推力室钎焊身部焊缝缺陷的DR数字成像自动检测方法.pdf
《推力室钎焊身部焊缝缺陷的DR数字成像自动检测方法.pdf》由会员分享,可在线阅读,更多相关《推力室钎焊身部焊缝缺陷的DR数字成像自动检测方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、推力室钎焊身部焊缝缺陷的 DR 数字成像自动检测方法任文坚1,王永红1,李春凯2,石玗2,孙忠诚2,3,刘国增1(1.西安航天发动机有限公司,西安710100;2.兰州理工大学,省部共建有色金属先进加工与再利用国家重点实验室,兰州730050;3.兰州瑞奇戈德测控技术有限公司,兰州730010)摘要:针对常规胶片照相法评定推力室焊缝缺陷过程中检测效率低、难以实现自动化、智能化等缺点,提出了一种基于 X 射线数字成像检测技术的缺陷自动检测方法,搭建了 DR 数字成像检测系统。采用改进型 FasterR-CNN 网络建立了 DR 数字图像焊缝缺陷识别模型,对该模型的识别准确性进行了测试并在 DR
2、检测系统上进行了模型部署。研究结果表明,所训练的改进型FasterR-CNN 模型能够准确识别 DR 数字图像中 4 种典型钎缝缺陷,且识别准确率可达 93%以上,单张图像缺陷识别时间不超过 2s。使用改进型 FasterR-CNN 网络模型对液体火箭发动机推力室钎焊接头 DR 数字成像检测图像进行计算机智能评定,试验证明模型部署于 DR 检测系统可实现缺陷的智能在线检测。关键词:无损检测;钎焊缺陷;X 射线数字成像;深度学习中图分类号:TG409文献标识码:Adoi:10.12073/j.hj.20220419002Automatic detection method of DR digit
3、al imaging for brazing seam defectsof thrust chamber bodyRenWenjian1,WangYonghong1,LiChunkai2,ShiYu2,SunZhongcheng2,3,LiuGuozeng1(1.XianSpaceEngineCompanyLimited,Xian710100,China;2.StateKeyLaboratoryofAdvancedProcessingandRecyclingofNon-ferrousMetals,LanzhouUniversityofTechnology,Lanzhou730050,China
4、;3.LanzhouRich-goldentesting&ControlTechnology,Lanzhou730050,China)Abstract:Inviewofshortcomingssuchaslowdetectionefficiency,difficultyinrealizingautomationandintellectualizationintheprocessofevaluatingwelddefectsofthrustchamberbyconventionalfilmphotography,anautomaticdefectdetectionmethodbasedonX-r
5、aydigitalimagingdetectiontechnologywasproposed,andaDRdigitalimagingdetectionsystemwasbuilt.ImprovedFasterR-CNNnetworkwasusedtoestablishadigitalimagewelddefectrecognitionmodel,recognitionaccuracyofthemodelwastestedandthemodelwasdeployedontheDRdetectionsystem.Theresearchresultsshowedthatthetrainedimpr
6、ovedFasterR-CNNnetworkmodelcouldaccuratelyidentifyfourtypicalbrazingseamdefectsinDRimages,recognitionaccuracyreachedmorethan93%,anddefectrecognitiontimeofasingleimagedidnotexceed2s.ImprovedFasterR-CNNnetworkmodelwasusedtoperformcomputerizedintelligentevaluationofDRdigitalimaginginspectionphotosofbra
7、zedjointsinliquidrocketmotorinferencechambers,anditwasdemonstratedthatthemodelcouldbedeployedinDRinspectionsystemstoachieveintelligentonlinedetectionofdefects.Key words:non-destructivetesting,brazingdefects,X-raydigitalradiography,deeplearning0前言推力室作为液体火箭发动机中最为重要的组成部分之一,在实际火箭发动机运行过程中通常需要承受高温、高压热流的烧蚀
