CN117074419B - 一种发动机齿圈型钢的缺陷检测方法及*** - Google Patents
一种发动机齿圈型钢的缺陷检测方法及*** Download PDFInfo
- Publication number
- CN117074419B CN117074419B CN202311075820.2A CN202311075820A CN117074419B CN 117074419 B CN117074419 B CN 117074419B CN 202311075820 A CN202311075820 A CN 202311075820A CN 117074419 B CN117074419 B CN 117074419B
- Authority
- CN
- China
- Prior art keywords
- detection
- matrix
- local
- defect
- module
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 359
- 230000007547 defect Effects 0.000 title claims abstract description 185
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 76
- 239000010959 steel Substances 0.000 title claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 154
- 238000003860 storage Methods 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000003213 activating effect Effects 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000010354 integration Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种发动机齿圈型钢的缺陷检测方法及***,涉及数据处理技术领域,局域分割确定多组局域检测网格,针对多元检测维度配置指标矩阵体系,结合缺陷检测模块进行缺陷检测确定目标存置矩阵,结合标准存置矩阵生成一体化局域检测目标,进而结合数字孪生进行整体协同评估,确定协同检测结果,解决了现有技术中缺乏***化的检测流程,检测的精细化程度与针对性不足,且无法针对全服役周期进行传动缺陷预测,导致检测结果不够准确与完备的技术问题,进行局域网络划分并配置针对性检测指标,搭建缺陷检测模块针对不同维度进行精细化检测,进而进行整体传动评估,动静结合以保障检测结果的准确度与完备性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种发动机齿圈型钢的缺陷检测方法及***。
背景技术
齿圈型钢作为发动机的重要装配零件,通过与发动机的齿轮啮合进行传动控制,其质量影响着发动机的传动状态,出厂前需严格进行质量检测,以避免质量缺陷影响组装设备的正常运行。目前,主要通过结合专家经验进行抽样检测,或结合机器视觉等算法,基于监督训练的模型进行检测,存在一定的检测局限性。缺乏***化的检测流程,检测的精细化程度与针对性不足,且无法针对全服役周期进行传动缺陷预测,导致检测结果不够准确与完备。
发明内容
本申请提供了一种发动机齿圈型钢的缺陷检测方法及***,用于针对解决现有技术中存在的缺乏***化的检测流程,检测的精细化程度与针对性不足,且无法针对全服役周期进行传动缺陷预测,导致检测结果不够准确与完备的技术问题。
鉴于上述问题,本申请提供了一种发动机齿圈型钢的缺陷检测方法及***。
第一方面,本申请提供了一种发动机齿圈型钢的缺陷检测方法,所述方法包括:
对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标;
针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果。
第二方面,本申请提供了一种发动机齿圈型钢的缺陷检测***,所述***包括:
目标分割模块,所述目标分割模块用于对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
体系配置模块,所述体系配置模块用于针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
