CN104655658A - 一种大型高温叶片内部缺陷三维无损检测方法 - Google Patents
一种大型高温叶片内部缺陷三维无损检测方法 Download PDFInfo
- Publication number
- CN104655658A CN104655658A CN201510066978.2A CN201510066978A CN104655658A CN 104655658 A CN104655658 A CN 104655658A CN 201510066978 A CN201510066978 A CN 201510066978A CN 104655658 A CN104655658 A CN 104655658A
- Authority
- CN
- China
- Prior art keywords
- defect
- dimensional
- depth
- image
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
一种大型高温叶片内部缺陷三维无损检测方法,先利用数字射线设备对燃气轮机叶片正面进行内部探伤得到二维灰度图像,通过对二维灰度图像进行处理得到缺陷的二维大小及位置,然后进行叶片内部缺陷三维定位,采用水浸超声的方法对缺陷深度进行定位,由缺陷回波信号的出现判断缺陷的存在;由回波信号出现的位置来确定缺陷距探测面的距离,实现缺陷定位,本发明结合数字射线设备和水浸超声设备各自的优点,实现对其内部缺陷的三维无损检测,弥补了传统射线胶片照相无法检测三维信息以及工业CT价格昂贵的不足。
Description
技术领域
本发明属于燃气轮机无损检测技术领域,特别涉及一种大型高温叶片内部缺陷三维无损检测方法。
背景技术
传统的燃气轮机大型高温叶片采用射线胶片照相的检测方法,具有直观可靠等优点,在工业生产中的质量控制方面发挥着重要作用。但是这种方法只能显示缺陷的二维信息,无法提供缺陷的三维位置以及体积大小信息,只能靠专业技术人员凭经验去估计,存在检测过程复杂、工作量大、速度较慢、运行成本高及易受人为主观性影响等不足。应用于零件内部缺陷的无损检测方法主要有工业CT、射线检测、超声检测等。工业CT是工业用计算机断层成像技术的简称,它能在对检测物体无损伤条件下,以二维断层图像或三维立体图像的形式,清晰、准确、直观地展示被检测物体内部的结构、组成、材质及缺损状况,被誉为当今最佳无损检测技术。工业CT的基本工作原理是将X射线源和检测器沿着圆弧围绕被测物体旋转180°或360°完成一次扫描过程,将全部的投影数据送入计算机后,通过图像重建的计算方法,重新构建探测平面的二维图像,层层扫描叠加构成了整个物体的三维图像,可以直观显示缺陷的三维空间位置及形状体积大小。但是,小功率的CT射线无法穿透镍基高温合金叶片,所以无法进行测量;大功率的CT射线虽然可以穿透,但是价格十分昂贵,一台大功率的工业CT设备价格上千万,对一般企业来说成本太高。由于燃气轮机透平高温叶片选用镍基高温合金材料,射线的衰减率很大,射线检测的方法所能穿透的厚度十分有限,无法在深度方向对缺陷进行定位;超声检测虽然穿透能力强但探头在进行扫描检测时,探头平面需与被测物体平面平行,所以对于透平高温叶片这种形状变化复杂且不规则的物体,难以选择合适的探头进行扫描探测。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种大型高温叶片内部缺陷三维无损检测方法,实现对叶片内部缺陷的三维无损检测。
为了达到上述目的,本发明采取的技术方案为:
一种大型高温叶片内部缺陷三维无损检测方法,包括以下步骤:
1)利用数字射线设备对燃气轮机叶片正面进行内部探伤得到二维灰度图像,通过对二维灰度图像处理得到缺陷的二维大小及位置,利用缺陷衰减定律对存在缺陷的位置处理,得到每一个像素点的深度信息,对每一个像素点利用有限元思想面积及深度计算求得缺陷的体积大小,从而实现叶片内部缺陷三维体积的测量;
2)叶片内部缺陷三维定位:采用水浸超声的方法对已经两维定位的缺陷进行深度定位,由回波信号出现的位置来确定缺陷距探测面的距离S,通过对距离S以及该位置处的深度信息进行计算求得深度方向的位置信息,从而实现叶片内部缺陷的三维定位。
所述的叶片内部缺陷三维体积测量具体步骤如下:
1.1)利用数字射线设备对叶片进行探伤,获得叶片的X射线灰度图像;
1.2)对1.1)缺陷图像进行同态滤波减小散射噪声的影响;
1.3)对1.2)处理过的图像进行基于缺陷生长的图像分割算法,提取叶片的缺陷区域并得到二值化图像,背景区域为0,缺陷区域为1;
1.4)以1.3)中提取得到的缺陷区域坐标作为参考,提取1.2)中对应的缺陷区域原图像;
1.5)对1.4)中的图像采用有限元的思想对每一个像素点利用式(4),
求出缺陷区域每一个点的深度值,
其中:
u——射线衰减率
k——衰减常数
ρ——物质的密度
Z——原子系数
λ——X射线波长
T0为每一个像素点位置的设计尺寸;
1.6)对1.5)中获取的深度值数据进行处理,剔除不合理的数据;
1.7)对1.6)处理后的数据进行曲面三次B样条插值运算,重新计算出每一个像素点的深度;
