CN115615929B - 一种基于激光扫描的机械零件表面缺陷检测方法及系统 - Google Patents
一种基于激光扫描的机械零件表面缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN115615929B CN115615929B CN202211593454.5A CN202211593454A CN115615929B CN 115615929 B CN115615929 B CN 115615929B CN 202211593454 A CN202211593454 A CN 202211593454A CN 115615929 B CN115615929 B CN 115615929B
- Authority
- CN
- China
- Prior art keywords
- defect
- mechanical
- bearing
- corrosion
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or 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
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种基于激光扫描的机械零件表面缺陷检测方法及系统,涉及激光检测技术领域,通过根据机械零件的工作场景参数确定机械零件的缺陷预测区域;通过激光扫描设备向缺陷预测区域进行扫描,确定零件缺陷特征信息,根据零件缺陷特征信息对机械零件进行失效分析生成零件失效寿命,判断零件失效寿命是否满足失效寿命阈值,并基于判断结果生成缺陷检测结果。解决现有技术中对于机械设备中机械零件维护检修依赖于周期性拆解机械设备以及技术人员人工经验,导致干扰机械设备正常工作运行的技术问题。达到了降低机械设备检修的拆解频率,技术人员可及时准确获知机械设备中存在的缺陷性机械零件进行快速维护,降低机械设备检修成本的技术效果。
Description
技术领域
本发明涉及激光检测技术领域,具体涉及一种基于激光扫描的机械零件表面缺陷检测方法及系统。
背景技术
机械设备多被用于替代人力劳动从事高强度、重复性、危险性较高的工作中,解放人类,因而机械设备所处工作环境往往较为恶劣,机械设备往往被用于替代人力在强碱、强酸、高温、高湿环境中作业。
在恶劣环境中长期运行工作,机械设备的金属性组成零件容易发生形变腐蚀等导致机械设备无法正常运行或运行效率下降的故障缺陷,为避免机械设备受缺陷性机械零件影响而停止运行甚至发生设备报废,从采用周期性设备拆卸检修的方法进行机械设备的风险控制。同时,机械零件的缺陷具有肉眼可见性,因而采用激光超声检测替代人工经验进行机械零件缺陷检测,具有可行性且效率相较于人工检测更高,但是单一采用激光超声检测进行机械零件表观缺陷检测仍无法避免需要进行机械设备周期性拆解的缺陷。
现有技术中存在对于机械设备中的机械零件机械能维护检修依赖于周期性的拆解机械设备以及技术人员人工经验,导致干扰机械设备正常工作运行,增加生产成本的技术问题。
发明内容
本申请提供了一种基于激光扫描的机械零件表面缺陷检测方法及系统,用于针对解决现有技术中存在对于机械设备中的机械零件机械能维护检修依赖于周期性的拆解机械设备以及技术人员人工经验,导致干扰机械设备正常工作运行,增加生产成本的技术问题。
鉴于上述问题,本申请提供了一种基于激光扫描的机械零件表面缺陷检测方法及系统。
本申请的第一个方面,提供了一种基于激光扫描的机械零件表面缺陷检测方法,所述方法包括:获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;根据所述超声波信号,确定零件缺陷特征信息;根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;判断所述零件失效寿命是否满足失效寿命阈值;若不满足,生成零件不合格信息,添加进缺陷检测结果。
本申请的第二个方面,提供了一种基于激光扫描的机械零件表面缺陷检测系统,所述系统包括:基本信息获得模块,用于获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;缺陷预测执行模块,用于根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;预测区域扫描模块,用于通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;缺陷特征确定模块,用于根据所述超声波信号,确定零件缺陷特征信息;缺陷特征分析模块,用于根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;失效寿命判断模块,用于判断所述零件失效寿命是否满足失效寿命阈值;缺陷检测生成模块,用于若不满足,生成零件不合格信息,添加进缺陷检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域,实现间接提高机械零件检修效率,降低机械设备维护管理成本;通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;根据所述超声波信号,确定零件缺陷特征信息;根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命,判断所述零件失效寿命是否满足失效寿命阈值,实现快速进行机械零件缺陷分析以及判定是否进行机械设备拆解替换维修机械零件;若不满足,生成零件不合格信息,添加进缺陷检测结果。达到了降低机械设备检修的拆解频率,技术人员可及时准确获知机械设备中存在的缺陷性机械零件从而进行快速维护,降低机械设备和机械零件检修成本的技术效果。
