脉冲涡流检测（共5篇）
脉冲涡流检测 篇1
电涡流检测是近年来发展快速的一项无损检测技术。它与射线检测、超声检测、磁粉检测、渗透检测并称为五大无损检测技术。在传统涡流检测手段中, 以连续的信号作为激励信号, 其激励线圈在工作过程中一直有电流流过, 因此功耗大, 线圈有严重的发热现象, 脉冲涡流的激励线圈工作在脉冲形式的激励下, 因此瞬时功率大而平均功耗却很小。
1.脉冲涡流线圈的工作原理
脉冲涡流线圈采用的是感应电涡流原理。当带有交变电流的线圈靠近被测金属时, 线圈上的交变电流所产生的交变电磁场便在金属表面上产生感应电流, 电磁学上称之为电涡流。如果在交变磁场的有效范围内没有金属导体靠近时, 则磁场能量就会全部损失;当金属导体靠近这一磁场时, 则在此金属导体表面产生电涡流。
随着探头线圈和金属导体之间距离x的变化, 探头线圈的阻抗Z、电感L和品质因数Q将会随探头线圈和金属导体之间的互感系数M的变化而变化。可得出探头线圈的阻抗Z、电感L和品质因数Q都可用以x、μ、ρ和f为自变量的函数来表示。因此有:Z, L, Q=f (x, μ, ρ, f) 。式中:x为探头线圈和金属导体之间距离;μ为金属导体的磁导率;ρ为金属导体的电阻率;f为探头线圈中电流的频率。假设被测金属导体是固定的, 则μ和ρ都是常数, 激励频率f设置好后也是常数, 则探头线圈的阻抗Z、电感L和品质因数Q仅是检测距离x的函数, 即:Z, L, Q=f (x) 。
根据涡流传感器的基本原理, 可有3种不同的输出量, 即阻抗Z、电感L、品质因数Q。它们之间是相互关联的, 通过设计不同的测量电路, 可以直接反映阻抗Z、电感L、品质因数Q的变化, 将其转化为位移x和电压V的特性曲线, 在一定检测距离范围内中间一段是线性关系, 传感器线性范围的大小、灵敏度的高低不仅与阻抗Z、电感L、品质因数Q有直接关系, 还与探头线圈的尺寸和形状有密切关系。
电涡流强度与检测距离之间的关系:
当探头线圈输入的激励频率、被测金属导体的材料和探头线圈的材料一定时, 在一定检测范围内, 不同检测距离下得到的探头线圈阻抗的实部和虚部是呈线性变化的, 且随着检测距离的增大, 品质因数Q变大, 即电涡流强度减弱。
电涡流强度与输入频率之间的关系:
当检测距离、被测金属导体材料和探头线圈的材料一定时, 随着输入频率的增大, 品质因数Q变大, 即电涡流强度减弱。
2.脉冲涡流线圈的初步研究
涡流线圈是20世纪70年代兴起的一种以电磁感应为原理的无损、非接触位移、振动检测装置, 具有灵敏度高、抗干扰能力强、不受介质影响、结构简单等优点。
本文设计的脉冲涡流线圈是以提离为检测量的传感器, 希望有较大的线性范围和较高的灵敏度。
下面对矩形柱和圆柱线圈的轴线磁场分布进行分析。
3.矩形柱和圆柱线圈的模型
本文研究的线圈形状以及相关参数如图1 (a) 、图1 (b) 所示。线圈形状包括圆柱线圈和矩形柱线圈。对于圆柱线圈, 几何参数包括线圈高度h、内半径Ra和外半径Rb;对于矩形柱线圈, 主要包括线圈高度h、长b、宽c和e。
(1) 矩形柱线圈轴线上的磁场分布
矩形柱线圈, 可以想象成很多个单匝矩形线圈叠加而成。设线圈底面中心的坐标为 (0, y, 0) , 线圈的匝数为N, 线圈的截面积为A, 线圈匝数密度为D (D=N/A) 。当线圈中流过电流I时, 电流密度Δi为DI。此时计算微面dx′dy′和dz′dy′上的电流密度分别为 (NI/eh) dx′dy′和 (NI/eh) dz′dy′。参考文献[2], 可以推导出具有矩形截面的矩形柱线圈对称轴 (Y) 上任一点的磁感应强度为:
由于含有二重积分而且被积函数较复杂, 导致矩形柱线圈对称轴线上任意一点上的磁场分布不易获得。
(2) 圆柱线圈轴线上的磁场分布
文献[4]推导出具有矩形截面的圆柱线圈对称轴上的磁感应强度为:
式中:Ra为圆柱线圈的内径, Rb为圆柱线圈的外径, h为圆柱线圈的厚度, C= (y+h) /2。
只要提离高度y给定, 即可获得圆柱对称轴上任一点的磁场分布。
可得到如下结论:
(1) 线圈厚度越薄, BP越大, 传感器的灵敏度越高, 但线性范围窄。
(2) 线圈外径越小, BP越大, 传感器的灵敏度越高, 线性范围窄;线圈外径越大, BP越小, 涡流损耗越小, 线性范围宽, 但传感器的灵敏度低。
(3) 改变线圈的内径对传感器的特性影响不大, 只是在x=0时, 灵敏度稍有变化。
通过有限元分析可知, 圆柱线圈作用下的传感器的磁感应强度和被测体中的涡流强度都大于矩形柱线圈作用下的磁感应强度和涡流强度。由此可知, 在相同条件下, 圆柱线圈的磁场作用更强。
根据上面的理论分析, 本文初步采用了圆柱状的探头线圈, 具体模型如图2所示。这两个线圈是串联的, 且电流方向是相反的。线圈的尺寸:匝数216匝, 内半径12mm, 外半径15mm, 高度15mm, 铜导线的直径0.31mm。
