图5为垂直方向变换分析图;
图6为对角方向变换分析图;
图7为经过二维滤波图像增强后的标定缺陷的信号特征图;
图8为形状相同但位置不同的标识示意图;
图9为缺陷位置标识示意图;
图10为探伤报告示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。当一个组件被认为是“设置在”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中设置的组件。
此外,术语“长”“短”“内”“外”等指示方位或位置关系为基于附图所展示的方位或者位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或原件必须具有此特定的方位、以特定的方位构造进行操作,以此不能理解为本发明的限制。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
电涡流检测是电涡流效应的一项重要应用。当电涡流传感器激励线圈靠近被测物体后会因磁场作用在表面形成电涡流,同时激发感应磁场。若被测材料中存在缺陷、裂纹、腐蚀缺陷等,则材料的组成会发生变化,进而导致材料电阻发生变化。感应电涡流在被测材料中流动时,总是选择电阻较小的路径。因此,当被测材料的电阻大小发生变化后,电涡流分布也会随之改变。检测到该电信号可以得到有材料缺陷引起的电涡流分布信息。分析该电涡流分布特征及被测材料缺陷之间的对应关系,可以对缺陷特征进行提取。
如图1所示,实现一种焊缝缺陷电涡流探伤数据的输出方法的过程如下:
S1:对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
S2:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
S3:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
本发明运用高频电涡流线圈缠绕制成的探头实现对被检测焊缝及周边区域缺陷的自动化扫查,所述焊缝区域分为多行路径,运用高频电涡流线圈制成的探头对每行路径进行扫查,得到一维电压信号;将所述一维电压信号进行逐行拼接,得到第一C扫图像信号,如图2和图3所示。
缺陷信号特征增强:
电涡流检测难点之一是从获取的原始数据信号中提取与缺陷信号相关的特征,并通过降低背景噪声的干扰并获得稳定可靠的检测结果。通常情况下,电涡流检测信号在面对复杂场景(焊缝、油渍等)时,检测信号容易被背景噪声干扰,降低缺陷特征辨识度,无法保证检测精度,给实际检测过程带来难度。
本发明对电涡流探伤数据的处理方式采用多尺度分解小波变换:该方法是信号在时频分析中的一种,具有分辨率分析特点。将小波分析用于图像分解及重构,就是将图像进行多分辨率分解,分解成不同空间、频率的子图像,然后再对子图像进行系数编码。小波变换通常在数据信号的低频部分拥有较高的频率分辨率和较低的时间分辨率,而在高频部分拥有较高的时间分辨率和较低的空间分辨率。经过小波变换后生成的小波图像中,低频子图为亮度图像,高频子图为细节图像。多尺度功能可以实现图像局部特性的放大观测,可以通过自适应调整细节信号的小波系数从而实现图像特征增强。
本发明涉及到的算法数据处理及缺陷信号细节突出实现步骤为:
L1:获取所述第一C扫图像信号在小波阈内的四个系数分量矩阵cA,cH,cV,cD;
L2:对所述系数矩阵cA进行调整,增强缺陷轮廓效果:
cA*=T(cA)=T(cA)=[k11*a11 k12*a12 … k1n*a1n k21*a21 k22*a22 … k2n*a2n …… knn*ann] (1)
在(1)式中,T为变换函数,kij为系数矩阵,cA*为cA变换后的系数矩阵,所述变换后的系数矩阵各项元素系数为1,所述变换后的系数矩阵各项元素系数可根据局部增强需求自行调整;
L3:利用变换后矩阵cA*分别与cH、cV和cD三个系数分量矩阵,重构第一C扫图像信号,得到第二C扫图像信号;
L4:把所述第二C扫图像信号的低频到高频[low_in,high_in]映射到所述第一C扫图像信号对应的低频到高频[low_out,high_out],得到第三C扫图像信号,所述第三C扫图像信号包括所述缺陷信息。
所述图像重构模块包括第一C扫图像信号的低频信号与cH进行水平方向的图像重构、第一C扫图像信号的低频信号与cV进行垂直方向的图像重构和第一C扫图像信号的低频信号与cD进行对角线方向的图像重构。
对所述水平方向的第二C扫图像信号、垂直方向的第二C扫图像信号和对角方向的第二C扫图像信号进行变换分析,通过辨别缺陷的走向,确定第二C扫图像信号,如图4-6所示。
上述变换目的是辨识缺陷的走向及图像增强的效果,由于焊缝缺陷整体成垂直状态且规则不一,在本实施例中,通过对比,变换分析后在垂直方向展现较为明显,因此选择垂直方向的重构图像作为标定板标定结果,与所述标定板标定结果对应的是经过滤波图像增强后的标定缺陷的信号特征,如图7所示。
最终探伤报告中包含可视化构架3D,并标记疑似缺陷所处的部位。基于车辆段现有探伤工艺报表,对检测项点分类、编号(X-Y-Z),便于定位焊缝。其中,统一规则为:
X为探伤位置类别,X1~X7,共7种不同位置:
编号 | 类型 |
X1 | 侧梁与横梁连接焊缝 |
X2 | 牵引电机悬挂座所有焊缝 |
X3 | 基础制动单元安装座所有焊缝 |
X4 | 齿轮箱悬挂座所有焊缝 |
X5 | 构架侧梁对接焊缝 |
X6 | 牵引拉杆安装座所有焊缝 |
X7 | 轴箱转臂定位座焊缝 |
Y为该种探伤位置类别中存在几组形状相同(环焊缝)但位置不同的焊缝组,可参照图8:
编号 | 俯视图不同区域位置 |
Y1 | 左下角 |
Y1 | 左上角 |
Y3 | 右上角 |
Y4 | 右下角 |
Z为焊缝组内不同焊缝的区分,没有特定的起始点、顺、逆时针命名规则,需要根据指导书中的三维示意图确定焊缝信息,为了使该部分内容更加易懂,在此举出示例,如,基础制动单元安装座左下方区域第一条焊缝的位置标号为3-1-1,可参照图9。