附图说明
图1为本申请提供的一种基于激光扫描的机械零件表面缺陷检测方法流程示意图;
图2为本申请提供的一种基于激光扫描的机械零件表面缺陷检测方法中生成缺陷预测区域的流程示意图;
图3为本申请提供的一种基于激光扫描的机械零件表面缺陷检测方法中生成零件失效寿命的流程示意图;
图4为本申请提供的一种基于激光扫描的机械零件表面缺陷检测系统的结构示意图。
附图标记说明:基本信息获得模块11,缺陷预测执行模块12,预测区域扫描模块13,缺陷特征确定模块14,缺陷特征分析模块15,失效寿命判断模块16,缺陷检测生成模块17。
具体实施方式
本申请提供了一种基于激光扫描的机械零件表面缺陷检测方法及系统,用于针对解决现有技术中存在对于机械设备中的机械零件机械能维护检修依赖于周期性的拆解机械设备以及技术人员人工经验,导致干扰机械设备正常工作运行,增加生产成本的技术问题。达到了降低机械设备检修的拆解频率,技术人员可及时准确获知机械设备中存在的缺陷性机械零件从而进行快速维护,降低机械设备和机械零件检修成本的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于激光扫描的机械零件表面缺陷检测方法,采用一基于激光扫描的机械零件表面缺陷检测系统实施,所述系统和激光扫描设备通信连接,所述方法包括:
S100:获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;
具体而言,所述机械零件是组成机械设备不可缺失的零件和部件的泛称,是机械设备的基本单元。所述工作场景参数为机械零件在其所构成的机械设备中运行过程中的与其他机械零件相互作用力情况、在机械设备中的所处环境酸碱性状况。
应理解的,在恶劣环境中长期运行工作,机械设备的金属性组成零件容易发生形变腐蚀等导致机械设备无法正常运行或运行效率下降的故障缺陷,因而本实施例通过获取组成机械设备的机械零件的基本信息进行机械零件的缺陷检测。所述基本信息包括反映所述机械零件本身结构组成、物理性能和化学性能的材料组成信息以及所述机械零件的在机械设备中的工作环境和与其他机械零件相互作用力情况的所述工作场景参数。
S200:根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;
进一步的,如图2所示,所述根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域,本申请提供的方法步骤S200还包括:
S210:根据所述工作场景参数,获取零件结构参数、承力向量参数、服役时长参数和化学环境参数;
S220:根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域;
S230:根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域;
S240:将所述力学缺陷区域和所述腐蚀缺陷区域添加进所述缺陷预测区域。
具体而言,所述零件结构参数包括机械零件的主体结构以及外形和内形的数据参数,反映机械零件的结构状态。所述承力向量参数为机械零件在其所组成的机械或部件运行使用过程中,受相邻机械零件结构作用力的受力方向和大小信息。所述化学环境参数为机械零件在其所组成的机械或部件运行使用过程中受机械部件本身以及外接工作环境影响,机械零件所处的化学环境酸碱性状况。
在本实施例中,基于所述工作场景参数获得所述机械零件在所组成的机械设备运行过程中的功能和作用,从而获得所述机械零件的零件结构参数、承力向量参数、和化学环境参数,基于机械设备使用年限结合机械设备历史维修管理信息判断所述机械零件是否发生更换,从而确定机械零件的所述服役时长参数。
应理解的,机械零件的形变程度与其自身的零件结构以及在机械设备中的功能作用相关,既就是机械零件形变受机械零件结构自身以及机械零件在机械设备运行过程中的受力作用综合影响,同时机械零件各个区域的受力程度存在差异性,机械零件各个区域受力不均机械零件各个区域发生形变的概率和形变程度也存在差异性。
因而在本实施例中,根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成反映机械零件各个区域由于机械零件结构特性以及受力差异性导致可能发生形变的所述力学缺陷区域;基于机械零件各个区域所处化学环境存在差异性的特性,基于所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成反映机械零件随着服役时间的延长,处于不同化学环境的机械零件区域受到氧化腐蚀存在腐蚀老化风险的所述腐蚀缺陷区域,将所述力学缺陷区域和所述腐蚀缺陷区域添加进所述缺陷预测区域,所述缺陷检测区域为机械零件中存在发生力学形变或腐蚀老化风险的机械零件外观可视区域,所述缺陷检测区域用于后续参考进行激光扫描确定是否真实存在机械零件力学形变或腐蚀。
本实施例通过分析机械零件在机械设备运行过程中的受力情况结合机械零件自身结构,获得机械零件容易受外力影响发生力学形变的区域并通过分析机械零件在机械设备中所处化学环境,结合机械零件自身金属材料性质,获得机械零件随着使用服役年限延长,容易发生氧化腐蚀的区域,作为机械零件后续重点进行激光扫描验证是否存在缺陷的区域,达到了提高机械零件检修效率,降低机械设备维护管理成本的技术效果。
S300:通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;
