CN114414658B - 一种金属表面微裂纹深度的激光超声探测方法 - Google Patents
一种金属表面微裂纹深度的激光超声探测方法 Download PDFInfo
- Publication number
- CN114414658B CN114414658B CN202210025644.0A CN202210025644A CN114414658B CN 114414658 B CN114414658 B CN 114414658B CN 202210025644 A CN202210025644 A CN 202210025644A CN 114414658 B CN114414658 B CN 114414658B
- Authority
- CN
- China
- Prior art keywords
- laser
- signal
- depth
- microcracks
- detection
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 239000002184 metal Substances 0.000 title claims abstract description 19
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 230000005284 excitation Effects 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 7
- 239000007787 solid Substances 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000001678 irradiating effect Effects 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 239000007769 metal material Substances 0.000 abstract description 3
- 239000004065 semiconductor Substances 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- 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
- 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
- G01N29/4481—Neural networks
-
- 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
- G01N2291/0234—Metals, e.g. steel
Abstract
本发明公开了一种金属表面微裂纹深度的激光超声探测方法，包括激光激励，激光探测和信号处理三个步骤，该探测方法基于相位光栅，将有限元法模拟的光栅调制的激光脉冲信号与实验信号结合构建数据集；加入随机高斯噪声扩大数据集，对仿真信号与实验信号进行小波变换处理；利用深度神经网络对后续的信号进行处理。本发明提出了一种基于深度学习的激光窄带超声波微裂纹识别方法，设计了金属表面微裂纹深度的定量表征装置，可以对金属材料表面微裂纹进行可靠、灵活的表征，并可进一步扩展为一种具有通用性的完全无触点的自动检测方法用于表征几十微米甚至亚微米的金属以及半导体材料表面和亚表面缺陷。
Description
技术领域
本发明涉及一种激光超声探测方法，尤其涉及一种金属表面微裂纹深度的激光超声探测方法。
背景技术
表面和亚表面缺陷是金属中最常见的材料缺陷类型。受辐射、腐蚀等外部条件的影响，金属材料容易产生微小的内部或表面缺陷，导致材料损坏。这些缺陷往往是看不见的。如果不能及时发现缺陷并采取相应的对策，缺陷将继续扩大，存在安全隐患，甚至发生严重安全事故。
与磁粉检测、X射线检测、涡流检测、渗透检测相比，超声波检测具有应用范围广、渗透能力强、检测速度快等优点，且对人体和环境无危害。激光超声检测（LUT）也属于超声检测（UT）的范畴，它是一种完全非接触的新型无损检测技术。相比于传统的超声波检测技术，激光超声可以产生高频超声波，可以在腐蚀、高温高压的环境中使用，也适用于复杂的小形状结构。现有的激光超声研究大多采用点源产生宽带超声波。然而，为了提高信噪比，大的激光功率必须集中在小面积的点上，这通常会导致样品的局部损坏。另外，因为超声信号的常规特征提取在低信噪比时存在局限性，缺陷深度的探测一直是超声领域的难点。
发明内容
发明目的：本发明旨在提供一种基于相位光栅并同时结合深度学习算法的可用于探测微米级的金属表面微裂纹深度的激光超声探测方法。
技术方案：本发明所述的一种金属表面微裂纹深度的激光超声探测方法，包括激光激励，激光探测和信号处理三个步骤，具体步骤如下：
（1）激光激励：激光通过玻片和分光镜后通过光束扩展器经过4f系统的柱面透镜、相位光栅以及两个球面透镜，产生激光脉冲信号；
（2）激光探测：将所述激光脉冲信号利用CCD成像系统捕获衍射光栅图样，后经过分光镜透射照在样品表面，激光干涉仪通过分光镜反射到样品表面，连接示波器测量超声信号；
（3）信号处理：将有限元法模拟的光栅调制的激光脉冲信号与实验信号结合构建数据集；加入随机高斯噪声扩大数据集，对仿真信号与实验信号进行小波变换处理；利用深度神经网络对后续的信号进行处理。
优选地，所述步骤（1）具体包括：利用纳秒脉冲激光器通过1/2玻片和分光镜1，一部分能量由能量计接收并实时发送给工业个人电脑，分光镜2用于将另一部分能量作为触发信号传输给光电探测器，之后光束通过光束扩展器经过4f系统，包括柱面透镜，相位光栅，球面透镜1和球面透镜2，从而产生激光脉冲信号。