4.试验结果及分析
试验进行了占空比20%、25%、30%、35%、40%情况下, 不同频率对线圈电压变化量的影响, 如图3所示。
由以上各图的分析, 我们可以得出:脉冲激励的占空比和频率的变化都会影响线圈电压变化, 而且同一占空比下, 频率太高或太低线圈电压变化都会减小。通过对比不同占空比和频率下线圈电压的变化可知:在占空比为20%, 频率在700Hz~900Hz之间线圈电压的变化是最大的。
结语
本文对设计的方案进行试验研究, 并验证了理论的正确性和方案的可行性。有以下结论:脉冲激励的占空比和频率的变化都会影响线圈电压变化, 而且同一占空比下, 频率太高或太低线圈电压变化量都会减小。通过对比不同占空比和频率下线圈电压的变化可知:在占空比为20%, 频率在700Hz~900Hz之间线圈电压的变化是最大的。
摘要：随着电磁理论及其实验的不断发展与完善, 促进了涡流检测等无损检测与评估技术的不断发展。在理论上, 分析了脉冲涡流线圈中电涡流强度与检测距离以及电涡流强度和输入频率之间的关系。通过试验, 分析了激励脉冲的频率、占空比因素对脉冲涡流检测系统的影响。对采集得到的数据进行分析, 可以发现感应电压信号的面积差与检测距离有密切的关系, 证明了采用脉冲涡流技术检测的可行性。
关键词：脉冲涡流检测,脉冲涡流线圈,频率,占空比
参考文献
[1]任吉林, 林俊明.电磁无损检测[M].北京:科学出版社, 2008.
[2]GARCIA A, CARRASCO JA, SOTO JF, etal.A method for calculating themagnetic field produced by a coil ofany shape.Sensors and Actuators A, 2001 (91) :230-232.
[3]徐可北, 周俊华.涡流检测[M].北京:机械工业出版社, 2004.
[4]张宝裕, 刘恒基.磁场的产生[M].北京:机械工业出版社, 1987.
脉冲涡流检测 篇2
基于某烧伤战机的实际检测需要,选用LC4CS及LY12CZ铝合金为试验材料进行烧伤模拟试验,对材料在不同温度下的力学性能与电导率的`关系进行了分析.试验结果表明,热处理强化后的铝合金受热损伤之后,强度和电导率随温度不同都有突变现象,二者温度变化区间接近,且电导率的变化稍微超前,因此,用电导率检测法来界定烧伤范围和烧伤程度比硬度检测法更安全.应用结果表明,涡流电导率法可以准确、快速确定飞机结构热损伤的范围和程度,能够为烧伤战机的抢修提供可靠的理论依据,对构件不会造成任何破坏,成本低、效率高,这对于飞机修理厂修理热损伤构件有着广泛的应用前景.
作 者：周志平周志雄 Zhou Zhiping Zhou Zhixiong 作者单位：周志平,Zhou Zhiping(湖南大学机械与汽车工程学院,长沙,410082;空军航空维修技术学院,长沙,410082)
周志雄,Zhou Zhixiong(湖南大学机械与汽车工程学院,长沙,410082)
脉冲涡流检测 篇3
实现高温铸坯热送热装及直接轧制的支撑技术有:无缺陷连铸坯的生产技术,包括防止铸坯表面缺陷和内部缺陷的一系列技术措施以及热态下铸坯质量的检测技术;高温连铸坯的生产技术,包括铸坯液芯复热、铸坯保温、铸坯补偿加热和快速运转等技术[1]。生产无缺陷铸坯是实现热装和直接轧制的前提。虽然连铸技术仍在不断改进,但由于非稳态生产、连铸技术的不成熟及各类生产事故,使得连铸坯特别是连铸板坯的表面缺陷仍难以避免,因而在热送和直接轧制过程中必然存在缺陷坯,其中,铸坯纯净度缺陷占到全部缺陷约95%,由于没有有效的判定手段,此类缺陷坯有时得不到分拣,基本全部流入下道工序,对热轧板卷的质量危害也最为严重,常常是冷轧厂退废的主要原因。铸坯纯净度缺陷是与炼钢、二次精炼、连铸、轧钢和热处理等工艺过程密切相关的,同时受设备、操作、工艺、管理等因素的影响,因此必须严格控制工艺和操作等,才能找到提高产品质量的对策。铸坯表面缺陷约占到全部缺陷的3%,内部缺陷约1%,形状缺陷约1%,但每年给企业造成的直接和间接经济损失在100万元以上。可见,缺陷坯得到及时分拣,避免企业损失扩大化已经成为钢铁企业生产线的迫切需要。法国钢铁研究院和索里梅公司首次运用电涡流对连铸半成品进行探伤检测[2];德国蒂森公司、法国洛林公司和意大利达涅利公司通过使用多通道和多组探头技术,对铸坯表面3mm深的裂纹和各种有害缺陷的检测进行了试验研究[3];澳大利亚的罗肯希尔公司于1980年开始研制热板坯涡流检测系统[4];北京钢铁研究总院的贾慧明等[5]进行了1100℃以上高温连铸板坯表面缺陷模拟在线无损检测的实验研究。北京科技大学的李希胜等[6]在连铸热坯双频涡流探伤技术方面取得了一定的研究成果。本文借鉴近年来发展的脉冲涡流(pulse eddy current,PEC)检测技术,提出连铸坯表面及近表面缺陷脉冲电涡流无损检测方法,开展了室温下铸坯表面及近表面缺陷检测的实验研究,为实现高温铸坯在线无损检测提供了理论基础和技术支撑。