指标检测模块,所述指标检测模块用于结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
缺陷定位整合模块,所述缺陷定位整合模块用于基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标;
协同检测模块,所述协同检测模块用于针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
结果获取模块,所述结果获取模块用于基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种发动机齿圈型钢的缺陷检测方法,对目标齿圈型钢进行局域分割,确定多组局域检测网格,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器,基于标准存置矩阵与目标存置矩阵进行缺陷定位与局域拼接,生成一体化局域检测目标,进而结合数字孪生进行整体协同评估,确定协同检测结果,结合所述一体化局域检测结果确定所述目标齿圈型钢的缺陷检测结果,解决了现有技术中存在的缺乏***化的检测流程,检测的精细化程度与针对性不足,且无法针对全服役周期进行传动缺陷预测,导致检测结果不够准确与完备的技术问题,进行局域网络划分并配置针对性检测指标,搭建缺陷检测模块针对不同维度进行精细化检测,进而进行整体传动评估,动静结合以保障检测结果的准确度与完备性。
附图说明
图1为本申请提供了一种发动机齿圈型钢的缺陷检测方法流程示意图;
图2为本申请提供了一种发动机齿圈型钢的缺陷检测方法中指标矩阵体系配置流程示意图;
图3为本申请提供了一种发动机齿圈型钢的缺陷检测方法中协同检测结果获取流程示意图;
图4为本申请提供了一种发动机齿圈型钢的缺陷检测***结构示意图。
附图标记说明:目标分割模块11,体系配置模块12,指标检测模块13,缺陷定位整合模块14,协同检测模块15,结果获取模块16。
具体实施方式
本申请通过提供一种发动机齿圈型钢的缺陷检测方法及***,局域分割确定多组局域检测网格,针对多元检测维度配置指标矩阵体系,结合缺陷检测模块进行缺陷检测确定目标存置矩阵,结合标准存置矩阵生成一体化局域检测目标,进而结合数字孪生进行整体协同评估,确定协同检测结果,用于解决现有技术中存在的缺乏***化的检测流程,检测的精细化程度与针对性不足,且无法针对全服役周期进行传动缺陷预测,导致检测结果不够准确与完备的技术问题。
实施例一
如图1所示,本申请提供了一种发动机齿圈型钢的缺陷检测方法,所述方法包括:
S10:对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
齿圈型钢作为发动机的重要装配零件,通过与发动机的齿轮啮合进行传动控制,其质量影响着发动机的传动状态,出厂前需严格进行质量检测,以规避质量缺陷影响组装设备的正常运行。本申请提供的一种发动机齿圈型钢的缺陷检测方法,进行局域网络划分并配置针对性检测指标,搭建缺陷检测模块针对不同维度进行精细化检测,进而进行整体传动评估,动静结合以保障检测结果的准确度与完备性。
所述目标齿圈型钢为待进行缺陷检测的目标产品,以所述局域应用场景为基准,例如用于转动连接固定的环形内齿圈本体,用于与发动机齿轮啮合相接的齿圈,包括多个环形分布的齿牙等。设定网格划分尺寸,为自定义设定的方框尺寸,以此为基准对所述目标齿圈型钢进行表面的网格划分,结合所述目标除齿圈型钢不同区域的应用场景,进行网格的划分归属,确定多组局域检测网格,例如,将环形内齿圈本体对应的多个网格划分为一组,其中,同组局域检测网格中,各个网格具备异域同参性,即对应的检测维度、检测指标等相同。通过对所述目标齿圈型钢进行局域划分,便于后续针对具体应用需求进行针对性独立检测,保障检测维度的必要性与检测完整度。
S20:针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
进一步而言,如图2所示,所述配置指标矩阵体系,本申请S20还包括:
S21:基于所述多组局域检测网格,配置一层矩阵,所述一层矩阵为局域网格化的自交矩阵;
S22:遍历所述一层矩阵的矩阵项,结合映射的所述局域应用场景,逐矩阵项进行维度指标矩阵的分布,配置N个二层矩阵,所述二层矩阵以检测维度为矩阵行,以检测指标为矩阵列;
S23:对所述一层矩阵与所述N个二层矩阵进行层级关联,生成所述指标矩阵体系。
以所述多组局域检测网格为基准,不同组局域检测网格的检测要求不同,即针对不同检测维度下对应的具体检测指标不同,具体的衡量质量等级的指标状态不同,例如针对环形内齿圈本体与齿牙,对于外形尺寸缺陷维度,环形内齿圈本体需检测齿圈尺寸、形状等;齿牙需检测齿牙倒角、邻域距离、邻域角度等,针对具体检测需求进行针对性配置。
