CNG复合材料气瓶长期处于交变载荷作用, 易于发生疲劳损伤, 形成内部缺陷, 造成强度下降, 影响使用安全。含内部缺陷的复合材料气瓶在宏观上无明显形变, 表观上难以直接进行缺陷检测。在目前的气瓶检测项目中, 缺乏快速有效的缠绕层内部缺陷检测手段, 可能造成含有内部缺陷气瓶的漏检。本文针对 CNG复合材料气瓶检测存在的关键问题, 结合现有气瓶检测标准和工艺, 提出了一种基于气瓶内部蒸汽冲洗过程表面热像的缺陷检测方案。该方案以气瓶冲洗过程的蒸汽为气瓶的内部热激励, 基于红外热像仪采集的气瓶表面瞬态温度分布, 利用人工神经网络实现气瓶缠绕层缺陷的定位和定量识别。实验研究表明, 人工神经网络能够精确地进行气瓶缠绕层缺陷的定位和定量识别且识别效率较高, 适于气瓶的在线检测。

在实际工业应用中, 环境温度变化是便携关节式坐标测量机中旋转轴系测角精度的主要误差源。为了消除环境温度对旋转轴系测角精度的影响, 本文提出了一种新型圆光栅测角误差补偿方法, 即建立含有环境温度影响因子的圆光栅测角误差补偿模型。利用谐波方法建立在特定温度下的圆光栅测角误差补偿模型, 利用多项式方法建立谐波系数与环境温度之间的函数关系。最后, 以14 ℃下的实验数据为验证数据, 分别代入到传统谐波误差补偿模型和本文提出的模型中。实验结果表明, 相对于传统谐波误差补偿模型, 使用本文提出的模型补偿后圆光栅的测角精度提高4倍左右, 修正后的残差峰峰值在2″以内, 能够有效地补偿10~40 ℃下圆光栅的测角误差。