超声相控阵全聚焦成像算法作为一种后处理成像技术,虽然具有成像精度高、灵活性好的优势,但由于数据量大、计算时间长等问题,该项技术的实际工业应用受到了极大限制。针对该算法的不足,这里提出了基于均匀稀疏矩阵的全聚焦成像算法,通过减少矩阵数据量来提高成像效率。结果表明相较于传统全聚焦成像算法,基于均匀稀疏矩阵的全聚焦成像算法极大的压缩了数据规模,计算速度同比提高约38%,为全聚焦快速成像提供了一种参考方法。

针对传统的工件焊缝缺陷分类方法分类准确率低、分类速度慢的问题,提出了基于迁移学习的卷积神经网络实现对工件焊缝缺陷图谱的智能分类。首先使用超声相控阵探伤仪对焊缝试块进行扫描实现数据采集,然后将采集好的各类缺陷图谱数据按91的比例分为训练集与测试集,最后使用基于迁移学习的ResNet-34、MobileNet-v2、AlexNet三种卷积神经网络模型训练。其中Resnet-34网络模型最高准确率可达到98.6%,MobileNet-v2网络模型的最高准确率达到84.5%,AlexNet网络模型的最高准确率达到96.5%。试验结果表明,使用基于迁移学习的卷积神经网络不仅可以有效地提高件焊缝缺陷图谱的分类准确率,而且分类的速度也远比人工分类的速度要快,有效的加快了缺陷图谱的分类速度。

为了达到导波的检测能量尽可能聚焦于缺陷处的目的,结合时间反转聚焦理论,采用模拟计算与实验研究相结合的方法对含有不同尺寸的非穿透型裂纹缺陷的管道进行检测研究,得到时间反转导波反射回波系数是直接导波反射回波系数的3倍,由此证明了时间反转法的时-空聚焦的特性,即时间反转导波同时到达缺陷位置,实现了能量的汇聚,论证了时间反转聚焦理论可用于管道导波的缺陷检测、提高小缺陷的检出能力。

贮箱是大型机械设备中必不可少的部分,其内部铁屑、焊渣等多余物检测的问题有待解决。为实现贮箱内多余物的智能检测,通过时间反转原理的聚焦算法,利用LabVIEW和MATLAB联合编程,设计集数据采集、分析、处理及声发射源定位于一体的LabVIEW软件平台贮箱多余物检测系统。该系统可以有效判断贮箱内多余物的有无及定位,将声发射源的定位以强度图显示。经过多次试验,定位误差控制在5%以内,满足工程需要。