1 脉冲涡流检测技术的基本原理
脉冲涡流的激励电流为一个重复的宽带脉冲,通常为具有一定占空比的方波,激励线圈中的脉冲电流感生出一个快速衰减的脉冲磁场,变化的磁场在导体试件中感应出瞬时涡流(脉冲涡流),此脉冲涡流向导体试件内部传播,又会感应出一个快速衰减的涡流磁场,随着涡流磁场的衰减,检测线圈上就会感应出随时间变化的电压。当被测试件内部结构发生改变时,势必对涡流分布产生影响,从而影响到磁场分布,感应出的电压信号就会在幅值、峰值等特征明显的地方发生改变。所以,通过测量瞬态感应电压信号就可以得到有关试件的尺寸、类型和结构参数等信息[7]。脉冲涡流作用原理框图见图1。
在涡流无损检测中,工作频率选择关系到涡流是否能够穿透到存在缺陷的位置,如果穿透深度不够,就无法实现对缺陷的检测。穿透深度与激励频率、导体的电导率和磁导率有如下关系[8]:
式中,δ0为标准透入深度,m;f为交流电流的频率;μ为金属试件的磁导率,H/m;σ为金属试件的电导率,S/m。
可知,要想增加脉冲涡流的穿透深度,必须增加脉冲的宽度或减小脉冲的频率,但这样会导致缺陷检测灵敏度降低。
根据法拉第电磁感应定律,检测线圈上的瞬态感应电压Vf为[9]
式中,Vp为点检测线圈感应电压;B为感应磁场强度;‖A‖为感应磁场矢量范数;S为感应线圈的截面积。
如果有缺陷存在,就会使感应磁场强度B发生变化,最终使得检测线圈上的瞬态感应电压发生变化。由于脉冲包含很宽的频谱,并且脉冲涡流比单一频率正弦涡流衰减得慢,所以瞬态感应电压信号中就包含重要的有关缺陷的信息。
脉冲涡流检测系统主要由4个部分组成,即脉冲信号发生器、传感器(激励和检测线圈)、被测试件和数据采集与处理模块。如图2所示。
2 实验装置及测试方案
2.1 实验装置
实验装置如图3所示。由脉冲信号发生器得到脉冲信号,其信号形式为一定占空比的矩形波,此脉冲信号激励涡流传感器的线圈进行检测;然后,试件感应产生瞬时涡流信号,此涡流信号产生的次生磁场和原生磁场相互作用,系统使用涡流传感器拾取该磁场特征,并转换为电压信号;而后,通过放大器进行放大处理;最后,由信号采集器采得信号并存于计算机中,便于下一步进行信号处理。
2.2 实验测试方案
测试试件采用Q235钢板,长×宽×厚为335mm×135mm×8.5mm。为了实现对不同缺陷的检测实验,在这块钢板上人为加工点缺陷、线缺陷、星型缺陷等缺陷,采用C1~C7表示,如图4所示。
本实验中,采用电涡流传感器进行检测,传感器探头由线圈、圆柱形铁氧体组成,漆包线直径为0.01mm,紧密绕在铁氧体表面,绕制匝数为50匝,铁氧体直径为10mm,通过脉冲信号发生器输出1.0MHz的脉冲信号(占空比为0.5)。具体实验操作如下:①将传感器探头固定于支架上;②调整探头与试件间距,使之为0.5mm,旋紧紧固螺钉;③连接放大电路、功率函数信号发生器、电涡流传感器、LeCroy 6030示波器与功率放大器,并接好供电电源;④移动钢板使探头位于无缺陷处,记录感应电压;⑤移动钢板,调整钢板上的缺陷位于探头正下方,依次记录各个缺陷的感应电压;⑥采用USB存储器导出示波器存储的实验数据作数据处理分析。
3 实验结果分析
3.1 脉冲涡流差分检测
为了减小提离效应的影响,本文采用差分方法来处理检测线圈输出信号。如果将检测线圈放置在被检试样的无缺陷处,所获得的基本响应信号为参考信号,参考信号减去被检试样的响应信号即为差动信号。图5所示为本实验所得的脉冲涡流差动瞬时信号响应。
1.参考信号 2.缺陷信号 3.差分信号
实验中将采集得到的数据取脉冲信号第一次达到最大值的数据段,将缺陷信号与参考信号相减,根据脉冲涡流差分检测原理得到差分信号。由图5可以看出,差分信号存在很多毛刺,这是因为脉冲涡流响应信号容易受到外界环境的干扰,产生了较大的随机误差,通过曲线拟合的方法可以消除随机误差,如图6a所示。采用多项式法拟合(拟合阶数为4,拟合系数为0.95)处理后,可得到图6b所示的平滑曲线。
(b) 拟合处理后的差动信号
3.2 铸坯表面缺陷时域分析
与常规涡流信号不同,脉冲涡流获得的是瞬态信号,因此其数值分析主要在时域中进行。检测线圈上感应的时域瞬态信号波形如图7所示。
对脉冲涡流信号提取3个特征信号:①电压峰值的高度即电压峰值;②电压第一次到达峰值的时间即峰值时间;③电压穿过零点的时间即过零时间。脉冲涡流通常提取该信号的峰值和过零时间为特征量对缺陷进行定量检测。其中,峰值是指脉冲涡流时域瞬态波形的最大值,过零时间是指从脉冲的上升沿激励开始到脉冲涡流感应信号过零点的时间间隔。
图8所示为相同深度不同直径的表面裂纹(点缺陷)的电压变化波形,表1所示是对图8所示脉冲涡流信号提取的特征值, 从图8和表1中