所述步骤（3）具体包括：（1）有限元仿真与计算：利用固体力学模块与固体传热模块对光栅调制的激光超声进行建模仿真计算；（2）超声信号探测：利用激光干涉仪进行超声信号的非接触式探测；（3）有限元模型验证：将有限元仿真信号与真实测量信号进行比对，以验证仿真信号的合理性；（4）加入随机高斯噪声：在验证仿真信号的合理性后，将时域仿真信号与实验信号进行归一化处理，并对数据基线进行校准，然后加入随机高斯分布噪声；（5）时频小波变换处理：将加入随机高斯噪声的时域数据进行小波变换转换为时频图；（6）构建数据集：利用深度学习框架软件，将时域数据转化为张量形式的数据集；（7）缺陷分类与缺陷深度回归预测：利用构建的深度神经网络进行处理。
优选地，所述步骤（3）中的深度神经网络为残差卷积神经网络，深度神经网络训练集与测试集的比例为7：3。
优选地，本发明采用相位光栅进行激光信号调制。
优选地，本发明金属表面微裂纹探测深度可达微米级。
有益效果：与现有技术相比，本发明具有如下显著优点：（1）实现了微米级精度的金属表面微裂纹深度的定量表征，金属表面微裂纹深度的定量表征装置将深度学习算法引入，搭建全套系统，实现对激光超声信号的特征提取，获得高精度的缺陷深度识别效果；（2）在激光激励模块中，选择光学相位光栅，一方面，它有很高的伤害阈值，探测时对样品表面不会产生损伤；另一方面结合4f光学系统，在窄带频率调制方面具有很大的灵活性。
附图说明
图1为本发明的激光激励接收模块示意图；
图2为本发明4f系统结构示意图；
图3为本发明的数据处理流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明包括激光激励模块、激光探测模块和信号处理模块。激光激励模块、激光探测模块如图1和2所示，包括1-纳秒脉冲激光器、2-1/2玻片、3-分光镜1、4-分光镜2、5-4f系统、6-激光干涉仪、7-示波器、8-能量计、9-光电探测器、10-样品、11-柱面透镜、12-相位光栅、13-球面透镜1和14-球面透镜2。纳秒脉冲激光器1发出的激光通过1/2波片和分光镜1。其中一些能量由能量计8接收，并通过报头实时发送给工业个人电脑（IPC）。分光镜2用于将另一部分能量作为触发信号传输给光电探测器9，之后光束通过光束扩展器经过4f系统5照射在样品10上，包括柱面透镜11，相位光栅12，两个球面透镜，可以控制两个球面透镜之间的中心距离调整光栅衍射条纹间距，从而控制激发频率。激光经过4f系统后，利用CCD成像系统捕获衍射光栅图样，激光干涉仪6通过分光镜反射到样品10表面，连接示波器7测量超声信号。
信号处理流程如图3所示，将有限元法模拟的光栅调制的激光脉冲信号与实验信号结合构建数据集；对仿真信号与实验信号进行小波变换处理，加入随机高斯噪声扩大数据集；利用深度神经网络对后续的信号进行处理。具体包括：（1）有限元仿真与计算：利用固体力学模块与固体传热模块对光栅调制的激光超声进行建模仿真计算；（2）超声信号探测：利用激光干涉仪进行超声信号的非接触式探测；（3）有限元模型验证：将有限元仿真信号与真实测量信号进行比对，以验证仿真信号的合理性；（4）加入随机高斯噪声：在验证仿真信号的合理性后，将时域仿真信号与实验信号进行归一化处理，并对数据基线进行校准，然后加入随机高斯分布噪声；（5）时频小波变换处理：将加入随机高斯噪声的时域数据进行小波变换转换为时频图；（6）构建数据集：利用深度学习框架软件，将通过小波变换获得的时频图数据转化为张量形式的数据集；（7）缺陷分类与缺陷深度回归预测：利用构建的深度神经网络进行处理。其中，深度神经网络训练集与测试集的比例为7：3。
Claims (7)
1.一种金属表面微裂纹深度的激光超声探测方法，其特征在于，包括激光激励，激光探测和信号处理三个步骤，具体步骤如下：
（1）激光激励：激光通过玻片和分光镜后通过光束扩展器经过4f系统（5）的柱面透镜（11）、相位光栅（12）以及两个球面透镜，产生激光脉冲信号；
（2）激光探测：将所述激光脉冲信号利用CCD成像系统捕获衍射光栅图样，后经过分光镜透射照在样品（10）表面，激光干涉仪（6）通过分光镜反射到样品（10）表面，连接示波器（7）测量超声信号；
（3）信号处理：将有限元法模拟的光栅调制的激光脉冲信号与实验信号结合构建数据集；加入随机高斯噪声扩大数据集，对仿真信号与实验信号进行小波变换处理；利用深度神经网络对后续的信号进行处理。
2.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，所述步骤（1）具体包括：利用纳秒脉冲激光器（1）通过1/2玻片（2）和分光镜1（3），一部分能量由能量计（8）接收并实时发送给工业个人电脑，分光镜2（4）用于将另一部分能量作为触发信号传输给光电探测器（9），之后光束通过光束扩展器经过4f系统（5），包括柱面透镜（11），相位光栅（12），球面透镜1（13）和球面透镜2（14），从而产生激光脉冲信号。
3.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，所述步骤（3）具体包括：
有限元仿真与计算：利用固体力学模块与固体传热模块对光栅调制的激光超声进行建模仿真计算；
超声信号探测：利用激光干涉仪进行超声信号的非接触式探测；
有限元模型验证：将有限元仿真信号与真实测量信号进行比对，以验证仿真信号的合理性；
加入随机高斯噪声：在验证仿真信号的合理性后，将时域仿真信号与实验信号进行归一化处理，并对数据基线进行校准，然后加入随机高斯分布噪声；
时频小波变换处理：将加入随机高斯噪声的时域数据进行小波变换转换为时频图；
构建数据集：利用深度学习框架软件，将小波变换后的时频图数据转化为张量形式的数据集；
缺陷分类与缺陷深度回归预测：利用构建的深度神经网络进行处理。
4.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，所述步骤（3）中的深度神经网络为残差卷积神经网络。
5.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，所述步骤（3）中的深度神经网络训练集与测试集的比例为7：3。
