工業(yè)鑄件缺陷無(wú)損檢測(cè)技術(shù)的應(yīng)用進(jìn)展與展望

　　摘要 鑄造產(chǎn)業(yè)一直是人類現(xiàn)代生產(chǎn)生活中重要的、不可替代的產(chǎn)業(yè), 鑄件產(chǎn)品既是工業(yè)制造產(chǎn)品, 也是大型機(jī)械的組成部分. 隨著經(jīng)濟(jì)水平和工業(yè)自動(dòng)化程度的不斷提升, 人們對(duì)于鑄件的需求量呈指數(shù)爆炸式增長(zhǎng), 鑄件價(jià)值輻射到各行各業(yè). 與此同時(shí), 鑄件在鑄造、服役過(guò)程中經(jīng)常會(huì)出現(xiàn)各種缺陷, 而傳統(tǒng)低效的人工檢測(cè)方法難以保障工業(yè)界對(duì)中高端鑄件的性能需求. 因此亟需對(duì)鑄件檢測(cè)技術(shù)進(jìn)行革新. 本文首先對(duì)鑄件鑄造過(guò)程以及服役過(guò)程中各類缺陷的形成機(jī)理進(jìn)行分析. 然后闡述了基于聲學(xué)、光學(xué)、電磁學(xué)等主流檢測(cè)技術(shù)及其常規(guī)信號(hào)處理方法、磁粉檢測(cè)技術(shù)與滲透檢測(cè)技術(shù)等其他檢測(cè)技術(shù),并對(duì)近年來(lái)新興的基于神經(jīng)網(wǎng)絡(luò)的信號(hào)處理方法進(jìn)行了說(shuō)明. 在此基礎(chǔ)上, 分析了近年來(lái)鑄件缺陷無(wú)損檢測(cè)技術(shù)以及基于神經(jīng)網(wǎng)絡(luò)的信號(hào)處理方法的研究現(xiàn)狀. 最后, 對(duì)鑄件缺陷無(wú)損檢測(cè)技術(shù)及應(yīng)用的發(fā)展趨勢(shì)進(jìn)行了展望.

　　關(guān)鍵詞鑄造缺陷, 無(wú)損檢測(cè), X射線探測(cè), 神經(jīng)網(wǎng)絡(luò)

　　鑄造作為現(xiàn)代裝備制造工業(yè)的基礎(chǔ)共性技術(shù)之一, 鑄造產(chǎn)品被廣泛運(yùn)用在航空航天、工業(yè)船舶、機(jī)械電子和交通運(yùn)輸?shù)葒?guó)民經(jīng)濟(jì)各部門(mén).常規(guī)的鑄造過(guò)程是將固態(tài)金屬溶化為液態(tài)后,注入到特定形狀的鑄型進(jìn)行填充, 待其凝固成形.鑄造技術(shù)有著六千多年的悠久歷史. 直至今天, 伴隨著現(xiàn)代工藝的發(fā)展以及國(guó)際市場(chǎng)的龐大需求, 各行各業(yè)亟需高端鑄件作為工作基礎(chǔ)建設(shè).我國(guó)是精密鑄造制造大國(guó), 無(wú)論是鑄件的年產(chǎn)量, 還是從業(yè)人員、企業(yè)數(shù)量已經(jīng)位居世界首位, 且精密鑄造零件占全球精密鑄造通用零部件50%以上.

　　鑄造工藝論文： 冶金鑄造起重機(jī)設(shè)計(jì)與發(fā)展趨勢(shì)

　　在全球鑄造行業(yè)市場(chǎng)份額占比逐步擴(kuò)大的同時(shí), 鑄件質(zhì)量問(wèn)題成為了阻礙我國(guó)鑄造行業(yè)發(fā)展的首要問(wèn)題.工業(yè)上對(duì)缺陷進(jìn)行分類分級(jí)判定大多是通過(guò)對(duì)比被測(cè)工件與標(biāo)準(zhǔn)缺陷圖樣展示的缺陷類型是否相同, 從而判定工件各方面能否達(dá)到合格指標(biāo). 我國(guó)的GB/T 11346[1]、TB/T 3012[2]與美國(guó)材料實(shí)驗(yàn)協(xié)會(huì)(American society for testing and materials,ASTM)系列標(biāo)準(zhǔn)[3, 4]是現(xiàn)有的主要實(shí)施標(biāo)準(zhǔn). 由圖譜與相關(guān)技術(shù)要求得以通曉: 缺陷成因?qū)θ毕葜茉獾木�體結(jié)構(gòu)與形貌起主導(dǎo)性作用. 根據(jù)缺陷形態(tài)、大小與形成原因的不同, Fiorese等[5]將鑄件表面及內(nèi)部缺陷分為五種類別:

