【技术实现步骤摘要】
本专利技术涉及金属无损检测，尤其涉及一种金属构件微米级缺陷电光原位无损检测方法与系统。
技术介绍
1、航空航天等高端装备承受极端恶劣服役工况，对关键金属构件的质量和完整性提出了极高要求。为确保金属构件的质量，无损检测技术成为不可或缺的一环，它能够有效检测和评估金属构件中可能存在的裂纹、气孔等缺陷，从而保障构件的质量和装备的可靠性。
2、目前，金属构件缺陷检测的主要方法包括超声检测、荧光磁粉检测和x射线检测等。超声检测包括相控阵超声和激光超声等，然而，这些方法在亚毫米尺寸的缺陷检测精度上存在一定的限制，且检测效率相对较低。荧光磁粉检测要求被测对象为铁磁性材料，并需要在暗室中用荧光照射被测件进行检测，这限制了其适用范围。而x射线检测由于成本高昂，对被测零件表面平整性的严格要求，以及在工业上进行大规模应用的难度，使得其应用受到一定限制。
3、现有无损检测技术在兼顾检测精度和检测效率方面存在挑战，尤其对于微米尺度的缺陷，难以实现精确定位与三维重构。因此，亟需开发一种金属构件微米级缺陷电光原位无损检测方法，能够在工业应用中...
【技术保护点】
1.金属构件微米级缺陷电光原位无损检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的金属构件微米级缺陷电光原位无损检测方法，其特征在于，步骤S1中所述的向被测金属构件加载交变脉冲电流，使金属构件升温，并建立热输入量与被测金属构件的物理属性之间的关系，是令交变脉冲电流在t时刻的输出表示为：其中I0为交变脉冲电流的初始振幅，τ是交变脉冲电流的脉冲宽度，f是交变脉冲电流的频率；然后建立热输入量与被测金属构件的物理属性之间的关系，是令金属构件的热传导方程描述为：其中ρ为被测金属构件的密度，Cp是被测金属构件的比热容，k是被测金属构件的热导率，T是温度，...
【技术特征摘要】
1.金属构件微米级缺陷电光原位无损检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的金属构件微米级缺陷电光原位无损检测方法，其特征在于，步骤s1中所述的向被测金属构件加载交变脉冲电流，使金属构件升温，并建立热输入量与被测金属构件的物理属性之间的关系，是令交变脉冲电流在t时刻的输出表示为：其中i0为交变脉冲电流的初始振幅，τ是交变脉冲电流的脉冲宽度，f是交变脉冲电流的频率；然后建立热输入量与被测金属构件的物理属性之间的关系，是令金属构件的热传导方程描述为：其中ρ为被测金属构件的密度，cp是被测金属构件的比热容，k是被测金属构件的热导率，t是温度，q是交变脉冲电流产生的单位体积热源；采用神经网络模型学习热输入量与被测金属构件的物理属性之间的关系，神经网络模型采用被测金属构件的密度ρ、被测金属构件的比热容cp和被测金属构件的热导率k作为输入变量x，将热输入量作为神经网络模型的输出，设置隐藏层的层数为n，f为是神经网络的映射函数；热输入量表示为其中σl为第l个隐藏层的激活函数，l＝1，2，3，...，n；wl为第l个隐藏层的权重矩阵，bl为第l个隐藏层的偏置向量；通过训练筛选输出效果最佳的权重矩阵和偏置向量，构建热输入量与被测金属构件的物理属性之间的关系；所述激活函数σl为sigmoid或者relu中的一种。
3.根据权利要求2所述金属构件微米级缺陷电光原位无损检测方法，其特征在于，在神经网络模型的隐藏层中进一步引入残差连接以及分支结构，以增强神经网络模型对复杂金属构件物理属性与热输入量之间的非线性关系建模能力；令原始隐藏层输出为hl，引入残差连接后新的隐藏层输出为h′l，则h′l＝hl+f(hl，wh)，其中f是非线性变换函数，wh为残差连接的权重矩阵，分支结构输出h″l表示为h″l＝[h′l，g(h′l，uh)]，其中g为非线性变换函数，uh为分支结构的权重矩阵，非线性变换函数f和g为卷积函数或者激活函数。
4.根据权利要求2所述的金属构件微米级缺陷电光原位无损检测方法，其特征在于，步骤s1中所述的不损伤被测金属构件的完整性以及内部结构，是指向被测金属构件加载脉冲电流的单个周期的持续时间时间不超过1毫秒，且导致的被测金属构件升温不超过金属构件的相变温度。
5.根据权利要求4所述的金属构件微米级缺陷电光原位无损检测方法，其特征在于，步骤s2的具体内容是，在红外热像仪的镜头前方设置光学倍镜，放大待测区域...
【专利技术属性】
技术研发人员：华林，董康，钱东升，王丰，秦训鹏，
申请(专利权)人：武汉理工大学，
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。