具体的,基于所述多组局域检测网格,针对一组局域检测网格配置一个检测项,搭建基于局域划分的一层矩阵,即对应于各组局域检测网格的多个检测项,分别将其作为矩阵行与矩阵列,对角线位置为该检测项对应的检测标准,生成针对不同网格划分区域的检测标准的自交矩阵,作为所述一层矩阵。进一步的,针对对角线位置分布的各检测项对应的检测标准,进行细化指标矩阵的配置。
具体的,确定多个检测维度,包括表面质量缺陷、内部缺陷、外形尺寸缺陷、成分比例缺陷与应力抗性缺陷,将其作为矩阵行,确定所有待进行检测的指标,将其作为矩阵列,确定不同检测维度对应的检测指标,进行内部的具体矩阵项的分布,针对无需检测的矩阵项进行空白归置或标识为零即可,生成包含该划分区域检测指标的细化矩阵,将其作为二层矩阵,并与所述一层矩阵的对应位置进行映射关联。同理,针对所述一层矩阵中各组局域检测网格分别进行二层矩阵的配置与映射关联,搭建存在层级关联分布的所述指标矩阵体系,所述指标矩阵体系包含完备的局域检测标准,将其作为进行所述目标齿圈型钢局域缺陷检测的底层逻辑依据。
S30:结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
进一步而言,获取所述缺陷检测模块,本申请S30还包括:
S31:针对所述多元检测维度,配置一一映射对应且具有同步性的功能执行子模块,所述多元检测维度包括表面质量缺陷、内部缺陷、外形尺寸缺陷、成分比例缺陷与应力抗性缺陷;
S32:对配置的功能执行子模块进行并行分布,并配置独立处理器,构成所述缺陷检测模块,其中,各处理器间存在算力的自适应灵活分配。
进一步而言,所述配置一一映射对应且具有同步性的功能执行子模块,本申请S31还包括:
S311-1:激活表面质量缺陷检测子模块,控制图像采集器,采集所述目标齿圈型钢的多角度图像;
S312-1:对所述多角度图像进行灰度转化,配置局域窗口尺寸进行转化灰度图像的邻域灰度像素值的差异化分析,定位表面质量缺陷检测结果,所述表面质量缺陷检测结果带有异常定位标识。
进一步而言,所述配置一一映射对应且具有同步性的功能执行子模块,本申请S31还包括:
S311-2:激活成分比例缺陷检测子模块,对所述目标齿圈型钢进行分布式采样,获取采集样品,所述成分比例缺陷检测子模块中内嵌有标准比对表;
S312-2:对所述采集样品进行成分检测与分析,获取成分比例缺陷检测结果,包括解离成分,成分占比与分布均匀度,且带有异常定位标识。
针对不同检测维度,对应的检测方式不同。针对所述多元检测维度,包括表面质量缺陷、内部缺陷、外形尺寸缺陷、成分比例缺陷与应力抗性缺陷,分别配置具有针对性处理机制的功能执行子模块,且各个功能执行子模块具有同步性,同时进行不同维度的缺陷检测与处理,以提高检测效率。进而对配置的功能执行子模块进行并行布设,各个功能执行子模块分别配置有独立处理器,基于各功能执行子模块的实时处理需求,进行对应处理器的算力自适应分配,以保障功能执行子模块的处理能力与实际处理需求相一致。
具体的,根据所述表面质量缺陷,配置对应的表面缺陷检测子模块,以图像的采集与处理识别为模块执行机制。随着所述目标齿形钢圈的缺陷检测开始,激活所述表面质量检测子模块,对关联的所述图像采集器进行控制,进行所述目标齿圈型钢的多角度采集,获取所述多角度图像。于所述表面质量缺陷检测子模块中进行图像处理与缺陷识别。
进一步对采集的所述多角度图像进行灰度化转换,例如,确定图像的灰度转化参数,辅助灰度处理软件,例如matlab进行图像灰度处理,获取多角度灰度图像。针对所述多角度灰度图像,确定局域窗口尺寸,例如以一个中心像素点与九个邻域像素点为一个局域窗口尺寸。基于所述局域窗口尺寸,进行所述多角度灰度图像的灰度像素值差异化分析,示例性的,针对各个局域窗口尺寸,校对中心像素值与各个邻域像素值,若邻域相似值大于对应的中心相似值则记为1,否则记为0,确定二进制编码,对灰度图像进行二值化转换,并进行局域窗口尺寸拼接,确定二值化图像,可更为精细且直观的进行表面差异化识别,进行缺陷位置的定位,并确定缺陷分布区域。并遍历所述指标矩阵体系进行映射检测指标的提取,针对缺陷位置进行缺陷类型与缺陷等级的确定,获取多个表征为缺陷分布区域-缺陷类型-缺陷等级的序列,作为所述表面质量缺陷检测结果。
同理,针对所述外形尺寸缺陷,配置外形尺寸缺陷检测子模块,优选的,建立所述外形尺寸缺陷检测子模块与所述表面质量缺陷检测子模块的连接,将获取的多角度图像同步传输至所述外形尺寸缺陷检测子模块中。结合所述指标矩阵体系,进行不同网格区域的检测指标的提取与识别检测,并进行定位标识,获取外形尺寸缺陷检测结果。