S400:根据所述超声波信号,确定零件缺陷特征信息;
具体而言,在本实施例中,所述基于激光扫描的机械零件表面缺陷检测系统根据所述缺陷检测区域调试激光扫描设备的设备参数,对所述机械零件的所述缺陷预测区域进行定位扫描,生成能够复原所述缺陷预测区域的机械零件区域外观状态的所述超声波信号,基于所述超声波信息复原并计算获得所述零件缺陷特征信息,所述零件缺陷特征信息包括零件缺陷区域的缺陷面积特征、缺陷深度特征和缺陷位置特征。
S500:根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;
进一步的,如图3所示,所述根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命,本申请提供的方法步骤S500还包括:
S510:从所述零件缺陷特征信息中提取缺陷面积特征、缺陷深度特征和缺陷位置特征;
S520:根据所述缺陷面积特征和所述缺陷深度特征,生成缺陷体积比参数;
S530:根据所述缺陷体积比参数和所述缺陷位置特征进行承力分析,生成多个极限承力值;
S540:判断所述多个极限承力值是否满足所述多个承力阈值;
S550:若不满足,生成失效标识信息对所述机械零件进行标识,生成第一零件失效寿命添加进所述零件失效寿命,其中,所述第一零件失效寿命为零。
具体而言,应理解的,并非机械零件存在力学形变缺陷和/或腐蚀缺陷即刻失去其在机械设备中的功能作用,当机械零件的力学形变缺陷和/或腐蚀缺陷严重程度不断加深到达临界值后,才会丧失原有功能作用,因而本实施例通过分析机械零件的所述零件缺陷特征信息,确定所述机械零件是否到达寿命尽头需要进行机械零件修补或替换。
在本实施例中,基于所述零件缺陷特征信息,提取获得缺陷面积特征、缺陷深度特征和缺陷位置特征,根据所述缺陷面积特征和所述缺陷深度特征,基于数学方法计算获得表示机械零件缺陷体积占机械零件总体积的所述缺陷体积比参数,所述缺陷体积比参数越大,表明机械零件受力形变程度和氧化腐蚀程度越严重。
根据所述缺陷体积比参数和所述缺陷位置特征结合机械零件的零件结构参数和承力方向参数进行承力分析,生成与多个缺陷位置相对应的多个极限承力值,判断所述多个极限承力值是否满足所述多个承力阈值,若不满足,表明当前所述机械零件的缺陷程度达到了无法配合机械设备继续运行的程度,因而生成失效标识信息对所述机械零件进行标识,生成第一零件失效寿命添加进所述零件失效寿命,所述第一零件失效寿命为零。
本实施例基于零件缺陷特征信息获取缺陷面积特征、缺陷深度特征和缺陷位置特征,对缺陷位置特征进行二次承力分析,生成多个极限承力值,将承力极限值与所述多个极限承力值比对,判断存在缺陷的机械零件是否满足所述多个承力阈值,从而实现准确判断当前存在缺陷的机械零件是否可在机械设备中继续工作,达到了快速进行机械零件缺陷分析以及判定是否进行机械设备拆解替换维修机械零件的技术效果。
S600:判断所述零件失效寿命是否满足失效寿命阈值;
S700:若不满足,生成零件不合格信息,添加进缺陷检测结果。
具体而言,应理解的,为减少机械设备拆解维修频率,同时确保在低频拆解下,机械设备可正常运行,机械设备在设计生产出厂说明书中往往配有各个机械零件的检修替换年限即所述失效寿命阈值,理论上在所述失效寿命阈值以内,无论机械设备工作参数以及使用频率高低,机械零件都处于可正常工作状态。
本实施例遍历检索出厂说明书,获得所述零件失效寿命对应的机械零件的所述失效寿命阈值,判断所述零件失效寿命对应的服役时长参数是否满足所述失效寿命阈值。若满足,表明所述机械零件为正常的自然损耗老化,到达需要进行更换的时间节点,若不满足,表明所述机械零件生产出厂时即存在缺陷,生成零件不合格信息,添加进缺陷检测结果,机械设备检修技术人员基于所述缺陷检测结果进行机械设备对应机械零件的维修或更换处理。
本实施例提供的方法通过获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域,实现间接提高机械零件检修效率,降低机械设备维护管理成本;通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;根据所述超声波信号,确定零件缺陷特征信息;根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命,判断所述零件失效寿命是否满足失效寿命阈值,实现快速进行机械零件缺陷分析以及判定是否进行机械设备拆解替换维修机械零件;若不满足,生成零件不合格信息,添加进缺陷检测结果。达到了降低机械设备检修的拆解频率,技术人员可及时准确获知机械设备中存在的缺陷性机械零件从而进行快速维护,降低机械设备和机械零件检修成本的技术效果。
进一步的,所述根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域,本申请提供的方法步骤S220还包括:
S221:根据所述承力向量参数,获取多个承力方向参数和多个承力大小参数;
S222:根据所述多个承力方向参数,确定多个承力区域;
S223:根据所述零件结构参数,遍历所述多个承力区域进行承力阈值分析,生成多个承力阈值;
S224:对所述多个承力大小参数和所述多个承力阈值求取偏差,并对所述多个承力区域进行序列化调整,生成承力区域排序结果;
S225:将所述承力区域排序结果设为所述力学缺陷区域。
具体而言,在本实施例中,所述承力向量参数为所述机械零件在机械设备中受到的来自不同方向作用力情况,包括承力方向以及承力大小,基于所述承力向量参数获得获取多个承力方向参数和多个承力大小参数,根据所述多个承力方向参数反推定位所述机械零件具体承受外力的多个承力区域。
