本文選題：焊接缺陷 + 磁光成像　； 參考：《廣東工業(yè)大學(xué)》2016年碩士論文

【摘要】：焊接技術(shù)是工業(yè)制造的基礎(chǔ)。在焊接過程中,由于受焊接現(xiàn)場各種干擾因素的影響,如激光功率、焊接速度、離焦量、氬氣流量、高溫高壓以及工件表面狀況等,焊接過程會出現(xiàn)不穩(wěn)定狀態(tài),進(jìn)而產(chǎn)生焊接缺陷,直接影響焊接質(zhì)量。為保證連接材料的安全可靠且不影響被檢測對象的試驗(yàn)性能,需采用相應(yīng)的無損檢測技術(shù)通過不損傷被檢查材料的方式,對焊接材料的狀態(tài)進(jìn)行無損的檢測,及時(shí)檢測缺陷,杜絕潛在的危害。但常規(guī)的無損檢測方法存在著一定的限制和不足,因此,探索一種基于磁光檢測的新方法,用于焊接缺陷的無損檢測。論文采用磁光成像無損檢測焊接工件缺陷方法,結(jié)合法拉第電磁感應(yīng)原理,法拉第磁致旋光效應(yīng),布儒斯特定律以及計(jì)算機(jī)機(jī)器視覺,研究偏振光發(fā)生光源,偏振光光路設(shè)計(jì)和磁光激勵方式的控制參數(shù)。利用勵磁場磁化焊接工件,采用檢偏器檢測因磁場分量在焊接缺陷位置發(fā)生變化產(chǎn)生的偏振光旋轉(zhuǎn)變化,得到明暗變化的磁光圖像。在實(shí)際焊接缺陷檢測過程中,由于受到磁場強(qiáng)度變化和各種其他噪聲的影響,采集到的磁光圖像仍然會存在退化問題,清晰度較差,識別度降低,難于對焊接工件缺陷磁光圖像進(jìn)行透徹的分析。因此根據(jù)磁光感應(yīng)成像的檢測環(huán)境特點(diǎn),以工件焊接缺陷為檢測對象,研究焊接缺陷磁光圖像的恢復(fù)算法。試驗(yàn)通過分析焊接工件缺陷磁光圖像的特征,利用模糊集合論原理,采用改進(jìn)的連續(xù)模糊增強(qiáng)算法提高區(qū)分度,以高強(qiáng)鋼為檢測對象,研究其表面裂紋磁光成像不均、裂紋和熔融區(qū)區(qū)分度低的不足。利用自適應(yīng)快速邊緣檢測算法提取焊接裂紋圖像的紋理特征。提取裂紋磁光圖像邊緣特征,提高焊接裂紋檢測跟蹤過程的準(zhǔn)確性。論文采用圖像處理算法對焊縫磁光圖像進(jìn)行特征識別并估計(jì)最優(yōu)尺度,根據(jù)分類算法對提取的焊接缺陷特征進(jìn)行分析和訓(xùn)練,構(gòu)建焊接缺陷特征量并對焊接材料表面缺陷磁光圖像進(jìn)行自動識別。試驗(yàn)結(jié)果表明,運(yùn)用磁光成像方法可以獲取焊接材料焊接缺陷特征,并通過圖像分形維數(shù)分析可識別焊縫缺陷的位置、形狀和類別,同時(shí)探索了通過主成分分析方法提取焊接缺陷特征以及利用支持向量機(jī)進(jìn)行焊接材料的缺陷磁光成像識別對提高分類精確度的有效性。
[Abstract]:Welding technology is the foundation of industrial manufacture. In the welding process, because of the influence of various interference factors, such as laser power, welding speed, defocusing amount, argon flow rate, high temperature and high pressure, and the surface condition of the workpiece, the welding process will appear unstable state. Then the welding defects are produced, which directly affect the welding quality. In order to ensure the safety and reliability of the connection material and not affect the test performance of the tested object, it is necessary to adopt the corresponding nondestructive testing technology to detect the defects of the welding material without damaging the inspected material. Put an end to potential hazards. However, there are some limitations and shortcomings in conventional nondestructive testing methods. Therefore, a new method based on magneto-optic testing is explored for nondestructive testing of welding defects. In this paper, using magneto-optic imaging nondestructive testing method of welding workpiece defect, combining Faraday electromagnetic induction principle, Faraday magnetically induced optical rotation effect, Brewster's law and computer machine vision, the polarized light source is studied. Design of polarized light path and control parameters of magneto-optic excitation mode. The polarization detector is used to detect the rotation change of polarized light caused by the change of magnetic field component in the position of welding defect by magnetized welding workpiece in excitation field, and the magneto-optical image of light and dark change is obtained. In the actual welding defect detection process, due to the change of magnetic field intensity and various other noises, the acquired magneto-optic image will still have the problem of degradation, the sharpness is poor, and the recognition degree is reduced. It is difficult to make a thorough analysis of the magneto-optic image of welded workpiece defects. Therefore, according to the characteristics of the detection environment of magneto-optic induction imaging, the restoration algorithm of magneto-optical image of welding defects is studied. By analyzing the characteristics of magneto-optic image of welding workpiece defects, using the principle of fuzzy set theory, using the improved continuous fuzzy enhancement algorithm to improve the discrimination, and taking high-strength steel as the detection object, the uneven magneto-optic imaging of the surface crack is studied. The deficiency of low differentiation between crack and melting zone. An adaptive fast edge detection algorithm is used to extract the texture features of welding crack images. The edge feature of crack magneto-optic image is extracted to improve the accuracy of welding crack detection and tracking process. In this paper, the image processing algorithm is used to identify and estimate the optimal scale of the weld magneto-optic image, and the extracted welding defect features are analyzed and trained according to the classification algorithm. The characteristic quantity of welding defect is constructed and the magneto-optic image of welding material surface defect is identified automatically. The experimental results show that the welding defect characteristics can be obtained by using magneto-optic imaging method, and the position, shape and category of weld defects can be identified by analyzing the fractal dimension of the image. At the same time, the effectiveness of extracting welding defect characteristics by principal component analysis (PCA) and using support vector machine (SVM) to identify defects in welding materials by magneto-optic imaging (MRI) is explored to improve the classification accuracy.
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TG441.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙強(qiáng);淺析焊接缺陷的產(chǎn)生原因及對策[J];邯鄲農(nóng)業(yè)高等�？茖W(xué)校學(xué)報(bào);2003年03期

