焊接缺陷磁光成像识别与分类研究

论文摘要

为保证良好的焊接质量,需要对焊件的焊缝进行检测。无损检测技术可在不损伤被测试件的情况下完成对试件表面或内部缺陷的检测。由于现有无损检测方法在焊接缺陷的检测中具有一定的局限性,提出一种基于磁光成像的焊接缺陷可视化无损检测方法,主要研究旋转励磁下磁光成像无损检测系统以及焊接缺陷的识别与分类。本课题首先通过法拉第磁光效应、漏磁场原理以及磁光传感器工作原理探究外加磁场与偏振光的偏转方向以及偏转角度的关系,并解释偏振光旋转角度与磁光图像灰度分布之间的关系。接着使用有限元方法建立焊接缺陷的三维仿真模型,探究焊接缺陷上方磁场分布规律,并对焊接缺陷上方不同提离度下的磁场分布进行对比分析,获取试验中磁光传感器采集磁光图像时的最佳提离度。然后详细介绍了交变磁光成像机理,并开展中碳钢交变磁光成像试验,研究交变磁光图像与激励磁场分布之间的关系。最后着重介绍旋转磁场产生原理,分析交叉磁轭产生复合旋转磁场激励焊件的机理,并通过对中碳钢焊件旋转磁光成像效果与交变磁光成像效果进行对比,分析了两种磁光成像方法在检测焊接缺陷时适用性,并对旋转磁光成像检测方法的多方向性进行了论述。为了实现焊接缺陷磁光图像的自动识别与分类,分别应用交变励磁下、旋转励磁下采集到的磁光图像序列建立焊接缺陷分类模型。针对已有各类焊接缺陷识别方法分类效果不够理想的问题,提出一种更有效的识别方法,将经过降噪、降采样处理后的交变磁光图像使用主成分分析法提取图像列像素特征,作为焊接缺陷分类模型的输入量,并使用adaboost算法结合误差逆向反馈传播神经网络构建误差逆向反馈传播神经网络-AdaBoost焊接缺陷强分类模型。同时建立列文伯格-马夸尔特算法优化的误差逆向反馈传播神经网络焊接缺陷分类模型与其进行对比,结果表明误差逆向反馈传播神经网络-AdaBoost焊接缺陷强分类模型可有效提高焊接缺陷的分类精度。最后论文使用磁光传感器采集带有缺陷的中碳钢焊件的旋转磁光图像,获得一系列旋转磁光图像序列,建立中碳钢焊接缺陷磁光图像的分类模型。使用灰度共生矩阵法提取降噪后磁光图像的纹理特征,并结合图像灰度计算特征作为输入特征向量,构建焊接缺陷磁光图像随机森林分类模型。分类结果证明所提方法能有效识别中碳钢焊件中的凹坑、未熔透以及裂纹缺陷,实现焊接缺陷磁光图像的自动识别与分类。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
•   1.1 课题研究背景
•   1.2 焊接无损检测方法概述
•     1.2.1 超声检测
•     1.2.2 射线检测
•     1.2.3 渗透检测
•     1.2.4 磁粉检测
•     1.2.5 涡流检测
•     1.2.6 激光视觉检测
•   1.3 磁光成像检测技术研究现状
•     1.3.1 磁光成像概述
•     1.3.2 磁光成像国外研究现状
•     1.3.3 磁光成像国内研究现状
•   1.4 选题意义及主要研究内容
•     1.4.1 选题意义
•     1.4.2 课题主要研究内容
•   1.5 本章小结
• 第二章 焊接缺陷磁光成像检测试验系统
•   2.1 试验系统概述
•   2.2 磁光成像无损检测平台
•     2.2.1 试验平台整体结构
•     2.2.2 十字滑台
•     2.2.3 电机控制柜
•   2.3 磁光成像图像采集系统
•     2.3.1 磁光成像传感器
•     2.3.2 交变磁场发生器
•     2.3.3 旋转磁场发生器
•     2.3.4 特斯拉计
•   2.4 本章小结
• 第三章 焊接缺陷磁光成像分析
•   3.1 磁光成像原理
•     3.1.1 法拉第磁光效应
•     3.1.2 漏磁场原理
•     3.1.3 磁光传感器工作原理
•     3.1.4 磁光薄膜的磁滞回线
•   3.2 焊接缺陷磁光图像分析
•   3.3 焊接缺陷磁场仿真与提离度分析
•     3.3.1 麦克斯韦方程组
•     3.3.2 焊接缺陷三维建模
•     3.3.3 磁场仿真结果分析
•     3.3.4 不同提离度下磁场分布对比分析
•   3.4 本章小结
• 第四章 交变磁光成像与旋转磁光成像对比分析
•   4.1 交变磁光成像分析
•     4.1.1 交变磁场分析
•     4.1.2 交变磁光成像试验
•   4.2 旋转磁场磁光成像
•     4.2.1 旋转磁场产生机理
•     4.2.2 旋转磁场磁光成像试验
•   4.3 交变磁光成像与旋转成像效果对比
•   4.4 本章小结
• 第五章 交变励磁下焊接缺陷识别与分类
•   5.1 交变励磁下焊接缺陷磁光成像
•     5.1.1 交变磁光成像试验
•     5.1.2 交变磁光图像降噪
•   5.2 磁光图像主成分特征提取
•     5.2.1 磁光图像降采样
•     5.2.2 基于主成分分析的特征提取
•   5.3 LM算法优化的BP神经网络焊接缺陷分类模型
•     5.3.1 LM算法优化BP神经网络原理
•     5.3.2 焊接缺陷分类及结果
•   5.4 基于BP-Adaboost算法的焊接缺陷分类模型
•     5.4.1 BP-Adaboost概述
•     5.4.2 焊接缺陷分类及结果
•   5.5 本章小结
• 第六章 旋转励磁下焊接缺陷识别与分类
•   6.1 旋转励磁下焊接缺陷磁光成像
•     6.1.1 旋转磁光成像试验
•     6.1.2 旋转磁光图像降噪
•   6.2 磁光图像特征提取
•     6.2.1 图像灰度计算特征提取
•     6.2.2 GLCM纹理特征提取
•   6.3 基于随机森林的焊接缺陷分类模型
•     6.3.1 随机森林概述
•     6.3.2 随机森林剪枝问题
•   6.4 焊接缺陷随机森林分类及结果
•     6.4.1 随机森林袋外误差结果
•     6.4.2 随机森林决策树模型
•     6.4.3 随机森林分类结果
•   6.5 本章小结
• 总结与展望
• 参考文献
• 攻读学位期间发表论文及专利申请等成果
• 致谢

文章来源

类型: 硕士论文

作者: 郑俏俏

导师: 高向东,许东伟

关键词: 焊接缺陷,磁光成像,无损检测,交变,旋转磁场,模式识别

来源: 广东工业大学

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 物理学,金属学及金属工艺,计算机软件及计算机应用

单位: 广东工业大学

基金: 广东省焊接工程技术研究中心高向东教授主持的国家自然科学基金《不可见焊接缺陷旋转场能堆积磁光成像检测关键问题研究》,项目编号(No.51675104)

分类号: O436.3;TP391.41;TG441.7

DOI: 10.27029/d.cnki.ggdgu.2019.000606

总页数: 102

文件大小: 4056K

下载量: 75