Cr/Zr涂层环向压缩表面裂纹识别研究

doi:10.3901/JME.2024.08.001

机械工程学报 ›› 2024, Vol. 60 ›› Issue (8): 1-10.doi: 10.3901/JME.2024.08.001

扫码分享

Cr/Zr涂层环向压缩表面裂纹识别研究

郑杰¹, 权伟¹, 刘洋¹, 卢学民¹, 刘晓红², 岳雅楠², 周腾², 蔡振兵²

1. 西南交通大学电气工程学院成都 611756;
2. 西南交通大学机械工程学院成都 610031

收稿日期:2023-04-11 修回日期:2023-10-25 出版日期:2024-04-20 发布日期:2024-06-17
作者简介:郑杰,男,1996年出生。主要研究方向为模式识别、机器学习、人工智能。E-mail:867682404@qq.com;权伟(通信作者),男,1982年出生,博士(后),副教授,博士研究生导师。主要研究方向为模式识别与人工智能、智能信息处理。E-mail:wquan@swjtu.edu.cn
基金资助:
国家自然科学基金(52277127)、四川省科技创新人才(2021JDRC0012)、国家轨道交通电气化与自动化工程技术研究中心开放课题(NEEC-2019-B06)和西南交大学科交叉基础研究重点(2682021ZTPY089)资助项目。

Research on Surface Cracks Identification of Cr/Zr Coating in Circumferential Compression

ZHENG Jie¹, QUAN Wei¹, LIU Yang¹, LU Xuemin¹, LIU Xiaohong², YUE Yanan², ZHOU Teng², CAI Zhenbing²

1. School of Electrical Engineering, Southwest Jiaotong University, Chengdu 611756;
2. School of Mechanical Engineering, Southwest Jiaotong University, Chengdu 610031

Received:2023-04-11 Revised:2023-10-25 Online:2024-04-20 Published:2024-06-17

摘要/Abstract

摘要： 针对Cr/Zr涂层表面裂纹图像存在的视野暗、噪声高及人工识别效率低等问题，建立Cr涂层表面裂纹自动精确识别与关键参数提取的技术和方法，并开展相关分析。在Cr/Zr涂层包壳管上进行环向压缩试验，采集裂纹图像，对采集到的图像数据设计了一种Cr涂层表面裂纹识别与分析算法—CSCRA算法，该算法基于U²-Net神经网络对裂纹进行语义分割，从而获得Cr涂层表面裂纹的位置信息，然后设计了一种中轴线提取算法并结合连通域分析和距离计算对识别出的裂纹进行统计分析(包括数量、密度、长宽等)。相比于传统的边缘检测算法、阈值分割算法，设计的CSCRA算法能够准确有效识别多种形态的Cr涂层表面裂纹，自动完成识别裂纹的数量、密度、长宽等信息分析，得到了裂纹数量、密度、宽度信息与环向压缩形变量的对应关系。CSCRA算法能够解决传统识别算法连续性差、噪声高的问题。从裂纹数量、密度、宽度与环向压缩试验形变量之间的联系中，发现Cr涂层表面裂纹的数量和宽度随着环向压缩形变量的增大呈现出增大趋势，但两者在不同阶段增加速率不一致。