根据所述零件结构参数进行承力性能分析,确定所述机械零件各个承力区域能够承受外接作用力的最大值获得多个承力阈值,计算多个承力区域承力阈值与当前实际承受的承力大小参数的偏差度,根据偏差度大小进行排序对所述多个承力区域进行序列化调整,生成承力区域排序结果,所述承力区域排序结果为基于机械零件在机械设备中的承力状况和机械零件各个承力区域预计承力能力分析确定的,容易发生承力过载而形变导致机械零件损坏的承力区域排序结果,将所述承力区域排序结果设为所述力学缺陷区域。
本实施例通过获取机械零件在机械设备中的承力向量参数,分析反推确定机械零件各个受力区域的受力数据并与各个受力区域的承力极限进行比对,基于受力区域的实际受力数据与承力极限数据之间的偏离度,对各个区域发生力学缺陷造成机械零件部分形变损毁的可能性进行评价并序列化处理,达到了为后续预测机械零件是否存在缺陷问题提供科学性的数据参考的技术效果。
进一步的,所述根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域,本申请提供的方法步骤S230还包括:
S231:根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域;
S232:根据所述服役时长参数对所述多个零件腐蚀区域进行序列化调整,生成零件腐蚀区域排序结果;
S233:将所述零件腐蚀区域排序结果设为所述腐蚀缺陷区域。
进一步的,所述根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域,本申请提供的方法步骤S231还包括:
S231-1:根据所述化学环境参数,生成酸碱值参数、湿度参数、温度参数和氧含量参数;
S231-2:根据所述酸碱值参数对所述机械零件的多个位置进行聚类分析,生成第一零件腐蚀区域聚类结果;
S231-3:根据所述湿度参数对所述机械零件的多个位置进行聚类分析,生成第二零件腐蚀区域聚类结果;
S231-4:根据所述温度参数对所述机械零件的多个位置进行聚类分析,生成第三零件腐蚀区域聚类结果;
S231-5:根据所述氧含量参数对所述机械零件的多个位置进行聚类分析,生成第四零件腐蚀区域聚类结果;
S231-6:对所述第一零件腐蚀区域聚类结果、所述第二零件腐蚀区域聚类结果、所述第三零件腐蚀区域聚类结果和所述第四零件腐蚀区域聚类结果求取区域交集,生成所述多个零件腐蚀区域。
具体而言,应理解的,采用金属材料制造的机械零件在使用过程中受到工作环境的强酸强碱高氧影响,存在氧化腐蚀的风险,且随着工作年限的延长,氧化腐蚀程度越严重。
因而在本实施例中,根据所述化学环境参数对所述机械零件按照腐蚀区域化学环境一致性进行交集聚类分析,生成多个零件腐蚀区域,所述多个零件腐蚀区域中,每一零件腐蚀区域所处化学环境参数具有一致性。
根据所述化学环境参数,获得多种类型化学环境参数,从中筛选获得与机械零件腐蚀现象存在关联性的酸碱值参数、湿度参数、温度参数和氧含量参数。
根据所述酸碱值参数对所述机械零件的多个位置进行区域分割和聚类分析,生成第一零件腐蚀区域聚类结果,所述第一零件腐蚀区域聚类结果为存在相同酸碱值参数的多个机械零件腐蚀区域。
根据所述湿度参数对所述机械零件的多个位置进行区域分割和聚类分析,生成第二零件腐蚀区域聚类结果,所述第二零件腐蚀区域聚类结果为存在相同湿度参数的多个机械零件腐蚀区域。
根据所述温度参数对所述机械零件的多个位置进行区域分割和聚类分析,生成第三零件腐蚀区域聚类结果,所述第三零件腐蚀区域聚类结果为存在相同温度参数的多个机械零件腐蚀区域。
根据所述氧含量参数对所述机械零件的多个位置进行区域分割和聚类分析,生成第四零件腐蚀区域聚类结果,所述第四零件腐蚀区域聚类结果为环境存在相同含氧量的多个机械零件腐蚀区域。
由于所述第一零件腐蚀区域聚类结果、所述第二零件腐蚀区域聚类结果、所述第三零件腐蚀区域聚类结果和所述第四零件腐蚀区域聚类结果的区域分割对象相同,都为所述机械零件,因而本实施例对所述第一零件腐蚀区域聚类结果、所述第二零件腐蚀区域聚类结果、所述第三零件腐蚀区域聚类结果和所述第四零件腐蚀区域聚类结果进行区域交集分析,生成多个化学环境参数具有一致性的所述零件腐蚀区域,所述零件腐蚀区域包括2~4个化学环境参数具有一致性的零件腐蚀区域。
同时,应理解的,随着机械零件服役年限的增长,作用于零件腐蚀区域进行腐蚀作用的化学环境参数越多,对应的零件腐蚀区域的腐蚀速率和腐蚀程度越严重,因而根据所述服役时长参数对所述多个零件腐蚀区域进行序列化调整,生成零件腐蚀区域排序结果,所述零件腐蚀区域排序结果为按照发生腐蚀缺陷的严重进行排序所获,将所述零件腐蚀区域排序结果设为所述腐蚀缺陷区域。
本实施例基于同一机械零件所处化学环境的差异性,从多个引起机械零件发生腐蚀的化学环境参数维度进行机械零件外观区域分割,并基于多维度外观区域分割结果进行区域交集分析,获得多个化学环境参数具有一致性的区域集合,并结合机械零件服役年限越长,零件存在腐蚀情况的严重程度越高的性质进行机械零件腐蚀区域排序,获得了真实反映机械零件受环境以及服役年限影响出现腐蚀概率的机械零件腐蚀缺陷区域信息,达到了为后续结合机械零件力学缺陷区域进行机械零件激光扫描进行机械零件实际缺陷的确定提供扫描数据的技术效果。
进一步的,所述判断所述多个极限承力值是否满足多个承力阈值,本申请提供的方法步骤S540还包括:
S541:若满足,根据缺陷尺寸偏差,获取面积缺陷尺寸偏差和深度缺陷尺寸偏差;
S542:根据所述服役时长参数和所述面积缺陷尺寸偏差,生成缺陷面积蔓延速率;
