-
公开(公告)号：CN106706760A
公开(公告)日：2017-05-24
申请号：CN201611187210.1
申请日：2016-12-20
Applicant: 北京工业大学
IPC: G01N29/14
CPC classification number: G01N29/14 , G01N2291/0231 , G01N2291/0237
Abstract: 本发明公开一种全向性双圆形阵列的复合材料板声发射源定位方法，采用双声发射传感器圆形阵列，已知圆形阵列的半径，即每两个传感器之间的距离，利用两者的波达时间差，求其波速；对求出的多组波速数组与已求出的360°波速的全向性实验结果进行验证，选出最接近的速度并与之对应的方向进行匹配，逐步删除以缩小检测区域的范围，重复实验，最后实现对复合材料板结构损伤的声发射源准确区域定位。
-
公开(公告)号：CN104007180B
公开(公告)日：2017-05-24
申请号：CN201410213487.1
申请日：2014-05-20
Applicant: 北京工业大学
Abstract: 一种扭转模态磁致伸缩阵列传感器，属于超声无损检测领域。根据板中SH波振动模式与管道中扭转模态相类似的现象，提出了一种适用于管道布置和阵列的MPSA线圈，设计并研制一种扭转模态磁致伸缩阵列传感器，实现在管道中扭转模态的激励。通过试验验证了研制的扭转模态磁致伸缩阵列传感器在管道上激励T(0,1)模态，试验测试了该传感器的频率响应特性，使用该传感器快速有效检测出对合金钢管中缺陷位置，且定位精度较高，为进一步利用该传感器并结合相控阵原理，实现管道中缺陷二维成像奠定了基础。
-
公开(公告)号：CN103969337B
公开(公告)日：2017-02-22
申请号：CN201410191263.5
申请日：2014-05-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法，属于无损检测领域。该方法通过对换能器阵列接收到的信号进行矢量全聚焦处理得到全局矢量图，由缺陷处反射信号能量最强来确定缺陷的位置，然后根据缺陷的位置提取缺陷的局部矢量图，最后利用局部矢量图中矢量的方向来确定缺陷的方向。该矢量全聚焦成像的原理是在换能器阵列中构造多个子阵列，通过子阵列计算任意成像点处的单位方向矢量，利用该单位方向矢量对换能器阵列在任意成像点处补偿后的回波幅值进行矢量化，得到任意成像点处的幅值矢量。
-
公开(公告)号：CN106198758A
公开(公告)日：2016-12-07
申请号：CN201610503210.1
申请日：2016-06-29
Applicant: 北京工业大学
CPC classification number: G01N29/2437 , G01N29/34
Abstract: 本发明涉及一种单弧面非贯通型气体基线聚焦空气耦合传感器，属于声学换能器技术领域，其作用是把激励端产生的电信号转换为压电材料的振动进而产生超声波，同时接收从被测件反射回的声波信号，并将其转换为电信号。本发明采用单弧面非贯通型气体基压电复合材料作为激励接收敏感元件，与上电极、下电极、阻抗匹配层、背衬层、阻抗匹配电路、金属外壳、BNC接头等组合成单弧面非贯通型气体基线聚焦空气耦合传感器，该传感器具有声阻抗低、能量传输效率高、声能量集中等优点，完全可以满足实验需要。
-
公开(公告)号：CN106018569A
公开(公告)日：2016-10-12
申请号：CN201610600135.0
申请日：2016-07-26
Applicant: 北京工业大学
CPC classification number: G01N29/34 , G01N29/041
Abstract: 一种基于柔性磁铁的电磁声表面波传感器，属于电磁超声无损检测领域。该传感器包括柔性磁铁和柔性弧形回折线圈。柔性磁铁相对于刚性磁铁，具有柔韧性，可弯曲一定角度贴合钢轨，使用时不易磨损传感器。当弧形回折线圈通入交变电流时，在试件表面会产生涡流，在柔性磁铁提供偏置静磁场的作用下，基于洛伦兹力原理在钢轨中产生表面波信号。采用的柔性弧形回折线圈具有凸向和凹向，以所需信号传播方向为基准，通过选择弧形回折线圈的凹凸向，使产生的表面波信号能量偏向一个方向聚焦，并通过实验验证了信号传播的单向性。
-
Patent Agency Ranking
公开(公告)号：CN106018541A
公开(公告)日：2016-10-12
申请号：CN201610320368.5
申请日：2016-05-15
Applicant: 北京工业大学
IPC: G01N27/80
CPC classification number: G01N27/725 , G01N27/80
