CN102374842A - 一种基于自然裂纹模型检测自然裂纹形状的方法 - Google Patents
一种基于自然裂纹模型检测自然裂纹形状的方法 Download PDFInfo
- Publication number
- CN102374842A CN102374842A CN2010102545885A CN201010254588A CN102374842A CN 102374842 A CN102374842 A CN 102374842A CN 2010102545885 A CN2010102545885 A CN 2010102545885A CN 201010254588 A CN201010254588 A CN 201010254588A CN 102374842 A CN102374842 A CN 102374842A
- Authority
- CN
- China
- Prior art keywords
- crack
- model
- aging
- aging crack
- shape
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明涉及一种基于自然裂纹模型检测自然裂纹形状的方法，该方法包括以下几个步骤：(1)建立待检测自然裂纹形状的估计模型；(2)利用经过训练的神经网络预测步骤(1)中建立的自然裂纹模型的涡流检测信号；(3)对待检测的自然裂纹进行涡流检测并采集信号；(4)计算步骤(3)中采集的真实检测信号与步骤(2)中得到的预测信号之间的误差，并将误差与设定的阈值进行比较，如果大于阈值，返回步骤(1)改进自然裂纹估计模型重新执行；如果小于阈值，即得到待检测自然裂纹的模型。(5)将步骤(4)中得到的自然裂纹模型中相应点连接起来，从而获得真实自然裂纹的形状。与现有技术相比，本发明具有接近真实的裂纹长度、误差小等优点。
Description
技术领域
本发明涉及一种检测自然裂纹形状的方法，尤其是涉及一种基于自然裂纹模型检测自然裂纹形状的方法。
背景技术
涡流检测是一种使用很广泛的无损检测技术，它具有检测速度快、对表面缺陷反应灵敏等优异性能。目前，涡流检测法已在蒸汽发生器管道、核电站热交换管道等许多关键设备的在役检测中发挥着重要的作用。随着对设备结构安全要求的进一步加强，在评估裂纹扩展趋势及其严重程度时，需要从涡流检测信号中获取裂纹的位置和形状信息，这就必需首先有精确的裂纹模型。
实际检测中发现的主要裂纹类型有应力腐蚀裂纹与疲劳裂纹，由于两种裂纹在材料表面开口形状差别不大，所以很难从裂纹的表面区分这两种裂纹。但由于二者产生和发展的机理不同，所以在微观结构上差别很大。疲劳裂纹在它的横截面上通常显示出近似直线的形状；而应力腐蚀裂纹在裂纹分支表面之间间距较小，且在同一个裂纹深度有多个裂纹分支存在，表现出一种体积型结构。另外，从两种裂纹的导电特性来看，由于疲劳裂纹面之间的分离很明显且少有分支，所以裂纹面之间有空气阻隔使得裂纹面之间不导电，因此涡电流不能流过疲劳裂纹。但由于应力腐蚀裂纹表面之间存在很多搭接，使得裂纹区域有一定导电性。因此两种裂纹特性不同，它们的裂纹模型也有所不同。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种接近真实的裂纹长度、误差小的基于自然裂纹模型检测自然裂纹形状的方法。
本发明的目的可以通过以下技术方案来实现：一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，该方法包括以下步骤：
11)建立自然裂纹样本形状与检测信号数据库；
12)利用步骤11)中建立的自然裂纹样本形状与检测信号训练神经网络；
13)建立待检测自然裂纹的估计模型，并改进待检测自然裂纹的估计模型使其接近真实裂纹形状；
14)从步骤13)中得到的自然裂纹模型中相应点信息获得真实自然裂纹的形状。
所述步骤11)中的建立自然裂纹样本形状与检测信号数据库方法如下：
21)模拟自然环境制作自然裂纹试样；
22)对自然裂纹试样首先进行涡流检测并采集信号，然后进行破坏性检测，沿垂直裂纹方向对自然裂纹试样进行等间隔切割，获得多个自然裂纹试样真实形状剖面的裂纹真实形状，并获得自然裂纹试样的真实总长度；