2 阮鑫;張利鋒;王成君;葛愛菊;;化工用小型鋯容器的焊接缺陷及防范對策研究[J];中國機(jī)械工程;2006年S2期

3 魏新剛;倪巖;;鈦合金焊接缺陷的預(yù)防[J];內(nèi)蒙古石油化工;2007年08期

4 李劍峰;;薄板制作件焊接缺陷解決[J];煤礦機(jī)械;2008年05期

5 王德軍;;焊接缺陷對結(jié)構(gòu)影響的預(yù)防對策淺析[J];黑龍江科技信息;2009年16期

6 李明奎;;焊接缺陷對結(jié)構(gòu)的影響及其防治措施[J];黑龍江科技信息;2010年16期

7 朱海濱;;焊接缺陷對結(jié)構(gòu)強(qiáng)度的影響[J];科技創(chuàng)新與應(yīng)用;2012年26期

8 王賀龍;;常見焊接缺陷危害分析及防治措施[J];中國新技術(shù)新產(chǎn)品;2012年21期

9 歐陽微;;電廠焊接缺陷產(chǎn)生的原因機(jī)理與處理措施分析[J];科技與企業(yè);2012年17期

10 虞偉峰;;焊接缺陷的分類及其影象辨別[J];工業(yè)鍋爐;1988年01期

相關(guān)會議論文 前10條

1 劉平來;王英祥;趙仁孝;;焊接缺陷力學(xué)影響場的研究[A];第五屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第一卷）[C];1996年