1.深度×直径为2.0mm×0.5mm 2.深度×直径为 2.0mm×1.0mm 3.深度×直径为2.0mm×2.0mm
可以看出,对于相同深度的表面裂纹,其电压变化量波形最大值出现的时间相同,峰值、过零时间随着裂纹直径的增大而变大。
图9所示为相同直径不同孔深的表面裂纹(点缺陷)的电压变化波形,表2所示是图9所示脉冲涡流信号提取的特征值,从图9和表2中可以看出,对于直径相同的表面裂纹,随裂纹深度的增加,峰值变小,峰值时间值随裂纹深度的增加而增加。
1.深度×直径为2.0mm×2.0mm 2.深度×直径为3.0mm×2.0mm 3.深度×直径为4.0mm×2.0mm 4.深度×直径为6.0mm×2.0mm
图10所示为不同深度和宽度条件下线缺陷的电压变化量,表3所示为图10所示脉冲涡流信号提取的特征值。从图10和表3中可以看出,过零时间变化值随缺陷体积(长×宽×深)的增大而增大,其电压变化量波形最大值出现的时间相同,都出现在188ns;电压峰值随缺陷体积的增大而增大。
1.长×宽×深为30mm×1.0mm×1.5mm 2.长×宽×深为30mm×2.0mm×1.0mm 3.长×宽×深为30mm×1.5mm×2.0mm
图11所示为不同体积的星状裂纹的检测波形,表4所示为不同体积的表面星状裂纹所对应的特征值。从图11和表4中可以看出,脉冲涡流瞬态感应信号的峰值与缺陷的体积有密切的关系,缺陷体积越大,峰值越大;脉冲涡流瞬态感应信号的过零时间随缺陷体积的增加而变大;脉冲涡流瞬态感应信号的峰值时间与缺陷的体积无关。
1.长×宽×深为20.0mm×1.5mm×2.0mm 2.长×宽×深为20.0mm×2.0mm×1.0mm 3.长×宽×深为20.0mm×1.0mm×1.5mm 4.长×宽×深为20.0mm×0.5mm×2.0mm
4 结论
(1)实验研究表明,采用脉冲涡流技术实现连铸坯表面及近表面缺陷的在线检测是可行的。脉冲涡流检测线圈输出的瞬态感应信号的峰值、过零时间与缺陷的体积密切相关。
(2)在点缺陷深度一定的情况下,随着点缺陷直径增大,峰值、过零时间增加,而峰值时间不变。
(3)对于直径相同的点缺陷,随着裂纹深度的增加,峰值变小,峰值时间随裂纹深度的增加而增加。
(4)缺陷体积越大,峰值越大,过零时间值越大。
本研究为采用脉冲电涡流检测技术检测高温铸坯表面及近表面缺陷提供了理论基础和技术支撑,但仍需继续开展脉冲涡流信号提取,特别是高温脉冲电涡流传感器开发的研究。
摘要：为了实现高温连铸坯表面及近表面缺陷在线检测和缺陷坯及时分拣,提出了连铸坯表面缺陷脉冲涡流检测方法并进行了实验研究。对连铸坯表面缺陷的脉冲涡流检测信号进行差分分析和时域分析,提取了连铸坯表面缺陷信号的电压峰值、峰值时间及过零时间等特征量,并分析得到点缺陷、线缺陷、星状裂纹等缺陷对脉冲涡流检测信号特征值的影响规律。研究表明,采用脉冲涡流技术实现高温连铸坯表面及近表面缺陷的无损在线检测技术是可行的,电压峰值、过零时间和峰值时间与缺陷种类及缺陷的形态密切相关,为进一步研究高温铸坯表面缺陷检测和重构奠定了基础。
关键词：脉冲涡流,表面缺陷,连铸坯,无损检测
参考文献
[1]游凤荷,何福有,魏莉,等.涡流检测的信号处理技术[J].无损检测,2003,25(8):423-426.
[2]Edwards R S,Sophian A,Dixon S,et al.Data Fusionfor Defect Characteristic Using a Dual Probe System[J].Sensors and Actuators,2008,144(2):222-228.
[3]Lee Jun Youn,Lee Soon Bok,Jae Kyung Yi.Ultra-sonic Transmission Characteristics of ContinuousCasting Strand for Medium Carbon Steel[J].KeyEngineering Materials,2005,297(300):2201-2206.
[4]Sophin A G,Tian Y,Taylor D,et al.A Feature Ex-traction Technique Based on Principal ComponentAnalysis for Pulsed Eddy Current NDT[J].NDT&International,2003,36:37-41.
[5]贾慧明,范弘,张克,等.1100℃以上高温连铸板坯表面缺陷的模拟在线无损检测[J].钢铁研究学报,1994,6(1):81-85.
[6]李希胜,王绍纯.连铸热坯双频涡流探伤技术[J].北京科技大学学报,1995,17(4):361-364.