1.8)将每一个像素点的面积乘以每一个像素点的深度,计算得到每一个像素点的体积,求和运算得到该缺陷整体的三维体积。
所述的叶片内部缺陷三维定位步骤如下:
2.1)对1.4)处理后的图像进行处理,根据式(5)求得缺陷区域的重心坐标,实现二维方向的定位;
2.2)在缺陷的重心位置坐标处采用水浸超声探伤设备进行探伤,根据回波信号出现的位置来确定缺陷重心坐标处距探测面的距离S,根据式(6)计算得到缺陷重心位置的Z方向坐标,实现缺陷位置的深度定位,进而实现缺陷的三维定位,
其中T——缺陷重心坐标处深度信息;
S——缺陷重心坐标处距探测面的距离。
本发明的有益效果:本发明结合数字射线设备和水浸超声设备各自的优点,实现对其内部缺陷的三维无损检测,弥补了传统射线胶片照相无法检测三维信息以及工业CT价格昂贵的不足。
附图说明
图1为射线衰减示意图。
图2为射线探伤示意图。
图3为超声波探伤原理示意图。
图4为叶片三维无损检测***示意图。
图5为叶片三维无损检测***软件。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
一种大型高温叶片内部缺陷三维无损检测方法,包括以下步骤:
1)利用数字射线设备对燃气轮机叶片正面进行内部探伤得到二维灰度图像,通过对二维灰度图像处理得到缺陷的二维大小及位置,利用缺陷衰减定律对存在缺陷的位置处理,得到每一个像素点的深度信息,对每一个像素点利用有限元思想面积及深度计算求得缺陷的体积大小,从而实现叶片内部缺陷三维体积的测量;
叶片内部缺陷三维体积测量:
X射线在穿过物体时会产生衰减,并遵循朗伯—比尔定律,如图1所示,强度为I0的X射线穿过厚度为T的物体强度衰减为I,
I=I0e-uT (1)
其中u为射线衰减率,与物质的密度、原子序数以及射线能量有关,
u≈kρZ3λ3 (2)
其中:
u——射线衰减率
k——衰减常数
ρ——物质的密度
Z——原子系数
λ——X射线波长
根据式(1)和式(2)联立计算即得到被测物体的厚度,
如图2所示,假设被测物体有一个深度为T缺陷,利用郎伯—比尔定律,该缺陷的深度T有以下式(4)求得
叶片内部缺陷三维体积测量具体步骤如下:
1.1)利用数字射线设备对叶片进行探伤,获得叶片的X射线灰度图像;
1.2)对1.1)缺陷图像进行同态滤波减小散射噪声的影响;
1.3)对1.2)处理过的图像进行基于缺陷生长的图像分割算法,提取叶片的缺陷区域并得到二值化图像,背景区域为0,缺陷区域为1;
1.4)以1.3)中提取得到的缺陷区域坐标作为参考,提取1.2)中对应的缺陷区域原图像;
1.5)对1.4)中的图像采用有限元的思想对每一个像素点利用式(4),求出缺陷区域每一个点的深度值,其中T0为每一个像素点位置的设计尺寸;
1.6)对1.5)中获取的深度值数据进行处理,剔除不合理的数据(因为X射线散射影响,计算得到的缺陷厚度可能大于叶片设计厚度);
1.7)对1.6)处理后的数据进行曲面三次B样条插值运算,重新计算出每一个像素点的深度;
1.8)将每一个像素点的面积乘以每一个像素点的深度,计算得到每一个像素点的体积,求和运算得到该缺陷整体的三维体积。
2)叶片内部缺陷三维定位:采用水浸超声的方法对已经两维定位的缺陷进行深度定位,由回波信号出现的位置来确定缺陷距探测面的距离S,通过对距离S以及该位置处的深度信息进行计算求得深度方向的位置信息,从而实现叶片内部缺陷的三维定位。
由于叶片横向尺寸较大,对其侧面进行探伤时数字射线设备难以穿透,故无法在深度方向上对缺陷进行定位,这里采用水浸超声的方法对缺陷深度进行定位,
超声波的定位原理如图3所示,其中C为超声波在被测物体内的传播速度,与超声波频率以及物体材料有关,t为时间,S即为缺陷深度位置,
超声波探伤是利用材料及其缺陷的声学性能差异对超声波传播波形反射情况和穿透时间的能量变化来检验材料内部缺陷的无损检测方法,在超声波仪器示波屏上,以横坐标代表声波的传播时间,以纵坐标表示回波信号幅度,对于同一均匀介质,脉冲波的传播时间与声程成正比,因此可由缺陷回波信号的出现判断缺陷的存在;又由回波信号出现的位置来确定缺陷距探测面的距离,实现缺陷定位,
叶片内部缺陷三维定位步骤如下:
2.1)对1.4)处理后的图像进行处理,根据式(5)求得缺陷区域的重心坐标,实现二维方向的定位;
2.2)在缺陷的重心位置坐标处采用水浸超声探伤设备进行探伤,根据回波信号出现的位置来确定缺陷重心坐标处距探测面的距离S,根据式(6)计算得到缺陷重心位置的Z方向坐标,实现缺陷位置的深度定位,进而实现缺陷的三维定位,
其中T——缺陷重心坐标处深度信息;
S——缺陷重心坐标处距探测面的距离。
本发明所用检测***如图4所示,该***硬件主要有数字射线设备4、水浸超声设备6、计算机1、实现数据通讯的数据传输单元3以及控制器2大部分组成,该***核心部分是计算机1,计算机软件的组成框图如图5所示,主要由机械控制部分与图像处理部分组成,在图像获取时,由计算机的机械控制部分软件通过控制器2对数字射线设备4的X光机以及DDA探测器的开闭、三维位移、转台的旋转角度进行控制;探测得到的图像,经过信号传输单元3传输到计算机1里面,再由图像处理的软件对X射线图像进行处理分析,实现叶片缺陷区域图像的获取预处理以及对缺陷的提取实现二维定位、定量的分析,随后结合二维测量结果利用射线衰减定律对缺陷的三维体积进行测量;最后以二维定位结果为参照,由机械控制部分软件控制水浸超声设备6的三维调节器、超声波探头对缺陷区域进行实现深度方向的探测,对水浸超声设备6的信号进行分析得到缺陷区域的深度信息,从而实现三维坐标的测量。