　　收縮類缺陷, 氣孔類缺陷,夾雜類缺陷, 不良相和熱收縮類缺陷. 中小型鑄件對(duì)于孔洞直徑、深度以及孔隙率有更嚴(yán)的標(biāo)準(zhǔn), 因此需要對(duì)微小孔洞缺陷進(jìn)行更深入的研究. 萬(wàn)謙等[6]通過(guò)觀察孔洞三維形貌與其特征參數(shù), 對(duì)氣孔、氣縮孔、收縮孔這三類孔洞的體積和圓整度進(jìn)行分析對(duì)比, 發(fā)現(xiàn)三者在各方面差異顯著.鑄件表面及內(nèi)部各類缺陷[7]與復(fù)雜多變的鑄造工藝過(guò)程以及工件服役過(guò)程中的外作用力息息相關(guān). 不論是從技術(shù)管理角度還是從成本控制角度來(lái)說(shuō), 分析缺陷與形成機(jī)理的因果關(guān)系的判斷都顯得十分重要.

　　判斷出真實(shí)關(guān)系后, 便可制定解決對(duì)策,調(diào)整鑄件圖與鑄造裝備設(shè)計(jì). 砂型鑄造是現(xiàn)代鑄造業(yè)使用最廣泛的鑄造工藝, 是凝固成型技術(shù)中最基本的方法. Jatimurti等[8]研究了在砂型鑄造下, 脫砂時(shí)間和冷卻速率對(duì)鑄鋁6061合金組織和孔隙率的影響, 并且發(fā)現(xiàn)冷卻速率與孔隙率呈線性關(guān)系.而隨著科技日新月異的進(jìn)步, 許多優(yōu)質(zhì)的先進(jìn)技術(shù)引入鑄造工藝技術(shù), 并不斷優(yōu)化和發(fā)展, 衍生出了種類繁多、特點(diǎn)各異的特種鑄造手段. 因此, 針對(duì)生產(chǎn)工藝的特殊性, Chelladurai[9]、Malhotra[10]與Zhao等[11]分別研究了砂型鑄件、壓鑄件及連鑄坯中缺陷與多種工藝參數(shù)的關(guān)系.

　　Cao等[12]通過(guò)真空輔助高壓壓鑄工藝在不同的絕對(duì)壓力下生產(chǎn)AlSi9Cu3合金鑄件, 研究了型腔中絕對(duì)壓力對(duì)壓鑄件的孔隙率, 組織和力學(xué)性能的影響, 表明高真空度有助于減少孔隙率. Jia等[13]研究分析了不同垂直離心鑄造條件下形成的鈦鋁合金鑄造缺陷, 表明離心力對(duì)小孔, 微裂紋和夾雜物等缺陷的數(shù)量均具有顯著影響.

　　針對(duì)鑄造過(guò)程中普遍的幾何屬性, Bijagare等[14]將直澆道與冒口設(shè)計(jì)在多個(gè)位置, 對(duì)金屬液流動(dòng)和金屬凝固進(jìn)行有限元模擬的分析, 證明了冒口是影響收縮類缺陷產(chǎn)生的重要因素. 此外,鑄件也會(huì)因長(zhǎng)時(shí)間的服役與各種應(yīng)力在內(nèi)外形成不可逆的裂紋缺陷. 為此, Wang[15]研究了單調(diào)和循環(huán)拉伸載荷下孔隙對(duì)裂紋萌生的影響. 通過(guò)X射線計(jì)算機(jī)層析成像(Computerized tomography, CT)三維表征材料的微觀結(jié)構(gòu), 驗(yàn)證了孔洞類缺陷在單調(diào)拉伸和循環(huán)加載條件下出現(xiàn)循環(huán)開(kāi)合的趨勢(shì), 從而引發(fā)裂紋. Rotella等[16]將不同的ASTM指標(biāo)與疲勞極限相關(guān)聯(lián), 量化了縮孔對(duì)鑄造鋁合金疲勞極限的影響. 結(jié)果表明, 較小的表面缺陷也會(huì)導(dǎo)致致命的大裂紋.總結(jié)了各種類型缺陷影響因素特征,并附上缺陷示意圖.致命性缺陷往往會(huì)直接導(dǎo)致整個(gè)鑄件報(bào)廢[17].