[7]Sancho F,Samoano J R,lvarez I,et al.Automatedon-line Inspection of Surfacescarfing in Slabs andQuality Assessmentbased on Novel Image Technolo-gies[C]//TrainàBandes(2)/Hot Strip Mill(2).ATS International Steelmaking Conference JournessSiderurgiques Internationales.Paris:2007:383-388.
[8]Soleimani M,William R B,Antony J,et al.AThree-dimensional Inverse Finite-element Meth-od Applied to Experimental Eddy-current ImagingData[J].IEEE Transactions on Magnetics,2006,12(5):1560-1567.
脉冲涡流检测 篇4
脉冲涡流检测近年获得较大发展。与其他检测技术相比它具有检测灵敏度高、设备简单、操作方便、容易实现自动化的特点。脉冲涡流检测中涡流的影响因素有很多如缺陷的性质、形状、深度、被检测材料含杂质情况、被检测材料的磁导率、电导率等等,其中含有复杂的非线性变量关系。近年很多国家将神经网络技术用于解决涡流检测信号特征的识别上,这将使涡流检测技术在核工业、航空航天业中发挥重大的作用。
1 神经网络反向传播算法(back propagation,简称BP算法)
1.1 BP网络基本结构
人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方式构造的网络系统。神经网络理论是一个非线性动力学系统,并以分布式存储和并行协同处理为特色。它能较好的适应环境、总结规律和完成某种运算。人工神经网络是一个具有学习能力的系统。通常具有两种学习方式:有监督学习和无监督学习。前者可利用给定的学习样本学习模仿,后者则随输入信号的情况可自动发现输入信号的特征。
1.2 BP网络的学习算法
要使神经网络产生所希望的行为,必须对其进行训练,即网络学习。学习时每条连接都在不断的调整自己的权值,以使神经网络的输出和期望输出之间的误差达到最小,学习的效果直接影响到网络的预测精度。
BP算法的学习过程由正向传播和反向传播两部分组成,可分为四个过程:l)输入模式由输入层向输出层的模式顺传播;2)误差信号由输出层向输入层的误差逆传播;3)正向传播和逆向传播反复交替进行的网络记忆训练过程;4)趋向收敛的学习过程。BP算法的学习流程如图1所示。
BP算法有三种数值优化方法为最速下降法、共轭梯度法(Conjugate Gradient Bakpropagation,CGBP)和牛顿法。其中,最速下降算法是最简单的算法,但收敛速度慢。牛顿法最快需要计算赫森矩阵和它的逆,计算量大。共轭梯度法是二者的折中:它不需要计算二次导数,但仍然具有二次收敛的特性(即有限次叠代后能收敛与二次函数的极小点)。因此采用了CGBP完成网络训练。
2 脉冲涡流无损检测中神经网络结构设计
2.1 网络数据的准备以及输入、输出层的设计
在设计网络之前,必须整理好训练网络的数据。本文为实现脉冲涡流表面裂纹深度的自动识别,将采用从原始数据中提取的反映表面裂纹深度的特征值作为输入。
本文实验分别采用了铜、铝、铁、不锈钢四种金属试件。如图2所示的试验数据是经过小波除噪处理之后的信号。
从图2中可以看出涡流峰值随着裂纹深度的增加而增大,与裂纹深度有着强烈的联系,完全可以表征裂纹深度。
因此本文将以脉冲涡流检测信号的最显著特征值即涡流峰值作为输入。本文训练集数据如表1所示。
输出量实际上就是网络训练后提供的期望输出,输出最能代表系统要实现的功能目标。选择相对容易,多网络的精度和训练时间影响不大。因为要对表面裂纹深度进行定量的识别,因此文中选择表面裂纹的实际深度作为输出。
2.2 传输函数以及隐含层数和隐含层节点数的确定
由于本网络的输入为涡流峰值,输出为表面裂纹深度,再根据传输函数的性质,本文的隐层传输函数选择常见logsig函数即可满足要求;而因为该神经网络输出为非-1和1之间的数值,故输出层激励函数选择线性函数,从而可以输出表面裂纹深度。
目前对隐含层数和隐含层节点数的确定还没有通用规则,但经过大量的实践有几点结论:对任何实际问题首先只用一个隐含层,使用较少隐含层节点数,然后不断增加隐含层节点数,直到获得满意性能为止,否则再使用两个隐含层。本实验隐含层的确定:由于当各节点均采用S型函数时,一个隐含层就足以实现任意判决分类问题。
理论研究已经证明,一个输入层、一个输出层、一个隐层的3层BP网络就可以逼近任何函数[8]。一般而言,增加隐含层数会增加网络的处理能力,同时也会使训练复杂化,并使训练样本数目和训练时间增加。所以本课题选择单隐层结构就完全能够满足需要。
隐含层节点数的确定:建立多层神经网络模型采用适当隐含层节点数是很重要的,往往是网络成败的关键。隐含层接点数太少,网络所获得的解决问题的信息太少,网络难以处理复杂的问题;隐含层接点数太多,网络训练时间急剧增加,且容易是网络训练过度,网络过于处理复杂。