缺陷信息数据处理集成于系统软件中,可以实现电涡流检测数据的封装及展示,便于直观给出经过图像处理后的焊缝缺陷检测结果及阈值判断后的缺陷合格评价,并最终输出探伤报告,如图10所示。
具体在系统软件中的,实现步骤如下:
P1:登陆所述系统软件,选择待检测目标物信息进行检测,得到扫查数据;
P2:对所述扫查数据进行逐行拼接,形成C扫图像信号;
P3:采用多尺度分解小波变换对所述C扫图像信号进行处理,得到缺陷信息;
P4:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,导出探伤报告。
本发明还记载了一种电涡流探伤数据的结果输出系统,所述系统包括:
数据采集单元:用于对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
数据处理单元:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
数据输出展示单元:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
优选的,所述数据处理单元包括:
数据采集模块:获取所述第一C扫图像信号在小波阈内的四个系数分量矩阵cA、cH、cV和cD;
图像预处理模块:对所述系数矩阵cA进行调整,得到变换后系数分量矩阵cA*;
图像重构模块:利用变换后系数分量矩阵cA*分别与cH、cV和cD三个系数分量矩阵,重构第一C扫图像信号,得到第二C扫图像信号;
图像输出显示模块:把所述第二C扫图像信号的低频到高频映射到第一C扫图像信号对应的低频到高频,得到包括所述缺陷信息的第三C扫图像信号。
优选的,所述图像重构模块包括第一C扫图像信号的低频信号与cH进行水平方向的图像重构、第一C扫图像信号的低频信号与cV进行垂直方向的图像重构和第一C扫图像信号的低频信号与cD进行对角线方向的图像重构。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本申请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申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,所述方法包括:
S1:对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
S2:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
S3:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
2.根据权利要求1所述的一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,所述S1具体为:
S11:所述焊缝区域分为多行路径,运用高频电涡流线圈制成的探头对每行路径进行扫查,得到一维电压信号;
S12:将所述一维电压信号进行逐行拼接,得到第一C扫图像信号。
3.根据权利要求1所述的一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,所述S2具体为:
S21:所述多尺度分解小波变换包括小波分析和多尺度变换及图像增强功能;
S22:运用所述小波分析将所述第一C扫图像信号进行多分辨率分解,得到不同空间和不同频率的C扫子图像信号,对所述C扫子图像信号进行系数编码;运用所述多尺度变换及图像增强功能自适应的调整所述第一C扫图像信号的小波系数,得到增强后的图像特征,进而得到突出增强的缺陷信息。
5.根据权利要求4所述的一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,所述S223具体为:
利用第一C扫图像信号的低频信号分别与cH、cV和cD三个系数分量矩阵进行融合重构,分别得到水平方向的第二C扫图像信号、垂直方向的第二C扫图像信号和对角方向的第二C扫图像信号。
6.根据权利要求5所述的一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,对所述水平方向的第二C扫图像信号、垂直方向的第二C扫图像信号和对角方向的第二C扫图像信号进行变换分析,通过辨别缺陷的走向及图像增强的效果,确定第二C扫图像信号。
7.根据权利要求1所述的一种焊缝缺陷电涡流探伤数据的输出方法,其特征在于,所述S3具体为:
S31:对所述缺陷信息进行可视化处理,得到可视化缺陷信息图像;
S32:设置缺陷检测标准阈值,将所述缺陷信息与所述缺陷检测标准阈值进行比对,得到缺陷检测结果;
S33:对所述缺陷检测结果进行汇总处理,输出探伤报告。
8.一种焊缝缺陷电涡流探伤数据的输出系统,其特征在于,所述系统包括:
数据采集单元:用于对焊缝区域进行扫查得到一维信号,对所述一维信号进行拼接得到第一C扫图像信号;
数据处理单元:采用多尺度分解小波变换对所述第一C扫图像信号进行处理,得到缺陷信息;
数据输出展示单元:对所述缺陷信息进行可视化处理,并将所述缺陷信息与缺陷检测标准阈值进行对比,输出探伤报告。
9.根据权利要求8所述的一种焊缝缺陷电涡流探伤数据的输出系统,其特征在于,所述数据处理单元包括:
数据采集模块:获取所述第一C扫图像信号在小波阈内的四个系数分量矩阵cA、cH、cV和cD;
图像预处理模块:对所述系数矩阵cA进行调整,得到变换后系数分量矩阵cA*;
图像重构模块:利用变换后系数分量矩阵cA*分别与cH、cV和cD三个系数分量矩阵,重构第一C扫图像信号,得到第二C扫图像信号;
图像输出显示模块:把所述第二C扫图像信号的低频到高频映射到第一C扫图像信号对应的低频到高频,得到包括所述缺陷信息的第三C扫图像信号。
