详情

原文传递一种风力机叶片超声无损检测方法

专利名称：	一种风力机叶片超声无损检测方法
摘要：	本发明公开了一种风力机叶片超声无损检测方法，该方法能够使超声探伤设备在使用过程中简化现场操作步骤，以及减少对有经验操作人员的依赖。该方法以超声检测图像作为分类对象，将不同种类的超声损伤图像通过机器学习方法开展分类训练，构建图像‑损伤分类识别模型，在现场操作中简化操作过程，达到高效识别检测图像损伤类型的功能。该方法提出的高效无损检测方法，能够快速、有效地开展现场操作及后期的损伤种类识别，协助对产品质量进行判断，保证了检测质量，以应对风力机叶片检测过程中对检测效率高和分析经验足的实际需求。
专利类型：	发明专利
申请人：	中国科学院工程热物理研究所
发明人：	李苏威;石可重;张明明
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T08:00:00+0805
申请号：	CN201911367411.3
公开号：	CN111122705A
代理机构：	北京锺维联合知识产权代理有限公司
代理人：	黄利萍;原春香
分类号：	G01N29/06;G01N29/44;G;G01;G01N;G01N29;G01N29/06;G01N29/44
申请人地址：	100190 北京市海淀区北四环西路11号
主权项：	1.一种风力机叶片超声无损检测方法，其特征在于，该方法包括如下步骤： SS1.图像数据积累阶段：首先，采用超声探伤设备对风力机叶片的各类已知损伤和正常位置进行检测，并对各类已知损伤和正常位置的超声检测图像进行积累；之后，对所积累的各类已知损伤和正常位置的检测图像进行损伤类型标注，建立已知损伤和正常位置的超声检测图像数据库； SS2.图像数据损伤分类模型生成阶段：首先，针对步骤SS1中所建立的已知损伤和正常位置的超声检测图像数据库中的每一张图像，截取其中的相控阵图像部分，作为有效信号图像；之后，对有效信号图像及其对应的损伤类型标注开展机器学习，构建针对风力机叶片超声无损检测图像的图像-损伤分类识别模型； SS3.工程应用阶段：利用超声探伤设备对待测风力机叶片开展超声无损测试，叶片测试过程中，不需要现场实时开展损伤类型分析，只对每个测试点的测试图像进行保存，现场测试完毕并保存测试图像后，截取现场测试图像的相控阵图像部分将其转化为有效信号图像，利用步骤SS2中建立的图像-损伤分类识别模型，确定每一测试点的损伤类型，完成待测风力机叶片的超声无损检测。 2.根据权利要求1所述的方法，其特征在于，需积累已知损伤类型的检测图像。 3.根据权利要求1所述的方法，其特征在于，需对每张超声图像进行类型标注。 4.根据权利要求1所述的方法，其特征在于，截取图像文件中的相控阵图像部分作为有效信号图像。 5.根据权利要求1所述的方法，其特征在于，对测试图像采用机器学习的方法开展分类模型的构建。 6.根据权利要求1所述的方法，其特征在于，获取分类模型后，不再需要检测现场的实时损伤类型分析，只保存图像，后期通过已构建的分类模型，开展自动化分类。 7.根据上述任一项权利要求所述的方法，其特征在于，步骤SS1中，所述超声探伤设备为相控阵超声波探伤设备。 8.根据上述任一项权利要求所述的方法，其特征在于，步骤SS1中，所述风力机叶片的各类已知损伤包括风力机叶片分层、褶皱、夹杂等。
所属类别：	发明专利