本发明涉及一种工件缺陷检测装置及其方法,特别是涉及一种变壁厚回转工件缺陷检测装置及其方法。
背景技术:
现在大多数的探伤装置都只适用于直轴薄壁管状工件的探伤,且工件较小,不适用于大中型厚壁套筒零件或阶梯轴类零件的探伤,目前对变壁厚回转工件多类缺陷的智能识别存在很大的困难,无法对工件进行高效全方位的探伤,检测效率低,易出现漏检。针对需要探伤的大中型变壁厚回转工件以及阶梯轴类工件,发明了一种变壁厚回转工件的超声检测装置和智能识别方法。
技术实现要素:
本发明的目的在于提供一种变壁厚回转工件缺陷检测装置及其方法,本发明通过伺服电机驱动工件进行旋转运动,探头通过横向丝杠和纵向丝杠实现左右和上下移动,用于各种厚壁套筒以及各种阶梯轴类工件的探伤。缺陷智能识别方法为计算机中设置有人工神经网络、频谱分析和数据融合系统,将采集的超声探头的缺陷回波信号经频谱分析提取相应的特征参数,人工神经网络对特征参数进行智能识别,利用识别输出值作为构建两类探头源的基本概率分布函数及其对每类缺陷的基本概率赋值。在决策融合层利用d-s证据理论,合并两类探头源的基本概率分布函数,实现变壁厚回转工件缺陷的智能识别。
本发明的目的是通过以下技术方案实现的:
一种变壁厚回转工件缺陷检测装置,所述装置包括溜板驱动电机,横向丝杠,溜板,纵向丝杠,直探头,斜探头,工件,锥堵,顶尖,三爪卡盘,弹性联轴器和伺服电机;溜板安装在横向丝杠上,由溜板连接电机驱动;直探头和斜探头通过纵向丝杠连接在溜板上;工件一端固定在三爪卡盘上,另一端通过顶尖固定,锥堵用来对套筒类工件作辅助定位;三爪卡盘和伺服电机通过弹性联轴器连接。
所述的一种变壁厚回转工件缺陷检测装置,所述的三爪卡盘为工业用大中型三爪卡盘;锥堵可根据工件内孔大小进行调换;锥堵,顶尖和三爪卡盘固定壁厚较大的套筒类工件;伺服电机通过弹性联轴器与三爪卡盘连接,从而带动工件转动,便于对工件周向进行探伤.
所述的一种变壁厚回转工件缺陷检测装置,所述的被测工件可以为变截面或阶梯轴类工件,且重量较大,为大中型变壁厚回转工件,或为大中型实心轴零件。
一种变壁厚回转工件缺陷检测方法,所述方法包括以下检测过程:
放置于变壁厚回转工件表面的超声直探头和斜探头发射的超声波信号进入被检工件,被检工件接收到超声波信号后相应地反射超声回波信号,这些超声回波信号由超声探头接收并传输至超声检测仪,由计算机记录超声检测仪的超声回波信号的各两种频谱图,即:幅频谱图和功率谱图;通过对幅频谱图和功率谱图的分析,每个探头提取幅频谱的最大幅值和对应的频率、功率谱的最大幅值和对应的频率共计4个特征参数。
所述的一种变壁厚回转工件缺陷检测方法,所述超声直探头和斜探头的4个特征参数,即:幅频谱的最大幅值和对应的频率、功率谱的最大幅值和对应的频率,通过人工神经网络中的bp神经网络进行裂纹、气孔和夹渣等缺陷的智能识别,并与常规超声信号特征的识别结果相比较。
所述的一种变壁厚回转工件缺陷检测方法,所述方法构建基于bp神经网络与dempster-shafer(d-s)证据理论联合的直探头和斜探头检测缺陷特征的识别方法,即利用数据融合技术,实现变壁厚回转工件的裂纹、气孔和夹渣等缺陷智能识别;将bp神经网络对超声直探头和斜探头的各4个特征参数,利用d-s证据理论,合并每个探头源的基本概率分布函数,实现变壁厚回转工件缺陷的智能识别。
本发明的优点与效果是:
本发明提供了一种变壁厚回转工件超声检测装置和缺陷智能识别方法,该装置结构简单,方便可靠;缺陷智能识别方法将直探头和斜探头的数据进行融合来进行缺陷的智能识别,能显著降低缺陷的误识别率,提高超声检测装置的运行效率,降低工作人员的劳动强度。
附图说明
图1为变截面探伤装置图。
其中:溜板驱动电机1,横向丝杠2,溜板3,纵向丝杠4,直探头5,斜探头6,工件7,锥堵8,顶尖9,三爪卡盘10,弹性联轴器11和伺服电机12。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,一种变壁厚回转工件的自动超声检测装置,包括溜板驱动电机1,横向丝杠2,溜板3,纵向丝杠4,直探头5,斜探头6,工件7,锥堵8,顶尖9,三爪卡盘10,弹性联轴器11,伺服电机12。其中,横向丝杠2和溜板驱动电机1连接,其上装有溜板3,纵向丝杠4连接在溜板3上,直探头5和两个斜探头6与纵向丝杠连接;溜板3在横向丝杠2上移动可实现探头的横向移动,对工件进行轴向探伤;纵向丝杠4可带动工件进行上下移动,从而实现对变截面阶梯轴类工件的探伤;探头组采用直探头5加两个斜探头6的组合方式,直探头5安装在中间,斜探头6安装在两边,该组合方式可用来对变截面阶梯轴类零件的变截面处进行探伤,克服了以前的探伤盲区;亦可实现对大中型厚壁套筒零件的探伤,扩大了探伤设备的使用范围;三爪卡盘10和顶尖9用来对工件7进行装夹定位;对于变壁厚回转工件进行装夹定位时使用锥堵8来辅助定位,以便定位准确;三爪卡盘10通过弹性联轴器11由伺服电机12驱动,从而实现工件的旋转,便于对工件7进行周向探伤。
放置于变壁厚回转工件表面的超声直探头和斜探头发射的超声波信号进入被检工件,被检工件接收到超声波信号后相应的反射超声回波信号,这些超声回波信号由超声探头接收并传输至超声检测仪,由计算机记录超声检测仪的超声回波信号的各两种频谱图,即:幅频谱图和功率谱图。通过对幅频谱图和功率谱图的分析,每个探头提取幅频谱的最大幅值和对应的频率、功率谱的最大幅值和对应的频率共计4个特征参数。将直探头和斜探头的各4个特征参数,即:幅频谱的最大幅值和对应的频率、功率谱的最大幅值和对应的频率,通过人工神经网络中的bp神经网络进行裂纹、气孔和夹渣等缺陷智能识别;构建基于bp神经网络与dempster-shafer(d-s)证据理论联合的两类探头检测缺陷特征的智能识别方法,将bp神经网络的识别输出值作为构建每类探头源的基本概率分布函数及其对每类缺陷的基本概率赋值。在决策融合层利用d-s证据理论,合并每类探头源的基本概率分布函数,实现实现变壁厚回转工件缺陷的智能识别。