23)根据自然裂纹试样的真实总长度以及在该真实总长度上获得的全部自然裂纹试样真实形状剖面上的裂纹真实形状，确定自然裂纹模型上采样点的水平位置和深度，并由自然裂纹试样的真实总长度确定自然裂纹两端的位置，将采样点用直线顺序连接起来构成该自然裂纹试样的真实形状并得到检测信号数据库。
所述步骤21)中自然裂纹试样的数量可以为50-1000个；所述步骤22)中对自然裂纹试样进行等间隔切割的间隔距离可以为0.5mm-3mm；所述步骤22)的多个自然裂纹试样真实形状剖面可以为10-100个自然裂纹试样真实形状剖面。
所述步骤13)中建立的待检测自然裂纹的估计模型为疲劳裂纹模型，忽略该模型中疲劳裂纹模型宽度，在二维平面上考虑裂纹模型长度和不同位置的裂纹模型深度。
所述步骤13)中建立的待检测自然裂纹的估计模型为应力腐蚀裂纹模型，在三维平面上考虑该模型中应力腐蚀裂纹模型长度、裂纹模型宽度和不同位置的裂纹模型深度。
所述的裂纹模型宽度用与真实裂纹在涡电流通过效果上相同且电导率小于基体材料的体积型金属的宽度来近似。
所述裂纹模型深度的确定方法如下：
71)根据精度要求将自然裂纹区域在长度和深度方向划分成50-5000个矩形单元；
72)根据探头沿自然裂纹方向扫描时信号采样点的间距，确定自然裂纹模型各个深度点在水平方向的间距；
73)根据每个采样点的信号重构该点深度，然后在自然裂纹模型上根据水平位置和深度坐标标出该点；
74)将所有采样点在自然裂纹模型中标出后，将各个采样点依次用直线连接，构成了自然裂纹模型的近似深度的形状。
所述的步骤13)中改进待检测自然裂纹的估计模型使其接近真实裂纹形状包括以下步骤：
81)设置自然裂纹模型的初始估计值；
82)将获得的初始估计值经神经网络计算得到自然裂纹模型的预测信号A；
83)对待检测自然裂纹进行测量，得到待检测自然裂纹的测量信号B；
84)计算自然裂纹的测量信号B与自然裂纹模型的预测信号A之间的误差，判断该误差是否小于阈值，如果不小于，返回步骤81)重设自然裂纹形状的初始估计值并重新执行各步骤；如果小于，即得到近似自然裂纹形状。
所述的步骤84)中阈值的范围为0.001-0.1。
与现有技术相比，本发明具有以下优点：
在与裂纹真实长度接近程度上，此方法制作的模型能比较接近真实的裂纹长度。在与真实裂纹深度接近程度上，虽然理论上可以对裂纹进行无限剖分，但实际的破坏性检测只能获得一定厚度的剖面。模型中利用线段连接不同剖面的深度点，考虑了剖片内裂纹深度的变化及趋势，使得误差较小，更接近真实裂纹形状，将该自然裂纹模型用于自然裂纹形状重构中，可以显著减小裂纹形状重构的误差。
附图说明
图1为本发明基于自然裂纹模型检测自然裂纹形状方法的流程图；
图2为本发明自然裂纹的参数化模型图；
图3为制作疲劳裂纹试样的俯视结构示意图；
图4为制作疲劳裂纹试样的主视结构示意图。
图中，涉及到的编号1为裂纹深度刻度、2为裂纹长度刻度、3为裂纹所在的区域、4为裂纹边界、5为由探头扫描时采样点信号反演获得的该点位置和深度、6为裂纹宽度、7为试样、8为疲劳裂纹、9为预制刻槽。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1
一种基于自然裂纹模型检测自然裂纹形状的方法，该方法包括以下步骤：
11)建立自然裂纹样本形状与检测信号数据库；
12)利用步骤11)中建立的自然裂纹样本形状与检测信号训练神经网络；
13)建立待检测自然裂纹的估计模型，并改进待检测自然裂纹的估计模型使其接近真实裂纹形状；
14)从步骤13)中得到的自然裂纹模型中相应点信息获得真实自然裂纹的形状。
上述步骤11)中的建立自然裂纹样本形状与检测信号数据库方法如下：
21)模拟自然环境制作自然裂纹试样，其数量可以为50个；
22)对自然裂纹试样首先进行涡流检测并采集信号，然后进行破坏性检测，沿垂直裂纹方向对自然裂纹试样进行等间隔切割，其间隔距离为3mm，获得多个自然裂纹试样真实形状剖面的裂纹真实形状，并获得自然裂纹试样的真实总长度，其中多个自然裂纹试样真实形状剖面可以为10个自然裂纹试样真实形状剖面；
23)根据自然裂纹试样的真实总长度以及在该真实总长度上获得的全部自然裂纹试样真实形状剖面上的裂纹真实形状，确定自然裂纹模型上采样点的水平位置和深度，并由自然裂纹试样的真实总长度确定自然裂纹两端的位置，将采样点用直线顺序连接起来构成该自然裂纹试样的真实形状并得到检测信号数据库。
上述步骤13)中建立的待检测自然裂纹的估计模型为疲劳裂纹模型，忽略该模型中疲劳裂纹模型宽度，在二维平面上考虑裂纹模型长度和不同位置的裂纹模型深度。