　　氣孔類缺陷會(huì)引起其周圍應(yīng)力集中, 降低鑄件的抗沖擊性和抗疲勞性. 氣孔還會(huì)降低鑄件的氣密性,致使某些要求處于強(qiáng)力、高速、高溫等環(huán)境的鑄件報(bào)廢. 大多數(shù)缺陷容易降低鑄件本體的密封性、金屬連續(xù)性, 甚至?xí)�在使用期間造成斷裂, 引發(fā)難以估量的災(zāi)難. 對(duì)于鑄件的生產(chǎn)績(jī)效來(lái)說(shuō), 主要根據(jù)其質(zhì)量、交貨期和成本來(lái)對(duì)經(jīng)濟(jì)效益綜合衡量. 為了節(jié)約材料, 提高經(jīng)濟(jì)效益, 保障行業(yè)平穩(wěn)發(fā)展, 就更需要對(duì)鑄件質(zhì)量做全面核查. 鑄件缺陷檢驗(yàn)是保障鑄件正常運(yùn)轉(zhuǎn)的重要手段. 現(xiàn)如今, 傳統(tǒng)的鑄件缺陷檢測(cè)方式是采用人工巡視檢查的方法.

　　但人工巡檢方式時(shí)效長(zhǎng), 風(fēng)險(xiǎn)高, 劃分標(biāo)準(zhǔn)難于統(tǒng)一. 為了實(shí)時(shí)在線地獲得鑄件生產(chǎn)質(zhì)量及疲勞程度信息, 各種鑄件無(wú)損檢測(cè)方法應(yīng)運(yùn)而生.本文在鑄件缺陷檢測(cè)的背景下, 首先對(duì)缺陷成因及危害進(jìn)行分析, 然后對(duì)近年來(lái)基于光、聲、電磁學(xué)的無(wú)損檢測(cè)技術(shù)以及基于神經(jīng)網(wǎng)絡(luò)的鑄件缺陷檢測(cè)方法的研究及應(yīng)用進(jìn)行綜述, 最后對(duì)工業(yè)鑄件缺陷檢測(cè)技術(shù)應(yīng)用及發(fā)展趨勢(shì)進(jìn)行展望.

　　1 鑄件缺陷無(wú)損檢測(cè)技術(shù)

　　工業(yè)生產(chǎn)注重生產(chǎn)的效率和產(chǎn)品最終使用性能, 故大部分鑄件缺陷的檢測(cè)對(duì)檢測(cè)系統(tǒng)的實(shí)時(shí)性和精度都有要求. 但對(duì)于鑄件而言, 其多樣的加工工藝、靈活的加工手法所選原材料的差異使最終成型的產(chǎn)品具有復(fù)雜的物理特性和廣泛的用途. 針對(duì)不同種類鑄件制定了不同的生產(chǎn)標(biāo)準(zhǔn), 工業(yè)領(lǐng)域中的鑄件現(xiàn)行標(biāo)準(zhǔn)多達(dá)143篇, 其中關(guān)于質(zhì)量檢測(cè)的國(guó)家標(biāo)準(zhǔn)有8篇.

