测·控领域专业互动媒体平台
推动测试测量,检测诊断,传感物联,遥测自控智能化发展
当前位置:CK365中国测控网 > 论文 > 应用技术 >

信号处理和虚拟仪器技术在无损检测中的应用

2014-04-03 14:27:34

[导读] 无损检测技术的发展及应用对机械工程发展具有重大意义。介绍了数字图像处理、人工神经网络、多传感器信息融合技术以及虚拟仪器技术在无损检测中的应用情况。


无损检测技术是提高产品质量,促进技术进步不可缺少的手段,它的发展和应用对于提高生产力,促进经济和技术的发展具有巨大的推动作用。产品经过无损检测不但可减少人员的浪费,提高性能指标,而且可大幅度增值[1]。可以说,无损检测技术是机械工程发展的灵魂。无损检测技术的发展反映了一个国家工业化的水平,其新技术的应用更是工业进步的积极因素。下面简单介绍无损检测技术的新进展。

1 数字图像处理技术

传统的射线探伤在检测未焊透、夹渣、铸件中的缩孔、气孔和疏松等缺陷时,均需要人眼对图像进行判别,因此很难形成统一的标准,且不易鉴别各种假缺陷。而经过数字图像处理后,所有这些工作均由计算机完成,不但提高了鉴别的准确性,而且提高了工作效率。如计算机X射线成像(CR),它采用电荷耦合器件(CCD)或涂有光激发性荧光材料的影像板作为X射线检测和记录的载体,应用计算机进行数据图像处理,使检测更直观、更方便。其关键技术的主要程序如下:

1.1 图像的数字化

图像的数字化就是把一幅连续的光学图像表示成一组数字(数字图像),既不失真又便于计算机分析处理。简单地讲,就如用网格把要处理的图像罩上,然后把每一个网格中的模拟图像的各个亮度取其平均值,作为该小网格中点的值;也可以把网格交叉点处的模拟图像的亮度值作为该网格交叉点上的值,这样一幅模拟图像就变化为只用小网格的中点值,或只用网格交叉点上的值表示离散值图像,该图像称为数字图像。数字图像以矩阵的形式来表示一副图像。

1.2 缺陷的提取

结合工业图像的特点利用改进的模糊增强方法对图像进行增强处理,利用改进的中值滤波对增强后的结果进行平滑,再用二值化方法对图像进行闭值分割,使得缺陷全黑,背景全白,黑白分明,最后通过计算纹理特征对二值图像进行修正,使得提取出的缺陷边缘更为准确。

1.3 边缘跟踪

采用2×2窗口进行边缘跟踪,来提取缺陷的边缘,这样就形成了单像素连接的缺陷轮廓线,达到提取缺陷的目的。这里将缺陷的封闭边界转换成方向链码的形式,如图1所示,每一条线段都有一个方向,当沿着边界顺时针描述目标边界时,边界链上的方向可以从路径的左上角开始按四连通(图2)编码,得路径的链码为00300333212232211011。在四连通路径中,每条链码线段的长度都为1。为便于对计算机识别结果的有效性进行检验,该系统最后将提取出的轮廓曲线和原图像进行叠加,将缺陷轮廓以外的所有区域恢复成原来的灰度值。缺陷内部的灰度表示缺陷的三维信息。最终提取出图3所示的缺陷轮廓。

 

 

1.4 图像识别

为判断提取出的图像是否存在缺陷以及缺陷的类型,需对缺陷的特征参数(长短径、周长、面积和周长面积比等)进行计算。利用这些特征参数可将焊缝的缺陷分级[2],从而高速、有效地确认缺陷特征。

2 人工神经网络技术

人工神经网络在机械工程中有重要的应用。研究表明[3],利用人工神经网络进行模式识别具有更高的精确度,如其对裂纹和剥落的分类识别率为98%,对缺陷长度和深度的识别误差<±5%,因而深受工程人员的青睐。

人工神经网络是利用工程技术手段模拟人脑神经网络的结构和功能的一种技术系统,它是一种大规模并行的非线性动力系统[4]。目前,其研究成果多采用多层感知器。BP网络的结构即是采用多层感知器,它是前馈网络中最重要的一种,包括一个输入层,一个或多个隐层以及一个输出层,每层有若干个神经元,其拓扑结构见图4。网络的作用不是寻找一个确定的数学表达式,而是把样本集合中的输入向量输给网络后,依据一定的算法,使网络的实际输出在某种数学意义上是理想输出的最佳逼近。输入向量X=(x1,x2,…,xn)和输出向量Y=(y1,y2,…,yn)之间的关系可视为一映射关系,即

 

 

I和R的值域空间可相同,亦可不同。Kdmogorov定理指出[3],一个三层结构的人工神经网络,输入层有n个神经元,隐层有2n+1个神经元,输出层有m个神经元,即可在任意精度下逼近任意的非线性函数,是一种全局逼近器。