针对所述内部缺陷,配置内部缺陷检测子模块,基于激光探测方式,控制激光探测仪,进行内部缺陷的探测识别,例如气泡、疏松等,不同缺陷类型的反馈信号存在差异性。基于信号反馈时延区间,确定缺陷深度;基于接收的反馈信号确定缺陷类型,对检测结果进行归属整合,生成内部缺陷检测结果。
针对所述成分比例缺陷,配置所述成分比例缺陷检测子模块,将分布采样检测作为检测机制。对所述目标齿圈型钢进行分布式采样,即均匀确定多个网格区域,分别进行采样,对采集样品进行成分检测与占比分析,例如基于光谱仪进行成分检测。所述标准比对表为基于生产标准确定的包含存在成分与比例分布的参考表格,确定各分布式采样点的检测成分与成分占比,对照所述标准比对表进行异常分析,定位异常定位点,并遍历所述分布式采样点,进行成分信息的差异化比对以进行分布均匀度确定,所述成分均匀度与成分信息波幅呈正相关,逐采样点进行成分检测结果的归属整合,生成所述成分比例缺陷检测结果。
针对应力抗性缺陷,配置应力抗性缺陷检测子模块,基于所述目标齿圈型钢的加工过程,确定应力残留点,例如焊接、锻压等的区域,并确定对应的测试方案,例如,基于X射线法,基于面探测仪检测到的衍射角的变化,进行残余应力的计算。对应力残留点进行定位标记,获取应力抗性缺陷检测结果。
其中,所述缺陷检测模块内嵌具有时效更新性的方案配置库,用于进行不同维度检测方案的配置,随着检测结果,所述方案配置库同步更新,以提高测试结果的准确度与实际贴合度。
进一步的,以所述指标矩阵体系为表征方式,对所述表面质量缺陷检测结果、所述外形尺寸缺陷检测结果、所述内部缺陷检测结果、所述成分比例缺陷检测结果与所述应力抗性缺陷检测结果进行矩阵化转换,获取所述目标存置矩阵,获取所述目标存置矩阵,以提高检测结果的直观性,便于进行比对分析。
S40:基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标;
基于所述目标齿圈型钢的生产需求,确定衡量质量合格的指标临界值,即指标需满足的最低特征值,结合所述指标矩阵体系,进行矩阵转换,生成所述标准存置矩阵。进一步的,对所述标准存置矩阵与所述目标存置矩阵进行映射校对,进行映射矩阵位置的指标参量的比对,以进行检测结果的进一步筛选,例如对于所述目标存置矩阵中检测到的存在缺陷,若满足所述标准存置矩阵的特征值范围,对其进行忽略,待完成筛选后,进行检测结果的同位置归属,即整合同检测位置对应的多维度检测结果,并结合于所述目标齿圈型钢的对应位置进行局部检测结果的拼接,生成所述一体化局域检测目标,所述一体化局域检测目标包含了所述目标齿圈型钢的完备性静态检测缺陷。
S50:针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
S60:基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果。
进一步而言,如图3所示,所述针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,本申请S50还包括:
S51:确定所述目标齿圈型钢的型号规格,并配置组装发动机参量;
S52:针对所述一体化局域检测目标与所述组装发动机参量,搭建栾体分析器,所述栾体分析器内置有包括硬件结构与传动结构的拟真孪生装置;
S53:基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,获取所述协同检测结果。
进一步而言,所述基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,本申请S53还包括:
S531:以机械故障为索引,进行工业大数据检索确定传动故障定位点,包括服役时间节点、故障位置与故障类型;
S532:结合所述传动故障定位点,进行时间流速调整与时序测试方案的调整,进行拟真测试分析预测所述服役寿命与机械性能。
对所述目标齿圈型钢进行传动缺陷检测,即与组装发动机进行机械运行测试。具体的,基于所述目标齿圈型钢的型号规格,配置所组装的发动机参量。示例性的,连接可视化仿真平台,结合所述发动机参量,对所述目标齿圈型钢与组装发动机进行三维建模,基于所述一体化局域检测目标,进行拟真齿圈型钢的模型调整,确定孪生硬件结构。对拟真齿圈型钢与拟真发动机进行啮合组装,并配置传动机制,确定孪生传动结构,基于所述孪生硬件结构与所述孪生传动结构,生成所述拟真孪生装置。基于所述拟真孪生装置,搭建所述栾体分析器,用于进行机械测试。
