为了改变玻璃管水平拉制成型以直觉知识为理论基础和经验设计为技术手段的现状, 本文采用ANSYS Polyflow软件建立了玻璃管水平拉制成型过程中的传热和传质数值仿真模型, 得到了温度场、速度场、压强场、黏度场等的变化情况。通过数值仿真分析, 得出玻璃液流入温度、牵引速度、鼓入空气流入压强和旋转筒转速都是影响玻璃管成型的敏感工艺参数。玻璃液流入温度和鼓入空气流入压强与玻璃管外径成正比, 与玻璃管壁厚成反比; 牵引速度与玻璃管外径和壁厚都成反比; 旋转筒转速与成型位置的偏心量成正比。本文提出的数值仿真模型将为提高玻璃管品质, 缩短换品调整时间, 提高生产效率, 节约材料和能源消耗提供理论支撑。

为了能有效识别金属材料超声检测信号中的微小缺陷回波, 使用递归分析方法对检测信号进行分析。通过对超声波背散射信号进行建模, 说明其组成要素。在超声检测信号中, 缺陷回波信号会对系统的递归特性产生影响。使用递归分析对含0.8 mm平底孔人工模拟缺陷的直径为120 mm低碳钢棒材试块实验采集的背散射信号和无缺陷背散射信号进行了研究。截取试块检测信号中的背散射信号部分, 通过合理的参数选择对其进行递归分析并绘制递归图。通过与实验采集的无缺陷信号的递归图进行对比, 发现缺陷信号会在递归图中产生明显的白色交叉条纹带。使用递归定量分析进一步研究了含缺陷背散射信号的递归特征量, 结果表明捕获时间(TT)、确定率(DET)与递归熵(ENTR)这三项特征量对缺陷信号比较敏感, 在缺陷位置处均会出现明显的峰值。

为了识别厚截面碳纤维复合材料(CFRP) 远表面的微缺陷, 使用递归分析方法对超声检测信号进行分析。首先在厚截面CFRP材料上打孔以模拟微缺陷, 采用水浸超声脉冲反射法对不同大小的模拟缺陷进行检测。然后选取缺陷位置附近信号段, 确定嵌入维数m、延迟时间τ、阈值ε等参数, 对各信号段进行递归分析, 得到递归图及递归定量分析结果。比较无缺陷信号和有缺陷信号的递归图, 从宏观上定性确定微缺陷对超声信号的影响; 比较无缺陷信号和有缺陷信号的递归定量分析结果, 根据每个递归定量参数的物理意义, 对缺陷产生的影响作出合理的解释。最后, 使用不同中心频率探头进行实验, 确定合适的探头参数。分析结果表明, 使用7.5 MHz高分辨率超声探头时检测效果最好; 当嵌入维数为7、延迟时间为2、阈值为2时, 递归图中出现异常白色区域、递归点增多且对角线结构变长, 同时所选取的递归定量参数随缺陷增大而上升, 表明厚截面CFRP远表面超声信号可能存在混沌结构, 而微缺陷的存在会改变原有信号结构。所研究内容为实际微缺陷的定量识别及分类打下基础。

针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite, CFRP)的富树脂检测需求, 提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究, 并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法, 通过低通滤波抑制高频随机噪声。其次根据频率差异, 应用变分模态分解算法分离并消除共振结构噪声, 提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次, 引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后, 应用Otsu多阈值方法自适应获得富树脂识别的阈值, 消除相干噪声的影响, 完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像, 在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明: 变分模态分解的分量数为2, Otsu多阈值的类别数为3时, 能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号; 采用0.15作为多视图成像的阈值, 可简洁有效地描述富树脂在小孔隙率CFRP中的分布。

为了能从含噪声金属材料超声检测信号中有效识别出微小缺陷回波,建立了金属材料超声反射信号模型并提出了基于相关系数的微小缺陷回波识别方法。对含微小缺陷金属材料超声脉冲反射信号的成分进行分析,建立了基于散射声场与高斯回波理论的优化超声回波模型。设计了超声缺陷回波位置识别方法。该方法对超声脉冲反射信号去噪后,取探头发射脉冲信号为参考信号;然后与去噪后的信号逐段求解相关系数;最后对该相关系数序列进行阈值化处理,获得缺陷回波在超声回波信号中的位置。将利用上述优化超声回波模型生成的超声反射信号及其频谱与实验获得的金属材料超声反射信号及其频谱进行了对比,结果表明: 两者的时频域特征具有一致性。当将阈值设定为相关系数序列最大值的60%时,能够有效从超声背散射信号中识别出金属材料微小缺陷回波。