[发明专利]一种增材制造构件的无损检测方法及系统在审
申请号: | 202110818533.0 | 申请日: | 2021-07-20 |
公开(公告)号: | CN113624804A | 公开(公告)日: | 2021-11-09 |
发明(设计)人: | 刘胜;胡平;李辉;谢惠民;彭志鑫;刘洋;石文雄 | 申请(专利权)人: | 武汉大学 |
主分类号: | G01N25/72 | 分类号: | G01N25/72;G01N21/17;G06T7/00;G06N3/04 |
代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 胡琦旖 |
地址: | 430072 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 制造 构件 无损 检测 方法 系统 | ||
1.一种增材制造构件的无损检测方法,其特征在于,包括以下步骤;
通过红外检测模块对增材制造构件的红外图像进行采集,得到背景信息;
采用激光器作为超声的激励源,对增材制造构件的表面进行热激励,通过所述红外检测模块对增材制造构件的红外图像进行采集,得到表面温度信息;
将所述表面温度信息减去所述背景信息,得到处理后的图像信息;
对所述处理后的图像信息进行温度梯度操作,根据得到的增材制造构件的表面温度梯度分布信息确定缺陷的位置;
从所述处理后的图像信息中的每一帧图像中提取缺陷的位置对应的特征温度,构成特征温度-时间信息;
基于所述特征温度-时间信息构建数据集,将所述数据集划分为训练集和测试集;
构建LSTM神经网络,利用所述训练集和所述测试集分别对所述LSTM神经网络进行训练和测试,得到训练好的神经网络模型;
利用训练好的神经网络模型对增材制造构件的缺陷的尺寸进行预测。
2.根据权利要求1所述的增材制造构件的无损检测方法,其特征在于,所述LSTM神经网络用于得到缺陷温度信息与缺陷尺寸信息之间的映射关系。
3.根据权利要求1所述的增材制造构件的无损检测方法,其特征在于,所述LSTM神经网络包括输入层、LSTM网络层、第一全连接层、舍弃层、第二全连接层和回归层;
所述输入层用于输入所述特征温度-时间信息;
所述LSTM网络层用于处理具有长时间的所述特征温度-时间信息,以避免长时依赖;
所述第一全连接层用于连接层与层之间的神经元,捕捉缺陷信息;
所述舍弃层用于随机筛选去掉部分神经元,以防止所述训练集的过度拟合;
所述第二全连接层用于对筛选后留下的神经元进行连接,以更好地捕捉缺陷信息;
所述回归层用于基于缺陷信息对缺陷的尺寸进行预测。
4.根据权利要求1所述的增材制造构件的无损检测方法,其特征在于,构建所述数据集时,通过调节激光器的参数来扩展样本数量;所述激光器的参数包括功率、波长和脉冲宽度。
5.根据权利要求1所述的增材制造构件的无损检测方法,其特征在于,所述缺陷包括裂纹和孔洞。
6.一种增材制造构件的无损检测系统,其特征在于,包括:激光超声激励模块、红外检测模块和控制处理模块;
所述激光超声激励模块用于对增材制造构件的表面进行热激励;
所述红外检测模块用于对增材制造构件的红外图像进行采集;
所述控制处理模块用于实现如权利要求1-5中任一项所述的增材制造构件的无损检测方法中的图像处理和缺陷的尺寸预测的步骤。
7.根据权利要求6所述的增材制造构件的无损检测系统,其特征在于,所述激光超声激励模块包括脉冲激光器、激光光路单元和激光头;所述脉冲激光器通过所述激光光路单元与所述激光头连接;
所述红外检测模块包括红外热像仪、热信号传输线缆和红外照相机;所述红外热像仪通过所述热信号传输线缆与所述红外照相机连接;
所述控制处理模块包括计算机;所述计算机分别与所述红外热像仪、所述脉冲激光器连接。
8.根据权利要求7所述的增材制造构件的无损检测系统,其特征在于,所述脉冲激光器发出的光源包括线光源和点光源,并通过透镜实现激光光源的聚焦。
9.根据权利要求7所述的增材制造构件的无损检测系统,其特征在于,所述控制处理模块还包括:采集头运动控制机构;所述计算机与所述采集头运动控制机构连接,所述采集头运动控制机构通过机械臂操控所述红外照相机和所述激光头移动。
10.根据权利要求7所述的增材制造构件的无损检测系统,其特征在于,还包括:载物台;增材制造构件放置在所述载物台上,所述增材制造构件置于所述激光头的下方。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110818533.0/1.html,转载请声明来源钻瓜专利网。