8、和冲击载荷12。为保证推力室服役性能的稳定性和可靠性,推力室壁的冷收稿日期:20220419基金项目:国家民用航天技术预先研究项目(D010203);国家自然科学基金项目(52005237);浙江省自然科学基金项目(LQ21E050023);甘肃省自然科学基金(20JR10RA164)。试验研究Research Paper342023 年第 7 期却方式通常需采用在内外壁之间加入波纹板结构夹层或铣槽结构夹层的再生冷却,即液体推进剂以一定流速通过推力室内外壁之间的冷却通道,吸收并带走内壁上的热量,从而实现推力室壁的快速冷却和降温35。推力室身部内外壁冷却通道的连接通常采用钎焊工艺6。为避免由于焊
9、接过程中工艺参数(钎焊温度分布、钎料用量等)或装配精度波动产生缺陷影响到焊接质量乃至整个推力室的局部再生冷却障碍导致内壁烧穿,钎缝需要采用 X 射线检测技术进行缺陷探伤和质量评定79。目前,对于推力室身部钎缝缺陷的 X 射线检测技术主要采用胶片照相法和 DR 数字成像检测法。就现有的研究而言,这 2 种方法都存在一定的局限性。对于胶片照相法而言,主要存在以下问题:工艺流程(曝光、胶片冲洗等)周期长、检测效率低10;胶片图像难以实现数字化、自动化及智能化评定。DR数字成像检测法利用平板探测器替代传统胶片在一定程度上解决了胶片照相法检测效率低且难以实现自动化检测过程的难题,但受制于缺陷评定过程仍主
10、要依赖于人工,导致缺陷检测难以实现从 X 射线检测到缺陷评定的全流程、智能在线检测11。因而,开发一种能够实现推力室钎焊身部缺陷的智能在线X 射线检测与识别的方法成为了亟待解决的关键技术难题。针对上述难题,提出了一种基于 DR 数字成像技术的推力室钎焊身部焊缝缺陷自动检测方法,分析了推力室身部钎缝的缺陷类型,开发了基于深度学习理论的改进型 FasterR-CNN 缺陷自识别模型并通过在 DR 自动检测系统中模型部署实现了推力室钎缝缺陷的智能在线检测。1推力室钎缝结构与缺陷类型推力室钎缝主要存在 2 种结构形式:波纹板结构和铣槽结构,如图 1 和图 2 所示。波纹板结构内外壁(钎焊厚度为 0.8
11、mm)和铣槽结构内外壁(钎焊厚度为 0.02mm)之间的连接通常采用钎焊工艺。实际焊接过程中受工艺参数和装配间隙的影响,钎缝容易出现内壁未焊上、外壁未焊上、通道钎料堆积、堵塞等 4 类常见缺陷。2DR 数字成像缺陷自动检测系统考虑到实际推力室的尺寸和结构特点,设计了基于 DR 数字成像检测技术的焊缝缺陷自动检测系统,该系统主要由以下几部分组成:X 射线机、探测器、机器人、旋转转台、机械系统、软件系统等,如图 3所示。射线源和平板探测器的设备参数见表 1。检测时机器人控制平板探测器沿推力室外壁移动,射线源(位于推力室内部)同步读取机器人高度,即可实现整个推力室身部钎缝的 DR 自动检测。推力室身
12、部钎缝采用源在内、单壁单影透照工艺,整个身部外壁波纹板钎焊角钎缝内壁图1波纹板结构外壁冷却通道内壁钎缝图2铣槽结构(a)检测系统示意图(b)检测系统实物图机器人探测器转台管头升降轴线阵升降轴检测平台 1检测平台 2机器人机器人运动单元上料平台电气控制柜操作台悬臂立柱旋转横臂控制柜组件机器人探测器转台图3DR 数字成像自动焊缝缺陷检测系统Research Paper试验研究2023 年第 7 期35在高度方向分 24 个区、每个高度周向分不同的分区数,完成整个推力室身部钎缝检测共需535 张DR图像。3深度学习神经网络模型设计为实现推力室钎焊身部缺陷的智能识别,提出采用深度学习神经网络模型开发
13、AI 缺陷智能识别系统。3.1DR 图像样本集与缺陷人工标注利用所搭建的 DR 数字成像焊缝缺陷自动检测系统采集了推力室钎焊身部 DR 数字图像并从中挑选 1000 张包含外壁未焊上、内壁未焊上、钎料堆积、通道堵塞 4 类缺陷的数字图像构建深度学习神经网络模型的 DR 图像样本集。在图像样本集随机选取 900 张(约 90%)作为后续模型训练的图像样本训练集,100 张(约 10%)作为评价模型泛化能力的测试集。为后续模型训练对图像训练集中的缺陷进行了人工标注,缺陷标注图像如图 4 所示。图 4a 和图 4b 分别为内壁未焊上和外壁未焊上的 DR 图像,内壁与外壁在 DR 图像中为间隔出现,内
14、壁未焊上与外壁未焊上在 DR 图像中的相似度极高,其特征都表现为与端头出未连接,区分 2种缺陷主要通过壁的宽度来判定,其中外壁宽度较内壁宽度更宽;图 4c 和图 4d 为钎料堆积和堵塞的DR 图像,2 种缺陷从形态上来看相似较高,都表现为钎焊通道处存在多余钎料,区分其分类的评定原则主要通过图像灰度值,其中堆积区域的图像灰度值要高于堵塞区域的灰度值且轮廓更为明显。3.2神经网络架构设计所设计的深度学习神经网络模型为改进型 FasterR-CNN 网络,网络架构如图 5 所示。FasterR-CNN 主要由 3 部分组成:特征提取卷积网络、负责生成候选冷却通道中堆积外壁内壁外壁内壁冷却通道中堆积(
15、c)钎料堆积(d)通道堵塞(b)内壁未焊上(a)外壁未焊上外壁内壁外壁内壁冷却通道中堆积冷却通道中堆积图4典型缺陷人工标注表 1 设备参数项目参数X 射线源225kV/HP 直流恒电位 X 射线系统焦点尺寸0.250.80mm平板探测器非晶硅面阵探测器像素尺寸200m动态范围16BIT软件系统RG-ADRX 射线数字成像软件工作模式半自动检测试验研究Research Paper362023 年第 7 期区的 RPN 网络和分类回归网络。其中,特征提取卷积网络负责将图片进行卷积池化操作进行特征提取,并将特征图送入 RPN 网络和分类回归网络。特征提取卷积网络采用 ResNet101 网络,Res
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 推力 钎焊 焊缝 缺陷 DR 数字 成像 自动检测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。