Abstract: 丝杠牙底硬度微磁无损检测方法，属于无损检测领域。采用微磁探头的电磁铁的两个极靴与丝杠两相邻牙顶贴合构成励磁回路，利用幅值渐强扫描的、不同频率的正弦波信号驱动电磁铁，对牙底部位进行渐强式周期磁化，与牙底表面接触的检测线圈接收周期磁化过程中的巴克豪森噪声信号。提取特征参数(包含峰值、半峰宽、均方根)，并得到特征参数随扫描正弦波幅值变化的曲线，最终以不同频率、扫描正弦波幅值处的巴克豪森噪声信号特征参数及其变化曲线的斜率对硬度进行表征。连续检测时，微磁探头随旋转丝杠行进，完成对整根丝杆牙底的硬度检测。该方法实现滚珠丝杠牙底硬度的快速无损检测，克服了传统硬度检测方法只能进行有损的抽样式的检测的不足。
-
公开(公告)号：CN105938620A
公开(公告)日：2016-09-14
申请号：CN201610232454.0
申请日：2016-04-14
Applicant: 北京工业大学
CPC classification number: G06T7/0008 , G01N21/8851 , G01N2021/8887 , G06T2207/20084 , G06T2207/30136 , G06T2207/30152
Abstract: 一种小口径管内焊缝表面缺陷识别装置，该装置包括计算机、工业相机、转接头、工业内窥镜、移动便携式光源、内窥镜固定夹具和待测管件。工业相机与计算机相连，转接头一端与工业相机相连，另一端与工业内窥镜相连，可用于焊缝图像的采集。移动便携式光源与工业内窥镜相连，用于提供管内的照明。内窥镜固定夹具与内窥镜相连，用于内窥镜的中心定位、上下调节定位和360°旋转。完成对待测管件内部焊缝表面缺陷的识别检测。
-
公开(公告)号：CN105938563A
公开(公告)日：2016-09-14
申请号：CN201610231852.0
申请日：2016-04-14
Applicant: 北京工业大学
CPC classification number: G06K9/6229 , G01N21/8851 , G01N2021/8893 , G06K9/627 , G06N3/084
Abstract: 一种基于图像纹理的焊缝表面缺陷识别方法，根据采集图像标准，设置微型CCD相机拍摄参数；将采集到的真彩色图像转化为灰度图，创建灰度共生矩阵；分别提取0°、45°、90°和135°方向上的能量、对比度、相关性、同质性、熵和方差共24个特征参数，并将提取的特征参数进行归一化处理；利用训练样本图像训练BP神经网络，设置神经网络的神经元数、隐含层传递函数、输出层传递函数和训练算法传递函数；将测试样本特征参数输入到训练后的BP神经网络中，进行分类识别；计算测试样本与各类不同表面焊接质量训练样本的匹配度，完成测试样本表面焊接质量的自动分类识别。
-
公开(公告)号：CN103411567B
公开(公告)日：2016-08-24
申请号：CN201310139615.8
申请日：2013-04-19
Applicant: 北京工业大学 , 湖南省特种设备检验检测研究院
IPC: G01B17/02
Abstract: 基于纵向导波的热载体炉管道积碳量检测仪及检测方法，包括任意函数信号发生器、功率放大器、斜入射式压电超声发射传感器、斜入射式压电超声接收传感器、示波器和计算机。首先建立管道—积碳层双层结构波动模型，绘制不同厚度积碳层下管道中纵向导波的群速度曲线系列图；然后提取出相同模态L的群速度曲线，得到不同积碳层厚度情况下的模态L的群速度曲线图A，从图A中选取高检测频率fh和低检测频率fl；接下来确定积碳层厚度检测临界值d；检测时发射传感器先发射高检测频率fh的模态L的纵向导波，波速vg对应的积碳层厚度D小于积碳层厚度检测临界值d，则D为积碳层厚度；否则换为低检测频率fl重复本步骤进行检测，得到积碳层厚度。
-
公开(公告)号：CN103901102B
公开(公告)日：2016-08-17
申请号：CN201410126591.7
申请日：2014-03-31
Applicant: 北京工业大学
IPC: G01N29/04
Abstract: 一种基于超声相控阵系统的锻件缺陷类型识别方法，属无损检测领域。其特征在于：进行缺陷识别的硬件平台包括计算机（1）、超声相控阵系统（2）、线性阵列传感器（3）。具体方法为利用超声相控阵系统激励/接收超声波信号，线性阵列传感器发送和接收超声波信号，由计算机采集检测A扫信号和扇扫图形。观察缺陷回波形状，计算缺陷回波频谱特征信息，观察缺陷扇扫图形轮廓形状进行缺陷类型确定。本发明提供了一种锻件内部缺陷类型的识别方法，解决了常规超声探伤方法检测效率低，无法准确确定缺陷类型且检测对于工程人员的专业经验有很高依赖性的问题。
-
-
-
-
-
-
-
-
-
Search Results
513
records
(took 0.037 seconds)