进一步的,基于所述检测目标,确定所述拟真测试方案,具体的,以机械故障为索引,基于工业物联网进行大数据检索,确定齿圈型钢服役过程中存在机械故障的服役时间节点,并对应有故障位置与故障类型,并检索符合故障类型的测试方案并进行整合存储。进行机械故障的服役时间节点的时序性整合,获取所述传动故障定位点,即将其作为测试时刻点。于所述栾体分析器中,对所述拟真孪生装置进行机械运行拟真,并进行时间流速调整,针对所述传动故障定位点进行次序测试,调用各传动故障定位点对应的测试方案,进行机械性能的测试,若存在传动异常,则进行服役时间节点、故障类型与故障位置的标记,待测试完成后进行机械故障信息整合,作为机械性能,确定全周期服役时间区间,作为所述服役寿命,将所述服役寿命与所述机械性能作为所述协同检测结果。进而集成所述一体化局域检测结果与所述协同检测结果,作为所述目标齿轮钢圈的缺陷检测结果,最大化保障检测结果的准确度与完备性。
本申请提供的一种发动机齿圈型钢的缺陷检测方法,具有如下技术效果:
1、对所述目标齿圈型钢进行局域网格划分,针对不同检测维度配置检测指标,并进行层级矩阵转换,将其作为底层逻辑依据,便于后续针对具体应用需求进行针对性独立检测,保障检测维度的必要性与检测完整度。
2、基于缺陷检测模块,针对不同检测维度配置独立处理子模块,并进行对应处理器的算力自适应分配,以进行针对性独立检测。
3、结合栾体分析器,基于搭建的拟真孪生装置进行服役全周期的传动缺陷检测与服役寿命分析。针对静态与动态缺陷分别配置针对性方式进行检测,提高检测结果的准确度与完备性。
实施例二
基于与前述实施例中一种发动机齿圈型钢的缺陷检测方法相同的发明构思,如图4所示,本申请提供了一种发动机齿圈型钢的缺陷检测***,所述***包括:
目标分割模块11,所述目标分割模块11用于对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
体系配置模块12,所述体系配置模块12用于针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
指标检测模块13,所述指标检测模块13用于结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
缺陷定位整合模块14,所述缺陷定位整合模块14用于基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标;
协同检测模块15,所述协同检测模块15用于针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
结果获取模块16,所述结果获取模块16用于基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果。
进一步而言,所述体系配置模块12还包括:
一层矩阵配置模块,所述一层矩阵配置模块用于基于所述多组局域检测网格,配置一层矩阵,所述一层矩阵为局域网格化的自交矩阵;
二层矩阵配置模块,所述二层矩阵配置模块用于遍历所述一层矩阵的矩阵项,结合映射的所述局域应用场景,逐矩阵项进行维度指标矩阵的分布,配置N个二层矩阵,所述二层矩阵以检测维度为矩阵行,以检测指标为矩阵列;
层级矩阵关联模块,所述层级矩阵关联模块用于对所述一层矩阵与所述N个二层矩阵进行层级关联,生成所述指标矩阵体系。
进一步而言,所述指标检测模块13还包括:
子模块配置模块,所述子模块配置模块用于针对所述多元检测维度,配置一一映射对应且具有同步性的功能执行子模块,所述多元检测维度包括表面质量缺陷、内部缺陷、外形尺寸缺陷、成分比例缺陷与应力抗性缺陷;
构建模块,所述构建模块用于对配置的功能执行子模块进行并行分布,并配置独立处理器,构成所述缺陷检测模块,其中,各处理器间存在算力的自适应灵活分配。
进一步而言,所述子模块配置模块还包括:
图像采集模块,所述图像采集模块用于激活表面质量缺陷检测子模块,控制图像采集器,采集所述目标齿圈型钢的多角度图像;
表面质量缺陷检测模块,所述表面质量缺陷检测模块用于对所述多角度图像进行灰度转化,配置局域窗口尺寸进行转化灰度图像的邻域灰度像素值的差异化分析,定位表面质量缺陷检测结果,所述表面质量缺陷检测结果带有异常定位标识。
进一步而言,所述子模块配置模块还包括:
目标采样模块,所述目标采样模块用于激活成分比例缺陷检测子模块,对所述目标齿圈型钢进行分布式采样,获取采集样品,所述成分比例缺陷检测子模块中内嵌有标准比对表;
成分检测模块,所述成分检测模块用于对所述采集样品进行成分检测与分析,获取成分比例缺陷检测结果,包括解离成分,成分占比与分布均匀度,且带有异常定位标识。
进一步而言,所述协同检测模块15还包括:
参量配置模块,所述参量配置模块用于确定所述目标齿圈型钢的型号规格,并配置组装发动机参量;
栾体分析器搭建模块,所述栾体分析器搭建模块用于针对所述一体化局域检测目标与所述组装发动机参量,搭建栾体分析器,所述栾体分析器内置有包括硬件结构与传动结构的拟真孪生装置;
