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

    基于矫顽力的12Cr1MoVG焊接接头应力检测

    任强孙文龙陶立翔张光学...
    1-6页
    查看更多>>摘要：矫顽力检测是一种应力无损检测技术,利用矫顽力与应力的关系,能够准确地评估材料内部的应力状态.基于力磁耦合理论,研究了在不同磁化方向下,12Cr1MoVG母材、12Cr1MoVG同种钢焊接接头和12Cr1MoVG/P91异种钢焊接接头不同区域矫顽力与应力的关系.试验结果表明,磁化方向平行于应力方向的矫顽力随着应力的增大先减小后增大;磁化方向垂直于应力方向的矫顽力随着应力的增大而增大;在拉伸过程中,12Cr1MoVG同种钢焊接接头的应力集中在母材区及热影响区;12Cr1MoVG/P91异种钢焊接接头的应力集中在12Cr1MoVG母材区及其热影响区.该研究结果为铁磁性材料的矫顽力检测提供了一定理论基础.

    矫顽力磁化方向磁畴拉伸应力

      原文链接:
    • 万方数据
    • 维普

    风电机组齿轮的弱磁检测技术

    李丰芫于润桥陈靖博林玉婷...
    7-11页
    查看更多>>摘要：针对现有无损检测技术难以满足风电机组齿轮多类型缺陷检测需求的问题,提出了一种基于弱磁原理的无损检测技术.采用所提方法,设计试验分别对两种含有不同缺陷的17Cr2Ni2Mo钢试样进行检测,采集检测数据后进行信号处理和分析,最后与工业CT、巴克豪森噪声检测结果进行对比.试验结果表明,弱磁检测技术对齿轮的表面和内部裂纹缺陷较为敏感,对齿轮的磨削烧伤有很好的识别能力,定位准确,信号处理后的结果更为直观清晰.该技术在风电机组齿轮的无损检测中具有应用潜力.

    风电机组齿轮弱磁检测裂纹检测磨削烧伤检测

      原文链接:
    • 万方数据
    • 维普

    反应堆压力容器主螺栓表面缺陷的线激光测量与涡流检测对比

    余永成王立君王百舸尹基林...
    12-16页
    查看更多>>摘要：涡流检测是核电站反应堆压力容器主螺栓的主要检测方式,该方法主要用于对螺纹根部的缺陷进行表面检测.线激光测量技术是一种近年来新兴的非接触测量方式,通过高速激光扫描实现物体表面形貌的大面积、高分辨率测量,具有快速、非接触及高精度等特性.采用两种方法对反应堆压力容器主螺栓进行检测,试验结果表明,两种方法均可对其缺陷进行有效检测,线激光技术能精确到微米级,测量结果更加直观,且容易定量、定性,为主螺栓检测中的缺陷判定提供了可靠的数据支撑;两种检测方法各有优劣,实际检测时应取长补短,从而为反应堆压力容器主螺栓提供更加智能化、高效的检测方案.

    线激光测量反应堆压力容器主螺栓涡流检测

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的焊缝缺陷X射线检测图像识别与增强

    王树森李萍黄大伟李晓庆...
    17-23页
    查看更多>>摘要：为了提高焊缝缺陷X射线图像识别的准确率,需要采用有效的图像增强技术,笔者研究了不同图像增强方法对焊缝图像质量的影响,用峰值信噪比、结构相似度、结构清晰度、信息熵等参数对图像增强质量进行评价.试验结果表明,直方图均衡化(HE)与限制对比度自适应直方图均衡化(CLAHE)有较好的对比度增强效果,非局部均值滤波(NLM)与小波降噪(DWT)的去噪综合表现较好.基于CLAHE-NLM的图像增强处理可以更有效地帮助深度学习模型进行焊缝缺陷分类识别,焊缝缺陷分类的准确率与F1值达97.6％和96.93％,相较于未增强处理的数据集提高了3.2％与 5.23％.

    图像增强深度学习焊缝缺陷X射线

      原文链接:
    • 万方数据
    • 维普

    基于1D-CNN-SVM的钢丝绳损伤识别方法

    任建浩陈实薛家杰吴非...
    24-29页
    查看更多>>摘要：为实现对钢丝绳损伤的高效、精准识别,提出一种基于1D-CNN-SVM的钢丝绳损伤识别模型.使用一维卷积神经网络对损伤的漏磁检测信号进行特征提取,然后输入到支持向量机中进行缺陷分类,通过将不同工况速度下的数据集代入该模型,检验所提模型的缺陷识别能力.试验结果表明,相较于1D-CNN,1D-CNN-ELM,1D-CNN-LTSM等模型,所提模型的准确性和可靠性更高,对各类损伤的识别准确率均不小于97％,体现出较强的泛化能力.

    一维卷积神经网络支持向量机漏磁检测损伤识别

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的列车车轴缺陷超声检测

    刘建罗林李金龙高晓蓉...
    30-35页
    查看更多>>摘要：针对列车车轴超声检测中缺陷(特别是微小缺陷)检出率和检测效率低的问题,提出了 一种基于深度学习的列车车轴缺陷超声检测方法,在YOLO v5s网络的基础上,改进特征提取层结构并加入SE注意力机制,采用实际车轴检测数据、CIVA仿真数据和GAN生成式数据构建了数据集,并进行了验证试验.试验结果表明,通过增加仿真数据和GAN生成式数据样本,所提方法在提高实际车轴超声检测缺陷检出率的同时,可有效检出微小车轴缺陷,其检出率可达99.25％,具有较高的应用价值和前景.