S543:根据所述服役时长参数和所述深度缺陷尺寸偏差,生成缺陷深度蔓延速率;
S544:根据所述多个承力阈值,确定多个体积比阈值;
S545:根据所述多个体积比阈值、所述缺陷面积蔓延速率和所述缺陷深度蔓延速率,计算第二零件失效寿命添加进所述零件失效寿命。
具体而言,在本实施例中,根据所述缺陷体积比参数和所述缺陷位置特征结合机械零件的零件结构参数和承力方向参数进行承力分析,生成与多个缺陷位置相对应的多个极限承力值,判断所述多个极限承力值是否满足所述多个承力阈值,若满足,表明当前所述机械零件虽然存在形变或腐蚀缺陷,但缺陷程度不影响其配合机械设备继续运行。
因而本实施例对于存在缺陷的机械零件进行零件失效寿命分析,便于提醒机械设备维修人员按照机械设备内部机械零件的失效寿命时间节点进行及时的更换维修。
具体的,判断所述多个极限承力值是否满足所述多个承力阈值,若满足,根据反映机械零件形变和受腐蚀情况的所述缺陷尺寸偏差,获取机械零件表面积的所述面积缺陷尺寸偏差和机械零件形变造成金属凹陷以及腐蚀造成金属材料流失的所述深度缺陷尺寸偏差。
根据所述服役时长参数和所述面积缺陷尺寸偏差,结合所述服役时长参数计算获得缺陷面积蔓延速率,根据所述服役时长参数和所述深度缺陷尺寸偏差,计算获得缺陷深度蔓延速率。
基于所述机械零件的所述缺陷位置特征在所述力学缺陷区域中遍历,获得所述多个承力阈值,基于承力阈值计算获得机械零件的缺陷体积不影响机械零件在机械设备中运行工作的,机械零件缺陷体积占机械零件总体积的所述缺陷体积比参数,确定多个体积比阈值;根据所述多个体积比阈值、所述缺陷面积蔓延速率和所述缺陷深度蔓延速率,计算第二零件失效寿命添加进所述零件失效寿命。
本实施例通过结合服役时长参数计算当前存在缺陷但仍可以服役使用的机械零件的缺陷面积蔓延速率和缺陷深度蔓延速率,并通过计算获得承力阈值对应的机械零件缺陷体积,达到了精准确定机械零件未来使用寿命,便于及时提醒技术人员进行机械设备拆解更换机械零件,避免技术人员频繁检修拆解机械设备造成的生产成本上升的技术效果。
实施例二
基于与前述实施例中一种基于激光扫描的机械零件表面缺陷检测方法相同的发明构思,如图4所示,本申请提供了一种基于激光扫描的机械零件表面缺陷检测系统,其中,所述系统包括:
基本信息获得模块11,用于获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;
缺陷预测执行模块12,用于根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;
预测区域扫描模块13,用于通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;
缺陷特征确定模块14,用于根据所述超声波信号,确定零件缺陷特征信息;
缺陷特征分析模块15,用于根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;
失效寿命判断模块16,用于判断所述零件失效寿命是否满足失效寿命阈值;
缺陷检测生成模块17,用于若不满足,生成零件不合格信息,添加进缺陷检测结果。
进一步的,所述缺陷预测执行模块12还包括:
场景参数分析单元,用于根据所述工作场景参数,获取零件结构参数、承力向量参数、服役时长参数和化学环境参数;
力学缺陷预测单元,用于根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域;
腐蚀缺陷预测单元,用于根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域;
缺陷预测整合单元,用于将所述力学缺陷区域和所述腐蚀缺陷区域添加进所述缺陷预测区域。
进一步的,所述力学缺陷预测单元还包括:
承力参数获取单元,用于根据所述承力向量参数,获取多个承力方向参数和多个承力大小参数;
承力区域确定单元,用于根据所述多个承力方向参数,确定多个承力区域;
承力阈值分析单元,用于根据所述零件结构参数,遍历所述多个承力区域进行承力阈值分析,生成多个承力阈值;
承力区域排序单元,用于对所述多个承力大小参数和所述多个承力阈值求取偏差,并对所述多个承力区域进行序列化调整,生成承力区域排序结果;
缺陷区域确定单元,用于将所述承力区域排序结果设为所述力学缺陷区域。
进一步的,所述腐蚀缺陷预测单元还包括:
腐蚀区域分析单元,用于根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域;
序列化调整单元,用于根据所述服役时长参数对所述多个零件腐蚀区域进行序列化调整,生成零件腐蚀区域排序结果;
腐蚀区域设定单元,用于将所述零件腐蚀区域排序结果设为所述腐蚀缺陷区域。
进一步的,所述腐蚀区域分析单元还包括:
环境参数分析单元,用于根据所述化学环境参数,生成酸碱值参数、湿度参数、温度参数和氧含量参数;
聚类分析执行单元,用于根据所述酸碱值参数对所述机械零件的多个位置进行聚类分析,生成第一零件腐蚀区域聚类结果;
湿度参数聚类单元,用于根据所述湿度参数对所述机械零件的多个位置进行聚类分析,生成第二零件腐蚀区域聚类结果;
温度参数聚类单元,用于根据所述温度参数对所述机械零件的多个位置进行聚类分析,生成第三零件腐蚀区域聚类结果;
聚类分析处理单元,用于根据所述氧含量参数对所述机械零件的多个位置进行聚类分析,生成第四零件腐蚀区域聚类结果;
区域交集生成单元,用于对所述第一零件腐蚀区域聚类结果、所述第二零件腐蚀区域聚类结果、所述第三零件腐蚀区域聚类结果和所述第四零件腐蚀区域聚类结果求取区域交集,生成所述多个零件腐蚀区域。
