漏磁检测中缺陷数预测与定量分析.pdfVIP

漏磁检测中缺陷参数预测与定量分析 摘 要 工业无损检测的方法有许多，如涡流检测、磁粉检测、漏磁检测、超声检测等。 其中i漏磁检测具有检测速度快、检出率高、灵敏度高、操作简单等优点，可在多种 复杂的环境中进行检测，且有易于实现缺陷参数的定量检测的特点。随着现代工业的发 展，人们对管道的检测质量有了更高的要求。在对管道进行检测时，不单要发现缺陷， 更重要的是要对缺陷进行定量分析。要实现缺陷参数的准确预测和定量分析，不仅要 了解缺陷参数与漏磁场之间的关系，即漏磁检测中的前向问题，还要研究由缺陷漏磁 信号反演缺陷参数的问题，即漏磁信号的逆向求解的问题。 本文首先采用磁偶极子法对缺陷与漏磁场的关系进行研究，利用一种圆柱体磁偶 极子模型，通过改变圆柱体的长轴，短轴，以及圆柱的高度，来描述腐蚀坑、裂纹、 孔洞、沟槽等常见缺陷类型，得出了缺陷和漏磁场的变化规律，也实现了一种磁荷模 型对多种缺陷的描述。 然后，研究了一种漏磁检测的系统分析模型，对漏磁检测中的前向问题(从给定 的激励源和已知参数的缺陷来计算所对应的漏磁场)和逆向问题(从给定的缺陷漏磁 场来估计对应的缺陷的参数或轮廓)进行了分析，从理论上研究了缺陷参数预测的问 题；研究了几种常见的缺陷参数预测的方法，并对这几种缺陷参数预测方法的特点进 行了分析。 在此基础上，提出了一种基于小波神经网络的迭代逆向求解算法，来解决漏磁检 测中的缺陷定量检测问题，其中以小波神经网络作为求解的前向过程，使用检测试件 得到的漏磁信号，作为训练样本，对小波神经网络进行训练，使其形成由缺陷参数到 试验样本信号的映射；求解优化过程采用遗传模拟退火算法。 最后，通过实验验证了缺陷定量预测的结果，证明了此方法的准确性、可靠性。 关键字：漏磁场；磁荷模型；定量检测；小波神经网络；迭代逆算法 Thedefect and in quantitativeanalysis parameterpredicted MFL inspection Abstract Thereare in no aseddyinspection， manywaysindustrydamageinspection，such flux inspection magneticpowderinspection，magnetic andSO has asquicklyspeed，high on．Amongthem，MFLinspectionmanyadvantages，such can in andSOon．MFL test detection inspection rate，highsensitivity,operationeasily a of varieties hascharacteristic inspection environment，and realizingquantitative complex the