    深度学习超声检测车轴缺陷数据增强

      原文链接:
    • 万方数据
    • 维普

    基于SHAP可解释性的焊缝缺陷类型超声识别XGBoost模型

    陈明良马志远张东辉付冬欣...
    36-42页
    查看更多>>摘要：针对焊缝缺陷机器学习超声识别过程中存在特征冗余、可解释性差等问题,提出了一种基于SHAP可解释性的焊缝缺陷超声识别XGBoost(极限梯度提升)模型.在碳钢焊缝试样上加工4类典型缺陷,采用横波斜入射法采集超声反射回波信号,分别提取16个时域特征、16个频域特征以及3个信息熵特征.计算SHAP值并选择其前8个高贡献特征构建特征子集,利用交叉验证和网格搜索优化XGBoost模型进行缺陷识别.试验结果表明,4种缺陷识别的平均准确率为96.7％;其中,横通孔的识别效果最佳,精确率、召回率和F1-score均达到100％,三角槽次之,方形槽略差,矩形槽的识别结果最差,其精确率、召回率和F1-score均为93.3％.最后,讨论了高贡献特征与缺陷类别之间的相关性,并对特征贡献差异及其原因进行了分析.

    超声检测缺陷分类XGBoost模型特征选择SHAP

      原文链接:
    • 万方数据
    • 维普

    基于VMD-HT和深度学习的流噪环境腐蚀损伤声发射识别模型

    顾建平许世林张延兵张颖...
    43-48页
    查看更多>>摘要：对在役管道进行腐蚀声发射监测的过程中,管内介质流动产生的噪声同样会被传感器接收,导致腐蚀信号被覆盖从而引发误判.针对这一问题,提出了一种基于变分模态分解(VMD)、希尔伯特变换(HT)和深度双向门限循环单元神经网络(BiGRU)的流噪环境腐蚀损伤声发射识别模型.该模型能够将原始信号自适应地转化成多个本征模态分量,并提取各分量的瞬时频率及谱熵构建多维时序特征矩阵,进而建立原始信号与多维特征之间的映射关系.为验证该方法的有效性,对在役管道进行腐蚀声发射监测试验.结果表明,所提模型在流噪环境下具有良好的鲁棒性,监测数据的识别准确率达96.3％,可作为一种解决在役管道腐蚀声发射监测的新方案.

    在役管道腐蚀监测声发射技术变分模态分解

      原文链接:
    • 万方数据
    • 维普

    基于超声检测的主动式钢轨伤损智能识别方法

    尹段泉
    49-53页
    查看更多>>摘要：常规的主动式钢轨伤损智能识别方法,在钢轨伤损数据采集过程中耗时较多,使得伤损智能识别时间较长.为解决这一问题,提出一种基于超声检测的主动式钢轨伤损智能识别方法.首先按照增益范围,获取钢轨伤损回波信号,设置超声换能器的滤波器,对信号进行转换,从而对数据进行采集;然后根据DBSCAN算法,以伤损识别的最小单元为一个单元,对采集的超声数据进行组合而构成超声信息群,并对数据进行划分,按照划分数据对钢轨伤损特征进行匹配;最后以AlexNet网络架构为识别主体结构,以数据匹配结果为基础,建立显图样本数据集,对伤损类型进行精细搜索,从而得到主动式钢轨伤损智能识别结果.试验结果表明,所提方法对主动式钢轨伤损识别的时间较短,能实现对主动式钢轨伤损的快速识别,具有较好的应用价值.

    超声钢轨伤损智能识别AlexNet网络架构DBSCAN算法滤波器

      原文链接:
    • 万方数据
    • 维普

    基于点云数据实时配准算法的桥梁结构复杂缺陷形态识别

    李沛东
    54-59页
    查看更多>>摘要：桥梁结构损伤检测过程中,大多依托于二维图像完成结构复杂缺陷的形态识别,只考虑表面的灰度和纹理等信息,使得识别结果的平均精度均值(mAP)较低.因此,提出基于点云数据实时配准算法的桥梁结构复杂缺陷形态识别方法.首先采用激光扫描仪和传感器设备,采集桥梁结构三维点云数据,并运用基于密度的聚类算法进行点云数据聚类分割,实现点云数据去噪处理;然后利用柔性动作.评价(SAC)配准算法、改进迭代最近点(ICP)配准算法进行点云数据实时配准,考虑深度、高度等第三维属性完成复杂缺陷区域检测;最后针对缺陷区域的测量点分别计算结构位移函数,基于此识别出缺陷的具体形态.试验结果表明,所提方法得出的复杂缺陷形态识别结果的mAP值大于0.92,基本满足了桥梁检测要求.

    三维点云数据点云配准去噪处理形变特征

      原文链接:
    • 万方数据
    • 维普