Page 136 - 2022'中国无损检测年度报告
P. 136

⚥㕂偽䰀唬崵䎃䏞䫣デ                                                                                                                                                             ⚥㕂偽䰀唬崵䎃䏞䫣デ
                                                                                                                                                                                                                                2022
     20222                                       ࠛ௨ចय़ˮڥQGWખ౎˘ᛸˡԾࡰᤠቅ                                                                                              ࠛ௨ចय़ˮڥQGWખ౎˘ᛸˡԾࡰᤠቅ                                             2 2
           2




              特征向量、降维;再粗匹配、采用构建的抗旋转                            络模型参数嵌入到超声设备中,对当前探头位置
              缩放匹配算法建立三角形相似性假设剔除误匹配                            采集的超声波信号进行实时诊断分类和缺陷可视
              点对;通过优化 RANSAC 算法提取损伤温度重                         化标注。能够实现实时的复合材料缺陷诊断与标
              构图像的匹配点对,精确估计出仿射变换模型参                            注。以解决现有的复合材料缺陷或损伤检测依赖
              数 HT,实现图像拼接,得到拼接图像,考虑移                           于对测试部件的材料特性的了解或对基于物理学
              动和角度变化会带来其红外重构图像的几何变换                            的预定信号特征的提取这种专家先验知识,提供
              如旋转、缩放,进而构建了抗旋转缩放匹配算法                            一种不同与超声 C 扫的缺陷可视化方法。
              用于剔除误匹配点对,同时,构建优化 RANSAC
              算法提取匹配点对,这样,更好地获得了正确匹                            ♧猫㛇✵ꬋ絁䚍馄㡮涸插䱹餘ꆀ唬崵倰岁
              配损伤特征点,避免拼接图像出现畸变。                               歍霼〿 : CN202210774029.X
                                                               ➿椚劼匬杭州求是专利事务所有限公司 33200

              㛇✵鵶絯㡮〄㼘⥌〿涸Ꝋ猌㶩歏寑朐䙖唬崵禹                             〄僈➃ : 任强 ; 孙文龙 ; 陶立翔 ; 张光学 ; 张华军 ;
              絡ㄤ倰岁                                             盛水平 ; 汪宏
              歍霼〿 : CN202010072989.2                           歍霼⚁ⵄ勉➃: 杭州市特种设备检测研究院(杭
              〄僈➃ : 何赟泽 ; 殷健翔 ; 黄守道 ; 张凯                       州市特种设备应急处置中心); 中国计量大学
              歍霼⚁ⵄ勉➃ : 湖南大学                                  歍霼➃䨾㖈㕂㹻 / 㖑⼓ / 絆絉CN
              Ⱆ䒓傈劍Ⱆ䒓2022.04.29                              Ⱆ䒓傈劍Ⱆ䒓2022.09.02

              䶰銳 : 本发明提供的基于连续声发射信号的锂离                          䶰銳 : 本发明公开了一种基于非线性超声的焊接
              子电池状态检测系统,包括充放电设备:与锂离                            质量检测方法。制备多个焊接质量不同的焊接试
              子电池电连接,对锂离子电池进行循环的充电或                            件;搭建非线性超声检测系统;利用非线性超声
              放电;传感器:用于采集锂离子电池内部的声发                            检测系统对所有焊接试件进行非线性超声检测获
              射信号,并转换为电信号;声发射检测模块:与                            得非线性超声系数,建立非线性超声系数和焊接
              所述传感器电连接,用于接收传感器输出的所述                            试件的焊接质量等级之间的对应关系;对待测焊
              电信号,将所述电信号转换为处理终端能够识别                            接试件进行非线性超声检测得到非线性超声系数,
              的处理信号;处理终端:与所述声发射检测模块                            根据对应关系找到非线性超声系数找到对应的焊
              电连接,用于接收所述处理信号,并提取出所述                            接质量等级,从而完成对焊接试件的焊接质量检
              处理信号中的连续信号,根据所述连续信号的幅                            测。本发明通过建立非线性超声系数与焊接质量
              值信息和是否有高次谐波的出现检测锂离子电池                            等级之间的对应关系,实现了对焊接试样的质量
              的状态,该系统提高了锂离子电池状态检测的安                            分级划分,能够对焊接试样的微小缺陷进行准确
              全性和准确性。                                          识别,可以精确地评估焊接试件的质量。

              ♧猫㛇✵⽷獤緸絞ㄤ鲪鶺騈驶涸㢕ざ勞俱緃ꤴ                             ♧猫㛇✵㢴彂侨䰘匬䒊侨㶶㷜欰垷㘗涸偽䰀唬
              馄㡮唬崵倰岁                                           崵倰岁
              歍霼〿 : CN202210810586.2                           歍霼〿 : CN202210627217.X
              〄僈➃ : 郭函懿 ; 何卫锋                                  〄僈➃ : 齐浩东 ; 程晓颖 ; 应志平 ; 吴震宇
              歍霼⚁ⵄ勉➃ : 西安交通大学                                歍霼⚁ⵄ勉➃ : 浙江理工大学
              Ⱆ䒓傈劍Ⱆ䒓2022.09.06                              Ⱆ䒓傈劍Ⱆ䒓2022.08.16
              䶰銳 : 本发明公开了一种基于卷积网络和轨迹跟                          䶰銳 : 本发明涉及一种基于多源数据构建数字孪
              踪的复合材料缺陷超声检测方法,包括以下步骤,                           生模型的无损检测方法,包括如下工艺步骤:在
              步骤 1,建立超声波数据库;步骤 2,从超声波                          复合材料板表面用铜丝分别在经纬纱两方向上进
              数据库中获取数据集,并构建深度学习神经网络                            行标记,建立坐标;从标记好的复合材料板上取
              算法模型,确定神经网络模型参数;步骤 3,对                           一单元下来,通过 CT 扫描检测装置进行 CT 扫描,
              构建的神经网络深度学习算法模型,用采集构造                            获取高分辨率图像;图像分析:找出经纱和纬纱
              的数据集进行训练;步骤 4,将训练好的神经网                           方向上重复的纤维结构即为元胞;将标记好的试


             128
   131   132   133   134   135   136   137   138   139   140   141