Page 130 - 无损检测2021年第十期
P. 130

院企风采














                          北京航空航天大学超声无损检测实验室

                                                   2020 年度进展

















                   2020 年,北京航空航天大学超声无损检测                              使用激光轮廓仪获取表面点云数据时,对每
              实验室在超声检测系统的研发及应用、超声检测                              条轮廓数据增加时间戳信息,根据时间戳获得每
              过程的理论研究等方面取得了系列成果。在检测                              条轮廓对应的准确位置信息,避免了数据传输时
              系统的研发及应用方面,优化了机器人控制超声                              的丢点现象导致的采集数据错位,实现了更精确
              检测系统,实现了对复杂曲面构件的仿形及成像                              的轮廓重建;通过滤波等方法对点云进行降噪处
              检测;研制了适用于金属复杂结构试件及多层各                              理,进一步提高了数模重建精度。针对复杂形面
              向异性结构试件的超声仿真软件系统,有效提高                              结构,激光轮廓仪直接测量的点云无法简单重建
              了检测工艺方案设计的效率及准确性。在检测过                              为单独的一片曲面,为解决该问题,首先利用复
              程的理论研究方面,仿真分析了碳纤维增强树脂                              杂形面不同曲面的连接处曲率变化较大的特点,
              基复合材料中的声波传播规律,为复合材料中典                              然后根据曲率信息对点云进行分割,对分割后的
              型缺陷的检测提供了基础。                                       点云数据,利用填充曲面造型方法以及 NURBS
                                                                 (非均匀有理 B 样条)曲面拟合方法实现曲面的
              1  复杂曲面构件的超声 C 扫描检测系统
                                                                 重建,最后根据重建的工件表面 CAD 数模进行
                   对复杂曲面构件进行超声 C 扫描检测时,需                         超声扫描轨迹规划。
              要根据待测工件的几何外形规划超声的扫描轨迹。                                  团队基于曲面仿形重建软件、超声检测轨迹
              为了重建工件表面 CAD 数模,使用激光轮廓仪
                                                                 规划软件以及六自由度机械臂系统,建立了超声
              获取待测工件的几何信息(见图 1)。
                                                                 C 扫描自动检测系统(见图 2),实现了对如图
                                                                 3 所示的发动机叶片试件的仿形及 C 扫描成像,
                                                                 验证了该系统对复杂曲面试件的检测能力。














                                                                      图 2  复杂形面超声 C 扫描自动检测系统外观
                     图 1  激光轮廓仪获取叶片外形信息现场
               88
                     2021年  第43卷 第10 期
                     无损检测
   125   126   127   128   129   130   131   132   133   134   135