本发明专利技术是一种利用有机力致荧光材料对服役承压装备的缺陷快速检测方法，选择有机力致荧光材料制备溶液，在构件表面构筑有机力致荧光涂层。通过含缺陷标准试样的拉伸试验，分别获得不同载荷和不同缺陷深度和尺寸下的力致荧光图像，通过图像处理获得力致荧光区域特征值和载荷及缺陷尺寸的关系，建立承压装备缺陷诱导力致荧光的图像数据库。在承压装备的表面涂敷有机力致荧光涂层，服役过程中在线监测承压装备表面的力致荧光的响应，利用力致荧光出现的位置快速定位内部缺陷的位置；利用计算机视觉和人工智能技术对数据库中的力致荧光图像进行识别、数据训练并建立训练模型；将实时采集到的力致荧光图像带入模型定量评估承压装备的缺陷尺寸和深度。装备的缺陷尺寸和深度。装备的缺陷尺寸和深度。
A rapid defect detection method for pressure equipment in service using organic fluorescent materials
【技术实现步骤摘要】
一种利用有机力致荧光材料对服役承压装备的缺陷快速检测方法
[0001]本专利技术涉及一种基于有机力致荧光对服役中的承压装备的产生缺陷进行快速识别和定量评估的检测方 法。
技术介绍
[0002]承压装备中是石油化工和核电领域的关键设备，在使用过程中往往承受易燃、易爆和腐蚀性介质。在 长期服役过程中，容器会产生腐蚀以及焊缝内出现裂纹等缺陷，对于承压装备的安全服役造成重大风险。 在服役过程中对承压装备由腐蚀和焊缝的开裂造成的内部或外部缺陷的位置和尺寸难以实时监测。因此， 开发针对服役承压装备的缺陷的快速识别和评估的检测方法对服役承压装备在生产过程安全监控预警至关 重要。
[0003]目前针对承压装备缺陷的检测方法主要集中在超声检测、射线检测、涡流检测、磁粉检测以及渗透检 测。超声检测依赖于其超强的穿透性，具有较高的灵敏度，但对于复杂构件的检验结果不令人满意。射线 检测可以直观判断承压装备内部缺陷的尺寸及位置，但射线检测对检测人员伤害较大，同时对服役中的承 压装备检测困难。涡流检测能够快速获得内部缺陷的信号，但对于缺陷的具体位置还需要联合多种检测手 段进行复检才能确定。磁粉检测虽然操作方便，缺陷表达直观，但受承压装备材料的限制，只能应用于导 磁材料。渗透检测仅能获得表面或者近表面缺陷的形状和尺度，无法获得缺陷的深度，无法对内部缺陷进 行检测，需要操作人员进入承压装备内部开展检测。上述检测方法的传感器的检测区域有限，大范围快速 检测困难，往往在承压装备定期检修才能进行，很难对服役中的承压装备的内部缺陷进行大范围和快速的 筛查。因此，有必要开发针对服役承压装备缺陷产生的位置、长度和深度的大范围、快速和直观可视的检 测手段。
[0004]荧光以其高灵敏度、响应实时和可视化的特点，广泛地应用于光电器件、生物和危险物质检测等领域。 利用力致荧光现象对工程构件的变形和损伤进行实时可视化检测是结构健康监测领域发展的重要方向。中 国专利技术专利“一种利用荧光量子点检测和监控机械部件裂纹的方法”(专利技术专利申请号：CN 201210586280 公开号：CN 103901003 A)公开了一种基于无机量子点的荧光响应检测机械部件的疲劳裂纹方法。中国发 明专利“一种动态监测裂纹尖端应力强度因子的方法”(专利技术专利申请号：CN202110093811.0公开号： CN113008669A)公开了一种利用有机力致荧光对构件表面的裂纹的断裂韧性进行动态监测的方法。综上所 述，利用力致荧光材料监测机械部件损伤仅有个例报道。上述方法主要应用于工程构件的表面裂纹的位置 和长度检测，利用力致荧光对承压装备缺陷的深度，特别是内部缺陷进行快速检测未见报道。
[0005]四硝基
‑
四苯基乙烯(TPE
‑
4N)具有金属表面成膜性好，力致荧光响应迅速的优点。中国专利技术专利“一 种利用有机力致发光材料检测机械部件的力学响应的方法”(专利技术专利申请号：CN201810258759.8公开号： CN108680288A)公开了利用四硝基
‑
四苯基乙烯(TPE
‑
4N)材料检测应力应变响应和预测疲劳裂纹扩展的方 法。这为利用有机力致荧光材料进行
承压装备的缺陷的监测提供了可能。上述方法仅对构件的整体应力应 变响应检测以及表面的疲劳裂纹的萌生和扩展的路径和长度进行实时监测，无法对于装备缺陷或裂纹的深 度监测和评估，基于有机力致荧光的承压装备内部缺陷的大范围、快速和可视化监测的方法并未见报道。
技术实现思路
[0006]针对上述问题，本专利技术的目的是提供一种基于有机力致荧光的承压装备缺陷的大范围、快速和可视化 的检测方法。
[0007]本专利技术的技术方案：
[0008]一种利用有机力致荧光材料对服役承压装备的缺陷快速检测方法，包括以下步骤:
[0009](1)建立承压装备缺陷诱导力致荧光图像数据库：
[0010](1.1)制备具有不同尺寸和深度的含内部或外部缺陷的标准拉伸试样；
[0011](1.2)选择有机力致荧光材料作为材料，配制有机力致荧光材料溶液；使用刷子将有机力致荧光材料 溶液均匀涂覆在含缺陷的标准拉伸试样正反表面，通过加热工具加热成膜，制备均匀的有机力致荧光涂层；
