电磁层析成像关键问题及其在高铁车轮探伤中的应用研究
发布时间:2021-09-29 03:50
近十年左右,我国高铁技术得到了突飞猛进的发展,已经发展成为国家层面的战略。高铁车轮是高铁车辆与钢轨接触的唯一运动部件,工作在非常复杂的应力状态下,导致疲劳条件下微小的缺陷也很容易出现应力集中现象,加快扩散速度,有可能导致疲劳裂纹等故障。因此,对高铁车轮作定期的无损检测对保障行车安全和人们的生命财产安全意义重大。电磁层析成像(electromagnetictomography,EMT)技术具有非接触、非侵入、无辐射、低成本、快速成像等特性,并且具有对导电和导磁材料同时敏感的测量优势。本文探索了一种新颖的高铁车轮缺陷检测方法,研究了将电磁层析成像技术应用在高铁车轮探伤中的可行性和有效性。本文的主要研究内容如下:(1)研究了 EMT的正问题和逆问题以及灵敏度矩阵求解的三种方法,并研究了 EMT探伤传感器的理论和数值分析方法,重点研究了有限元方法及其在EMT求解中的应用。(2)提出了一种L1-Lp图像重建算法,该算法构造了新的目标泛函,该目标泛函利用L1范数作为数据项,Lp范数作为正则化项,将EMT逆问题转换成最优化问题,改善了图像重建算法对数据误差的敏感性,仿真和实验结果表明了该算法的有效性...
【文章来源】:北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】:177 页
【学位级别】:博士
【部分图文】:
车轮轮辆掉块
Radon变主
八工―:?丨柳,_0?(1-2)??Radon逆变换如式(1-2)所示,式中;?/(/,勿是/?/(/,勿相对于/的一阶偏导数,解??决的是过程层析成像的逆问题,如图1-3所示。??典型的PT系统包括传感器阵列、数据采集系统和图像重建计算机三部分,如??图1-4所示:??—讓??1?靈酬号闕M???^?=?图像重建计算机??传感器阵列??图1-4典型PT系统构成??Fig.?1-4?Composition?of?typical?process?tomography?system??如图1-4所示,传感器阵列是根据物理学上的声、光、电、磁、热等敏感原理,??由特殊材料设计而成的传感器空间阵列,主要用来从各个角度扫略被测物场,获得??用于图像重建的独立投影数据,它位于整个系统最前端,直接决定了过程层析成像??系统性能的优劣。数据采集系统主要包括信号发生模块、功率放大模块、通道切换??模块、可编程放大模块、滤波模块、数据解调模块等,通过各个模块的协调工作,??完成了激励信号的调理、通道切换以及回采信号的调理等工作,并把最终解调得到??的测量信号传递给图像重建计算机。数据采集系统需要具有较高的信噪比、较高稳??定性以及实时性能好等优点。图像重建计算机主要完成以下功能:发送控制信号来??控制整个系统运行、接收测量数据以及利用合适的迭代或非迭代图像重建算法重??建出被测物体的二维或三维分布并进行可视化显示。整个PT系统的工作原理如下:??利用特殊制作的传感器形成敏感场空间,对实际工业过程进行全方位扫略,尽可能??多的获取独立投影数据
本文编号:3413143
【文章来源】:北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】:177 页
【学位级别】:博士
【部分图文】:
车轮轮辆掉块
Radon变主
八工―:?丨柳,_0?(1-2)??Radon逆变换如式(1-2)所示,式中;?/(/,勿是/?/(/,勿相对于/的一阶偏导数,解??决的是过程层析成像的逆问题,如图1-3所示。??典型的PT系统包括传感器阵列、数据采集系统和图像重建计算机三部分,如??图1-4所示:??—讓??1?靈酬号闕M???^?=?图像重建计算机??传感器阵列??图1-4典型PT系统构成??Fig.?1-4?Composition?of?typical?process?tomography?system??如图1-4所示,传感器阵列是根据物理学上的声、光、电、磁、热等敏感原理,??由特殊材料设计而成的传感器空间阵列,主要用来从各个角度扫略被测物场,获得??用于图像重建的独立投影数据,它位于整个系统最前端,直接决定了过程层析成像??系统性能的优劣。数据采集系统主要包括信号发生模块、功率放大模块、通道切换??模块、可编程放大模块、滤波模块、数据解调模块等,通过各个模块的协调工作,??完成了激励信号的调理、通道切换以及回采信号的调理等工作,并把最终解调得到??的测量信号传递给图像重建计算机。数据采集系统需要具有较高的信噪比、较高稳??定性以及实时性能好等优点。图像重建计算机主要完成以下功能:发送控制信号来??控制整个系统运行、接收测量数据以及利用合适的迭代或非迭代图像重建算法重??建出被测物体的二维或三维分布并进行可视化显示。整个PT系统的工作原理如下:??利用特殊制作的传感器形成敏感场空间,对实际工业过程进行全方位扫略,尽可能??多的获取独立投影数据
本文编号:3413143
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3413143.html