管壁腐蚀用超声测厚仪研发
这是一篇关于管壁测厚,超声检测,信号去噪,时延估计,软件设计的论文, 主要内容为当今石化行业中,管壁被输送介质腐蚀是一种普遍存在的问题,它不仅会对生产安全造成威胁,还会对设备的寿命和效率产生不利影响。针对这个问题,通常使用超声测厚仪测量管道壁厚,从而及时发现并评估腐蚀的情况,帮助企业进行预防和维护。目前,石化厂使用的测厚仪存在价格昂贵、精度低、携带不方便、人工记录数据效率低和易丢失等问题,因此本文设计了一款精度高、操作简单、可无线通讯的单手手持式测厚仪并且开发了一款数据管理软件,通过加工样机进行实验,验证了测厚仪和软件的可靠性和可行性,具体研究工作如下:(1)设计测厚仪和软件的总体方案。了解超声波在介质中传播特性的基础上,根据实际检测环境,选择脉冲反射法作为测量管壁厚度的方法;根据测厚仪的功能要求和性能指标,设计了体积小、精度高的超声波换能器和硬件电路原理图;根据数据管理需求设计了相应的数据管理软件功能模块。(2)提出一种改进的小波阈值去噪算法并结合包络峰值算法实现了回波时延的高精度估计。通过分析小波阈值和小波阈值函数的原理和特点,修正阈值和改进阈值函数,使阈值具有自适应性,提高回波信号去噪效果。并对比分析三种时延估计算法的实验结果,最后选择包络峰值算法用来估计回波时延,提高测量计算精度。(3)加工样机,搭建实验平台,验证了测厚仪的有效性、性能一致性和可行性。通过多次对比实验,校准了计算声速和选取了最佳耦合剂,进一步提高检测精度;对比品牌测厚仪和不同批次样机的测量精度证明了本文测厚仪的有效性和一致性;通过对实际腐蚀管道的样品测量,证明了本文测厚仪的可行性。(4)开发了一款管道数据管理软件。考虑到软件的功能需求与工程实际,秉承模块化设计原则对软件进行设计。用Python语言编写软件功能逻辑代码、Py Qt5设计软件人机交互界面和My SQL数据库储存测量信息数据,开发了数据管理软件,最后软件的测试结果表明,软件实现了测量数据录入与查询、无线数据传输、数据可视化和数据导出等功能,提高了工作人员的工作效率。
航空发动机叶片自动超声检测技术研究
这是一篇关于航空发动机叶片,六轴机械手,轨迹规划,超声检测的论文, 主要内容为航空发动机叶片的质量可靠性和稳定性极其重要,目前这类具有复杂曲面结构的工件的自动超声检测方法主要以工件的三维几何模型来规划检测轨迹,但是,叶片在加工成形的过程中存在回弹现象,导致实际叶片轮廓与最初设计的几何模型存在误差,这为后续的超声检测带来了挑战。针对上述问题,本文针对航空发动机叶片开展三维几何模型重构和规划自动检测轨迹的研究。首先建立了叶片自动超声检测系统坐标系,确定了不同坐标系之间的变换关系。利用机械手夹持线结构光轮廓仪测量叶片轮廓,通过机械手夹持激光轮廓仪在叶片轴线两侧采集两次点云,同时,叶片不断旋转保证其始终处于激光轮廓仪的测量范围,接下来通过数据拼接、旋转平移将采集的点云变换到世界坐标系下,得到准确的叶片三维几何模型。整理后采用数据拟合方法获得曲面轮廓方程,基于曲面上的曲线方程规划加减速扫查轨迹位置,依据拟合曲面的法线规划轨迹姿态,从而满足超声探头到被测叶片表面等距与探头发出的声波始终沿叶片表面法线方向入射。最后对各扫查轨迹点进行多轴运动分解,获得包括六轴机械手和叶片旋转轴在内的各轴轨迹。最后,将六轴机械手与高频超声探头相结合,对叶片实现了自动检测实验。结果表明,通过采集叶片表面轮廓点云进而规划检测轨迹的方法可以有效地实现叶片的自动超声检测,满足声波沿表面法线入射和机械手运动平稳的要求。
超声检测基础数据查询与管理系统的设计与实现