而且,一个网络要能被推广,它的可调参数应当与训练集中的数据点数相当。在神经网络中,正如在所有建模问题中,要用足以表示训练集的最简单网络。只要有一个更小的网络能够工作就不要使用更大的网络,这就是所谓的剃刀原则。根据本实验训练集的输入、输出数据对数,根据经验,我们将隐含层节点数定为3至11个。根据以上所述采用试凑法对隐含层节点数进行确定。经过适当增减隐含层节点数反复试验比较网络的预测误差,发现隐层神经元个数目为6个时,网络的预测误差最小,故确定的隐层神经元个数目为6个。
3 表面裂纹深度的自动识别
CGBP神经网络的参数选择以下:学习速度初始值一般选择0.01到0.07之间,学习速度大,收敛速度快,反之则慢:若太大,则有可能修改过头,导致网络振荡、发散等。只有合理的学习速度才提高计算效率.这里值选为0.01,根据实际情况,训练精度为0.001。初始的偏置值和权值由MATLAB初始化函数自行得到。然后利用表1所示的激励样本做为输入分别训练铝、铁、铜、不锈钢四种BP神经网络,训练成功后,利用另一组样本来判别该神经网络的识别能力,得到裂纹深度的估计值。
3.1 标准试件的拟合结果
使用裂纹深度从0.5mm到9mm等10个铝试件测量得到的涡流峰值作为训练集,而0.5mm到9mm等10个深度做为神经网络的目标集。经过若干次迭代后,该神经网络系统收敛于设计误差值。其收敛曲线如图3所示。
试验结果显示训练成功后的BP神经网络有着良好的识别能力,能够较好地根据输入的AI试件的涡流峰值估计出其对应的裂纹深度。相对误差均在5%之内,而绝对误差值都在10-2mm数量级以下,具有较高的识别能力、较好的识别精度。说明应用BP神经网络对AI试件试验结果的拟合是成功的。达到了相应的识别精度。估计结果的拟合图如图4所示。
3.2 结果分析
试验结果显示训练成功后的CGBP神经网络有着良好的识别能力,能够较好地根据输入的不同材质试件的涡流峰值估计出其对应的裂纹深度。相对误差均在5%之内,而绝对误差值都在10-1mm数量级以下,具有较高的识别能力、较好的识别精度。说明应用BP神经网络对试验结果的拟合是成功的。但是,要想BP神经网络保持一定精度要求。就必须保持检测中的数据的稳定性并取得足够多的样本,这样才能利用神经网络来定量识别裂纹缺陷的深度值。
但是,由于神经网络方法是一种隐式的识别方法,其训练学习花费的时间比较多,学习的收敛速度比较慢,虽然从原理上讲,只要隐含层节点数,传递函数合适,收敛步数足够多,采用BP算法训练的神经网络可以任意精度逼近任意的非线性系统。但是在实际的网络训练过程中,由于BP算法中的搜索范围越大,局部极小点愈多,从而训练愈容易限入局部极小点问题的影响,此外,由于受到训练样本,计算机数值范围、非线性作用函数的选取等的影响,BP算法的收敛精度并不令人满意,有时甚至导致发散。尤其是涡流检测信号极易受到外界干扰,测得一个比较稳定的值比较困难的情况下,这种情况就更加容易发生。
参考文献
[1]孙晓云.智能型涡流无损检测系统的开发与信号处理的研究[D].西安:西安交通大学,2000:3-26.
[2]闻新.MATLAB神经网络应用设计[M].北京:机械工业出版社,2000:214-296.
[3]叶子郁.脉冲涡流检测系统研究[D].四川:西南科技大学,2005:1-28.
[4]王素菊.神经网络在涡流无损检测中的应用[J].南京航空航天大学学报,1995,27(5):697-701.
[5]幸玲玲,王东进.涡流检测中的组合神经网络模型[J].电子学报,2002,30(5):734-737.
[6]B.Lebrun,Y.Jayet.Pulsed eddy current applications to the detection of deep cracks[J].Material Evaluation,1995,53:1296-1300.
[7]孙晓云等.智能型涡流无损检测仪的研制[J].无损检测,2003,25(9):451-455.
脉冲涡流检测 篇5
关键词：脉冲涡流,缺陷检测,模式识别,多特征量
0 引言
随着航空航天业的迅猛发展,航空设备的安全性受到更为广泛的关注。无损检测技术广泛应用于缺陷检测与识别、金属探伤及应力监测等领域,已经成为航空航天领域不可或缺的技术之一[1]。脉冲涡流无损检测属于涡流检测的新型分支,其在定量检测及识别导电材料的表面缺陷上有比较明显的优势。脉冲涡流检测只需一次扫描就完成对多层金属结构中不同位置不同深度下的缺陷检测,便于同时在时域和频域对信号进行数据分析和处理[2];脉冲涡流检测速度更快、效率更高、成本更低;它同时运行一系列不同的电流频率,因此信号比多频涡流信号响应更快。
目前,国内外学者与研究机构对脉冲涡流做了广泛而深入的研究。英国Qineti Q公司与澳大利亚航空和航海研究实验室采用脉冲涡流差值信号的峰值与峰值时间对飞机机身结构缺陷进行定量检测[3],发现脉冲涡流信号峰值与腐蚀引起的金属损失量成比例;美国Iowa State University无损评估中心对飞机机身结构缺陷进行检测,发现峰值与峰值时间分别与缺陷的损伤严重程度和深度有关[4];加拿大国防研究部门对飞机结构缺陷进行定量分析,取得了良好的实验成果[5~7],并提出了“提离交叉点”的概念[8]。在国内,国防科技大学、华中科技大学、上海交通大学等开展了相应的研究工作,厦门爱德森公司开研发了EEC-83带保温层钢管壁厚减薄脉冲涡流检测仪[9]。