6.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，采用相位光栅进行激光信号调制。
7.根据权利要求1所述的金属表面微裂纹深度的激光超声探测方法，其特征在于，金属表面微裂纹探测深度达微米级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025644.0A CN114414658B (zh) | 2022-01-11 | 2022-01-11 | 一种金属表面微裂纹深度的激光超声探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025644.0A CN114414658B (zh) | 2022-01-11 | 2022-01-11 | 一种金属表面微裂纹深度的激光超声探测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114414658A CN114414658A (zh) | 2022-04-29 |
| CN114414658B true CN114414658B (zh) | 2024-04-09 |
Family
ID=81271899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210025644.0A Active CN114414658B (zh) | 2022-01-11 | 2022-01-11 | 一种金属表面微裂纹深度的激光超声探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114414658B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117269327A (zh) * | 2023-09-19 | 2023-12-22 | 浙江大学 | 一种激光超声亚表面缺陷检测定位方法及装置 |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0342337A2 (de) * | 1988-05-17 | 1989-11-23 | Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. | Vorrichtung zum berührungslosen Erfassen, der durch Ultraschallwellen verursachten Oberflächenauslenkung eines Prüflings |
| TW508438B (en) * | 2001-12-31 | 2002-11-01 | Ind Tech Res Inst | Generator of microscopic laser ultrasonic and inspection method thereof |
| JP2003121423A (ja) * | 2001-10-15 | 2003-04-23 | Nippon Steel Corp | レーザ超音波検査装置及びレーザ超音波検査方法 |
| JP2004125615A (ja) * | 2002-10-02 | 2004-04-22 | Nippon Steel Corp | レーザ超音波検査装置 |
| JP2005147813A (ja) * | 2003-11-14 | 2005-06-09 | Kansai Electric Power Co Inc:The | レーザ超音波による材料非破壊検査方法及び装置 |
| KR100642223B1 (ko) * | 2005-09-23 | 2006-11-10 | 한국원자력연구소 | 레이저 유도 초음파 검사 시스템 |
| KR20070077251A (ko) * | 2006-01-23 | 2007-07-26 | 한국원자력연구원 | 표면 결함 정보 추출을 위한 레이저-초음파 검사 장치 및방법 |
| KR20090036285A (ko) * | 2007-10-09 | 2009-04-14 | 현대자동차주식회사 | 레이저 유도 초음파 방식의 전자빔 용접 비파괴 검사 장치및 그 검사 방법 |
| CA2672378A1 (en) * | 2007-12-06 | 2009-06-11 | Lockheed Martin Corporation | Non-destructive inspection using laser-ultrasound and infrared thermography |
| JP2010038880A (ja) * | 2008-08-08 | 2010-02-18 | Toshiba Corp | レーザ超音波検査装置およびレーザ超音波検査方法 |
| KR20110098301A (ko) * | 2010-02-26 | 2011-09-01 | 국방과학연구소 | 주파수 영역 면내 또는 면외 초음파 전파 영상화 장치와 그 방법 |
| CN204101015U (zh) * | 2014-08-14 | 2015-01-14 | 山东省科学院激光研究所 | 基于双波混频的激光超声测厚系统 |
| CN106983492A (zh) * | 2017-02-22 | 2017-07-28 | 中国科学院深圳先进技术研究院 | 一种光声成像系统 |
| CN108871640A (zh) * | 2018-06-13 | 2018-11-23 | 西安交通大学 | 基于瞬态光栅激光超声表面波的残余应力无损检测系统和方法 |
| CN110763764A (zh) * | 2019-11-07 | 2020-02-07 | 桂林电子科技大学 | 一种金属内部缺陷的新型超声检测系统 |