BP网络的训练常采用误差反向传播算法(er-ror back propagation algorithm,简称BP算法),通过误差反向传播到修正隐层权重,从输出层确定系统误差,然后将其传播到隐层,直到输入层,在最小均方差意义下最终确定各层间的连接权重,选出最优方案而实现最佳逼近。

神经网络具有很强的稳健性、容错性和自学习性,而且同时具备模糊系统善于处理分类边界模糊数据以及易于引入启发性知识的能力,因此具有基于模糊神经网络所建立的较一般检测信号处理系统所不可比拟的柔性和应变能力,易于实现智能决策。将人工神经网络应用于电磁无损检测,可在一定程度上解决电磁检测信号定量解释中的难题,使电磁无损检测技术更好地服务于生产实践。

3 多传感器信息融合技术

在机械工业生产中,由于多种金属材料的应用以及各部件处理工艺的不同,造成同一零件各部分特征的明显差异,因此检测困难。而目前常用的超声、涡流、磁粉和射线等检测方法各有所长,也有局限性。如超声检测对平面型缺陷较敏感,因此对裂纹和未熔合等长条缺陷的检出率较高,而对体积状缺陷检出率较低;射线检测对气体和夹渣等体积状缺陷较敏感;磁粉检测可以确定钢铁材料表面缺陷的位置和分布,但无法判断缺陷的内部形状和取向;涡流检测在导电材料表面及近表面的检测中效果明显,而在深层检测上受到很大限制[5]。多传感器信息融合技术可有效避免以上多种技术的不足,如为了解决超声检测存在的不可避免的盲区与涡流检测不可克服的检测深度不足的问题,ABB AMDATA和AIS公司都开发了集超声与涡流检测于一体的超声/涡流检测设备[6]。

多传感器信息融合技术是要充分利用多传感器资源,通过适当的综合来获得比任何单一信息所能表达的更多信息。通过传感器协调和联合运作的优势提高检测系统的整体性能。信息融合系统分为数据层融合、特征层融合和决策层融合三个层次[7]。

首先通过数据层直接将各种传感器的原始数据进行关联后,进入融合中心,完成对被测对象的综合评价,然后在特征层把原始数据特征提取出来,进行数据关联和归一化处理,最后由决策层鉴别和判定缺陷的类型和位置等特征。系统中若有一个或多个传感器失效,仍能继续工作,具有较好的容错性,可靠性高。

4 虚拟仪器技术

虚拟仪器技术在机械工程中的应用实现了信号的实时处理,简化了设备结构,增强了仪器功能,使检测结果更精确、更可靠。它将现有的计算机主流技术新的灵活易用的软件和高性能模块化硬件结合在一起,建立起功能强大又灵活易变的基于计算机的测试测量与控制系统来代替传统仪器的功能[8]。在虚拟仪器中硬件不是系统的主体,而只是信号输入输出的通道。将测量所得模拟信号转化为数字信号,然后传输给计算机[9]。信号的分析、计算、统计和结果显示等繁杂的工作都交由系统的软件处理。

利用计算机处理器强大的运算能力,可很快得到结果[10]。除此之外,虚拟仪器可以连接多种传感器,可将数据融合和图像处理等尖端技术集于一身,将是检测精密器件的必不可少的工具。

现阶段无损检测中的虚拟仪器主要是将超声探伤虚拟,其应用程序的开发环境主要有两种[11],一种是基于传统的文本语言的软件开发环境,常用的有Lab Windows/CVI,Visual BASIC和VC++等;一种是基于图形化语言的软件开发环境,常用的有Lab VIEW和HP VEE。其中图形化软件开发系统是用工程人员所熟悉的术语和图形化符号代替常规的文本语言编程,界面友好,操作简便,可大大缩短系统开发周期,深受专业人员的青睐。

5 结束语

随着电子技术和微型计算机技术的迅速发展,新技术在无损检测中的应用将会越来越广泛。在未来的发展中,其将进一步提高无损检测的可信度,将探测缺陷的任务变成测量缺陷的参数,以达到评价被检工件剩余使用寿命的目的,更多的功能将被添加,如高智能化、网络化、自识别功能和自动检测功能等。经过不断创新,无损检测技术必将更加广泛地用于机械工程中,从而促进工业技术迅猛发展。

[整理编辑:中国测控网]
标签:  无损检测[11]    数字图像处理[2]    人工神经网络[6]    虚拟仪器[5]
 
[ 论文搜索 ]  [ ]  [ 好友分享 ]  [ 打印本文 ]  [ 关闭窗口 ]  [ 返回顶部 ]

版权与免责声明:

①凡本网注明"来源:中国测控网"的所有作品,版权均属于中国测控网,转载请必须注明中国测控网 www.ck365.cn。违反者本网将追究相关法律责任。
②本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

注册成为中国测控网会员

可以无需任何费用浏览专业技术文章

 
 
注册中国测控网会员以便浏览全文