关键词: Cr/Zr涂层, 环向压缩, 裂纹识别, CSCRA算法, 神经网络

Abstract: Objective to realize the accurate recognition and analysis of Cr coating surface cracks, aiming at the crack image on the surface of Cr/Zr coating has problems such as dark vision, high noise and low manual recognition efficiency. we present Cr coating surface cracks recognition and analysis framework (CSCRA) for crack detecting and crack analyzing in crack images. The crack images are produced by the circumferential compression experiment on zirconium alloy Cr-coated cladding tube. Our approach, based on the U²-Net neural network, obtain each crack location in the Cr coated surface crack images by the semantic segmentation. Then, we design a novel algorithm to analyze the four important indicators, two of them are the amount of cracks and the density of cracks in whole crack images, others are length and width of each crack. The algorithm combines the connected domain analyze and distance calculation with the central axis extraction algorithm. Experimental results on the Cr coating surface crack images show that CSCRA can detect multiform crack images accurately and effectively, meanwhile, the amount of the cracks and the density of cracks in one crack image calculated by our method are almost consistent with the real data. Due to the detailed crack segmentation output, the two indicators, length and width, achieve highly accuracy. Compared to the edge detection method or the threshold segmentation method, CSCRA has much better segmentation accuracy even with high noise and low continuity crack images. While analyzing the relationship between the circumferential compression experiment deformation and the four indicators, we find that both the crack numbers and width show an increasing trend as the amount of hoop compression increases, but are different in increase rate at different stages.

Key words: Cr/Zr coating, circumferential compression, crack identification, CSCRA algorithm, neural network

中图分类号:

TG144

郑杰, 权伟, 刘洋, 卢学民, 刘晓红, 岳雅楠, 周腾, 蔡振兵. Cr/Zr涂层环向压缩表面裂纹识别研究[J]. 机械工程学报, 2024, 60(8): 1-10.

ZHENG Jie, QUAN Wei, LIU Yang, LU Xuemin, LIU Xiaohong, YUE Yanan, ZHOU Teng, CAI Zhenbing. Research on Surface Cracks Identification of Cr/Zr Coating in Circumferential Compression[J]. Journal of Mechanical Engineering, 2024, 60(8): 1-10.