拟真测试分析模块,所述拟真测试分析模块用于基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,获取所述协同检测结果。
进一步而言,所述拟真测试分析模块还包括:
数据检索模块,所述数据检索模块用于以机械故障为索引,进行工业大数据检索确定传动故障定位点,包括服役时间节点、故障位置与故障类型;
拟真测试模块,所述拟真测试模块用于结合所述传动故障定位点,进行时间流速调整与时序测试方案的调整,进行拟真测试分析预测所述服役寿命与机械性能。
本说明书通过前述对一种发动机齿圈型钢的缺陷检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种发动机齿圈型钢的缺陷检测方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种发动机齿圈型钢的缺陷检测方法,其特征在于,所述方法包括:
对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标,包括:基于所述目标齿圈型钢的生产需求,确定衡量质量合格的指标临界值,结合所述指标矩阵体系,进行矩阵转换生成所述标准存置矩阵,对所述标准存置矩阵与所述目标存置矩阵进行映射校对,待完成筛选后,对检测结果进行同位置归属,整合同检测位置对应的多维度检测结果,并结合所述目标齿圈型钢的对应位置进行局部检测结果的拼接,生成所述一体化局域检测目标;
针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果;
其中,所述配置指标矩阵体系,包括:
基于所述多组局域检测网格,配置一层矩阵,所述一层矩阵为局域网格化的自交矩阵,包括:对应于所述多组局域检测网格中各组局域检测网格的多个检测项,分别将其作为矩阵行与矩阵列,对角线位置为检测项对应的检测标准,生成针对不同网格划分区域的检测标准的自交矩阵,作为所述一层矩阵;
遍历所述一层矩阵的矩阵项,结合映射的所述局域应用场景,逐矩阵项进行维度指标矩阵的分布,配置N个二层矩阵,所述二层矩阵以检测维度为矩阵行,以检测指标为矩阵列;
对所述一层矩阵与所述N个二层矩阵进行层级关联,生成所述指标矩阵体系;
所述针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,包括:
确定所述目标齿圈型钢的型号规格,并配置组装发动机参量;
针对所述一体化局域检测目标与所述组装发动机参量,搭建栾体分析器,所述栾体分析器内置有包括硬件结构与传动结构的拟真孪生装置;
基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,获取所述协同检测结果。
2.如权利要求1所述的方法,其特征在于,获取所述缺陷检测模块,所述方法包括:
针对所述多元检测维度,配置一一映射对应且具有同步性的功能执行子模块,所述多元检测维度包括表面质量缺陷、内部缺陷、外形尺寸缺陷、成分比例缺陷与应力抗性缺陷;
对配置的功能执行子模块进行并行分布,并配置独立处理器,构成所述缺陷检测模块,其中,各处理器间存在算力的自适应灵活分配。
3.如权利要求2所述的方法,其特征在于,所述配置一一映射对应且具有同步性的功能执行子模块,所述方法包括:
激活表面质量缺陷检测子模块,控制图像采集器,采集所述目标齿圈型钢的多角度图像;
对所述多角度图像进行灰度转化,配置局域窗口尺寸进行转化灰度图像的邻域灰度像素值的差异化分析,定位表面质量缺陷检测结果,所述表面质量缺陷检测结果带有异常定位标识。
4.如权利要求2所述的方法,其特征在于,所述配置一一映射对应且具有同步性的功能执行子模块,所述方法包括:
激活成分比例缺陷检测子模块,对所述目标齿圈型钢进行分布式采样,获取采集样品,所述成分比例缺陷检测子模块中内嵌有标准比对表;
对所述采集样品进行成分检测与分析,获取成分比例缺陷检测结果,包括解离成分,成分占比与分布均匀度,且带有异常定位标识。
5.如权利要求1所述的方法,其特征在于,所述基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,所述方法包括:
以机械故障为索引,进行工业大数据检索确定传动故障定位点,包括服役时间节点、故障位置与故障类型;
结合所述传动故障定位点,进行时间流速调整与时序测试方案的调整,进行拟真测试分析预测所述服役寿命与机械性能。
6.一种发动机齿圈型钢的缺陷检测***,其特征在于,所述***包括:
目标分割模块,所述目标分割模块用于对目标齿圈型钢进行局域分割,确定多组局域检测网格,其中,分割标准为局域应用场景,且各组局域检测网格具备异域同参性;