| CN111175233A (zh) * | 2020-03-05 | 2020-05-19 | 南京光声超构材料研究院有限公司 | 一种激光精密点焊质量激光超声检测方法和系统 |
| CN111272881A (zh) * | 2020-03-10 | 2020-06-12 | 南京理工大学 | 一种非接触式检测纳米薄膜热扩散率的激光超声系统及方法 |
| CN111325738A (zh) * | 2020-02-28 | 2020-06-23 | 湖北工业大学 | 一种用于横穿孔周边裂纹的智能检测方法及系统 |
| CN111521566A (zh) * | 2020-06-09 | 2020-08-11 | 中国计量科学研究院 | 基于双波混合的激光超声无损检测系统 |
| CN112946081A (zh) * | 2021-02-09 | 2021-06-11 | 武汉大学 | 基于缺陷多特征智能提取与融合的超声成像方法 |
| CN113075298A (zh) * | 2021-03-29 | 2021-07-06 | 重庆交通大学 | 一种基于激光超声技术的混凝土微裂缝检测方法 |
| CN113504182A (zh) * | 2021-05-26 | 2021-10-15 | 杭州久益机械股份有限公司 | 基于激光声表面波的物体表面裂纹在线检测方法 |
| CN113720910A (zh) * | 2021-08-25 | 2021-11-30 | 深圳市比一比网络科技有限公司 | 一种基于超声波信号的钢轨缺陷智能检测方法及系统 |
| CN113820051A (zh) * | 2021-08-19 | 2021-12-21 | 南京大学 | 材料的互补干涉应力测量装置 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8184300B2 (en) * | 2004-12-13 | 2012-05-22 | Alexander Mazurenko | Method and apparatus for reducing probe wavelength in laser excited surface acoustic wave spectroscopy |
| US20070015992A1 (en) * | 2005-06-30 | 2007-01-18 | General Electric Company | System and method for optoacoustic imaging |
| JP4241818B2 (ja) * | 2006-12-14 | 2009-03-18 | パナソニック電工株式会社 | 内部検査装置 |
| WO2008085411A2 (en) * | 2006-12-27 | 2008-07-17 | Valencell, Inc. | Multi-wavelength optical devices and methods of using same |
| US8146429B2 (en) * | 2009-08-03 | 2012-04-03 | Georgia Tech Research Corporation | Methods and systems for classifying the type and severity of defects in welds |
| US9791334B2 (en) * | 2014-05-16 | 2017-10-17 | Halliburton Energy Services, Inc. | Polymer composite wireline cables comprising optical fiber sensors |
| WO2016007950A1 (en) * | 2014-07-11 | 2016-01-14 | Vanderbilt Universtiy | Apparatus and methods for probing a material as a function of depth using depth-dependent second harmonic generation |
| IL253862B (en) * | 2017-08-06 | 2021-04-29 | Elbit Systems Land & C4I Ltd | Enhanced photoacoustic excitation sensing using cross-correlation of defocused speckle images |
| CN109668838B (zh) * | 2018-11-13 | 2020-07-03 | 浙江大学 | 一种可同时检测光学元件表面和亚表面缺陷的装置及方法 |
| US11698304B2 (en) * | 2019-02-15 | 2023-07-11 | Wayne State University | Apparatuses, systems, and methods for detecting materials based on Raman spectroscopy |
| CN113424055B (zh) * | 2019-10-09 | 2022-09-02 | 山东大学 | 隧道结构病害多尺度检测与智能诊断系统及方法 |
-
2022
- 2022-01-11 CN CN202210025644.0A patent/CN114414658B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0342337A2 (de) * | 1988-05-17 | 1989-11-23 | Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. | Vorrichtung zum berührungslosen Erfassen, der durch Ultraschallwellen verursachten Oberflächenauslenkung eines Prüflings |