裂纹模型深度的确定方法如下：
71)根据精度要求将自然裂纹区域在长度和深度方向划分成50个矩形单元；
72)根据探头沿自然裂纹方向扫描时信号采样点的间距，确定自然裂纹模型各个深度点在水平方向的间距；
73)根据每个采样点的信号重构该点深度，然后在自然裂纹模型上根据水平位置和深度坐标标出该点；
74)将所有采样点在自然裂纹模型中标出后，将各个采样点依次用直线连接，构成了自然裂纹模型的近似深度的形状。
上述步骤13)中改进待检测自然裂纹的估计模型使其接近真实裂纹形状包括以下步骤：
91)设置自然裂纹模型的初始估计值；
92)将获得的初始估计值经神经网络计算得到自然裂纹模型的预测信号A；
93)对待检测自然裂纹进行测量，得到待检测自然裂纹的测量信号B；
94)计算自然裂纹的测量信号B与自然裂纹模型的预测信号A之间的误差，判断该误差是否小于阈值，阈值的范围为0.1，如果不小于，返回步骤91)重设自然裂纹形状的初始估计值并重新执行各步骤；如果小于，即得到近似自然裂纹形状。
当应力、电化学环境和温度共同作用到表面条件合适的易感金属，就将导致金属表面应力腐蚀裂纹的产生和发展。对于热交换管道中产生的应力腐蚀裂纹，如果没有被及时发现并采取补救措施，裂纹将不断扩展并最终导致管道破裂。
为了真实模拟热交换管道的自然裂纹，实验中制作试样所用材料为热交换管道常用材料inconel600与316不锈钢。由于ECT探头与管道的曲率相比较很小，为了研究方便，采用平板试样近似管道，模拟自然环境制作了相同数量的疲劳裂纹试样。
上述步骤21)模拟自然环境制作自然裂纹试样如下：
如图3制作疲劳裂纹试样的俯视结构示意图所示，试样7的尺寸为100×200×10mm。首先在图3中所示试块x＝0位置，沿y方向加工一个10×2×2mm的矩形槽，该矩形槽为图4中所示的预制刻槽9，目的是使裂纹生成在一个限定的区域内。
然后如图4所示，在制作疲劳裂纹试样的主视结构示意图中给平板三点反复施加弯曲力F使在平板限定区域产生疲劳裂纹8，通过改变所施加应力大小及循环次数，可以制成不同形状的疲劳裂纹8，对应于不同扩展阶段的真实裂纹。
自然裂纹形状模型可应用于疲劳裂纹，疲劳裂纹模型一般忽略其宽度。虽然疲劳裂纹的宽度很窄，但裂纹面之间一般不存在相互搭接，因此裂纹面之间电导率为零，在导体中生成的涡电流不能通过裂纹面。在应用疲劳裂纹模型重构裂纹形状时，只要在二维平面上考虑裂纹的长度和不同位置的深度即可。
为了将裂纹模型用于自然裂纹的形状重构，对裂纹进行了破坏性检测制作裂纹样本，利用该模型并应用神经网络方法就可以对未知形状的裂纹进行预测。
实施例2
如图1本发明基于自然裂纹模型检测自然裂纹形状方法的流程图所示，涉及一种基于自然裂纹模型检测自然裂纹形状的方法，该方法包括以下步骤：
11)建立自然裂纹样本形状与检测信号数据库；
12)利用步骤11)中建立的自然裂纹样本形状与检测信号训练神经网络；
13)建立待检测自然裂纹的估计模型，并改进待检测自然裂纹的估计模型使其接近真实裂纹形状；
14)从步骤13)中得到的自然裂纹模型中相应点信息获得真实自然裂纹的形状。
上述步骤11)中的建立自然裂纹样本形状与检测信号数据库方法如下：
21)模拟自然环境制作自然裂纹试样，其数量可以为1000个；
22)对自然裂纹试样首先进行涡流检测并采集信号，然后进行破坏性检测，沿垂直裂纹方向对自然裂纹试样进行等间隔切割，其间隔距离可以为0.5mm，获得多个自然裂纹试样真实形状剖面的裂纹真实形状，并获得自然裂纹试样的真实总长度，其中多个自然裂纹试样真实形状剖面可以为100个自然裂纹试样真实形状剖面；
23)根据自然裂纹试样的真实总长度以及在该真实总长度上获得的全部自然裂纹试样真实形状剖面上的裂纹真实形状，确定自然裂纹模型上采样点的水平位置和深度，并由自然裂纹试样的真实总长度确定自然裂纹两端的位置，将采样点用直线顺序连接起来构成该自然裂纹试样的真实形状并得到检测信号数据库。
上述步骤13)中建立的待检测自然裂纹的估计模型为应力腐蚀裂纹模型，在三维平面上考虑该模型中应力腐蚀裂纹模型长度、裂纹模型宽度和不同位置的裂纹模型深度。裂纹模型宽度用与真实裂纹在涡电流通过效果上相同且电导率小于基体材料的体积型金属的宽度来近似。
裂纹模型深度的确定方法如下：
71)根据精度要求将自然裂纹区域在长度和深度方向划分成5000个的矩形单元；
72)根据探头沿自然裂纹方向扫描时信号采样点的间距，确定自然裂纹模型各个深度点在水平方向的间距；