　　此外, 盡管不同工業(yè)領(lǐng)域生產(chǎn)的鑄件在物理特性上存在差異, 但其缺陷種類有一定的重合, 如劃痕、裂紋等. 同種類型的缺陷往往也有通用的檢測(cè)技術(shù), 如超聲檢測(cè)技術(shù)、機(jī)器視覺(jué)檢測(cè)技術(shù)等, 而與之信號(hào)分析算法也是一致的. 通用檢測(cè)技術(shù)適用性廣, 但對(duì)于鑄件缺陷而言, 其缺陷的成因與其鑄造工藝的關(guān)聯(lián)性極大, 往往缺陷類內(nèi)差異大, 使用通用缺陷可能得不到滿足精度要求的結(jié)果, 因此, 在原本通用檢測(cè)技術(shù)上, 發(fā)展出了一些專門(mén)針對(duì)某類鑄件檢測(cè)技術(shù), 例如, 檢測(cè)中小型鑄件的X射線二維成像檢測(cè)技術(shù); 專門(mén)檢測(cè)管狀鑄件的遠(yuǎn)場(chǎng)渦流檢測(cè)技術(shù); 檢測(cè)厚度大鑄件的超聲波檢測(cè)技術(shù)等等.主流的無(wú)損檢測(cè)技術(shù)主要用于工程未知工藝缺陷的檢驗(yàn), 是在不損傷被測(cè)鑄件的前提下, 利用光、聲、電磁等物理場(chǎng)作用在鑄件上產(chǎn)生的物理現(xiàn)象來(lái)探測(cè)表面及內(nèi)部缺陷的技術(shù). 主流無(wú)損檢測(cè)技術(shù)以硬件為核心, 硬件的質(zhì)量會(huì)直接影響后續(xù)檢測(cè)效果.

　　1.1 基于光學(xué)的無(wú)損檢測(cè)技術(shù)1.1.1 X射線二維成像技術(shù)

　　工業(yè)射線探測(cè)常使用X射線機(jī)或加速器作為射線源, 從鑄件的一個(gè)側(cè)面進(jìn)行照射并穿過(guò)鑄件,照射部位的密度越大, 射線強(qiáng)度越低. 若內(nèi)部有缺陷, X射線穿過(guò)有缺陷路徑的密度變小, 其強(qiáng)度相對(duì)變高. 由此, 能夠?qū)⒈粶y(cè)鑄件的內(nèi)部質(zhì)量信息通過(guò)熒光屏、膠片或數(shù)字影像接收器等接收裝置, 從而顯示出鑄件內(nèi)部質(zhì)量情況. 射線檢測(cè)技術(shù)對(duì)氣孔類、夾渣類等體積型缺陷最為敏感. 同時(shí)X射線二維成像檢測(cè)技術(shù)具有以下特點(diǎn):

　　1)被測(cè)結(jié)果以圖像形式展示, 直觀且便于存儲(chǔ);2)適用于不同材質(zhì)、復(fù)雜異形的鑄件; 對(duì)具有一定空間分布的體積型缺陷可以高效表征;3)探測(cè)速度慢, 成本高. 射線探測(cè)儀器的工作電壓高達(dá)數(shù)萬(wàn)伏, 且射線對(duì)人體有輻射作用, 檢測(cè)人員進(jìn)行探傷作業(yè)時(shí)易危及到生命安全, 因此該技術(shù)對(duì)環(huán)境要求極為苛刻;4)二維X射線只能提供單一方向的鑄件陰影圖, 而沒(méi)有任何深度分辨率信息, 無(wú)法準(zhǔn)確確定所檢測(cè)到的潛在缺陷的位置和形狀. X射線二維成像技術(shù)對(duì)射線能量選擇及鑄件透照布置有著極高標(biāo)準(zhǔn)[19].

　　探測(cè)系統(tǒng)硬件的優(yōu)劣會(huì)直接影響檢測(cè)人員對(duì)缺陷類別級(jí)別的判斷. Hussein等[20]發(fā)現(xiàn)了能夠產(chǎn)生超相對(duì)論電子束的激光尾場(chǎng)加速器(Laser-wakefeld accelerators, LWFA),其透射圖像可以清晰展示鋁硅工件的內(nèi)部結(jié)構(gòu)細(xì)節(jié). 在連續(xù)制造工藝下, 由于重力及凝固收縮等現(xiàn)象, 連鑄坯表面極易形成大范圍的偏析缺陷, 這將會(huì)嚴(yán)重影響鑄件性能, Lu等[21]使用基于同步加速器的放射成像技術(shù)對(duì)鑄造過(guò)程中的鑄件表面進(jìn)行高效成像, 實(shí)時(shí)監(jiān)測(cè)預(yù)警, 從而調(diào)整冷卻系統(tǒng)速率以避免偏析缺陷的形成. Wang[22]設(shè)計(jì)了一種基于電荷耦合器件(Charge coupled device, CCD)的數(shù)字射線探測(cè)系統(tǒng). 該系統(tǒng)能接收能量范圍更廣的X射線, 得到更高的成像質(zhì)量.