体系配置模块,所述体系配置模块用于针对所述多组局域检测网格,基于所述局域应用场景,针对多元检测维度进行局域性检测指标的配置,配置指标矩阵体系,所述指标矩阵体系包括标准存置矩阵;
指标检测模块,所述指标检测模块用于结合缺陷检测模块,针对所述指标矩阵体系配置多元化适配检测方式并进行检测执行,确定目标存置矩阵,所述缺陷检测模块内嵌具有时效更新性的方案配置库,所述缺陷检测模块包括多个功能执行子模块与处理器;
缺陷定位整合模块,所述缺陷定位整合模块用于基于所述标准存置矩阵与所述目标存置矩阵,进行缺陷定位与局域拼接,生成一体化局域检测目标,包括:基于所述目标齿圈型钢的生产需求,确定衡量质量合格的指标临界值,结合所述指标矩阵体系,进行矩阵转换生成所述标准存置矩阵,对所述标准存置矩阵与所述目标存置矩阵进行映射校对,待完成筛选后,对检测结果进行同位置归属,整合同检测位置对应的多维度检测结果,并结合所述目标齿圈型钢的对应位置进行局部检测结果的拼接,生成所述一体化局域检测目标;
协同检测模块,所述协同检测模块用于针对所述一体化局域检测目标,结合数字孪生进行整体协同评估,确定协同检测结果,所述协同检测结果包括机械性能与服役寿命;
结果获取模块,所述结果获取模块用于基于所述一体化局域检测结果与所述协同检测结果,确定所述目标齿圈型钢的缺陷检测结果;
所述体系配置模块还包括:
一层矩阵配置模块,所述一层矩阵配置模块用于基于所述多组局域检测网格,配置一层矩阵,所述一层矩阵为局域网格化的自交矩阵,包括:对应于所述多组局域检测网格中各组局域检测网格的多个检测项,分别将其作为矩阵行与矩阵列,对角线位置为检测项对应的检测标准,生成针对不同网格划分区域的检测标准的自交矩阵,作为所述一层矩阵;
二层矩阵配置模块,所述二层矩阵配置模块用于遍历所述一层矩阵的矩阵项,结合映射的所述局域应用场景,逐矩阵项进行维度指标矩阵的分布,配置N个二层矩阵,所述二层矩阵以检测维度为矩阵行,以检测指标为矩阵列;
层级矩阵关联模块,所述层级矩阵关联模块用于对所述一层矩阵与所述N个二层矩阵进行层级关联,生成所述指标矩阵体系;
所述协同检测模块还包括:
参量配置模块,所述参量配置模块用于确定所述目标齿圈型钢的型号规格,并配置组装发动机参量;
栾体分析器搭建模块,所述栾体分析器搭建模块用于针对所述一体化局域检测目标与所述组装发动机参量,搭建栾体分析器,所述栾体分析器内置有包括硬件结构与传动结构的拟真孪生装置;
拟真测试分析模块,所述拟真测试分析模块用于基于检测目标确定拟真测试方案,结合所述栾体分析器进行拟真测试分析,获取所述协同检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075820.2A CN117074419B (zh) | 2023-08-25 | 2023-08-25 | 一种发动机齿圈型钢的缺陷检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075820.2A CN117074419B (zh) | 2023-08-25 | 2023-08-25 | 一种发动机齿圈型钢的缺陷检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117074419A CN117074419A (zh) | 2023-11-17 |
CN117074419B true CN117074419B (zh) | 2024-04-09 |
Family
ID=88709427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311075820.2A Active CN117074419B (zh) | 2023-08-25 | 2023-08-25 | 一种发动机齿圈型钢的缺陷检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117074419B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886932A (zh) * | 2019-01-25 | 2019-06-14 | 中国计量大学 | 基于svm的轮速传感器齿圈表面缺陷检测方法 |
CN111179251A (zh) * | 2019-12-30 | 2020-05-19 | 上海交通大学 | 基于孪生神经网络利用模板比对的缺陷检测***及方法 |
CN113160200A (zh) * | 2021-04-30 | 2021-07-23 | 聚时科技(上海)有限公司 | 一种基于多任务孪生网络的工业图像缺陷检测方法及*** |