在脉冲涡流缺陷检测领域,研究较多的是单一特征量与单一反馈指标的映射关系,如表面缺陷深度与峰值的关系。对于多变量与多反馈指标的映射关系研究,目前较为缺乏。
矩形缺陷是一种常见的缺陷形式,钢板的裂纹、划痕等都可以近似成矩形缺陷处理。矩形缺陷有长、宽、高三个特征,若采用单一特征量描述缺陷,很难清楚、完整的描述该类特征。若采用多特征量描述,同时识别矩形缺陷的长、宽、高,即可完整的描述该缺陷。有鉴于此,研究基于多特征量提取技术的脉冲涡流缺陷检测方法具有很重要的理论及实际意义。
1 脉冲涡流检测原理
根据麦克斯韦电磁场理论,变化的电场产生磁场,该磁场如果也是变化的,则会在较远的空间产生新的电场。
利用该原理,脉冲涡流采用周期方波信号作为激励源,激励线圈中的脉冲电流在周围空间感应出一个快速衰减的磁场,该磁场又在导体中感应出脉冲涡流,涡流的大小、相位及流动形式会受到试件导电性能和导磁性能的影响(导电性、导磁性又与试件的组织成份、硬度、应力应变和缺陷等有关),而涡流的反作用磁场又会使得检测线圈中的阻抗发生变化或者原磁场强度的大小发生变化,因此通过测量检测线圈阻抗的变化或者是原磁场强度大小的变化,就可以间接地推导出被测试件的导电性能以及有无缺陷等情况[1]。
根据傅里叶级数公式可知,脉冲信号可以展开成多次谐波信号的组合。对于一个矩形脉冲激励,其周期为T,脉宽为∆,矩形脉冲幅度V可以表示为:
则其傅里叶级数展开式为:
式中:ω1为基波角频率;
An为振幅谱;
φn为相位谱。
其中基频和振幅谱为:
则激励脉冲信号中的频率谱为:
将式(5)带入到单频涡流趋肤深度δ=2ωσμ[10],可得到:
由式(6)可知: 当n=1时,取信号的基波分量,此时趋肤深度的分量也最大,可以近似地取其在基频分量下的趋肤深度作为脉冲涡流的标准渗透深度。
由式(7)中可知: 适当地降低激励频率ω1,可以相应地提高脉冲涡流的渗透深度,从而有利于脉冲涡流检测技术对深层缺陷的检测[10]。
2 多特征量提取技术
2.1 矩形缺陷的最小特征集与最小特征数
为了方便描述,需要定义缺陷的最小特征集与最小特征数。如图1所示,矩形一般可用长a、宽b、高c,体积V及底面积S等特征描述。若集合X=a,b,c,则X包含了矩形的所有信息,或者说该矩形可用集合X描述(特征V=abc,S=bc)。类似的集合Y=a,b,S,V也包含了矩形的所有信息,该矩形也可用集合Y描述(特征c=Vab)。此类可以包含矩形所有信息的特征的集合,称为矩形的特征集,其中包含元素最少的集合,称为最小特征集。最小特征集中包含元素的个数,称为最小特征数,其中包含的全部特征称为矩形的一组最小特征基。不难发现,矩形的最小特征数为3,长a、宽b、高c为矩形的一组最小特征基。
由矩形的最小特征集及最小特征数的定义发现,若要完整的识别一个矩形缺陷,需要识别的特征数最少为3个。若不需要考虑矩形缺陷的长度,如细长裂纹缺陷,则最少需要识别该缺陷的两个特征。
a.长;b.宽;c.高;S.底面积;V.体积
2.2 多特征量的提取方法
由前文2.1可知,对于任意矩形缺陷,只要识别其一组最小特征基k1,k2,k3,就能识别该缺陷。若在脉冲涡流检测信号的反馈值中找到三个独立的指标z1,z2,z3,并建立其与最小特征基的映射关系,即可解决该问题。见式(8)。
采用多特征量耦合分析方法识别矩形缺陷总体上分为两个步骤,第一步:通过试验建立数学模型;第二步:将缺陷的反馈信号带入模型求解。其流程图如图2所示。
首先,搭建脉冲涡流缺陷检测用实验平台,如图3所示,主要包括探头、信号发生器、功率放大器、磁敏传感器、信号放大器、采集卡和PC机。试验平台搭建完毕后,需要制作试样。试样制作的总数N见式(9)。
式中,Vki为特征ki的维数,表示所有试样的ki特征有Vki种。
准备好试样后,对试样进行试验并采集数据。采集完数据后需要对数据进行降噪处理,采用比较广泛的降噪方法有2阶或3阶消失距的小波和小波包(例如DB4或Sym4)。此外,为了提取到有用信息,如基频幅值、三次谐波幅值等,还需要将信号做FFT(快速傅里叶变换)处理。根据式(8),若要识别缺陷的特征需要建立特征ki与指标zi的映射关系f,该映射关系是连续的(或者密度很大的离散点),而之前提取的信号是离散的点与点之间的映射,并且点的数量受到试样数量的限制。通过插值或拟合等数值方法将离散的点与点的映射转变为连续的映射函数。至此,式(8)所示的数学模型就建立完毕。值得注意的是,若采用计算机数值分析软件(如MATLAB)辅助数值计算,那么建立的模型一般为数值模型,该模型仅有数值解,很难求得解析解。最后检测缺陷,将反馈值zi带入式(8)可得方程组:
式中,z1,z2,z3为缺陷的反馈值。
式(10)的解k1,k2,k3就是被测矩形缺陷的一组最小特征基,即k1,k2,k3可以完整地描述被测矩形缺陷。
3 实验验证
3.1 实验设备与参数
根据图2 所示的流程图, 设计实例检测矩形缺陷T 0 。 矩形缺陷T 0 的长度、 宽度、 深度为30mm×5mm×5mm。硬件配置如表1所示。根据文献[1]测量探头的规格如表2所示,其结构图如图4所示。实验试块的材料为铝合金AL7075,数量及规格如表3所示,所有试块的长度均为30mm。
3.2 数据采集与处理