[0012](1.3)对涂覆有机力致荧光材料的含缺陷标准拉伸试样进行拉伸实验，使用紫外光源作为激发光源， 利用CCD荧光采集系统实时记录不同载荷、缺陷的长度和深度下的试样两面的力致荧光图像，用来模拟承 压装备表面缺陷和内部缺陷造成的力致荧光响应；
[0013](1.4)力致荧光图像的处理：对力致荧光图像进行图像处理获得力致荧光图像的特征值，通过降噪和 二值化处理，提取出力致荧光图像区域，并计算二值图像中荧光的面积和距离；
[0014](1.5)建立承压装备缺陷诱导力致荧光图像数据库：随着载荷以及缺陷的长度和深度的增大，试样表 面的力致荧光图像的面积和距离逐渐增加；详细分析(1.3)试验中获得的结果，建立不同载荷和缺陷尺寸 下的力致荧光图像的面积和距离的关系，建立缺陷诱导的力致荧光图像数据库；
[0015](2)服役承压装备的缺陷的在线监测方法：
[0016](2.1)选择有机力致荧光材料作为材料，配制有机力致荧光材料溶液；使用刷子将有机力致荧光材料 溶液均匀涂覆在承压装备表面，通过加热工具加热成膜，制备均匀的有机力致荧光涂层；
[0017](2.2)利用CCD荧光采集系统实时扫描监测服役承压装备表面的力致荧光信号，根据力致荧光的出现 位置对承压装备的内部或外部缺陷的位置快速定位；
[0018](2.3)结合计算机视觉和人工智能技术(机器学习或深度学习)对采集到的标准数据库中的力致荧光 图像构建残差注意力网络，结合注意力机制的深层网络提取荧光图像的深层特征；
[0019](2.4)根据图像处理技术提取力致荧光图像的特征值，通过特征融合，增强荧光图像的特征表示；对 构建的残差注意力分类网络进行训练和验证，获得训练模型；
[0020](2.5)将实时在线采集的承压装备表面的力致荧光图像结果输入到训练模型中，分类模型将输出荧光 图像的分类结果，根据预先定义的类别标签表示计算出承压装备的
缺陷诱导产生力致荧光图像的载荷和尺 寸。
[0021]所述的有机力致荧光材料选用四硝基
‑
四苯基乙烯材料(TPE
‑
4N)，配制TPE
‑
4N溶液浓度0.01～0.05g/mL； 有机溶剂为氯仿。
[0022]所述的加热工具使用热风枪、加热炉或加热套；加热温度为80℃～300℃，加热时间约1～30分钟。
[0023]所述的荧光检测装置采用CCD荧光采集系统，对含缺陷试样和服役承压装备在受力后表面的力致荧光 图像进行实时采集。
[0024]所述的CCD荧光采集系统包括一个CCD相机、一个镜头、一个紫外光源和计算机数据分析系统，荧光 采集系统安装在标准试样和服役承压容本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种利用有机力致荧光材料对服役承压装备的缺陷快速检测方法，包括以下步骤:(1)建立承压装备缺陷诱导力致荧光图像数据库：(1.1)制备具有不同尺寸和深度的含内部或外部缺陷的标准拉伸试样；(1.2)选择有机力致荧光材料作为材料，配制有机力致荧光材料溶液；使用刷子将有机力致荧光材料溶液均匀涂覆在含缺陷的标准拉伸试样正反表面，通过加热工具加热成膜，制备均匀的有机力致荧光涂层；(1.3)对涂覆有机力致荧光材料的含缺陷标准拉伸试样进行拉伸实验，使用紫外光源作为激发光源，利用CCD荧光采集系统实时记录不同载荷、缺陷的长度和深度下的试样两面的力致荧光图像，用来模拟承压装备表面缺陷和内部缺陷造成的力致荧光响应；(1.4)力致荧光图像的处理：对力致荧光图像进行图像处理获得力致荧光图像的特征值，通过降噪和二值化处理，提取出力致荧光图像区域，并计算二值图像中荧光的面积和距离；(1.5)建立承压装备缺陷诱导力致荧光图像数据库：随着载荷以及缺陷的长度和深度的增大，试样表面的力致荧光图像的面积和距离逐渐增加；详细分析(1.3)试验中获得的结果，建立不同载荷和缺陷尺寸下的力致荧光图像的面积和距离的关系，建立缺陷诱导的力致荧光图像数据库；(2)服役承压装备的缺陷的在线监测方法：(2.1)选择有机力致荧光材料作为材料，配制有机力致荧光材料溶液；使用刷子将有机力致荧光材料溶液均匀涂覆在承压装备表面，通过加热工具加热成膜，制备均匀的有机力致荧光涂层；(2.2)利用CCD荧光采集系统实时扫描监测服役承压装备表面的力致荧光信号，根据力致荧光的出现位置对承压装备的内部或外部缺陷的位置快速定位；(2.3)结合计算机视觉和人工智能技术对采集到的标准数据库中的力致荧光图像构建残差注意力网络，结合注意力机制的深层网络提取荧光图像的深层特征；(2.4)根据图像处理技术提取力致荧光图像的特征值，通过特征融合，增强荧光图像的特征表示；对构建的残差注意力分类网络进行训练和验证，获得训练模型；(2.5)将实时在线采集的承压装备表面的力致荧光图像结果输入到训练模型中，分类模型将输出荧光图像的分类结果，根据预先定义的类别标签表示计算出承压装备的缺陷诱导产生力致荧光图像的载荷和尺寸。2.如权利要求1所述的方法，其特征是...
【专利技术属性】
技术研发人员：张喆，邵正旭，陈旭，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。