这是一篇关于无损检测,超声检测,数据管理系统,模拟仿真的论文, 主要内容为超声检测作为一种无损检测手段越来越多的被应用在航空航天、船舶、汽车等工业领域。但超声检测过程中涉及的数据多且复杂,选择探头、制定工艺过程麻烦,为了辅助用户更有效地完成超声检测工作,本文设计并建立了一个基于B/S结构的超声检测数据库系统,用于管理超声检测过程中庞杂的数据,并接入辅助工艺制定和选择探头的程序用于辅助超声检测。用户可以通过网页访问服务器,并完成对超声检测相关数据的检索、存储、修改和删除等操作,还可以使用仿真程序辅助制定工艺,使用探头选择指导程序帮助选择合适的探头。本文利用多元高斯声束模型声线模式,对典型探头的的辐射声场进行模拟仿真,实现了声场在空间分布上的可视化。从实际需求出发,根据超声检测过程的特点,总结了涉及的数据种类,确定了系统需要实现的功能、系统的结构等。根据系统的需求针对超声检测数据库进行了相关的分析和设计,通过对超声检测过程中数据信息的收集和整理,并用Navicat建立了My SQL数据库。在My Eclipse平台上使用Java语言和SSH框架建立了网页客户端,并将其与数据库相连接,实现对数据库的访问,及对其中数据进行查询、存储、修改、和删除等操作,完成了基于B/S模式的超声检测数据库系统。系统包括材料声学参数的管理、常用结构材料参数的管理、常用探头参数的管理和探头选择四个模块。系统不仅实现了对超声检测数据库的信息化管理,而且满足了客户对数据库信息的访问和管理。系统具有良好的兼容性,在系统中接入了声场分析与仿真程序和探头选择指导程序,实现了超声检测过程中声场的仿真和辅助探头选择的功能,拓展了系统的功能。
航空发动机叶片自动超声检测技术研究
这是一篇关于航空发动机叶片,六轴机械手,轨迹规划,超声检测的论文, 主要内容为航空发动机叶片的质量可靠性和稳定性极其重要,目前这类具有复杂曲面结构的工件的自动超声检测方法主要以工件的三维几何模型来规划检测轨迹,但是,叶片在加工成形的过程中存在回弹现象,导致实际叶片轮廓与最初设计的几何模型存在误差,这为后续的超声检测带来了挑战。针对上述问题,本文针对航空发动机叶片开展三维几何模型重构和规划自动检测轨迹的研究。首先建立了叶片自动超声检测系统坐标系,确定了不同坐标系之间的变换关系。利用机械手夹持线结构光轮廓仪测量叶片轮廓,通过机械手夹持激光轮廓仪在叶片轴线两侧采集两次点云,同时,叶片不断旋转保证其始终处于激光轮廓仪的测量范围,接下来通过数据拼接、旋转平移将采集的点云变换到世界坐标系下,得到准确的叶片三维几何模型。整理后采用数据拟合方法获得曲面轮廓方程,基于曲面上的曲线方程规划加减速扫查轨迹位置,依据拟合曲面的法线规划轨迹姿态,从而满足超声探头到被测叶片表面等距与探头发出的声波始终沿叶片表面法线方向入射。最后对各扫查轨迹点进行多轴运动分解,获得包括六轴机械手和叶片旋转轴在内的各轴轨迹。最后,将六轴机械手与高频超声探头相结合,对叶片实现了自动检测实验。结果表明,通过采集叶片表面轮廓点云进而规划检测轨迹的方法可以有效地实现叶片的自动超声检测,满足声波沿表面法线入射和机械手运动平稳的要求。
矿用本安超声倒车预警系统研究与设计
这是一篇关于煤矿运输,倒车预警,超声检测,本质安全,无变压器驱动的论文, 主要内容为煤炭资源作为我国最重要的能源矿产资源之一,其开采量巨大,在国内能源的消费占比非常高。煤矿资源维系着国家命脉,对国民经济发展具有重大意义,煤矿生产条件和生产安全也因此成为至关重要的一环。现如今,煤矿井下的作业环境已有较大改善,但由于环境特殊,作业情况错综复杂,矿井内仍有较多的安全隐患而煤矿运输作为维系各工作单位及上下井之间联系的枢纽,矿井运输安全水平亟待提高。为了协助驾驶员安全行车,需设计一种适用于煤矿环境条件的倒车预警系统,以协助驾驶员获取周围信息。在矿井内光线条件差、空气中的灰尘和烟雾等杂质较多、作业面情况各有所异的条件下,抗干扰能力强、对环境适应性好的超声测距方式脱颖而出。传统倒车预警系统中的脉冲升压变压器线圈在提高驱动电压的同时其产生的能量大大超过瓦斯爆炸点燃能量的限制,无法满足矿井作业的防爆要求。为了确保其在爆炸性环境能够安全稳定运行,需要对整体电路进行本安化设计,研制出一套安全可靠的矿用本安超声倒车预警系统。本课题对从超声波特性、超声波测距方法、超声波衰减吸收及超声换能器的发展等方面进行全面分析;同时对煤矿井下作业防爆要求对应的本质安全理论进行阐释,从电气放电形式、基本电路的放电规律、本安电路的电弧放电数学模型、本安电路的电火花能量及本安电路的非爆炸性评价方法等方面透彻分析,为电路本安设计提供了参考。