Claims (3)
1.一种大型高温叶片内部缺陷三维无损检测方法,其特征在于,包括以下步骤:
1)利用数字射线设备对燃气轮机叶片正面进行内部探伤得到二维灰度图像,通过对二维灰度图像处理得到缺陷的二维大小及位置,利用缺陷衰减定律对存在缺陷的位置处理,得到每一个像素点的深度信息,对每一个像素点利用有限元思想面积及深度计算求得缺陷的体积大小,从而实现叶片内部缺陷三维体积的测量;
2)叶片内部缺陷三维定位:采用水浸超声的方法对已经两维定位的缺陷进行深度定位,由回波信号出现的位置来确定缺陷距探测面的距离S,通过对距离S以及该位置处的深度信息进行计算求得深度方向的位置信息,从而实现叶片内部缺陷的三维定位。
2.根据权利要求1所述的一种大型高温叶片内部缺陷三维无损检测方法,其特征在于,所述的叶片内部缺陷三维体积测量具体步骤如下:
1.1)利用数字射线设备对叶片进行探伤,获得叶片的X射线灰度图像;
1.2)对1.1)缺陷图像进行同态滤波减小散射噪声的影响;
1.3)对1.2)处理过的图像进行基于缺陷生长的图像分割算法,提取叶片的缺陷区域并得到二值化图像,背景区域为0,缺陷区域为1;
1.4)以1.3)中提取得到的缺陷区域坐标作为参考,提取1.2) 中对应的缺陷区域原图像;
1.5)对1.4)中的图像采用有限元的思想对每一个像素点利用式(4),
求出缺陷区域每一个点的深度值,
其中:
u——射线衰减率
k——衰减常数
ρ——物质的密度
Z——原子系数
λ——X射线波长
T0为每一个像素点位置的设计尺寸;
1.6)对1.5)中获取的深度值数据进行处理,剔除不合理的数据;
1.7)对1.6)处理后的数据进行曲面三次B样条插值运算,重新计算出每一个像素点的深度;
1.8)将每一个像素点的面积乘以每一个像素点的深度,计算得到每一个像素点的体积,求和运算得到该缺陷整体的三维体积。
3.根据权利要求1所述的一种大型高温叶片内部缺陷三维无损检测方法,其特征在于,所述的叶片内部缺陷三维定位步骤如下:
2.1)对1.4)处理后的图像进行处理,根据式(5)求得缺陷区域的重心坐标,实现二维方向的定位;
2.2)在缺陷的重心位置坐标处采用水浸超声探伤设备进行探伤,根据回波信号出现的位置来确定缺陷重心坐标处距探测面的距离S,根据式(6)计算得到缺陷重心位置的Z方向坐标,实现缺陷位置的深度定位,进而实现缺陷的三维定位,
其中T——缺陷重心坐标处深度信息;
S——缺陷重心坐标处距探测面的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510066978.2A CN104655658B (zh) | 2015-02-10 | 2015-02-10 | 一种大型高温叶片内部缺陷三维无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510066978.2A CN104655658B (zh) | 2015-02-10 | 2015-02-10 | 一种大型高温叶片内部缺陷三维无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104655658A true CN104655658A (zh) | 2015-05-27 |
CN104655658B CN104655658B (zh) | 2017-04-05 |
Family
ID=53247041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510066978.2A Expired - Fee Related CN104655658B (zh) | 2015-02-10 | 2015-02-10 | 一种大型高温叶片内部缺陷三维无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104655658B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645223A (zh) * | 2016-12-13 | 2017-05-10 | 山西平阳重工机械有限责任公司 | 一种碳纤维复合材料多叶片整体转子的无损检测方法 |
CN106706759A (zh) * | 2016-12-15 | 2017-05-24 | 国网山东省电力公司电力科学研究院 | 超超临界发电机组p92钢主蒸汽管道焊接接头缺陷评定方法 |
CN106845011A (zh) * | 2017-02-16 | 2017-06-13 | 西安交通大学 | 一种大型燃气轮机叶片数字射线分区探测方法 |
CN106932415A (zh) * | 2017-01-22 | 2017-07-07 | 南京航空航天大学 | 一种激光焊接接头专用的复合无损检测装置及方法 |
