红外图像测量金属疲劳极限以及数据传输模块的研究

红外图像测量金属疲劳极限以及数据传输模块的研究

论文摘要

本课题得到了国家“863"计划项目的基金支持,该项目的目的是通过红外热成像技术,来快速确定金属材料的疲劳极限。本文所研究的内容属于该项目的子项目。本文首先分析研究了前人对金属疲劳极限测量的方法,并对前人研究的成果进行了有选择的总结和吸收。然而传统的疲劳极限评估方法需要漫长的时间,因此费用很高。为此提出一种新的试验方法。新方法是基于锁定热成像技术测量耗散能,通过D-MODE和E-MODE法,单试样受台阶式应力增值,有限次循环的耗散能,对应于施加试样应力曲线上的拐点揭示疲劳极限机制。该方法是在红外检测技术的快速发展中得以实现的,由于金属的耗散能非常小,在红外技术出现以前是无法测量的,所以很容易被人们所忽略掉。随着红外技术的高速发展,可以通过红外焦平面摄像机的精确测量得到试件的精确温度,便可以得出试件的耗散能,进而估算出金属的疲劳极限。本文详细阐述了运用红外图像处理进行金属疲劳极限检测的方法。在对试件进行疲劳实验时,通过红外摄像机捕捉试件的红外图像信号,在数据传输模块中进行初步处理。加入试验中重要的载荷信号,再把包含了载荷信号的数据传输到计算机中进行进一步的处理,得出耗散能与应力之间的曲线图。绘制能耗曲线,通过最小二乘法的线性回归,找出能耗突变点的应力,进而推算出试件的疲劳极限。本文对数据传输模块进行了研究,对每个芯片的选择进行了细致的分析说明,并对其功能进行了较为详细的解说,最后对其进行仿真,并加以完善。

论文目录

  • 学位论文数据集
  • 摘要
  • ABSTRACT
  • 目录
  • Contents
  • 符号说明
  • 第一章 绪论
  • 1.1 课题研究的背景及问题的提出
  • 1.2 国内外发展概述
  • 1.2.1 疲劳极限研究的发展概述
  • 1.2.2 疲劳极限算法的发展概述
  • 1.2.3 疲劳损伤理论研究概述
  • 1.2.4 疲劳寿命的预测方法发展概述
  • 1.3 课题的目的及意义
  • 1.3.1 金属疲劳极限研究的意义
  • 1.3.2 传输模块研究的意义
  • 1.4 本文的主要研究内容
  • 1.5 本文的创新之处
  • 第二章 红外图像测量金属疲劳极限
  • 2.1 新型测量疲劳极限的理论基础
  • 2.1.1 疲劳极限的理论分析
  • 2.1.2 统一的形变破坏理论
  • 2.1.3 能量方法
  • 2.2 红外图像检测技术的理论基础
  • 2.2.1 红外无损检测技术
  • 2.2.2 红外热成像技术的特点
  • 2.2.3 红外焦平面列阵摄像机
  • 2.3 能量耗散
  • 2.3.1 疲劳过程的能量耗散
  • 2.3.2 疲劳能量耗散规律
  • 2.4 能耗测量的理论根据
  • 2.4.1 热—力耦合方程及其假设条件
  • 2.4.2 能耗提取的理论根据
  • 2.5 本章小结
  • 第三章 数据传输模块
  • 3.1 差分信号接收电路
  • 3.1.1 电平转换以及数据接收
  • 3.1.2 信号接收电路
  • 3.2 AD转换电路及其控制电路
  • 3.2.1 AD的选择及其功能优点
  • 3.2.2 时钟输入电路
  • 3.2.3 模拟输入电路
  • 3.2.4 信号输出
  • 3.3 FPGA的选择及其运用
  • 3.4 差分信号驱动输出电路
  • 3.5 本章小结
  • 第四章 软件介绍
  • 4.1 QuartusⅡ设计流程
  • 4.1.1 QuartusⅡ图形用户界面的基本设计流程
  • 4.1.2 EDA工具与QuartusⅡ软件配合使用时的基本设计流程
  • 4.2 QuartusⅡ仿真流程
  • 4.2.1 功能仿真流程
  • 4.2.2 NativeLink仿真流程
  • 4.2.3 手动时序仿真流程
  • 4.3 本章小结
  • 第五章 仿真测试
  • 5.1 数据传输流程
  • 5.2 仿真流程
  • 5.2.1 建立仿真项目
  • 5.2.2 仿真器件准备
  • 5.2.3 仿真结果
  • 5.3 本章小结
  • 第六章 试验方法
  • 6.1 前人的试验方法
  • 6.2 本课题的试验方法
  • 6.3 测试原理
  • 6.3.1 试件载荷的选取
  • 6.3.2 试件拉压试验
  • 6.3.3 实验结果
  • 6.4 本章小结
  • 第七章 结论
  • 附录1
  • 参考文献
  • 致谢
  • 研究成果及发表的学术论文
  • 作者和导师简介
  • 附件
  • 相关论文文献