　　大多數(shù)鑄造車間已經(jīng)摒棄了人工檢測(cè)方法, 而是采取與圖像處理算法對(duì)X射線二維圖像進(jìn)行處理分析, 圖像處理算法是一種應(yīng)用價(jià)值很高的檢測(cè)方法, 其在解決人力資源成本的同時(shí)保障計(jì)算精度.如今對(duì)鑄件射線圖像處理的研究主要可分為新算法的引入與原有算法的改進(jìn). Li等[23]提出了一種基于X射線的鑄件內(nèi)部缺陷檢查系統(tǒng). 將二階導(dǎo)數(shù)和形態(tài)運(yùn)算、逐行自適應(yīng)閾值處理和二維小波變換方法進(jìn)行對(duì)比. 由于小波技術(shù)可以選擇小波基數(shù)和多級(jí)分辨率, 高效準(zhǔn)確地檢測(cè)裂紋、孔隙和異物等三種典型缺陷, 證實(shí)了二維小波變換是檢測(cè)鑄件內(nèi)部缺陷的實(shí)用方法.

　　Jin[24]提出了一種基于Relief算法和Adaboost支持向量機(jī)的內(nèi)部裂紋檢測(cè)方法,擁有比現(xiàn)有常用分類器更高精度及泛化能力. 針對(duì)遮擋現(xiàn)象, Zhao等[25]提出一種基于稀疏表示的鑄造缺陷檢測(cè)和分類系統(tǒng), 實(shí)現(xiàn)了一種基于灰度排列對(duì)(Gray arranging pairs, GAP)的分割方法. 對(duì)結(jié)構(gòu)復(fù)雜、水垢遮擋、噪聲強(qiáng)度大的鑄件射線圖像, 能有效識(shí)別裂紋類、氣孔類、縮孔類等多種普遍的鑄造缺陷類型. 基于GAP的分割方法.

　　圖像低對(duì)比度問(wèn)題一直是經(jīng)典檢測(cè)算法中的難點(diǎn). 為使機(jī)器獲得清晰輪廓的圖像, 克服因輪廓變化導(dǎo)致的難于分割前景與背景的問(wèn)題, 文獻(xiàn)[26]將單閾值處理大津閾值分割法、自適應(yīng)閾值和中值濾波等傳統(tǒng)分割方法進(jìn)行比較. 其中, 空間平滑算法對(duì)鑄件的四種常見(jiàn)缺陷準(zhǔn)確率達(dá)到了100 %. 隨著圖像處理技術(shù)的廣泛應(yīng)用, 人們開(kāi)始考慮不同算法之間的短板及聯(lián)系. Mery等[27]將Gabor、方向梯度直方圖(Histogram of oriented gradient, HOG)特征、局部二值模式(Local binary patterns, LBP)等三種特征工程方法與八種機(jī)器學(xué)習(xí)模型兩兩結(jié)合, 比較與評(píng)估了包括深度學(xué)習(xí)、稀疏表示、局部描述符等24種計(jì)算機(jī)視覺(jué)技術(shù). 結(jié)果表明LBP結(jié)合梯度提升分類器方法可以獲得最佳性能, 準(zhǔn)確率達(dá)89 %. 說(shuō)明圖像處理算法具有很大的潛力.

　　1.1.2 X射線三維成像技術(shù)X射線三維層析成像與計(jì)算機(jī)技術(shù)聯(lián)系十分緊密, 它是一種依據(jù)射線數(shù)據(jù)重塑鑄件斷層物理特征分布圖的檢測(cè)技術(shù). 該技術(shù)可以直觀地表征鑄件內(nèi)槽腔等被遮擋部分的三維形貌, 且能將鑄件尺寸測(cè)量和缺陷質(zhì)量控制等兩個(gè)任務(wù)在單個(gè)檢查過(guò)程中同時(shí)實(shí)現(xiàn), 提高了復(fù)雜鑄件的檢測(cè)效率[28].

　　1.1.3 機(jī)器視覺(jué)檢測(cè)技術(shù)視覺(jué)是人類感知外界信息的重要手段, 通過(guò)人眼能夠捕捉目標(biāo)的大小、顏色、紋理等信息. 機(jī)器視覺(jué)就是用相機(jī)等機(jī)器設(shè)備代替人眼對(duì)信息進(jìn)行觀察與判斷. 如今的機(jī)器視覺(jué)檢測(cè)系統(tǒng)設(shè)計(jì)和質(zhì)量管理機(jī)制已經(jīng)在中國(guó)得到了廣泛應(yīng)用并不斷革新和深化. 機(jī)器視覺(jué)檢測(cè)系統(tǒng)主要包括光源、圖像獲取單元、圖像處理單元和執(zhí)行機(jī)構(gòu)組成.