73)根据每个采样点的信号重构该点深度，然后在自然裂纹模型上根据水平位置和深度坐标标出该点；
74)将所有采样点在自然裂纹模型中标出后，将各个采样点依次用直线连接，构成了自然裂纹模型的近似深度的形状。
上述步骤13)中改进待检测自然裂纹的估计模型使其接近真实裂纹形状包括以下步骤：
91)设置自然裂纹模型的初始估计值；
92)将获得的初始估计值经神经网络计算得到自然裂纹模型的预测信号A；
93)对待检测自然裂纹进行测量，得到待检测自然裂纹的测量信号B；
94)计算自然裂纹的测量信号B与自然裂纹模型的预测信号A之间的误差，判断该误差是否小于阈值，阈值的范围为0.001，如果不小于，返回步骤91)重设自然裂纹形状的初始估计值并重新执行各步骤；如果小于，即得到近似自然裂纹形状。
当应力、电化学环境和温度共同作用到表面条件合适的易感金属，就将导致金属表面应力腐蚀裂纹的产生和发展。对于热交换管道中产生的应力腐蚀裂纹，如果没有被及时发现并采取补救措施，裂纹将不断扩展并最终导致管道破裂。
为了真实模拟热交换管道的自然裂纹，实验中制作试样所用材料为热交换管道常用材料inconel600与316不锈钢。由于ECT探头与管道的曲率相比较很小，为了研究方便，采用平板试样近似管道，模拟自然环境制作了应力腐蚀裂纹试样。
上述步骤21)模拟自然环境制作自然裂纹试样如下：
制作应力腐蚀裂纹试样，试样的尺寸为100×200×10mm。首先在试块x＝0位置，沿y方向加工一个10×2×2mm的矩形槽。在制作应力腐蚀裂纹试样中给平板三点反复施加弯曲力，再采用酸溶液浸泡处理才能得到应力腐蚀裂纹。裂纹生成后，需要除去为定位而事先加工的槽，由于除去的厚度不是完全一致，使得平板的表面不是完全平坦。
如图2所示，该图为自然裂纹的参数化模型图。该模型由裂纹深度刻度1，裂纹长度刻度2，裂纹宽度6，裂纹所在的区域3，裂纹边界4，由探头扫描时采样点信号反演获得的该点位置和深度5组成，裂纹深度刻度1，裂纹长度刻度2，裂纹宽度6组成一个三维网格坐标，图中的点a、b、c、d、e、f、g为由探头扫描时采样点信号反演获得的该点位置和深度5，各点间的连线即为裂纹边界4。
自然裂纹形状模型可应用于应力腐蚀裂纹，由于应力腐蚀裂纹内部电导率不为零，因此涡电流可以部分通过裂纹面。由于生成条件和应力腐蚀作用时间的不同，不同应力腐蚀裂纹的电导率有所不同，但一般远小于基体材料的电导率。因此，把应力腐蚀裂纹看成一个电导率小于基体材料且非均匀的可导电区域，用一种电导率小于基体材料的体积型金属来模拟，使应力腐蚀裂纹整体上体现为一种体积型缺陷。这样，疲劳裂纹模型要在三维平面上考虑裂纹的长度、宽度和不同位置的深度。应力腐蚀裂纹的宽度用与真实裂纹在涡电流通过效果上相等的电导率小于基体材料的体积型金属的宽度来近似。
为了将裂纹模型用于自然裂纹的形状重构，对裂纹进行了破坏性检测制作裂纹样本，利用该模型并应用神经网络方法就可以对未知形状的裂纹进行预测。
Claims (9)
1.一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，该方法包括以下步骤：
11)建立自然裂纹样本形状与检测信号数据库；
12)利用步骤11)中建立的自然裂纹样本形状与检测信号训练神经网络；
13)建立待检测自然裂纹的估计模型，并改进待检测自然裂纹的估计模型使其接近真实裂纹形状；
14)从步骤13)中得到的自然裂纹模型中相应点信息获得真实自然裂纹的形状。
2.根据权利要求1所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述步骤11)中的建立自然裂纹样本形状与检测信号数据库方法如下：
21)模拟自然环境制作自然裂纹试样；
22)对自然裂纹试样首先进行涡流检测并采集信号，然后进行破坏性检测，沿垂直裂纹方向对自然裂纹试样进行等间隔切割，获得多个自然裂纹试样真实形状剖面的裂纹真实形状，并获得自然裂纹试样的真实总长度；
23)根据自然裂纹试样的真实总长度以及在该真实总长度上获得的全部自然裂纹试样真实形状剖面上的裂纹真实形状，确定自然裂纹模型上采样点的水平位置和深度，并由自然裂纹试样的真实总长度确定自然裂纹两端的位置，将采样点用直线顺序连接起来构成该自然裂纹试样的真实形状并得到检测信号数据库。