进一步的,所述缺陷特征分析模块15还包括:
缺陷特征提取单元,用于从所述零件缺陷特征信息中提取缺陷面积特征、缺陷深度特征和缺陷位置特征;
缺陷参数计算单元,用于根据所述缺陷面积特征和所述缺陷深度特征,生成缺陷体积比参数;
承力分析执行单元,用于根据所述缺陷体积比参数和所述缺陷位置特征进行承力分析,生成多个极限承力值;
承力数值判断单元,用于判断所述多个极限承力值是否满足所述多个承力阈值;
机械零件标识单元,用于若不满足,生成失效标识信息对所述机械零件进行标识,生成第一零件失效寿命添加进所述零件失效寿命,其中,所述第一零件失效寿命为零。
进一步的,所述承力数值判断单元还包括:
尺寸偏差获得单元,用于若满足,根据缺陷尺寸偏差,获取面积缺陷尺寸偏差和深度缺陷尺寸偏差;
缺陷面积计算单元,用于根据所述服役时长参数和所述面积缺陷尺寸偏差,生成缺陷面积蔓延速率;
缺陷深度计算单元,用于根据所述服役时长参数和所述深度缺陷尺寸偏差,生成缺陷深度蔓延速率;
承力阈值延伸单元,用于根据所述多个承力阈值,确定多个体积比阈值;
失效寿命优化单元,用于根据所述多个体积比阈值、所述缺陷面积蔓延速率和所述缺陷深度蔓延速率,计算第二零件失效寿命添加进所述零件失效寿命。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (5)
1.一种基于激光扫描的机械零件表面缺陷检测方法,其特征在于,采用一基于激光扫描的机械零件表面缺陷检测系统实施,所述系统和激光扫描设备通信连接,所述方法包括:
获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;
根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;
通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;
根据所述超声波信号,确定零件缺陷特征信息;
根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;
判断所述零件失效寿命是否满足失效寿命阈值;
若不满足,生成零件不合格信息,添加进缺陷检测结果;
其中,所述根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域,包括:
根据所述工作场景参数,获取零件结构参数、承力向量参数、服役时长参数和化学环境参数;
根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域;
根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域;
将所述力学缺陷区域和所述腐蚀缺陷区域添加进所述缺陷预测区域;
所述根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域,包括:
根据所述承力向量参数,获取多个承力方向参数和多个承力大小参数;
根据所述多个承力方向参数,确定多个承力区域;
根据所述零件结构参数,遍历所述多个承力区域进行承力阈值分析,生成多个承力阈值;
对所述多个承力大小参数和所述多个承力阈值求取偏差,并对所述多个承力区域进行序列化调整,生成承力区域排序结果;
将所述承力区域排序结果设为所述力学缺陷区域;
所述根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域,包括:
根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域;
根据所述服役时长参数对所述多个零件腐蚀区域进行序列化调整,生成零件腐蚀区域排序结果;
将所述零件腐蚀区域排序结果设为所述腐蚀缺陷区域。
2.如权利要求1所述的方法,其特征在于,所述根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域,包括:
根据所述化学环境参数,生成酸碱值参数、湿度参数、温度参数和氧含量参数;
根据所述酸碱值参数对所述机械零件的多个位置进行聚类分析,生成第一零件腐蚀区域聚类结果;
根据所述湿度参数对所述机械零件的多个位置进行聚类分析,生成第二零件腐蚀区域聚类结果;
根据所述温度参数对所述机械零件的多个位置进行聚类分析,生成第三零件腐蚀区域聚类结果;
根据所述氧含量参数对所述机械零件的多个位置进行聚类分析,生成第四零件腐蚀区域聚类结果;
对所述第一零件腐蚀区域聚类结果、所述第二零件腐蚀区域聚类结果、所述第三零件腐蚀区域聚类结果和所述第四零件腐蚀区域聚类结果求取区域交集,生成所述多个零件腐蚀区域。
3.如权利要求1所述的方法,其特征在于,所述根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命,包括:
从所述零件缺陷特征信息中提取缺陷面积特征、缺陷深度特征和缺陷位置特征;
根据所述缺陷面积特征和所述缺陷深度特征,生成缺陷体积比参数;
根据所述缺陷体积比参数和所述缺陷位置特征进行承力分析,生成多个极限承力值;
判断所述多个极限承力值是否满足所述多个承力阈值;
若不满足,生成失效标识信息对所述机械零件进行标识,生成第一零件失效寿命添加进所述零件失效寿命,其中,所述第一零件失效寿命为零。
4.如权利要求3所述的方法,其特征在于,所述判断所述多个极限承力值是否满足多个承力阈值,还包括:
若满足,根据缺陷尺寸偏差,获取面积缺陷尺寸偏差和深度缺陷尺寸偏差;
根据所述服役时长参数和所述面积缺陷尺寸偏差,生成缺陷面积蔓延速率;
根据所述服役时长参数和所述深度缺陷尺寸偏差,生成缺陷深度蔓延速率;
