《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 測試測量 > 設(shè)計應(yīng)用 > 多源復(fù)合型彈藥無損檢測系統(tǒng)設(shè)計
多源復(fù)合型彈藥無損檢測系統(tǒng)設(shè)計
2019年電子技術(shù)應(yīng)用第11期
劉耀周1,,宋祥君2,,高宏偉3,李 妍3
1.沈陽理工大學(xué) 裝備技術(shù)研究院,,遼寧 沈陽110159,;2.中國人民解放軍32181部隊,,河北 石家莊050000; 3.沈陽理工大學(xué) 自動化與電氣工程學(xué)院,遼寧 沈陽110159
摘要: 針對彈藥內(nèi)部損傷特征差別較大,,難以使用一種射線源成像進行無損探傷的問題,,提出了一種雙焦點射線源融合成像方法和系統(tǒng)。介紹了系統(tǒng)總體結(jié)構(gòu)組成和軟硬件設(shè)計方案,,同步控制電路對兩種射線源進行集中控制和焦點切換,,智能控制終端對多自由度機械操作平臺全方位操控,超聲波自動測距裝置對焦距進行精準調(diào)整,。圖像采集處理軟件采用基于曲波變換的自適應(yīng)圖像增強方法,,對常規(guī)焦點和微焦點射線圖像進行增強和匹配;利用缺陷圖像自動識別算法實現(xiàn)缺陷的智能輔助識別,。應(yīng)用結(jié)果表明,,該系統(tǒng)對彈藥內(nèi)部不同部位、不同尺寸的損傷均具有很好的成像檢出效果,。
中圖分類號: TN247,;TP391.4
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.190636
中文引用格式: 劉耀周,宋祥君,,高宏偉,,等. 多源復(fù)合型彈藥無損檢測系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用,2019,,45(11):51-54,,58.
英文引用格式: Liu Yaozhou,Song Xiangjun,,Gao Hongwei,,et al. Design of multi-source compound nondestructive testing system for ammunition[J]. Application of Electronic Technique,2019,,45(11):51-54,,58.
Design of multi-source compound nondestructive testing system for ammunition
Liu Yaozhou1,Song Xiangjun2,,Gao Hongwei3,,Li Yan3
1.Institute of Equipment Technology,Shenyang University of Technology,,Shenyang 110159,,China; 2.Chinese People′s Liberation Army Unit 32181,,Shijiazhuang 050000,,China; 3.College of Automation and Electrical Engineering,,Shenyang University of Technology,,Shenyang 110159,,China
Abstract: Aiming at the problem that the internal damage characteristics of ammunition are quite different and it is difficult to use a ray source imaging for nondestructive testing, a dual-focus ray source fusion imaging method and system are proposed. The overall structure of the system and the design scheme of software and hardware are introduced. Synchronization control circuit centralizes the control of two kinds of ray sources and switches the focus. Intelligent control terminal controls the multi-degree-of-freedom mechanical operation platform in an all-round way, and automatic ultrasonic ranging device adjusts the focus accurately. The image acquisition and processing software adopts the self-adaptive image enhancement method based on curved wave transform to enhance and match the conventional focus and micro-focus ray images, and uses the automatic defect image recognition algorithm to realize the intelligent assistant defect recognition. The application results show that the system has a good imaging detection effect on the damage of different parts and sizes inside the ammunition.
Key words : nondestructive testing;X-ray,;multi-ray source integration; automatic defect recognition

0 引言

    作為戰(zhàn)時重要物質(zhì)基礎(chǔ),,彈藥必須要保持良好的質(zhì)量狀態(tài),應(yīng)定期根據(jù)其質(zhì)量檢測結(jié)果制定合理的維護,、維修策略,。但彈藥是一種不宜拆解檢測的特殊裝備,因此傳統(tǒng)方法是根據(jù)其儲存年限主觀確定質(zhì)量等級進而進行批量處理,,這種一刀切的做法往往會造成浪費或帶來安全隱患[1],。而利用無損檢測技術(shù)可在不解體情況下找出彈藥內(nèi)部存在的問題,從而制定基于狀態(tài)的維修策略,,提高決策的科學(xué)性和合理性,。X射線檢測技術(shù)以其應(yīng)用范圍廣、可實時成像,、檢驗結(jié)果直觀、成本相對低廉等優(yōu)點,,成為無損檢測領(lǐng)域中應(yīng)用最廣泛的方法[2],,至今仍然占有重要地位。針對現(xiàn)有的單一射線源式檢測系統(tǒng)不能兼顧穿透力和成像分辨率的問題,,本文設(shè)計了一種集成了常規(guī)大功率焦點和微焦點射線源的復(fù)合型數(shù)字式X射線實時成像系統(tǒng),,解決了雙焦點射線源兼容控制和圖像處理的難題,實現(xiàn)了強穿透力和高分辨率的融合,。

