首页期刊导航|无损检测
期刊信息/Journal information
无损检测
无损检测

耿荣生

月刊

1000-6656

ndt@mat-test.com

021-65556775-225

200437

上海市邯郸路99号

无损检测/Journal Nondestructive Testing北大核心CSTPCD
查看更多>>本刊系中国机械工程学会与上海材料研究所主办、中国科协主管的应用类技术刊物,全国无损检测学学会刊,学会对外交流指定用刊,在国内外颇具影响,为国内无损检测领域权威刊物。
正式出版
收录年代

    基于多频技术的涡轮叶片涡流检测边缘效应抑制

    王鹏李包水殷尊李佼佼...
    71-76页
    查看更多>>摘要:涡轮叶片是航空发动机的重要组成部件,对其进行质量检测有着重要意义.在对涡轮叶片进行涡流检测的过程中,当使用单一频率的涡流探头扫查叶片边缘时,检测线圈易受到边缘效应的信号干扰,叶片边缘的缺陷信号有可能淹没在干扰信号中,因此必须消除边缘效应对信号的干扰才能保证检测的质量.为此,提出一种通过多频涡流技术对涡轮叶片检测中边缘效应的干扰信号进行抑制的方法,并进行验证试验.试验结果表明,多频涡流检测技术能够有效抑制边缘效应的干扰,可提高涡轮叶片检测准确率,降低漏检率.

    多频涡流检测涡轮叶片边缘效应

    氧化锆内涂层腐蚀裂纹的超声检测

    赵通张峰冀国俊
    77-85页
    查看更多>>摘要:氧化锆材料因其优异的性能被广泛应用于各个领域,然而其作为涂层材料与金属基体结合使用时,易产生腐蚀裂纹.首先通过有限元软件构建氧化锆涂层腐蚀裂纹的超声检测模型,分析超声检测氧化锆涂层腐蚀裂纹的可行性,其中氧化锆涂层作为内涂层设置在金属基体内侧.然后根据仿真结果采集不同深度腐蚀裂纹的超声信号,分析其裂纹深度与缺陷信号之间的关系,并采用 SPWVD 时频分析法对裂纹信号进行分析,提取信号中能够表征腐蚀裂纹的特征量.最后采样200组裂纹信号,构造信号特征量与裂纹深度数据集,并使用卷积神经网络算法对其裂纹深度进行识别分类.试验结果表明,通过卷积神经网络算法对采集到的裂纹信号进行识别和训练,识别准确率为 96.7%.试验为氧化锆内涂层腐蚀裂纹的检测与识别提供了一些参考.

    氧化锆涂层腐蚀裂纹超声时频分析卷积神经网络

    基于FPV飞行技术的耐张线夹无人机数字射线检测技术

    岳贤强马君鹏李夕强单华...
    86-92页
    查看更多>>摘要:为解决在役输电线路耐张线夹压接质量人工登塔检测过程中存在的高坠风险高、辐射防护困难、作业效率低等问题,提出了一种"无人机+数字射线"检测技术,设计并制作了用于多旋翼无人机搭载的专用工装,采用基于FPV(第一人称视角)飞行技术辅助挂载的方式,实现了人工检测作业的机器替代,并进行了工程应用.经验证,采用无人机作业的方式,仅15 min就可以完成一座基塔的检测作业,相对人工作业,实现了安全和效率的双重提升.

    无人机数字射线耐张线夹FPV

    深度学习在油气管道漏磁检测领域的应用

    王轲黄成橙王鹏
    93-99页
    查看更多>>摘要:管道运输是石油和天然气等能源介质相对安全和可靠的运输方式,但制造以及焊接缺陷、损伤、腐蚀等问题的存在导致管道事故时有发生,给管道的安全运行埋下了极大的隐患.漏磁检测是油气管道安全检测中应用最为广泛的无损检测技术之一,漏磁数据的分析对管道安全评估至关重要.近年来有许多学者将深度学习应用到管道漏磁检测的数据分析中,取得了显著的成果.深度学习作为一种强大的机器学习方法,在油气管道漏磁检测领域展现了广泛的应用前景.梳理了国内外相关研究成果,从管道目标检测、管道异常分类和管道缺陷量化等三个方面详细论述了深度学习在管道漏磁检测中的应用研究.在此基础上分析了深度学习在管道缺陷漏磁检测领域未来的发展趋势,以期为相关研究提供参考.

    深度学习油气管道漏磁检测发展趋势

    铅箔增感屏在钛合金增材产品射线检测中的增感效果

    史洪源张嘉毅李吉利周鹏...
    100-104页
    查看更多>>摘要:为理清现行各标准对钛合金产品增感屏的使用要求,对钛合金增材制造阶梯试块实施不同条件的射线检测,采用改变透照管电压、使用单增感屏、使用双增感屏、不使用增感屏等方法,得到不同增感条件下的底片黑度.试验结果表明,管电压不大于80 kV时,可以不使用前屏、后屏,若背散射较强,可以使用后屏或在暗袋后加铅板吸收背散射;当管电压为80~100 kV时,可以不使用前屏,应考虑使用后屏;当管电压不小于100 kV时,使用前后屏增感方式.

    钛合金增感屏射线检测增感效果