　　1.1.4 高光譜檢測(cè)技術(shù)

　　高光譜成像是一個(gè)復(fù)雜, 多學(xué)科高度融合的領(lǐng)域. 該技術(shù)可以在連續(xù)光譜帶中采集空間圖像. 所以高光譜圖像除了有x, y方向的空間維度信息以外, 每個(gè)像素都包含完整的光譜信息, 可反映鑄件內(nèi)部的物理屬性與結(jié)構(gòu)成分的差異[48]. 高光譜成像技術(shù)是一項(xiàng)新興的, 非侵入性光學(xué)技術(shù).鑄造行業(yè)需要實(shí)時(shí)監(jiān)控鑄件表面及內(nèi)部質(zhì)量變化. 檢測(cè)人員僅能夠捕捉肉眼可觀測(cè)的缺陷, 而高光譜成像能夠得到這些缺陷更詳盡的信息, 并跟蹤鑄件內(nèi)發(fā)生的任何變化. Mehrubeoglu等[49]首次有針對(duì)性地分析高光譜成像在鑄件檢測(cè)領(lǐng)域的應(yīng)用,采用高光譜成像儀顯示出潛在缺陷處突變?yōu)榈蛷?qiáng)度的光譜輪廓, 映射并量化了鋁鑄件表面裂紋缺陷區(qū)域. 缺陷在連續(xù)波段光譜下的數(shù)據(jù)繪制出一條與光照強(qiáng)度相關(guān)的對(duì)應(yīng)特定曲線.

　　1.2 基于聲學(xué)的無(wú)損檢測(cè)技術(shù)

　　1.2.1 常規(guī)超聲檢測(cè)技術(shù)

　　超聲波是指頻率高于20 kHz的彈性波. 超聲檢測(cè)技術(shù)是指利用超聲波對(duì)鑄件內(nèi)部宏觀缺陷進(jìn)行檢查的一種主流無(wú)損探傷方法. 其采用常規(guī)探頭對(duì)準(zhǔn)鑄件待測(cè)位置的表面發(fā)射超聲波, 利用超聲波在遇到兩側(cè)聲阻抗有差異的界面時(shí)產(chǎn)生反射波的特性, 進(jìn)而分析不同反射信號(hào)傳遞到探頭的聲波信號(hào)及時(shí)間差, 即可獲得鑄件內(nèi)部缺陷信息.

　　2 基于神經(jīng)網(wǎng)絡(luò)的探測(cè)信號(hào)處理方法

　　在鑄件缺陷無(wú)損檢測(cè)過(guò)程中, 探測(cè)階段所采集到的缺陷信號(hào)載體的物理特性不同, 往往需要根據(jù)其特性有針對(duì)性地進(jìn)行信號(hào)分析方法研究. 同時(shí),信號(hào)存在各種噪聲干擾, 增加了缺陷特征提取難度,因此各類噪聲信號(hào)處理方法也需要提出與改良. 而不同信號(hào)分析方法和信號(hào)處理方法的疊加, 使得每種缺陷檢測(cè)方法的工作量增大, 使用范圍變窄. 近年來(lái), 國(guó)內(nèi)外學(xué)者對(duì)基于神經(jīng)網(wǎng)絡(luò)的信號(hào)處理方法展開(kāi)研究, 利用神經(jīng)網(wǎng)絡(luò)可以通過(guò)逐級(jí)迭代獲取輸入和輸出內(nèi)在聯(lián)系的特點(diǎn), 將神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)運(yùn)用于各種探測(cè)信號(hào)分析. 同時(shí), 神經(jīng)網(wǎng)絡(luò)的魯棒特性, 使得其對(duì)含噪聲的信號(hào)仍具有高檢測(cè)效率. 此外, 基于樣本學(xué)習(xí)的方法可以完美融入大數(shù)據(jù)分析策略,通過(guò)對(duì)鑄件缺陷數(shù)據(jù)庫(kù)的學(xué)習(xí)來(lái)保障自身的高效性能.