1 總體設(shè)計

    為了保證穿透力,,需選用大功率高穿透力射線源,但其具有焦點較大,、成像分辨率較低的缺點,,只能實現(xiàn)大尺寸損傷的探測,對于電路板虛焊,、藥柱裂紋之類的微小損傷則難以成像,;而微焦點射線源雖然能解決這一問題,但穿透力不夠[3],。本文將這兩種射線源有機融合在一起,,研制了多射線復(fù)合型檢測系統(tǒng),既可適應(yīng)微結(jié)構(gòu),、微缺陷檢測要求,,又可滿足較大、較厚工件的檢測需求,。

    系統(tǒng)總體結(jié)構(gòu)如圖1所示,。

ck1-t1.gif

    用戶利用射線控制器操控常規(guī)焦點和微焦點射線源發(fā)射X射線穿透被測工件并在平板成像器上成像,利用系統(tǒng)控制器操控轉(zhuǎn)臺電機對工件進行旋轉(zhuǎn)和移動實現(xiàn)全方位掃描,計算機采集成像器的圖像并進行處理分析,,在系統(tǒng)軟件的缺陷自動識別功能輔助下結(jié)合人工識讀進行故障識別和定位,。

2 硬件設(shè)計

2.1 射線源集成設(shè)計

    為了將常規(guī)焦點和微焦點射線源進行無縫集成,需要設(shè)計合理的供電和控制電路,,計算機通過設(shè)計的集成控制架構(gòu)和電路與常規(guī)焦點和微焦點射線源進行聯(lián)接,,從而實現(xiàn)同步供電和控制。系統(tǒng)電氣,、控制結(jié)構(gòu)如圖2所示,。

ck1-t2.gif

    智能控制終端通過RS232串口通信直接控制、操作微焦點射線源,,進行供電和管電壓,、管電流調(diào)整。通過接口與PLC通信,,控制相應(yīng)的I/O點,,并下達指令控制相應(yīng)的繼電器動作,然后再通過系統(tǒng)控制器的電壓采集電路,、高壓控制電路對高壓發(fā)生器進行控制,,從而控制常規(guī)射線源進行操作,實現(xiàn)對兩種射線源的集中控制,,以在需要的時候進行焦點切換,。

2.2 數(shù)字成像系統(tǒng)設(shè)計

    數(shù)字成像子系統(tǒng)包括平板成像器、計算機,、圖像采集卡及處理軟件等,,主要功能是進行圖像采集、缺陷成像及圖像處理,。平板成像器和圖像處理軟件是數(shù)字成像系統(tǒng)的最主要部分,,平板成像器在圖像處理軟件的控制下進行圖像采集,通過專用接口總線與計算機的圖像采集卡通信,,將采集的數(shù)據(jù)交由圖像處理軟件進行圖像處理和分析,。

2.3 機械操作平臺

    機械操作平臺主要由電氣控制系統(tǒng)、射線源移動平臺,、平板成像器移動平臺,、C型臂、工件檢測平臺等組成,。射線源及平板成像器移動平臺用于承載,、安裝射線源及探測器,通過C型臂帶動作同步升降和平移,,且平板成像器可以相對射線源平移進行焦距調(diào)整,,以保證圖像清晰度和縮放需求,。工件檢測平臺用于承載、放置被檢測工件,,可正負旋轉(zhuǎn)360°,,及沿X射線方向伸縮調(diào)整,通過智能控制終端的嵌入式計算機和PLC通信進行控制,。為保證平臺操作過程中設(shè)備和人員的安全性,,在平臺導(dǎo)軌末端均安裝有限位傳感器,具備保護,、報警功能,。

2.4 電氣控制系統(tǒng)

    電氣系統(tǒng)總體結(jié)構(gòu)已在圖2中介紹,其中的關(guān)鍵部分PLC硬件結(jié)構(gòu)及工作原理示意如圖3所示,。

ck1-t3.gif

    電氣控制系統(tǒng)包括操作臺,、配電柜、控制單元(PLC等),、執(zhí)行機構(gòu)(各種電磁閥,、步進電機、伺服電機),、傳感器及相關(guān)的電氣組件等,,可為系統(tǒng)運行提供動力和控制電源,并控制機械平臺,、防護子系統(tǒng)的運動和互鎖等。其中操作臺上包括操作面板及按鈕,、計算機,、視頻監(jiān)控顯示器、射線控制器等,??刂茊卧皥?zhí)行組件控制部分是電氣系統(tǒng)的核心,包括射線源控制部分,、智能控制終端,、PLC及控制軟件、執(zhí)行機構(gòu)(各種電磁閥,、步進電機,、伺服電機)以及其他電氣組件。計算機設(shè)置各種參數(shù)并通過PLC對各執(zhí)行機構(gòu)進行控制,,以及與PLC進行實時通信實現(xiàn)系統(tǒng)狀態(tài)監(jiān)控和對機械平臺,、連鎖保護機構(gòu)、X射線源的控制,。