CN106932416A (zh) * | 2017-02-16 | 2017-07-07 | 西安交通大学 | 基于数字射线的燃气轮机叶片内部缺陷三维参数提取方法 |
CN107014903A (zh) * | 2017-05-09 | 2017-08-04 | 中国石油天然气集团公司 | 一种管道环焊缝接头缺陷定位方法及设备 |
CN107255673A (zh) * | 2017-05-05 | 2017-10-17 | 西安交通大学 | 基于超声相控阵的高温叶片内部缺陷三维无损检测方法 |
CN107389705A (zh) * | 2017-07-20 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种电力设备x射线无损检测三维成像方法 |
CN107806961A (zh) * | 2017-10-11 | 2018-03-16 | 西安交通大学 | 基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法 |
CN108388713A (zh) * | 2018-02-07 | 2018-08-10 | 西安交通大学 | 燃气轮机叶片探测区域自适应分割及曝光参数优化方法 |
CN108648246A (zh) * | 2018-05-04 | 2018-10-12 | 中国科学院高能物理研究所 | 基于透射成像的多层结构体图像处理方法及装置 |
CN108827864A (zh) * | 2018-07-10 | 2018-11-16 | 中国石油集团川庆钻探工程有限公司 | 天然气场站地面工业管道内腐蚀检测工艺 |
CN109523501A (zh) * | 2018-04-28 | 2019-03-26 | 江苏理工学院 | 一种基于降维和点云数据匹配的电池外观缺陷检测方法 |
CN111929364A (zh) * | 2020-08-07 | 2020-11-13 | 广东汕头超声电子股份有限公司 | 一种超声检测3d成像分析方法 |
CN113670958A (zh) * | 2021-09-02 | 2021-11-19 | 西安交通大学 | 一种基于x射线线衰减系数差异的燃气轮机叶片缺陷辨别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0792111A (ja) * | 1993-09-21 | 1995-04-07 | Mitsubishi Heavy Ind Ltd | 欠陥深さ位置検出装置及びその方法 |
CN1584568A (zh) * | 2004-05-28 | 2005-02-23 | 哈尔滨工业大学 | 基于射线实时成像的缺陷深度检测方法 |
CN101201329A (zh) * | 2007-10-16 | 2008-06-18 | 西安交通大学 | 基于射线衰减能量场的无损检测缺陷提取、识别方法 |
CN101726504A (zh) * | 2009-12-17 | 2010-06-09 | 丹东华日理学电气有限公司 | 数字平板式x射线检测***缺陷定位标记方法 |
RU2438120C1 (ru) * | 2010-06-04 | 2011-12-27 | Открытое акционерное общество "Ижорские заводы" | Способ оценки глубины залегания дефекта |
CN103134822A (zh) * | 2011-11-22 | 2013-06-05 | 全友电脑股份有限公司 | 检测待测物的缺陷深度的***及方法 |
-
2015
- 2015-02-10 CN CN201510066978.2A patent/CN104655658B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0792111A (ja) * | 1993-09-21 | 1995-04-07 | Mitsubishi Heavy Ind Ltd | 欠陥深さ位置検出装置及びその方法 |
CN1584568A (zh) * | 2004-05-28 | 2005-02-23 | 哈尔滨工业大学 | 基于射线实时成像的缺陷深度检测方法 |
CN101201329A (zh) * | 2007-10-16 | 2008-06-18 | 西安交通大学 | 基于射线衰减能量场的无损检测缺陷提取、识别方法 |
CN101726504A (zh) * | 2009-12-17 | 2010-06-09 | 丹东华日理学电气有限公司 | 数字平板式x射线检测***缺陷定位标记方法 |
RU2438120C1 (ru) * | 2010-06-04 | 2011-12-27 | Открытое акционерное общество "Ижорские заводы" | Способ оценки глубины залегания дефекта |
