[00148666]射线检测焊接缺陷智能信息处理中关键技术的基础研究

焊接作为一种基本工艺方法，广泛应用于航空、航天、舰船、桥梁、车辆、锅炉、电机、电子、冶金、能源、石油化工、矿山机械、起重机械、建筑及国防等各个工业部门。由于焊接过程中各种参数的影响，焊缝中有时不可避免地会出现熔合不良、裂纹、气孔、夹渣、夹钨、未熔合和未焊透等缺陷。为了保证焊接构件的产品质量，必须对其中的焊缝进行有效的无损检测和评价。X射线检测是常规无损检测的重要方法之一，是保证焊接质量的重要技术，其检测结果可作为焊缝缺陷分析识别和质量评定的重要判定依据。该项目是以X射线检测的胶片图像为研究对象，对胶片图像中是否含有焊接缺陷进行判断，并对含有焊接缺陷的图像进行相应的分析、处理以识别缺陷的类型，从而对焊接质量进行评定。课题主要创新点有： （1）图像预处理方面①建立焊接图像列灰度曲线的波形结构与缺陷性质的数学模型以判断缺陷的类型；②在焊缝和缺陷的边缘检测中，利用小波变换从列灰度曲线中确定焊缝和缺陷边缘；③采用概率松弛等数学方法提取微小裂纹缺陷；④研究基于波形确定缺陷区域和基于边缘强度确定边缘相结合的焊缝缺陷提取算法。 （2）选择有效的缺陷特征描述以提高缺陷分类的准确度每种焊接缺陷的影像差异和变化很大，因为每种焊接缺陷影像不仅与缺陷自身形态有关，而且与射线能量，工件厚度，焊接方法，工件焊接位置，透照角度等许多因素有关。从源头上分，焊接缺陷影像主要有以下两种：①由缺陷造成的缺陷影像；②由试件外观造成表面几何影像。本研究从下面三个方面对射线胶片上的影像进行分析、判断：a．影像的几何形状；b．影像的黑度分布；c. 影像的位置。除此外，还应分析焊缝位置、影像的延伸方向、影像轮廓清晰程度、影像细节特征等，综合黑度分布、位置选取参数定义及相关计算确定了八个参数为特征参数。 （3）分类识别算法研究研究分类识别算法对分类准确度的影响，使缺陷识别在较少的训练样本或无训练样本的情况下，具有较高的缺陷识别准确率和可靠性；研究了在特征受噪声干扰严重情况下提高分类准确度的方法；把一系列智能识别分类算法：模糊神经网络、支持向量机、广义加权支持向量机、粗糙－模糊神经网络、支持向量机的模糊小波神经网络、遗传算法、免疫算法等引入到焊接缺陷的分类识别中。项目的开展是基于当前我国锅炉行业、核工业等领域的焊接结构制造和使用中无损检测技术的发展需要，旨在满足锅炉工业、核工业对焊接结构可靠性管理的基本技术需求，确保安全生产并降低检验维护成本，为迅速降低事故率并延长现有焊接设备的使用寿命发挥重要的技术支撑与保证作用，具有广阔的市场应用前景。该成果曾获中国矿业大学科学技术奖一等奖，发表论文获徐州市自然科学优秀学术论文一等奖和二等奖各1项。