参考文献

[1] 刘庆冬，张浩，曾奇锋，等.SZA-4和ZIRLO锆合金在360 ℃含氧水环境中的腐蚀行为[J]. 机械工程学报，2019，55(8)：88-96. LIU Qingdong，ZHANG Hao，ZENG Qifeng，et al. Pre-transition corrosion behavior of SZA-4 and ZIRLO alloy in dissolved oxygen aqueous condition at 360 ℃[J]. Journal of Mechanical Engineering，2019，55(8)：88-96.
[2] 刘肖，王理，包陈，等. 含轴向对称裂纹锆合金包壳管断裂行为[J]. 机械工程学报，2019，55(16)：85-90. LIU Xiao，WANG Li，BAO Chen，et al. Fracture behaviour of zirconium alloy cladding tubes containing axial symmetric cracks[J]. Journal of Mechanical Engineering，2019，55(16)：85-90.
[3] TANG C，STUEBER M，SEIFERT H J，et al. Protective coatings on zirconium-based alloys as accident-tolerant fuel (ATF) claddings[J]. Corrosion Reviews，2017，35(3)：141-165.
[4] 杨忠波，赵文金. 锆合金耐腐蚀性能及氧化特性概述[J]. 材料导报，2010，24(9)：120-124. YANG Zhongbo，ZHAO Wenjin. Review of corrosion and oxide characterization for Ar alloys[J]. Material Guide，2010，24(9)：120-124.
[5] 胡小刚，董闯，陈宝清，等. 电弧离子镀制备耐事故包壳材料厚Cr涂层及高温抗氧化性性能[J]. 表面技术，2019，48(2)：207-219. HU Xiaogang，DONG Chuang，CHEN Baoqing，et al. Preparation and high temperature oxidation resistance of thick Cr coated on Zr-4 alloy by cathodic arc deposition for accident tolerant fuel claddings[J]. Surface Technology，2019，48(2)：207-219.
[6] 岳雅楠，陈寰，余施佳，等. 锆合金Cr涂层包壳管在环向压缩作用下的裂纹行为[J]. 中国表面工程，2022，35(4)：1-9. YUE Yanan，CHEN Huan，YU Shijia，et al. Crack behavior of Cr coating zircaloy cladding tubes under ring compression[J]. China Surface Engineering，2022，35(4)：1-9.
[7] 杨振，樊湘芳，邱长军，等. 锆合金表面涂层耐高温高压动水腐蚀性能得研究[J]. 表面技术，2019，48(9)：204-210. YANG Zhen，FAN Xiangfang，QIU Changjun，et al. High temperature and high pressure hydrodynamic corrosion of zirconium alloy surface coating[J]. Surface Technology，2019，48(9)：204-210.
[8] TERRANI，KURT A. Accident tolerant fuel cladding development：Promise，status，and challenges[J]. Journal of Nuclear Materials，2018，501：13-30.
[9] BRACHET J C，TRUJILLO I I，FLEM M L，et al. Early studies on Cr-Coated Zircaloy-4 as enhanced accident tolerant nuclear fuel claddings for light water reactors[J]. Journal of Nuclear Materials，2019，517：268-285.
[10] 李捷，唐星科，蒋延军. 几种边缘检测算法的比较研究[J]. 信息技术，2007(9)：106-108. LI Jie，TANG Xingke，JIANG Yanjun. Comparing study of some edge detection algorithms[J]. Information Technology，2007(9)：106-108.
[11] 徐超，黄风华，毛政元. 一种改进的二维Otsu阈值分割算法[J]. 电子技术应用，2016，42(12)：108-111. XU Chao，HUANG Fenghua，MAO Zhengyuan. An improved two-dimensional Otsu thresholding segmentation method[J]. Application of Electronic Technique，2016，42(12)：108-111.
[12] 冉蓉，徐兴华，邱少华，等. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用，2021，57(9)：23-35. RAN Rong，XU Xinghua，QIU Shaohua，et al. Review of crack detection methods based on deep convolutional neural networks[J]. Computer Engineering and Applications，2021，57(9)：23-35.
[13] QIN X，ZHANG Z，HUANG C，et al. U2-Net: Going deeper with nested U-structure for salient object detection[J]. Pattern Recognition，2020，106：107404.
[14] WU K，OTOO E，SUZUKI K. Optimizing two-pass connected-component labeling algorithms[J]. Pattern Analysis and Applications，2009，12(2)：117-135.
[15] 管皓，薛向阳，安志勇. 深度学习在视频目标跟踪中的应用进展与展望[J]. 自动化学报，2016，42(6)：834-847. GUAN Hao，XUE Xiangyang，AN Zhiyong. Advances on application of deep learning for video object tracking[J]. Acta Automatica Sinica，2016，42(6)：834-847.
[16] PARK T，LIU M Y，WANG T C，et al. Semantic image synthesis with spatially-adaptive normalization[C] //Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019：2332-2341.
[17] NGUYEN，NHUNG H T，BONE D，et al. Two-stage convolutional neural network for road crack detection and segmentation[J]. Expert Systems with Applications，2021，186：115718.
[18] HE K M，ZHANG X Y，REN S Q，et al. Deep residual learning for image recognition[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition，2016：770-778．
[19] YU F，KOLTUN V. Multi-scale context aggregation by dilated convolutions[C/CD]// International Conference on Learning Representations (ICLR)，May，2016.
[20] CHEN，LIANG C，PAPANDREOU G，et al. DeepLab：Semantic image segmentation with deep convolutional nets，atrous convolution，and fully connected crfs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2018，40(4)：834-848.
[21] HU X，YANG H. DRU-net：a novel U-net for biomedical image segmentation[J]. IET Image Processing，2020，14(1)：192-200.
[22] SUTHAR S B，GORADIA R S，DALWADI B N，et al. Performance analysis of iterative thinning methods using Zhang Suen and stentiford algorithm[C]// International Conference on Advancements in Computing Technologies，Chuncheon：IEEE，2018：35-37.
[23] YANG B Q，ZHANG K，CHEN G N，et al. Measurement of fracture toughness and interfacial shear strength of hard and brittle Cr coating on ductile steel substrate[J]. Surface Engineering，2008，24(5)：332-336.
[24] 楼小玲. 涂层/基体系统裂纹应力强度因子的数值研究[D]. 杭州：浙江工业大学，2007. LOU Xiaoling. Numerical study on stress intensity factor of cracks in coating/substrate system[D]. Hangzhou：Zhejiang University，2007.