| JP2003121423A (ja) * | 2001-10-15 | 2003-04-23 | Nippon Steel Corp | レーザ超音波検査装置及びレーザ超音波検査方法 |
| TW508438B (en) * | 2001-12-31 | 2002-11-01 | Ind Tech Res Inst | Generator of microscopic laser ultrasonic and inspection method thereof |
| JP2004125615A (ja) * | 2002-10-02 | 2004-04-22 | Nippon Steel Corp | レーザ超音波検査装置 |
| JP2005147813A (ja) * | 2003-11-14 | 2005-06-09 | Kansai Electric Power Co Inc:The | レーザ超音波による材料非破壊検査方法及び装置 |
| KR100642223B1 (ko) * | 2005-09-23 | 2006-11-10 | 한국원자력연구소 | 레이저 유도 초음파 검사 시스템 |
| KR20070077251A (ko) * | 2006-01-23 | 2007-07-26 | 한국원자력연구원 | 표면 결함 정보 추출을 위한 레이저-초음파 검사 장치 및방법 |
| KR20090036285A (ko) * | 2007-10-09 | 2009-04-14 | 현대자동차주식회사 | 레이저 유도 초음파 방식의 전자빔 용접 비파괴 검사 장치및 그 검사 방법 |
| CA2672378A1 (en) * | 2007-12-06 | 2009-06-11 | Lockheed Martin Corporation | Non-destructive inspection using laser-ultrasound and infrared thermography |
| JP2010038880A (ja) * | 2008-08-08 | 2010-02-18 | Toshiba Corp | レーザ超音波検査装置およびレーザ超音波検査方法 |
| KR20110098301A (ko) * | 2010-02-26 | 2011-09-01 | 국방과학연구소 | 주파수 영역 면내 또는 면외 초음파 전파 영상화 장치와 그 방법 |
| CN204101015U (zh) * | 2014-08-14 | 2015-01-14 | 山东省科学院激光研究所 | 基于双波混频的激光超声测厚系统 |
| CN106983492A (zh) * | 2017-02-22 | 2017-07-28 | 中国科学院深圳先进技术研究院 | 一种光声成像系统 |
| CN108871640A (zh) * | 2018-06-13 | 2018-11-23 | 西安交通大学 | 基于瞬态光栅激光超声表面波的残余应力无损检测系统和方法 |
| CN110763764A (zh) * | 2019-11-07 | 2020-02-07 | 桂林电子科技大学 | 一种金属内部缺陷的新型超声检测系统 |
| CN111325738A (zh) * | 2020-02-28 | 2020-06-23 | 湖北工业大学 | 一种用于横穿孔周边裂纹的智能检测方法及系统 |
| CN111175233A (zh) * | 2020-03-05 | 2020-05-19 | 南京光声超构材料研究院有限公司 | 一种激光精密点焊质量激光超声检测方法和系统 |
| CN111272881A (zh) * | 2020-03-10 | 2020-06-12 | 南京理工大学 | 一种非接触式检测纳米薄膜热扩散率的激光超声系统及方法 |
| CN111521566A (zh) * | 2020-06-09 | 2020-08-11 | 中国计量科学研究院 | 基于双波混合的激光超声无损检测系统 |
| CN112946081A (zh) * | 2021-02-09 | 2021-06-11 | 武汉大学 | 基于缺陷多特征智能提取与融合的超声成像方法 |
| CN113075298A (zh) * | 2021-03-29 | 2021-07-06 | 重庆交通大学 | 一种基于激光超声技术的混凝土微裂缝检测方法 |
| CN113504182A (zh) * | 2021-05-26 | 2021-10-15 | 杭州久益机械股份有限公司 | 基于激光声表面波的物体表面裂纹在线检测方法 |
| CN113820051A (zh) * | 2021-08-19 | 2021-12-21 | 南京大学 | 材料的互补干涉应力测量装置 |
| CN113720910A (zh) * | 2021-08-25 | 2021-11-30 | 深圳市比一比网络科技有限公司 | 一种基于超声波信号的钢轨缺陷智能检测方法及系统 |
Non-Patent Citations (8)
| Title |
|---|
| A. Vega-Flick, J. K. Eliason,A. A. Maznev.Laser-induced transient grating setup with continuously tunable period.《REVIEW OF SCIENTIFIC INSTRUMENTS》.2015,全文. * |
| Chen, Xuesheng;Stratoudaki, Theodosia;Sharples, Steve D..Optical MEMs transducers with enhanced efficiency and sensitivity.《10TH ANGLO-FRENCH PHYSICAL ACOUSTICS CONFERENCE 》.2012,全文. * |