根据所述多个承力阈值,确定多个体积比阈值;
根据所述多个体积比阈值、所述缺陷面积蔓延速率和所述缺陷深度蔓延速率,计算第二零件失效寿命添加进所述零件失效寿命。
5.一种基于激光扫描的机械零件表面缺陷检测系统,其特征在于,所述系统包括:
基本信息获得模块,用于获取机械零件基本信息,其中,所述机械零件基本信息包括工作场景参数;
缺陷预测执行模块,用于根据所述工作场景参数对机械零件进行缺陷预测,生成缺陷预测区域;
预测区域扫描模块,用于通过激光扫描设备向所述缺陷预测区域进行扫描,生成超声波信号;
缺陷特征确定模块,用于根据所述超声波信号,确定零件缺陷特征信息;
缺陷特征分析模块,用于根据所述零件缺陷特征信息对所述机械零件进行失效分析,生成零件失效寿命;
失效寿命判断模块,用于判断所述零件失效寿命是否满足失效寿命阈值;
缺陷检测生成模块,用于若不满足,生成零件不合格信息,添加进缺陷检测结果;
所述缺陷预测执行模块包括:
场景参数分析单元,用于根据所述工作场景参数,获取零件结构参数、承力向量参数、服役时长参数和化学环境参数;
力学缺陷预测单元,用于根据所述零件结构参数和所述承力向量参数对所述机械零件进行力学缺陷预测,生成力学缺陷区域;
腐蚀缺陷预测单元,用于根据所述化学环境参数和所述服役时长参数对所述机械零件进行腐蚀缺陷预测,生成腐蚀缺陷区域;
缺陷预测整合单元,用于将所述力学缺陷区域和所述腐蚀缺陷区域添加进所述缺陷预测区域;
所述力学缺陷预测单元包括:
承力参数获取单元,用于根据所述承力向量参数,获取多个承力方向参数和多个承力大小参数;
承力区域确定单元,用于根据所述多个承力方向参数,确定多个承力区域;
承力阈值分析单元,用于根据所述零件结构参数,遍历所述多个承力区域进行承力阈值分析,生成多个承力阈值;
承力区域排序单元,用于对所述多个承力大小参数和所述多个承力阈值求取偏差,并对所述多个承力区域进行序列化调整,生成承力区域排序结果;
缺陷区域确定单元,用于将所述承力区域排序结果设为所述力学缺陷区域;
所述腐蚀缺陷预测单元包括:
腐蚀区域分析单元,用于根据所述化学环境参数对所述机械零件进行交集聚类分析,生成多个零件腐蚀区域;
序列化调整单元,用于根据所述服役时长参数对所述多个零件腐蚀区域进行序列化调整,生成零件腐蚀区域排序结果;
腐蚀区域设定单元,用于将所述零件腐蚀区域排序结果设为所述腐蚀缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593454.5A CN115615929B (zh) | 2022-12-13 | 2022-12-13 | 一种基于激光扫描的机械零件表面缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211593454.5A CN115615929B (zh) | 2022-12-13 | 2022-12-13 | 一种基于激光扫描的机械零件表面缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115615929A CN115615929A (zh) | 2023-01-17 |
CN115615929B true CN115615929B (zh) | 2023-03-14 |
Family
ID=84880183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211593454.5A Active CN115615929B (zh) | 2022-12-13 | 2022-12-13 | 一种基于激光扫描的机械零件表面缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115615929B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10135288A (ja) * | 1996-11-01 | 1998-05-22 | Jeol Ltd | 部品検査システム |
CN103308602A (zh) * | 2013-06-05 | 2013-09-18 | 青岛诺斯机械有限公司 | 一种基于无损探伤探测机器零件或材料寿命的方法 |
FR3013844A1 (fr) * | 2013-11-28 | 2015-05-29 | Fraunhofer Ges Forschung | Dispositif pour le controle non destructif d'un objet a controler |
CN208043565U (zh) * | 2018-01-26 | 2018-11-02 | 吉林大学 | 机电热耦合应力腐蚀原位疲劳性能试验装置 |
CN110287524A (zh) * | 2019-05-17 | 2019-09-27 | 陕西飞机工业(集团)有限公司 | 一种飞机用接头零件改进方法及飞机用接头零件 |
CN111595704A (zh) * | 2020-05-22 | 2020-08-28 | 中国石油天然气集团有限公司 | 一种连续油管疲劳寿命预测方法 |
CN114091320A (zh) * | 2021-09-24 | 2022-02-25 | 北京市煤气热力工程设计院有限公司 | 一种天然气管道腐蚀失效时间预测方法及装置 |
-
2022
