-
题名基于扩散模型的固体火箭发动机缺陷检测算法
- 1
-
-
作者
李毅红
孙雪琴
陈平
-
机构
中北大学数学学院
中北大学极限环境光电动态测试技术与仪器全国重点实验室
中北大学信息与通信工程学院
-
出处
《中国测试》
北大核心
2025年第8期147-154,共8页
-
基金
国家重点研发计划资助项目(2023YFE0205800)
国家自然科学基金资助项目(62201520,62301508,62301507,U23A20285,62471442)
+2 种基金
山西省自然科学基金资助项目(202303021222096,202203021222052,202303021222094,202303021212207,202303021211149)
山西省重点研发计划资助项目(202302150401011)
中央引导地方科技发展资金项目(YDZJSX2024D037)。
-
文摘
固体火箭发动机(SRM)作为现代军事和航空航天领域的关键动力装置,在储存和运输过程中,药柱易受载荷和环境影响,导致裂纹、气泡和脱粘等缺陷。这些潜在缺陷可能会影响SRM安全服役。基于X射线的计算机层析成像(CT)技术因能够提供详细的内部结构图像,是评估药柱健康状态及安全服役能力的有效手段。鉴于SRM缺陷样本稀缺的挑战,该文提出一种适配于SRM药柱CT图像无监督范式的基于分数生成模型的缺陷检测与定位算法。该算法通过模拟正向和反向扩散过程,精确采样复杂分布以实现缺陷检测。实验结果表明:该算法在脱粘、裂纹和气孔缺陷检测任务中均获得良好的性能,缺陷检测精度达到95%以上,缺陷定位精度达到86%以上。该算法在样本效率上的优势,以及在复杂场景下的鲁棒性和稳健性,使其在SRM质量控制和故障诊断方面具有广泛的应用前景。
-
关键词
固体火箭发动机
CT图像
缺陷检测
分数生成模型
无监督学习
-
Keywords
solid rocket motor
CT image
defect detection
score-based generative model
unsupervised learning
-
分类号
TB9
[机械工程—测试计量技术及仪器]
TP391
[自动化与计算机技术—计算机应用技术]
-