Cr/Zr涂层环向压缩表面裂纹识别研究

Research on Surface Cracks Identification of Cr/Zr Coating in Circumferential Compression

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘占广, 张云, 刘晴雨. 基于差分融合长短期记忆神经网络数控机床热误差建模[J]. 机械工程学报, 2024, 60(7): 249-257.
[2]	狄子钧, 袁东风, 李东阳, 梁道君, 周晓天, 信苗苗, 曹凤, 雷腾飞. 基于多尺度-高效通道注意力网络的刀具故障诊断方法[J]. 机械工程学报, 2024, 60(6): 82-90.
[3]	王俊玖, 刘金玉, 侯秀娟, 齐振国, 李志敏, 刘涛. 列车车体柔性装配精度预测的力学-数据混合建模方法[J]. 机械工程学报, 2024, 60(6): 177-186.
[4]	李春凯, 王嘉昕, 石玗, 代悦. GTAW熔池激光条纹动态行为与熔透预测方法研究[J]. 机械工程学报, 2024, 60(6): 236-244.
[5]	周宁, 姚建勇, 邓文翔. 基于神经网络的比例伺服阀阀芯液动力补偿鲁棒智能控制[J]. 机械工程学报, 2024, 60(4): 126-133.
[6]	王丹丹, 黄伟迪, 张军辉, 赵守军, 于斌, 刘施镐, 吕飞, 苏琦, 徐兵. 基于边缘计算的轴向柱塞泵磨损状态辨识方法研究[J]. 机械工程学报, 2024, 60(4): 189-199.
[7]	张昊, 魏超, 胡纪滨, 陈泳丹. 基于转向模式切换的三轴独立转向车辆路径跟踪控制研究[J]. 机械工程学报, 2024, 60(2): 243-251.
[8]	段书用, 杨建华, 韩旭, 刘桂荣. 高维数据自适应降维方法[J]. 机械工程学报, 2024, 60(17): 283-296.
[9]	刘建琴, 胡桂菘, 乔金丽, 郭晓. 基于双路神经网络的TBM实时性能预测研究[J]. 机械工程学报, 2024, 60(16): 43-53.
[10]	胡伟飞, 廖家乐, 郭云飞, 鄢继铨, 李光, 岳海峰, 谭建荣. 基于物理信息神经网络的时变可靠性分析方法[J]. 机械工程学报, 2024, 60(13): 141-153.
[11]	张德权, 李星奥, 张宁, 宁国松, 韩旭. 工业机器人全域误差场精细化建模方法及其误差补偿策略[J]. 机械工程学报, 2024, 60(13): 316-329.
[12]	王俊, 杨轶青, 刘金朝, 沈长青, 黄伟国, 朱忠奎. 小波核编码的脉冲卷积神经网络在可解释性智能诊断中的应用研究[J]. 机械工程学报, 2024, 60(12): 41-50.
[13]	袁静, 任港星, 蒋会明, 赵倩, 魏臣隽, 朱骏. 基于多元提升核神经网络的机械故障诊断方法及其特征提取可解释性研究[J]. 机械工程学报, 2024, 60(12): 51-64.
[14]	陈钱, 陈康康, 董兴建, 皇甫一樊, 彭志科, 孟光. 一种面向机械设备故障诊断的可解释卷积神经网络[J]. 机械工程学报, 2024, 60(12): 65-76.
[15]	刘华开, 丁康, 何国林, 李巍华, 林慧斌. 联合故障机理和卷积神经网络的齿轮剩余使用寿命预测方法研究[J]. 机械工程学报, 2024, 60(12): 116-125.