- 2022-12-13 CN CN202211593454.5A patent/CN115615929B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10135288A (ja) * | 1996-11-01 | 1998-05-22 | Jeol Ltd | 部品検査システム |
CN103308602A (zh) * | 2013-06-05 | 2013-09-18 | 青岛诺斯机械有限公司 | 一种基于无损探伤探测机器零件或材料寿命的方法 |
FR3013844A1 (fr) * | 2013-11-28 | 2015-05-29 | Fraunhofer Ges Forschung | Dispositif pour le controle non destructif d'un objet a controler |
CN208043565U (zh) * | 2018-01-26 | 2018-11-02 | 吉林大学 | 机电热耦合应力腐蚀原位疲劳性能试验装置 |
CN110287524A (zh) * | 2019-05-17 | 2019-09-27 | 陕西飞机工业(集团)有限公司 | 一种飞机用接头零件改进方法及飞机用接头零件 |
CN111595704A (zh) * | 2020-05-22 | 2020-08-28 | 中国石油天然气集团有限公司 | 一种连续油管疲劳寿命预测方法 |
CN114091320A (zh) * | 2021-09-24 | 2022-02-25 | 北京市煤气热力工程设计院有限公司 | 一种天然气管道腐蚀失效时间预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115615929A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105051527A (zh) | 疲劳破坏预测和结构完整性评定的无损检测的嵌入式缺陷的概率建模和尺寸测定 | |
EP1903335B1 (en) | Process of ultrasonic detection and preventive control of defects in parts made from composite materials | |
CN111795978B (zh) | 一种钢桥结构健康状态评估方法、装置、设备及存储介质 | |
Abhilash et al. | Sustainability improvement of WEDM process by analysing and classifying wire rupture using kernel-based naive Bayes classifier | |
CN116343359B (zh) | 一种工业生产异常行为态势检测方法及系统 | |
CN116704733B (zh) | 铝合金电缆的老化预警方法及系统 | |
CN112417763A (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
CN105205255B (zh) | 金属屋面损伤评估方法和系统 | |
CN115615929B (zh) | 一种基于激光扫描的机械零件表面缺陷检测方法及系统 | |
CN117706943B (zh) | 一种换流变阀侧套管末屏分压器的自适应控制方法及系统 | |
CN114034772B (zh) | 一种轧辊潜在失效检测与剩余使用寿命预测专家系统 | |
CN116625683A (zh) | 一种风电机组轴承故障识别方法、系统、装置及电子设备 | |
CN108982106B (zh) | 一种快速检测复杂系统动力学突变的有效方法 | |
CN113007040B (zh) | 风电机组主轴总成窜动在线监测与故障预警系统及方法 | |
CN116380496B (zh) | 一种汽车车门疲劳耐久测试方法、系统及介质 | |
CN116258482B (zh) | 一种自动选择维修方案的方法、服务器、电子设备 | |
CN115548976B (zh) | 供电系统及其可靠性监控方法、装置 | |
Petrovska et al. | Application of structural monitoring data for fatigue life predictions of monopile-supported offshore wind turbines | |
JP6470583B2 (ja) | Ae法を用いた劣化モニタリング方法および劣化モニタリング装置 | |
CN114722858A (zh) | 一种预应力混凝土结构的安全评估方法 | |
CN113792090A (zh) | 一种轧钢数据监控方法、系统、介质及电子终端 | |
CN117469152B (zh) | 流体泵异常检测方法、装置、电子设备和存储介质 | |
EP4369127A1 (en) | Method for predicting failures in industrial systems | |
Usamentiaga et al. | Real-time assessment of the reliability of welds in steel strips | |
Wu et al. | Research on Monitoring Data Optimization Method Based on Machine Learning |
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 |