CN103134822A (zh) * | 2011-11-22 | 2013-06-05 | 全友电脑股份有限公司 | 检测待测物的缺陷深度的***及方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106645223B (zh) * | 2016-12-13 | 2019-03-15 | 山西平阳重工机械有限责任公司 | 一种碳纤维复合材料多叶片整体转子的无损检测方法 |
CN106645223A (zh) * | 2016-12-13 | 2017-05-10 | 山西平阳重工机械有限责任公司 | 一种碳纤维复合材料多叶片整体转子的无损检测方法 |
CN106706759A (zh) * | 2016-12-15 | 2017-05-24 | 国网山东省电力公司电力科学研究院 | 超超临界发电机组p92钢主蒸汽管道焊接接头缺陷评定方法 |
CN106706759B (zh) * | 2016-12-15 | 2021-02-26 | 国网山东省电力公司电力科学研究院 | 超超临界发电机组p92钢主蒸汽管道焊接接头缺陷评定方法 |
CN106932415A (zh) * | 2017-01-22 | 2017-07-07 | 南京航空航天大学 | 一种激光焊接接头专用的复合无损检测装置及方法 |
CN106932415B (zh) * | 2017-01-22 | 2019-10-11 | 南京航空航天大学 | 一种激光焊接接头专用的复合无损检测装置及方法 |
CN106845011A (zh) * | 2017-02-16 | 2017-06-13 | 西安交通大学 | 一种大型燃气轮机叶片数字射线分区探测方法 |
CN106932416A (zh) * | 2017-02-16 | 2017-07-07 | 西安交通大学 | 基于数字射线的燃气轮机叶片内部缺陷三维参数提取方法 |
CN106845011B (zh) * | 2017-02-16 | 2020-03-31 | 西安交通大学 | 一种大型燃气轮机叶片数字射线分区探测方法 |
CN106932416B (zh) * | 2017-02-16 | 2019-10-11 | 西安交通大学 | 基于数字射线的燃气轮机叶片内部缺陷三维参数提取方法 |
CN107255673A (zh) * | 2017-05-05 | 2017-10-17 | 西安交通大学 | 基于超声相控阵的高温叶片内部缺陷三维无损检测方法 |
CN107014903A (zh) * | 2017-05-09 | 2017-08-04 | 中国石油天然气集团公司 | 一种管道环焊缝接头缺陷定位方法及设备 |
CN107389705A (zh) * | 2017-07-20 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种电力设备x射线无损检测三维成像方法 |
CN107806961B (zh) * | 2017-10-11 | 2019-07-23 | 西安交通大学 | 基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法 |
CN107806961A (zh) * | 2017-10-11 | 2018-03-16 | 西安交通大学 | 基于超声相控阵技术的透平叶片内部缺陷重心坐标检测法 |
CN108388713A (zh) * | 2018-02-07 | 2018-08-10 | 西安交通大学 | 燃气轮机叶片探测区域自适应分割及曝光参数优化方法 |
CN108388713B (zh) * | 2018-02-07 | 2020-05-22 | 西安交通大学 | 燃气轮机叶片探测区域自适应分割及曝光参数优化方法 |
CN109523501A (zh) * | 2018-04-28 | 2019-03-26 | 江苏理工学院 | 一种基于降维和点云数据匹配的电池外观缺陷检测方法 |
CN108648246A (zh) * | 2018-05-04 | 2018-10-12 | 中国科学院高能物理研究所 | 基于透射成像的多层结构体图像处理方法及装置 |
CN108827864A (zh) * | 2018-07-10 | 2018-11-16 | 中国石油集团川庆钻探工程有限公司 | 天然气场站地面工业管道内腐蚀检测工艺 |
CN111929364A (zh) * | 2020-08-07 | 2020-11-13 | 广东汕头超声电子股份有限公司 | 一种超声检测3d成像分析方法 |
CN113670958A (zh) * | 2021-09-02 | 2021-11-19 | 西安交通大学 | 一种基于x射线线衰减系数差异的燃气轮机叶片缺陷辨别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104655658B (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104655658B (zh) | 一种大型高温叶片内部缺陷三维无损检测方法 | |