    • [1].基于区域生长的自适应红外图像火焰识别[J]. 南方农机 2020(05)
    • [2].基于红外图像识别的智能远程控制消防装置[J]. 今日消防 2020(01)
    • [3].基于雾线暗原色先验的红外图像去雾算法[J]. 红外技术 2020(06)
    • [4].基于生成对抗网络的红外图像数据增强[J]. 计算机应用 2020(07)
    • [5].基于迁移学习的红外图像分类[J]. 天津职业技术师范大学学报 2020(03)
    • [6].一种多分辨多尺度的红外图像增强算法[J]. 激光杂志 2019(08)
    • [7].一种基于区域显著性识别的红外图像增强方法[J]. 江苏大学学报(自然科学版) 2019(06)
    • [8].基于密度相似因子的电力红外图像分割方法[J]. 红外技术 2017(12)
    • [9].基于融合技术的单幅红外图像增强方法[J]. 电子器件 2018(04)
    • [10].对受灾区域红外图像优化识别仿真[J]. 计算机仿真 2017(03)
    • [11].海上远距离目标探测中的红外图像增强算法[J]. 大连海事大学学报 2015(04)
    • [12].红外图像采集及特征提取技术的研究[J]. 激光杂志 2016(08)
    • [13].远程微小红外图像小差异特征分类算法仿真[J]. 计算机仿真 2015(07)
    • [14].红外图像影响因素及增强方法[J]. 农村科学实验 2017(03)
    • [15].复杂海面的舰船弱目标红外图像提取方法[J]. 舰船科学技术 2020(18)
    • [16].基于大数据的舰船红外图像目标实时跟踪方法[J]. 舰船科学技术 2020(02)
    • [17].基于红外图像处理技术的钢构件损伤识别[J]. 红外技术 2020(03)
    • [18].一种红外图像增强算法在无人机巡检输电线路上的应用[J]. 电子设计工程 2020(16)
    • [19].红外图像特征的三维提取技术[J]. 激光杂志 2019(02)
    • [20].红外图像中快速运动目标的检测与跟踪方法[J]. 红外技术 2019(03)
    • [21].基于多感知的红外图像增强算法设计[J]. 信息与电脑(理论版) 2019(13)
    • [22].基于透射图融合的红外图像传感器信号增强方法[J]. 传感技术学报 2019(07)
    • [23].基于红外图像的船舶特征识别方法[J]. 舰船科学技术 2018(12)
    • [24].基于最小平均距离免疫算法的模糊红外图像分割(英文)[J]. 光谱学与光谱分析 2018(11)
    • [25].基于人眼视觉的红外图像增强算法研究[J]. 激光与红外 2017(01)
    • [26].针对边缘检测和数学形态学的红外图像增强算法[J]. 佳木斯职业学院学报 2017(01)
    • [27].一种可见光和红外图像加权融合最佳权值因子的确定方法[J]. 电子世界 2017(13)
    • [28].红外图像识别在舰船火灾中的应用分析[J]. 舰船科学技术 2017(20)
    • [29].一种基于实测数据温差扰动的红外图像实时生成方法[J]. 红外技术 2017(10)
    • [30].外场提高红外图像质量研究[J]. 电子测试 2016(14)

    标签:;  ;  ;  ;  ;  

    红外图像测量金属疲劳极限以及数据传输模块的研究
    下载Doc文档

    猜你喜欢