　　3 展望

　　隨著鑄造技術(shù)的不斷發(fā)展, 目前的鑄件檢測(cè)系統(tǒng)僅依靠軟硬件技術(shù)的升級(jí)優(yōu)化, 已無(wú)法滿足鑄件缺陷檢測(cè)技術(shù)的現(xiàn)實(shí)需求[132]. 針對(duì)鑄件全尺寸、高精度、高時(shí)效等檢測(cè)要求, 高端鑄件缺陷檢測(cè)技術(shù)必須考慮以下幾點(diǎn)問(wèn)題。

　　1)對(duì)于鑄件缺陷檢測(cè)過(guò)程而言, 探測(cè)技術(shù)本身存在的缺點(diǎn)不可避免, 且單一的聲或光信息難以對(duì)復(fù)雜鑄件作全方面檢測(cè). 融合多種探測(cè)方法對(duì)鑄件進(jìn)行全方位探測(cè)技術(shù)開(kāi)始出現(xiàn). 但僅僅通過(guò)串聯(lián)多種探測(cè)技術(shù)來(lái)組合成一條自動(dòng)檢測(cè)線, 是無(wú)法滿足工業(yè)中對(duì)于檢測(cè)速度的要求[133]. 如何利用多模態(tài)技術(shù)將多維信息融合實(shí)現(xiàn)對(duì)鑄件缺陷特征進(jìn)行高效且全面地檢出將是未來(lái)檢測(cè)技術(shù)發(fā)展研究的方向之一.

　　2)目前, 機(jī)器人技術(shù)與鑄造行業(yè)質(zhì)量監(jiān)測(cè)的聯(lián)系越發(fā)緊密, 機(jī)器視覺(jué)系統(tǒng)與機(jī)器人技術(shù)融合技術(shù)嶄露頭角: 結(jié)合機(jī)器人系統(tǒng)的機(jī)器視覺(jué)檢測(cè)技術(shù)實(shí)現(xiàn)了鑄件多角度信息獲取, 消除了空間對(duì)檢測(cè)效果的限制. 而其他檢測(cè)手段也正面臨著過(guò)分依賴人的參與、輔助時(shí)間長(zhǎng)、檢測(cè)效率低等問(wèn)題, 亟需加速踐行新一代信息技術(shù)與質(zhì)檢技術(shù)的深度融合, 在時(shí)間與空間上提高檢測(cè)設(shè)備靈活性. 如何將各種檢測(cè)手段與機(jī)器人技術(shù)有效結(jié)合, 促進(jìn)傳統(tǒng)鑄件檢測(cè)技術(shù)的智能化升級(jí), 是未來(lái)研究方向之一.

　　3)在鑄造行業(yè)實(shí)際場(chǎng)景中, “大數(shù)據(jù)”往往是偽命題, “小樣本”卻更為常見(jiàn). 經(jīng)過(guò)多年的學(xué)術(shù)研究,國(guó)內(nèi)外研究員從數(shù)據(jù)擴(kuò)充、模型優(yōu)化和遷移學(xué)習(xí)三個(gè)方面改進(jìn)了神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)采集量的需求[134]. 但多數(shù)研究?jī)H考慮到檢測(cè)的精度, 并未過(guò)多考慮檢測(cè)實(shí)時(shí)性, 這在工業(yè)領(lǐng)域是無(wú)法接受的. 此外, 多數(shù)針對(duì)小樣本的檢測(cè)模型是在自然圖像數(shù)據(jù)集或公共數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練再針對(duì)下游任務(wù)進(jìn)行微調(diào)的, 工業(yè)場(chǎng)景實(shí)際應(yīng)用少. 針對(duì)小樣本檢測(cè)網(wǎng)絡(luò)的實(shí)時(shí)性和更有針對(duì)性的模型預(yù)訓(xùn)練方法展開(kāi)研究, 可以將自然領(lǐng)域或醫(yī)學(xué)領(lǐng)域小樣本檢測(cè)模型遷移至工業(yè)領(lǐng)域, 具有廣大的發(fā)展前景.