| Determination of thermoelastic material properties by differential heterodyne detection of impulsive stimulated thermal scattering;Verstraeten, B; Sermeus, J; Salenbien;《PHOTOACOUSTICS》;20150821;全文 * |
| GaAs基半导体微结构的界面热传导特性研究;颜学俊;国家自然科学基金成果报告;20221216;全文 * |
| Using deep learning to identify the depth of metal surface defects with narrowband SAW signals;Lei Dinga, Haopeng Wan, Qiangbing Lua;《Optics &LaserTechnology》;20221007;全文 * |
| 光外差测量在无损探伤中的相位匹配;余学才;李丽国;曹飞;李绍荣;;中国激光;20051225(12);全文 * |
| 深度学习在光声成像中的应用现状;孙正;王新宇;;计算机科学;20200615(S1);全文 * |
| 激光超声表面缺陷检测的实验方法;严刚;徐晓东;沈中华;陆建;倪晓武;;光电子.激光;20060125(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114414658A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao | Review of non-destructive testing methods for defect detection of ceramics | |
| CN102033081A (zh) | 基于图像序列处理的红外锁相热波无损检测方法 | |
| CN107860716A (zh) | 一种基于激光超声的弹性常数的无损检测方法及设备 | |
| CN114414658B (zh) | 一种金属表面微裂纹深度的激光超声探测方法 | |
| CN110487897A (zh) | 一种元素与缺陷的激光光声复合非接触检测系统 | |
| Jang et al. | Silicon wafer crack detection using nonlinear ultrasonic modulation induced by high repetition rate pulse laser | |
| CN107238610B (zh) | 基于微波波段反射特性的复合绝缘子缺陷无损检测系统 | |
| WO2020118659A1 (zh) | 结构缺陷检测系统及结构缺陷检测方法 | |
| CN109724941A (zh) | 一种基于径向基神经网络的co2高温气体浓度检测方法 | |
| CN110146449A (zh) | 一种基于激光超声的空压机缸体表面裂纹在线检测方法及系统 | |
| CN203745385U (zh) | 激光超声光学干涉检测装置 | |
| CN109374627A (zh) | 一种材料内部缺陷的激光超声透射时延检测方法 | |
| CN106996962A (zh) | 激光注入光纤与相干探测的激光超声无损检测系统 | |
| CN107091877A (zh) | 激光注入光纤与相干探测的激光超声无损检测方法 | |
| Zhang et al. | A survey of non-destructive techniques used for inspection of bearing steel balls | |
| CN110501424A (zh) | 一种激光超声的全光型耐张线夹无损检测装置 | |
| CN104034666A (zh) | 一种食品药品质量分级快速检测装置及方法 | |
| CN109141273A (zh) | 一种基于dmd的高速运动目标形变测量系统及方法 | |
| Gao et al. | Defect detection using the phased-array laser ultrasonic crack diffraction enhancement method | |
| Ghafoor et al. | Non-contact detection of railhead defects and their classification by using convolutional neural network | |
| CN215375237U (zh) | 一种基于光束整形提高激光超声波信号的无损检测系统 | |
| Chen et al. | Sign coherence factor-based search algorithm for defect localization with laser generated Lamb waves | |
| CN107727749A (zh) | 一种基于小波包融合特征提取算法的超声定量检测方法 | |
| Ding et al. | Using deep learning to identify the depth of metal surface defects with narrowband SAW signals | |
| He et al. | Quantitative detection of surface defect using laser-generated Rayleigh wave with broadband local wavenumber estimation |
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 |