10.根据权利要求9所述的一种焊缝缺陷电涡流探伤数据的输出系统,其特征在于,所述图像重构模块包括第一C扫图像信号的低频信号与cH进行水平方向的图像重构、第一C扫图像信号的低频信号与cV进行垂直方向的图像重构和第一C扫图像信号的低频信号与cD进行对角线方向的图像重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101735.XA CN113724249B (zh) | 2021-09-18 | 2021-09-18 | 一种焊缝缺陷电涡流探伤数据的输出方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101735.XA CN113724249B (zh) | 2021-09-18 | 2021-09-18 | 一种焊缝缺陷电涡流探伤数据的输出方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724249A true CN113724249A (zh) | 2021-11-30 |
CN113724249B CN113724249B (zh) | 2023-06-16 |
Family
ID=78684372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101735.XA Active CN113724249B (zh) | 2021-09-18 | 2021-09-18 | 一种焊缝缺陷电涡流探伤数据的输出方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724249B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005106782A (ja) * | 2003-10-02 | 2005-04-21 | Kawasaki Heavy Ind Ltd | 超音波探傷方法及び装置 |
JP2006162321A (ja) * | 2004-12-03 | 2006-06-22 | Kawasaki Heavy Ind Ltd | 超音波探傷検査による欠陥識別方法とその装置 |
US20110026804A1 (en) * | 2009-08-03 | 2011-02-03 | Sina Jahanbin | Detection of Textural Defects Using a One Class Support Vector Machine |
CN102636577A (zh) * | 2012-03-23 | 2012-08-15 | 南京航空航天大学 | 一种基于小波变换提取轮辋超声波探伤信号的方法 |
CN102998373A (zh) * | 2012-12-24 | 2013-03-27 | 西南交通大学 | 一种铁路车轴相控阵超声探伤自适应扫查装置 |
WO2015072365A1 (ja) * | 2013-11-18 | 2015-05-21 | Ntn株式会社 | 渦流探傷装置 |
CN104751000A (zh) * | 2015-04-12 | 2015-07-01 | 北京理工大学 | 一种机电复合传动状态监测信号小波降噪方法 |
CN106841381A (zh) * | 2017-03-17 | 2017-06-13 | 太原理工大学 | 钢丝绳在线探伤监测系统、方法及矿用多绳摩擦提升系统 |
CN107941899A (zh) * | 2017-11-15 | 2018-04-20 | 河南科技大学 | 一种弱磁激励的钢丝绳探伤装置和探伤方法 |
CN112184693A (zh) * | 2020-10-13 | 2021-01-05 | 东北大学 | 一种射线工业底片焊缝缺陷智能检测方法 |
CN113376494A (zh) * | 2021-08-16 | 2021-09-10 | 国网江苏省电力有限公司电力科学研究院 | 一种电缆火情隐患潜在缺陷的检测方法 |
-
2021
- 2021-09-18 CN CN202111101735.XA patent/CN113724249B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005106782A (ja) * | 2003-10-02 | 2005-04-21 | Kawasaki Heavy Ind Ltd | 超音波探傷方法及び装置 |
JP2006162321A (ja) * | 2004-12-03 | 2006-06-22 | Kawasaki Heavy Ind Ltd | 超音波探傷検査による欠陥識別方法とその装置 |
US20110026804A1 (en) * | 2009-08-03 | 2011-02-03 | Sina Jahanbin | Detection of Textural Defects Using a One Class Support Vector Machine |
CN102636577A (zh) * | 2012-03-23 | 2012-08-15 | 南京航空航天大学 | 一种基于小波变换提取轮辋超声波探伤信号的方法 |
CN102998373A (zh) * | 2012-12-24 | 2013-03-27 | 西南交通大学 | 一种铁路车轴相控阵超声探伤自适应扫查装置 |
WO2015072365A1 (ja) * | 2013-11-18 | 2015-05-21 | Ntn株式会社 | 渦流探傷装置 |
CN104751000A (zh) * | 2015-04-12 | 2015-07-01 | 北京理工大学 | 一种机电复合传动状态监测信号小波降噪方法 |
CN106841381A (zh) * | 2017-03-17 | 2017-06-13 | 太原理工大学 | 钢丝绳在线探伤监测系统、方法及矿用多绳摩擦提升系统 |