对矿用本安超声测距系统进行了详细的方案设计,分析计算了传统中周变压器驱动电路在爆炸性环境下的危害性,设计了无变压器驱动方案并验证了其本安性能;对数据通信常用的两种总线模式进行分析和对比,并确定了基于LIN总线的通信方案;设计通道选择模块以实现多通道的协同检测,确保测距系统能在不同的场合能正常发挥其测距预警作用;设计辅助电路以实现报警功能和距离显示,完善测距系统辅助功能,将测距信息实时反馈给驾驶人员。介绍了本安超声倒车预警系统所需的软件开发环境,对超声测距系统的结构功能进行分析设计,并对主控单元原理及结构进行研究和设计;设计了基于测距芯片的超声收发电路,通过软件设计调整和确定测距参数,使其能够可靠完成超声波发射和回波接收任务;设计了系统测距流程,使本安超声倒车预警系统能够正确按照指令发挥其测距和预警功能。搭建矿用本安超声倒车预警系统的实验平台,对LIN总线通信接口进行测试,以确保通信模块的正常工作;通过边沿捕捉实验提高了测距系统测量的准确性并降低了实验误差;在不同条件下进行超声测距实验,并在排除干扰后取得了符合要求的测距结果;使用不同频率的超声换能器进行测距实验,并对其效果进行对比;最后使用58KHz超声换能器进行系统的测距及可靠性实验,可实现250～2700mm范围内的有效距离测量,测距盲区小,测量误差在±30mm内,完全满足倒车预警需求。本课题研究设计的矿用本安超声倒车预警系统为提高矿井运输安全提出了一种行之有效的方案,该系统测距效果良好,反应速度快,可靠性强,对指导煤矿生产运输安全具有重要的借鉴意义。
基于多CNN集成学习的T型管节点焊缝缺陷超声识别研究
这是一篇关于T型管节点,超声检测,焊缝缺陷定性识别,深度学习,集成学习的论文, 主要内容为焊接T型管节点广泛应用于各类钢结构工程中,焊接构件中的焊缝质量是影响构件力学性能的主要因素之一。焊缝质量由焊缝中缺陷的性质、分布和大小共同决定,对焊缝缺陷做精准的定性识别是确保工程结构安全的关键。本文以T型管节点中的焊缝缺陷为研究对象,基于深度学习和集成学习方法进行以下几方面的工作。设计并焊制70个带焊缝缺陷的T型管节点试件,用超声探伤仪进行超声检测,采集的超声回波信号图像用于卷积神经网络的训练、验证和测试;设计并焊制18个对接钢板试件、25个对接钢管试件和18个对接钢管锥头试件,进行超声检测后采集的超声回波信号图像用于测试集成深度学习模型的泛化能力。建立包含8800张超声检测回波信号图像的数据集作为网络训练、验证和测试的对象。在超声检测过程中利用标签标记缺陷位置并做数据记录,用剖切方法验证标记处缺陷类型,建立超声回波信号图像与气孔、夹渣、未焊透和未熔合四种焊缝缺陷类型的一一对应关系。调整卷积神经网络Mobile Net-v2、Alex Net、Google Net和VGG的结构层、参数和权重,利用训练集数据对四种卷积神经网络进行训练,得到四种适用于T型管节点超声检测回波信号识别的卷积神经网络。利用测试集对所训练网络进行测试,得出四种网络的平均识别准确率分别为91%、85%、66%和45%。计算识别精确率和召回率,作为调整后卷积神经网络识别性能的评价指标。基于集成学习对训练的卷积神经网络按投票法进行结合建立集成深度学习模型,探究各类型卷积神经网络结合、集成尺寸大小对集成深度学习模型识别准确率的影响,发现在加权投票法下Mobile Net-v2、Alex Net和Google Net三种卷积神经网络结合形成的集成深度学习模型识别准确率最高,集成尺寸的增加有利于提高模型的识别准确率。对在绝对多数投票法、相对多数投票法和加权投票法三种投票方法下组成的集成深度学习网络模型的识别性能进行比较,其中表现最好的投票方法是加权投票法,表现最差的是绝对多数投票法,说明在集成深度学习模型中,需要给识别性能比较强的卷积神经网络更多的投票权,而对于识别性能比较弱的卷积神经网络要适当减少其决策权,以此来提高整个集成深度学习模型的识别性能。利用对接钢板、对接钢管和对接钢管锥头试件的超声检测回波信号图像测试了所训练网络的泛化能力,测试结果表明所训练网络也可用于识别以上三种结构型式构件的焊缝缺陷类型,只是识别准确率有所下降。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设导航 ，原文地址：https://bishedaima.com/lunwen/48145.html