    利用編程器或計算機等設(shè)備,,將編制好的用戶程序下載至PLC用戶程序內(nèi)存中,,PLC內(nèi)部的微處理器在一個循環(huán)掃描周期內(nèi),先通過輸入部件將現(xiàn)場傳至的開關(guān)量,、模擬量等信號進行采集,,然后根據(jù)用戶程序進行邏輯、數(shù)學(xué)運算,,最后將運算處理結(jié)果通過輸出部件來控制繼電器,、接觸器以帶動電磁閥、電機等執(zhí)行部件動作,。

2.5 自動測距裝置

    對X射線成像系統(tǒng),,焦距的大小對成像的幾何清晰度和靈敏度有著較大的影響,而且對于計算圖像放大倍率,、確定圖像中缺陷的實際物理尺寸有重要作用,,操作者會根據(jù)成像的要求對焦距進行實時調(diào)整,從而得到最佳的圖像質(zhì)量,。為實時測量焦距和物距以方便估算放大倍率,,采用超聲波測距原理開發(fā)了一種自動測距裝置,將其安裝在射線機下方,,裝置的發(fā)射器和接收器正對平板成像器和被測試工件,。通過控制軟件下達測距指令,測距模塊的發(fā)射器發(fā)射波長約6 mm,、頻率為40 kHz的超聲波,,到達平板成像器(或被測物)表面后發(fā)生反射并由接收器接收,根據(jù)發(fā)射與接收的時間差值和波速,,就可以計算得到射線源焦點到平板成像器(或被測物體)的距離即焦距,。

3 軟件設(shè)計

3.1 雙射線源成像的圖像增強處理

    常規(guī)焦點與微焦點成像系統(tǒng)共享平板成像器、計算機,、圖像處理軟件,,雖然節(jié)省了空間、提高了軟硬件的集成度,,但二者分辨率,、對比度、灰度范圍均存在差異,,若采用一套參數(shù)進行圖像處理,,不能達到很好的匹配效果,因此需要針對不同分辨率,、對比度的射線圖像研究自適應(yīng)圖像增強算法,。

    本文采用基于曲波(Curvelet)變換的圖像增強方法。與小波變換一樣,,基于Curvelet變換圖像去噪的基本原理是首先對圖像做Curvelet變換得到一系列Curvelet系數(shù),,其次計算閾值,,選取合適的閾值量化方法對Curvelet系數(shù)進行取舍,從而得到新的Curvelet系數(shù),,最后對經(jīng)過量化的系數(shù)進行Curvelet逆變換,,得到去噪后的圖像。其中,,選擇合適的閾值對圖像去噪十分重要,,如果閾值太小,去噪后的信號仍會含有噪聲,;如果閾值太大,,重要的圖像特征會被濾掉引起偏差[4]。大多數(shù)閾值選擇的過程是針對一組系數(shù)即根據(jù)本組系數(shù)的統(tǒng)計特性計算出一個值,。常用的閾值有D.J閾值,、SURE閾值和BayesShrink閾值等[5]。本文選用D.J閾值,,分別計算每一層系數(shù)的閾值,,大小為:

ck1-gs1-2.gif

其中,C為Curvelet變換的最高層系數(shù),。

    實驗表明,,該方法對常規(guī)焦點和微焦點射線圖像都具有很好的增強效果,圖像質(zhì)量明顯優(yōu)于常規(guī)方法,,可有效解決兩種射線系統(tǒng)焦點不同導(dǎo)致的相容性和匹配性問題,。