　　4)鑄件缺陷檢測(cè)任務(wù)通常僅包含檢測(cè)與分類,這無(wú)法包羅我們所需要的全部質(zhì)檢信息. 對(duì)于單個(gè)鑄件, 一一進(jìn)行缺陷檢測(cè)、尺寸測(cè)量、表面粗糙度測(cè)定等程序耗時(shí)耗力. 特別是針對(duì)圖像檢測(cè)任務(wù), 我們需要同時(shí)實(shí)現(xiàn)鑄件尺寸測(cè)量、缺陷分類、表面粗糙度評(píng)定等多個(gè)任務(wù). 在深度學(xué)習(xí)領(lǐng)域, 多任務(wù)學(xué)習(xí)可以學(xué)到多個(gè)任務(wù)的共享表示, 這個(gè)共享表示具有較強(qiáng)的抽象能力, 能夠適應(yīng)多個(gè)不同但相關(guān)的特征. 由于使用共享表示, 多個(gè)任務(wù)同時(shí)進(jìn)行預(yù)測(cè)時(shí),同樣能減少了樣本來(lái)源的數(shù)量以及整體模型參數(shù)的規(guī)模, 使得具有更小容量的模型就可以獲得同水平或更好的泛化能力, 預(yù)測(cè)更加高效. 由此可見(jiàn), “多任務(wù)”與鑄件質(zhì)量檢測(cè)結(jié)合是一個(gè)值得深入探討的問(wèn)題.

　　4 總結(jié)

　　鑄件的生產(chǎn)加工工序繁多、條件復(fù)雜, 加工工藝本身的不足和操作失誤都有可能使鑄件在加工完成時(shí)就存在缺陷, 而在服役過(guò)程中, 受力不均或使用不當(dāng)也會(huì)產(chǎn)生缺陷, 這些缺陷會(huì)影響鑄件的整體性能, 需要進(jìn)行監(jiān)測(cè)與排除. 隨著工業(yè)生產(chǎn)規(guī)模的不斷擴(kuò)大, 純?nèi)斯�檢測(cè)方法的檢測(cè)效率不足以滿足生產(chǎn)效率要求, 需要自動(dòng)化的鑄件缺陷檢測(cè)方法來(lái)提高檢測(cè)效率.本文針對(duì)鑄件生產(chǎn)以及服役過(guò)程中的產(chǎn)生的孔洞類缺陷、裂紋、偏析和夾雜等缺陷的成因進(jìn)行分析.

　　闡述了基于聲學(xué)、光學(xué)、電磁學(xué)等主流檢測(cè)技術(shù)及其常規(guī)信號(hào)處理方法、磁粉檢測(cè)技術(shù)與滲透檢測(cè)技術(shù)等其他檢測(cè)技術(shù), 并對(duì)近年來(lái)新興的基于神經(jīng)網(wǎng)絡(luò)的信號(hào)處理方法進(jìn)行了說(shuō)明. 對(duì)基于神經(jīng)網(wǎng)絡(luò)的信號(hào)處理方法對(duì)比分析發(fā)現(xiàn), 鑄件無(wú)損檢測(cè)方法已經(jīng)趨于完整. 而深度學(xué)習(xí)網(wǎng)絡(luò), 作為新興圖像檢測(cè)方法的核心, 能夠發(fā)掘出圖像包含的深層信息,這些深層信息能夠?qū)﹁T件缺陷分類提供指導(dǎo). 并且,神經(jīng)網(wǎng)絡(luò)具有強(qiáng)魯棒性, 輕量化神經(jīng)網(wǎng)絡(luò)的應(yīng)用又進(jìn)一步提高了檢測(cè)效率. 因此, 將具有強(qiáng)魯棒性、性能優(yōu)越的神經(jīng)網(wǎng)絡(luò)運(yùn)用在鑄件缺陷檢測(cè)與分類上是未來(lái)主要的研究方向.

　　References

　　1 中華人民共和國(guó)國(guó)家市場(chǎng)監(jiān)督管理總局. 鋁合金鑄件射線照相檢測(cè)缺陷分級(jí): GB/T 11346-2018, 2018.

　　2 中華人民共和國(guó)鐵道部. 鐵道貨車鑄鋼搖枕、側(cè)架: TB/T 3012-2016, 2016.3 ASTM International. Standard reference radiographs for heavywalled(41/2 to 12-in. [114 to 305-mm]) steel castings: ASTME280, 2010.

　　作者：張輝1 張鄒銓2 陳煜嶸1 吳天月2 鐘杭1 王耀南1

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jzlw/28943.html