2 董新;王海峰;;常見焊接缺陷的成因探討級對策[A];第十五屆中國海洋（岸）工程學(xué)術(shù)討論會論文集(下)[C];2011年

3 張宣關(guān);范章;;建筑鋼結(jié)構(gòu)焊接缺陷的檢測、分析和評定[A];陜西省第八屆NDT年會論文集[C];2002年

4 蘇杭;倪家強(qiáng);梁硼;占小紅;魏艷紅;;鋼材焊接缺陷診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];第十六次全國焊接學(xué)術(shù)會議論文摘要集[C];2011年

5 趙斌;袁敏哲;孫萬倉;;鎳及基合金常見焊接缺陷的預(yù)防措施及處理方法[A];第四屆數(shù)控機(jī)床與自動化技術(shù)高層論壇論文集[C];2013年

6 陳冰泉;周建軍;李榮鋒;;焊接缺陷對貯罐承載能力的影響[A];第十次全國焊接會議論文集（第2冊）[C];2001年

7 張友壽;余圣甫;謝志強(qiáng);吳東周;劉平;;用磁攪拌技術(shù)減輕和消除鈹?shù)暮附尤毕輀A];中國工程物理研究院科技年報(bào)（2005）[C];2005年

8 吳成蕓;;淺議焊接缺陷與磁粉檢測可檢性[A];西南地區(qū)第十屆NDT學(xué)術(shù)交流會論文集[C];2009年

9 剛鐵;吳林;;焊接缺陷的智能化模式識別與診斷[A];第九次全國焊接會議論文集（第1冊）[C];1999年

10 曾翔;;關(guān)于無損探傷焊接缺陷評定[A];2007'湖北·武漢NDT學(xué)術(shù)年會論文集[C];2007年

相關(guān)重要報(bào)紙文章 前3條

1 汪一佛;焊接缺陷的成因及消除的方法[N];中國建材報(bào);2002年

2 本報(bào)記者 劉立巖　何志丹 特約記者 羅延智 李永哲;智慧創(chuàng)造神奇[N];石油管道報(bào);2009年

3 金星 范里洪 黃躍進(jìn) 陳國民;杭鋼煉鐵廠稀氨器焊補(bǔ)修復(fù)實(shí)踐[N];世界金屬導(dǎo)報(bào);2014年

相關(guān)博士學(xué)位論文 前1條

1 孫正;基于圖像的焊接缺陷提取與識別方法研究[D];中國礦業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉業(yè)華;含焊接缺陷的動車組車體疲勞壽命預(yù)測研究[D];大連交通大學(xué);2015年

2 謝溢龍;焊接缺陷磁光成像特征分析與探傷方法研究[D];廣東工業(yè)大學(xué);2016年

3 徐亮;新型低碳貝氏體高強(qiáng)度鋼焊接缺陷統(tǒng)計(jì)分析研究[D];昆明理工大學(xué);2010年

4 王靜芳;煤礦機(jī)械焊接缺陷超聲信號智能識別技術(shù)研究[D];西安科技大學(xué);2013年

5 葉志龍;基于圖像處理的焊接缺陷自動檢測方法研究[D];南京航空航天大學(xué);2013年

6 劉明;大型壓力管道焊接缺陷的強(qiáng)度分析與安全評定[D];西南交通大學(xué);2008年

7 劉煥玉;焊接缺陷對鋼框架動力特性影響的數(shù)值模擬分析[D];長江大學(xué);2012年

8 趙亮強(qiáng);基于超聲衍射時(shí)差法的焊接缺陷自動識別方法研究[D];上海交通大學(xué);2011年

9 黃誠;焊接缺陷斷裂的可靠性評定[D];大連理工大學(xué);2002年

10 周春成;圖像處理技術(shù)在焊接缺陷檢測中的應(yīng)用[D];鄭州大學(xué);2010年

，

本文編號：1812551