在本例中,矩形缺陷的长度都是30mm,因此只需要识别矩形缺陷的宽度k1和深度k2两个特征即可识别该缺陷。根据前文2.1的分析,需要从信号中获取两个特征量指标z1,z2以便建立映射关系,为后续的求解做准备。根据文献[1]可知,在时域范围内,脉冲涡流的差分瞬时信号的峰值和峰值到达时间是比较显著的指标,差分瞬时信号的峰值与表面缺陷的深度及宽度都有较高的线性相关性;在频域范围内,基频分量的频谱幅值与表面缺陷的深度也有较高的线型相关性。因此,本文选用差分瞬时信号的峰值作为指标z1,基频分量的频谱幅值作为指标z2。
将采集的原始信号经FFT变换,为信号的时域和频域特征量提取做准备。FFT变换可利用MATLAB软件的FFT()函数快速实现。差分瞬时信号的峰值是指时域瞬态波形的最大值,将各试样的峰值提取后汇总如表4所示。基频分量的幅值可利用MATLAB的abs()函数获取信号的幅频图快速方便地获得,将各试样的基频幅值提取后汇总如表5所示。
3.3 建立模型与求解
本例中要建立的数学模型可表示为如下公式:
式中,z1为差分瞬时信号的峰值;
z2为基频分量的频谱幅值;
k1为矩形试样宽度;
k2为矩形试样深度。
根据表4和表5,利用MATLAB的surf()函数绘制离散点的曲面图,如图5所示。
利用interp2()函数完成二维插值运算,数值点的密度可调节,一般在0.01~0.5之间,本文取0.2。本文采用的插值方法为三次立方插值,插值后的图像如图6所示。
采用脉冲涡流检测矩形缺陷T0,测得其时域峰值z1=1.862,基频幅值z2=1320.264。求解图6(a)中的曲面与平面z1=1.862的交线L1,如图7(a)所示,该曲线表示满足时域峰值z1=1.862的所有长度等于30mm的矩形缺陷的集合;同理,求解图6(b)中的曲面与平面z2=1320.264的交线L2,如图7(b)所示,该曲线表示满足基频幅值z2=1320.264的所有长度等于30mm的矩形缺陷的集合。将曲线L1与曲线L2绘制在同一坐标系,并求解交点P0k1,k2。该交点的横坐标k1即矩形缺陷T0的宽度,纵坐标k2即为矩形缺陷T0的深度。求得交点为P04.700,5.489,即矩形缺陷宽度的理论值为4.7mm,缺陷深度的理论值为5.489mm。与实际值5mm×5mm的误差在9%以内。
4 结论
1)本文提出了基于多特征量耦合分析的脉冲涡流矩形缺陷检测方法,丰富了脉冲涡流缺陷检测理论,理论分析和实验验证表明该理论具有可行性。
2)本文提出了一种通过实验建立多特征量耦合的数值模型的方法,并给出了求解其数值解的方法,为多特征量同时提取提供了新的工具。
3)本文定义了矩形缺陷的最小特征集、最小特征数及最小特征集等新概念,并得出了只有识别的特征量大于等于矩形缺陷的最小特征数才能完整识别该矩形缺陷的结论。该结论可以被推广到其他形式的缺陷。
参考文献
[1]周德强.航空铝合金缺陷及应力脉冲涡流无损检测研究[D].南京航空航天大学.2010.
[2]D.Hagemaier.Eddy current depth of penetration[J].Materials Evaluation,2004,62(10):1028-1029.
[3]Smith R A,Hugo G R.Transient eddy current NDE for ageing aircraft-capabilities and limitations[J].Insight:Non-Destructive Testing and Condition Monitoring,2001,43(1):14-25.
[4]J.A.Bieber,S.K.Shaligram,J.H.Rose,et al.Time-gating of pulsed eddy current signals for defect characterization and discrimination in aircraft lap-joints[J].Review of progress in QNDE,1997,16B:1915-1921.
[5]B.A.Lepine,B.P.Wallace,D.S.Forsyth,et al.Pulsed eddy current method develop-ments for hidden corrosion detection in aircraft structures[J].PACNDT'98.
[6]B.A.Le Pine,J.S.R.Giguere,D.S.Forsyth,et al.APPlying pulsed eddy current NDI to the aircraft hidden corrosion problem[J].Review of progress in QNDE,2000,(11):449-456.
[7]S.Giguere,B.A.Lepine,J.M.S.Dubois.Pulsed eddy current technology:characterizing material loss with gap and lift off variations[J].Res Nondestr Eval,2001,(13):ll9-129.
[8]C.Mandache,J.H.V.Lefebvre.Transient and harmonic eddy currents:Lift-off point of intersection[J].NDT&E intemational,39(2006):57-60.
[9]林俊明.电磁(涡流)检测技术在中国[J].无损检测,2008,30(5):261-266.