CN110146521B (zh) | 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置 | |
Zhao et al. | Ultrasonic Lamb wave tomography in structural health monitoring | |
Malyarenko et al. | Ultrasonic Lamb wave diffraction tomography | |
US9207639B2 (en) | Transforming A-scan data samples into a three-dimensional space for facilitating visualization of flaws | |
CN108226290B (zh) | 一种基于超声相控阵的零件内部缺陷三维参数提取方法 | |
EP1691194B1 (en) | Methods and system for ultrasound inspection | |
JP5264896B2 (ja) | 試料の回転運動の非破壊検出方法及びその装置、並びに試験ユニット | |
CN109387567A (zh) | 一种基于波速修正的增材制造激光超声检测数据处理方法 | |
US20140200853A1 (en) | System and method for identification, grouping and sizing of embedded flaws in rotor components using ultrasonic inspection | |
Guan et al. | Material damage diagnosis and characterization for turbine rotors using three-dimensional adaptive ultrasonic NDE data reconstruction techniques | |
CN104931585A (zh) | 复合材料脱粘缺陷超声波c扫描检测面积评定方法 | |
CN103234990A (zh) | 一种焊缝中气孔形态及分布的无损检测新方法 | |
Bulavinov et al. | Industrial application of real-time 3D imaging by sampling phased array | |
CN107255673A (zh) | 基于超声相控阵的高温叶片内部缺陷三维无损检测方法 | |
US8805625B2 (en) | Three-dimensional visualization and analysis method and system for non-destructive examination of a rotor bore using ultrasound | |
Brierley et al. | Mapping the spatial performance variability of an X-ray computed tomography inspection | |
WO2021250986A1 (ja) | 検査装置、検査方法、および検査プログラム | |
CN104959719A (zh) | 一种熔化焊焊缝中孔洞缺陷的快速无损检测方法 | |
CN108508093A (zh) | 一种工件缺陷高度的检测方法及*** | |
He et al. | Quantitative detection of surface defect using laser-generated Rayleigh wave with broadband local wavenumber estimation | |
Gantala et al. | Automated defect recognition (ADR) for monitoring industrial components using neural networks with phased array ultrasonic images | |
Zhu et al. | Ultrasonic testing system design for defect visualization of inhomogeneous multi-layered pipes | |
KR101809666B1 (ko) | 삼각 센싱 기법을 이용한 결함 위치 추정방법 | |
Kawachi et al. | A STUDY ON 2-D VECTOR FLOW MAPPING BY ECHO-PIV WITH TOTAL FOCUSING METHOD |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170405 Termination date: 20200210 |
|
CF01 | Termination of patent right due to non-payment of annual fee |