CN116563273A (zh) * | 2023-06-30 | 2023-08-08 | 张家港广大特材股份有限公司 | 用于钢材缺陷的检测预警方法及*** |
-
2023
- 2023-08-25 CN CN202311075820.2A patent/CN117074419B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886932A (zh) * | 2019-01-25 | 2019-06-14 | 中国计量大学 | 基于svm的轮速传感器齿圈表面缺陷检测方法 |
CN111179251A (zh) * | 2019-12-30 | 2020-05-19 | 上海交通大学 | 基于孪生神经网络利用模板比对的缺陷检测***及方法 |
CN113160200A (zh) * | 2021-04-30 | 2021-07-23 | 聚时科技(上海)有限公司 | 一种基于多任务孪生网络的工业图像缺陷检测方法及*** |
CN116563273A (zh) * | 2023-06-30 | 2023-08-08 | 张家港广大特材股份有限公司 | 用于钢材缺陷的检测预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117074419A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5033015A (en) | Automated system for testing an imaging sensor | |
WO2019176993A1 (ja) | 検査システム、画像識別システム、識別システム、識別器生成システム、及び学習データ生成装置 | |
CN110363337B (zh) | 一种基于数据驱动的抽油机量油方法及*** | |
CN111611294B (zh) | 星敏感器数据异常检测方法 | |
CN109840900A (zh) | 一种应用于智能制造车间的故障在线检测***及检测方法 | |
CN117540174B (zh) | 基于神经网络的建筑结构多源异构数据智能分析***及方法 | |
Demilia et al. | Measurements for smart manufacturing in an Industry 4.0 scenario a case-study on a mechatronic system | |
CN115687983A (zh) | 一种桥梁健康状态监测方法、***及电子设备 | |
CN116563273A (zh) | 用于钢材缺陷的检测预警方法及*** | |
CN116310080A (zh) | 一种基于深度学习的单帧结构光齿轮故障三维测量方法和*** | |
CN117740797A (zh) | 一种铝合金的缺陷探伤方法 | |
CN117074419B (zh) | 一种发动机齿圈型钢的缺陷检测方法及*** | |
CN114323636A (zh) | 齿轮疲劳试验的监测方法、装置、电子设备及存储介质 | |
CN117698288A (zh) | 一种印刷质量检测方法、***、设备及存储介质 | |
CN109997028B (zh) | 调整对检查体的是否良好判定条件的方法及装置 | |
CN117406027A (zh) | 一种配电网故障测距方法及其*** | |
CN111639715B (zh) | 基于ls-svm的汽车仪表组装质量预测方法与*** | |
CN106123808B (zh) | 一种用于汽车后视镜镜面角度偏转测量的方法 | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及*** | |
Yoon et al. | Improved modified pressure imaging and software for egg micro-crack detection and egg quality grading | |
CN116049638A (zh) | 一种变压器震动检测方法、***、设备及存储介质 | |
CN113722308B (zh) | 基于EEMD-MultiCNN-LSTM的加速度响应数据补全方法及装置 | |
CN115291055A (zh) | 一种权重自适应的电力设备外绝缘声光协同诊断方法 | |
CN114624791A (zh) | 雨量测量方法、装置、计算机设备及存储介质 | |
CN105761247B (zh) | 超大规模光学卫星影像区域网可靠性分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |