中子照相图像质量评价方法及其应用

来源 :无损检测 | 被引量 : 0次 | 上传用户:yiwangcom
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
介绍了中子照相图像质量的评价方法,采用像质指示器对特定反应堆中子照相系统的图像质量进行评价分级.结果表明:热中子束流中的γ射线增加了胶片本底噪声,降低了图像质量;无论采用热中子还是冷中子源,胶片的图像质量评价等级均高于数字图像的,且单面胶片的图像质量等级最优;像质指示器宜与被检测物体一起成像,有利于了解中子照相系统的水平及判别成像质量是否满足被检测物体的验收要求.
其他文献
研究了钢板表面常残留的污染物如油漆、油、铁屑、浮锈、气泡等对受控射流超声检测灵敏度的影响.结果表明,铁屑和气泡会大大降低检测灵敏度,甚至会导致回波消失.为受控射流超声检测系统设计了辅助装置,该装置可以清除污染物,同时避免钢板表面在检测前产生气泡,实现对钢板的有效在线自动检测.
利用有限元软件ABAQUS对储罐不均匀沉降进行计算,得出储罐在不同工况下的结构响应,发现大沉降面积会导致应力分布出现显著差异.利用自主封装光纤光栅应变传感器开展了不同液位及不同沉降面积的沉降模拟试验,实现了储罐壁板和边缘板应力的动态监测,采用最小二乘多项式拟合试验数据,得到不同阶次的相关系数拟合曲线及4阶拟合曲线的一阶导数,发现了储罐罐壁及边缘板应力的变化符合高阶多项式曲线的变化趋势.结果表明,储罐液位高,引起罐壁、边缘板及角焊缝的应力变化大;不均匀沉降导致壁板上应力的变化并非为线性增加或减少.相同工况下
建立了基于卷积神经网络算法的智能导波损伤检测方法,可实现加筋板中脱黏损伤的高效识别和精准定位.在数值模拟和试验研究T型筋加筋板中导波传播特性的基础上,通过单点激发多点接收的方法获取不同损伤样本的兰姆波响应,经预处理之后组成融合数据库.利用卷积神经网络(CNN)深度学习检测算法,抓取和学习融合数据库中与损伤相关的特征,并使用未经训练的数据测试网络性能.结果表明,以Adam为优化器的7层CNN对数据库中损伤样本的检测精度达99%;基于CNN的智能导波检测方法不仅能够识别加筋板中的脱黏损伤,而且能够准确定位.
分析了304不锈钢的脉冲涡流信号,以单对数坐标系下晚期信号的斜率作为表征壁厚的特征值,拟合出晚期信号斜率与不锈钢壁厚之间的关系式,并通过试验分析了提离高度、缺陷形状等对信号的影响.该方法已进行实践应用,效果良好.
针对小口径管道对漏磁内检测设备通过性要求较高的情况,设计了一种浮动式磁化装置,在满足漏磁内检测励磁参数的基础上,调整检测器在管道中的运动姿态实现了较高的通过性.通过ADAMS动力学分析软件计算装置在不同工况下的通过性能,初步验证了方案的合理性,为小口径管道寿命预测和科学管理的发展提供了技术支持.
通过对螺栓的轴向应力检测模型进行优化处理,直接建立了螺栓轴向应力与纵波、横波渡越时间比的平方的关系.优化后的模型能同时修正温度的影响,模型中各项参数只与螺栓的材料、温度变化有关.利用8.8级M20×130螺栓的各项拟合参数,对其自身、同型号、同材料螺栓在0~300 MPa,0~40℃的应力检测精度与温度修正进行验证.结果表明其自身应力检测与温度修正误差分别为0~15.1 MPa,3.31~10.22 MPa;同型号螺栓的应力检测误差为1.1~24.3 MPa;同材料螺栓的两种误差分别为1.9~26.9 M
针对压力管道定期检验中常见的未焊透缺陷,分析了国内外标准关于未焊透深度检测的相关规定和研究现状,提出了一种基于DR(数字X射线摄影)技术的未焊透深度检测方法,并用其对阶梯试块、内壁有刻槽的管道和外壁有刻槽的管道等3个模拟试件进行检测,检测深度的最大偏差为10.0%.将该方法用于工程检测,结果表明DR技术可以实现未焊透深度的定量检测,为工业管道的安全评级奠定了基础.
利用电磁轭可对飞机铁磁性零部件的局部损伤进行磁粉检测,该技术具有检测效率高、操作方便的特点.结合实际工作经验详细论述了电磁轭技术在襟翼滑轨检测中的难点以及检测工艺的制定过程,可供同行参考.
凸轮轴多为铸钢件或铸铝件,其质量决定着发动机的性能.采用工业CT(计算机断层成像)检测技术对凸轮轴支撑体铸件进行三维无损检测,确定了铸造缺陷的位置与大小,可为其质量评估提供依据.
介绍了螺栓轴向应力检测的原理,设计了一种受剪夹具,采用超声检测法研究了在不同扭矩下剪力和时延的线性关系.结果表明,在不同扭矩下,剪力与时延呈线性关系,但斜率不一样,可为超声波法测量螺栓剪力提供依据.