3.2 缺陷圖像自動識別

    受到影像設(shè)備、媒質(zhì)的實際性能及接收設(shè)備等因素的限制,,實際采集到的圖像質(zhì)量存在噪聲大,、對比度差、背景均勻性差,、邊界模糊及焊縫細節(jié)復(fù)雜等問題,給缺陷的提取與識別帶來了一定的困難,。而且人工評片工作量大,、速度慢、易誤判漏判造成嚴重后果,。本文應(yīng)用計算機圖像處理技術(shù),,在提高圖像細節(jié)信息的同時抑制系統(tǒng)噪聲和背景噪聲以更好地顯示圖像,可有效克服人工評片引起的漏判或誤判,,使評定工作客觀化,、規(guī)范化?;赬射線圖像的缺陷識別處理算法流程如圖4所示,。

ck1-t4.gif

3.2.1 基于減影技術(shù)的迭代閾值分割

    實現(xiàn)對缺陷的識別,,關(guān)鍵在于提取圖像的特征以正確反映圖像的特點,從而合理地進行圖像分割和特征參量提取[6],。針對X射線圖像的特點,,采用數(shù)字減影技術(shù),結(jié)合圖像分割技術(shù),,對其進行數(shù)字減影處理,,降低了原始圖像的干擾成分,僅提取圖像中缺陷的影像,,并通過一定的分割處理,,進一步突出了有效信息。

    如何確定最佳閾值是缺陷檢測的一個關(guān)鍵,。如果閾值選取太小,,則會把一些不是缺陷的像素也當(dāng)作缺陷造成誤識;如果閾值選取得太大,,則會把一些缺陷漏掉造成漏識,。在綜合考慮閾值既能準確定位計算量又可接受的條件下,采用迭代閾值進行圖像分割,,其基本思想:首先選擇一個閾值作為初始估計值,,然后按某種策略不斷地改進這一估計值,直到滿足給定的準則為止,。具體步驟如下:

    (1)選擇圖像灰度值的中值作為初始閾值T0,,也可以選擇圖像的平均灰度值來作為初始閾值;

    (2)利用閾值T0把圖像分為R1和R2兩個區(qū)域,;

    (3)計算區(qū)域R1和R2的灰度均值μ1和μ2,;

    (4)計算μ1和μ2后,計算新的閾值Ti+1

    ck1-gs3.gif

    (5)重復(fù)步驟(2)、(3)和(4),,直到Ti+1和Ti值相等,,那么就獲得了所需要的閾值。

    該方法可以有效地去除背景噪聲,,在缺陷和背景的交界處能很好地突出背景和目標的邊界,,與其他分割方法相比較不會產(chǎn)生粘連現(xiàn)象,且算法簡單易于實現(xiàn),。

3.2.2 基于支持向量機的缺陷圖像識別

    經(jīng)過圖像增強,、分割和特征選擇與提取從而實現(xiàn)對缺陷的識別,就是要根據(jù)提取的特征參量對圖像進行分類,。由于實驗條件的限制,,獲得的每一類型圖像數(shù)量有限,因此必須解決樣本數(shù)量少這一難題,。

    在解決小樣本分類問題中,,支持向量機(SVM)相比神經(jīng)網(wǎng)絡(luò),、模糊數(shù)學(xué)等是比較有效的方法。應(yīng)用支持向量機理論對圖像進行分類,,主要是建立圖像分類的模型,,包括數(shù)據(jù)的歸一化、多類分類方法的選擇,、核函數(shù)的選取以及分類機參數(shù)的分析和確定等,。為了解決多類分類問題,采用SVM法對多類對象進行分類,,主要步驟如下:

    (1)將實際問題數(shù)據(jù)化,,并對數(shù)據(jù)進行歸一化處理;

    (2)根據(jù)分類對象的特點,,選擇合適的多類分類方法,;

    (3)選擇核函數(shù)與參數(shù)。核函數(shù)在支持向量機中具有重要地位,,核函數(shù)參數(shù)的選擇直接影響核函數(shù)的推廣能力,;

    (4)構(gòu)建訓(xùn)練樣本集,建立最優(yōu)分類超平面,;

    (5)對待測樣本做出分類決策,,得出分類問題的學(xué)習(xí)精度。

    其中,,對數(shù)據(jù)進行歸一化可采用下式對數(shù)據(jù)進行壓縮,。

ck1-gs4.gif

    經(jīng)上述公式歸一化后的特征參量數(shù)據(jù)在[0.1,0.9]之間,,有利于數(shù)據(jù)的分類,。

    SVM多類分類法可選用一對余類的多類分類法對疵病圖像進行分類,在核函數(shù)以及分類機參數(shù)的選取方面,,可選用Gauss徑向基核函數(shù),,主要參數(shù)為σ。因此對于一個基于RBF核的SVM,,其性能是由參數(shù)(C,,σ)決定的,參數(shù)選擇就是要選取最優(yōu)參數(shù)組合(C,,σ),得到SVM的最優(yōu)值,,可結(jié)合實驗反復(fù)調(diào)整參數(shù)值來確定參數(shù)的最優(yōu)組合,。