CN107941899A (zh) * | 2017-11-15 | 2018-04-20 | 河南科技大学 | 一种弱磁激励的钢丝绳探伤装置和探伤方法 |
CN112184693A (zh) * | 2020-10-13 | 2021-01-05 | 东北大学 | 一种射线工业底片焊缝缺陷智能检测方法 |
CN113376494A (zh) * | 2021-08-16 | 2021-09-10 | 国网江苏省电力有限公司电力科学研究院 | 一种电缆火情隐患潜在缺陷的检测方法 |
Non-Patent Citations (5)
Title |
---|
JIN YANG等: "Finite simulation of weld inspection using time-of-flight diffraction method based on laser ultrasonic" * |
LI-YE ZHAO等: "Rolling Bearing Fault Diagnosis Based on Wavelet Packet Decomposition and Multi-Scale Permutation Entropy" * |
姜守安: "奥氏体不锈钢脉冲涡流检测技术研究" * |
戴立新等: "电磁超声系统强噪声干扰抑制算法研究" * |
高向东等: "焊接缺陷的磁光成像小波多尺度识别及分类" * |
Also Published As
Publication number | Publication date |
---|---|
CN113724249B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4814511B2 (ja) | パルス渦電流センサプローブ及び検査方法 | |
US11010890B2 (en) | Method for the non-destructive testing of the volume of a test object and testing device configured for carrying out such a method | |
CA2388269C (en) | Pulsed eddy current two-dimensional sensor array inspection probe and system | |
CN108154508A (zh) | 产品缺陷检测定位的方法、装置、存储介质及终端设备 | |
CN107843642A (zh) | 一种海洋结构物缺陷交流电磁场三维成像检测探头 | |
DE112007003747T5 (de) | Verfahren und Vorrichtung zur Prüfung einer Komponente unter Verwendung einer omnidirektionalen Wirbelstromsonde | |
CN101701934A (zh) | Acfm缺陷智能可视化检测系统 | |
CN115803619A (zh) | 信息处理装置、判定方法、以及信息处理程序 | |
CN105866239A (zh) | 基于铁磁性试件的u型脉冲融合型传感器检测方法 | |
CN115836218A (zh) | 检查装置、检查方法、以及检查程序 | |
Yuan et al. | Pulsed eddy current array design and electromagnetic imaging for defects detection in metallic materials | |
CN113724249B (zh) | 一种焊缝缺陷电涡流探伤数据的输出方法及系统 | |
Liu et al. | Shaking noise exploration and elimination for detecting local flaws of steel wire ropes based on magnetic flux leakages | |
CN113947583A (zh) | 基于深度学习二维时间序列图像的焊缝无损检测方法 | |
CN106370336A (zh) | 一种柴油机曲轴残余应力检测方法 | |
CN114419037B (zh) | 工件缺陷检测方法和装置 | |
CN116399942A (zh) | 一种差分式涡流连续油管全周向缺陷在线检测方法 | |
CN101231264A (zh) | 一种电磁无损检测探头的检测方法 | |
Pavo et al. | Adaptive inversion database for electromagnetic nondestructive evaluation | |
CN115439667A (zh) | 一种基于声场分布图的变压器机械故障诊断方法及系统 | |
CN112231911A (zh) | 一种海底管道仿真设计方法 | |
CN205941245U (zh) | 用于轴承套圈的便携式硬度检测装置 | |
EP4012399A1 (en) | A probe and a system for the non-destructive inspection of a welding | |
CN112508906B (zh) | 铁路货车漏水孔异物快速检测方法、系统及装置 | |
Aldrin et al. | Distinguishing cracks and non-metallic inclusions using eddy current nondestructive evaluation and model-based inversion |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |