涡流检测的技术.docVIP

目录 涡流检测技术及进展…………………………………2 涡流检测自然裂纹与信号处理………………………5 压力容器列管涡流检测技术的研究…………………9 金属锈蚀的涡流检测………………………………11 涡流检测技术及进展 1 引言 涡流检测是建立在电磁感应原理基础上的无损检测方法。如图1，已知法拉第电磁感应定律，在检测线圈上接通交流电，产生垂直于工件的交变磁场。检测线圈靠近被检工件时，该工件表面感应出涡流同时产生与原磁场方向相反的磁场，部分抵消原磁场，导致检测线圈电阻和电感变化。若金属工件存在缺陷，将改变涡流场的强度及分布，使线圈阻抗发生变化，检测该变化可判断有无缺陷。 随着微电子学和计算机技术的发展及各种信号处理技术的采用，涡流检测换能器、涡流检测信号处理技术及涡流检测仪器等方面出现长足发展。 2 涡流检测的信号处理技术 提高检测信号的信噪比和抗干扰能力，实现信号的识别、分析和诊断，以得出最佳的信号特征和检测结果。 2.1 信号特征量提取 常用的特征量提取方法有傅里叶描述法、主分量分析法和小波变换法。 傅里叶描述法是提取特征值的常用方法。其优点是，不受探头速度影响，且可由该描述法重构阻抗图，采样点数目越多，重构曲线更逼近原曲线。但该方法只对曲线形状敏感，对涡流检测仪的零点和增益不敏感，且不随曲线旋转、平移、尺寸变换及起始点选择变化而变化。 用测试信号自相关矩阵的本征值和本征矢量来描绘信号特征的方法称为主分量分析法，该方法对于相似缺陷的分辨力较强。 小波变换是一种先进的信号时频分析方法。将小波变换中多分辨分析应用到涡流检测信号分析中，对不同小波系数处理后，再重构。这种经小波变换处理后的信号，其信噪比会得到很大的提高。 2.2 信号分析 (1) 人工神经网络 人工神经网络的输入矢量是信号的特征参量，对信号特征参量的正确选择与提取是采用神经网络智能判别成功的关键。组合神经网络模型，采用分级判别法使网络输入变量维数由N2 降到N，网络结构大为简化，训练速度很快，具有较高的缺陷识别率和实用价值。 神经网络可实现缺陷分类，具有识别准确度高的优点，对不完全、不够清晰的数据同样有效。 (2) 信息融合技术 信息融合是对来自不同信息源检测、关联、相关、估计和综合等多级处理，得到被测对象的统一最佳估计。 涡流C 扫描图像的融合，将图像分解为多子带图像，并在转换区内采用融合算法实现图像融合。Ka Bartels等采用信噪比最优方法合并涡流信号，并用空间频率补偿方法使合并前高频信号变得模糊而低频信号变得清晰。Z Liu等利用最大值准则选择不同信号的离散小波变换系数，选取待融合系数的最大绝对值作为合并转换系数。因此融合信号可基于这些系数，利用逆小波变换来重构。小波变换可按不同比例有效提取显著特征。在融合信号过程中，所有信号的有用特征都被保存下来，因此内部和表面缺陷信息得到增强。 2.3 涡流逆问题求解 换能器检测到的信号隐含缺陷位置、形状、大小及媒质性质等信息，由已知信号反推媒质参数(电导率)或形状(缺陷)，属于电磁场理论中的逆问题。 为求解涡流逆问题，先要建立缺陷识别的数学模型，有形状规则的人工缺陷、边界复杂的自然缺陷、单缺陷和多缺陷等模型；在媒质类型方面，有复合材料和被测件表面磁导率变化等模型。 随着计算机技术发展，缺陷模型各种数值解法也获得进展。出现有限元法、矩量法和边界元法等。 3 涡流检测设备 美国的EM3300 和MIZ-20 为采用阻抗平面显示技术典型产品，而TM-128 型涡流仪是我国首台配有微机带有阻抗平面显示的涡流探伤仪。MFE-1三频涡流仪是我国研制的首台多频涡流检测设备。随后，国内研制成功多种类型的多频涡流检测仪，如EEC-35、EEC-36、EEC-38、EEC-39 和ET-355、ET-555、ET-556 等。 目前，我国在有限元数值仿真、远场涡流探头性能指标分析及检测系统的研制等方面取得研究成果，推出商品化远场涡流检测仪器，其中ET-556H和EEC-39RFT 已用于化工炼油设备的钢质热交换管和电厂高压加热器钢管的在役探伤。 今后涡流检测技术研发包括：完善换能器设计理论，研制性能更好的涡流检测换能器；研究缺陷大小形状位置深度的涡流定位技术和三维成像技术；研究并推广远场涡流检测技术；进一步研究金属材料表面疲劳裂纹的扩展、开裂、机械加工磨削烧伤及残余应力涡流检测技术。应用该项技术进行无损检测必将得到广泛应用。 涡流检测自然裂纹与信号处理 涡流检测(Eddy Current Testing, ECT)是一种检测导电材料表面及近表面缺陷的有效方法。目前在压力容器、核电站热交换管道、飞机结构等关键设备的缺陷检测中得到广泛应用。然而,由于受到环境噪声及探头提离