3.3 圖像處理軟件開發(fā)

    軟件主要功能有參數(shù)設(shè)置、數(shù)據(jù)采集,、圖像編輯,、圖像處理,、圖像分析、圖像測量,、圖像管理等,,實現(xiàn)的關(guān)鍵功能點如下:(1)具有降噪、亮度對比度增強,、邊緣增強等基本功能,;(2)適應(yīng)相應(yīng)檢測產(chǎn)品所規(guī)定的技術(shù)標準,具有圖像幾何尺寸標定和測量以及缺陷定位功能,。一般在圖像中標定的缺陷位置與實際位置誤差應(yīng)不大于2 mm,,單個缺陷的測量精度為±0.5 mm。

    軟件采用圖5所示流程控制平板成像器和射線源進行掃描和圖像采集,。

ck1-t5.gif

    首先要確定拍照區(qū)域大小,,并將平板成像器置于掃描起始點上;其次是判斷有無信號,,這是保證成像器能采集到有用數(shù)據(jù)的關(guān)鍵一步,,采用閾值判斷法保證了其能夠正確獲得圖像。具體方法是:無射線照射時,,成像器在全暗情況下數(shù)字化后的圖像灰度值基本分布在0~20之間,,而在有射線照射時灰度值一般在50以上,所以可以設(shè)置一個閾值(如30),,采集到的一幅圖像的平均灰度值小于此值時認為無信號,,否則認為有信號。用戶程序中采用循環(huán)采集判斷,,當(dāng)循環(huán)時間超過一定時間(一般設(shè)定為10 s)沒有信號時則退出采集,,若采集到信號,則退出循環(huán)正式開始采集圖像,。

    再次是啟動X射線源進行拍照,。在循環(huán)判斷期間,手動啟動X射線源,,如果一切正常,,探測器應(yīng)該采集到信號,迅速退出循環(huán)(連采集帶判斷,,一般不超過10 ms)啟動掃描和圖像采集程序,。探測器輸出的數(shù)字信號通過電纜輸入至計算機的圖像采集卡并送入內(nèi)存。經(jīng)過以上過程,,得到了一幅完整的X射線圖像,,可以將圖像保存到硬盤、CDR等存儲介質(zhì)中,并可在圖像處理軟件中進行灰度拉伸,、圖像反轉(zhuǎn),、中值濾波等操作。

4 結(jié)論

    本文的雙焦點射線源復(fù)合型彈藥無損檢測系統(tǒng)實現(xiàn)了焦點的自動切換,,并通過對雙射源圖像的增強處理,,達到了強穿透力和高分辨率的統(tǒng)一,可適用于厚工件和微損傷的檢測,。通過采用圖像自動識別算法,,實現(xiàn)了損傷的輔助自動識別,降低了人工識讀帶來的誤差,。本文成果不僅適用于彈藥的無損檢測,,也適用于其他產(chǎn)品,已經(jīng)進行了實際使用,,應(yīng)用結(jié)果表明,,該系統(tǒng)適用范圍廣、故障檢出率高,、準確性強,,具有很好的推廣價值。

參考文獻

[1] 高正中,,趙晨暉,,薛寒,等.基于圖像處理的產(chǎn)品表面缺陷檢測系統(tǒng)研究[J].電子技術(shù)應(yīng)用,,2017,,43(5):64-66.

[2] 周建凱,許盛之,,趙二剛,,等.基于深度學(xué)習(xí)的電池片缺陷識別研究[J].電子技術(shù)應(yīng)用,2019,,45(5):66-69,,77.

[3] 田子龍.高炮炮彈無損檢測系統(tǒng)的設(shè)計與實現(xiàn)[D].沈陽:東北大學(xué),2008.

[4] 戴光智,,陳鐵群,,薛家祥,等.一種基于圖像融合的綜合無損檢測系統(tǒng)[J].科學(xué)技術(shù)與工程,,2007,,7(23):6229-6234.

[5] WAHAB A,AZIZ M M A.Review on microwave nonde-structive testing techniques and its applications in concrete technology[J].Construction and Building Materials,,2019(3):135-146.

[6] 丁國琴.小型超聲無損檢測系統(tǒng)設(shè)計與軟件開發(fā)[D].南京:南京航空航天大學(xué),,2014.



作者信息:

劉耀周1,,宋祥君2,高宏偉3,,李  妍3

(1.沈陽理工大學(xué) 裝備技術(shù)研究院,遼寧 沈陽110159,;2.中國人民解放軍32181部隊,,河北 石家莊050000;

3.沈陽理工大學(xué) 自動化與電氣工程學(xué)院,,遼寧 沈陽110159)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。