3.根据权利要求2所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述步骤21)中自然裂纹试样的数量可以为50-1000个；所述步骤22)中对自然裂纹试样进行等间隔切割的间隔距离可以为0.5mm-3mm；所述步骤22)的多个自然裂纹试样真实形状剖面可以为10-100个自然裂纹试样真实形状剖面。
4.根据权利要求1所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述步骤13)中建立的待检测自然裂纹的估计模型为疲劳裂纹模型，忽略该模型中疲劳裂纹模型宽度，在二维平面上考虑裂纹模型长度和不同位置的裂纹模型深度。
5.根据权利要求1所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述步骤13)中建立的待检测自然裂纹的估计模型为应力腐蚀裂纹模型，在三维平面上考虑该模型中应力腐蚀裂纹模型长度、裂纹模型宽度和不同位置的裂纹模型深度。
6.根据权利要求5所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述的裂纹模型宽度用与真实裂纹在涡电流通过效果上相同且电导率小于基体材料的体积型金属的宽度来近似。
7.根据权利要求4或5所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述裂纹模型深度的确定方法如下：
71)根据精度要求将自然裂纹区域在长度和深度方向划分成为50-5000个矩形单元；
72)根据探头沿自然裂纹方向扫描时信号采样点的间距，确定自然裂纹模型各个深度点在水平方向的间距；
73)根据每个采样点的信号重构该点深度，然后在自然裂纹模型上根据水平位置和深度坐标标出该点；
74)将所有采样点在自然裂纹模型中标出后，将各个采样点依次用直线连接，构成了自然裂纹模型的近似深度的形状。
8.根据权利要求1所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述的步骤13)中改进待检测自然裂纹的估计模型使其接近真实裂纹形状包括以下步骤：
81)设置自然裂纹模型的初始估计值；
82)将获得的初始估计值经神经网络计算得到自然裂纹模型的预测信号A；
83)对待检测自然裂纹进行测量，得到待检测自然裂纹的测量信号B；
84)计算自然裂纹的测量信号B与自然裂纹模型的预测信号A之间的误差，判断该误差是否小于阈值，如果不小于，返回步骤81)重设自然裂纹形状的初始估计值并重新执行各步骤；如果小于，即得到近似自然裂纹形状。
9.根据权利要求8所述的一种基于自然裂纹模型检测自然裂纹形状的方法，其特征在于，所述的步骤84)中阈值的范围为0.001-0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102545885A CN102374842A (zh) | 2010-08-16 | 2010-08-16 | 一种基于自然裂纹模型检测自然裂纹形状的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010102545885A CN102374842A (zh) | 2010-08-16 | 2010-08-16 | 一种基于自然裂纹模型检测自然裂纹形状的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102374842A true CN102374842A (zh) | 2012-03-14 |
Family
ID=45793794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010102545885A Pending CN102374842A (zh) | 2010-08-16 | 2010-08-16 | 一种基于自然裂纹模型检测自然裂纹形状的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102374842A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105259220A (zh) * | 2015-10-29 | 2016-01-20 | 西安交通大学 | 基于四端子直流电位检测信号的裂纹电导率测定方法 |
| CN105352433A (zh) * | 2015-10-23 | 2016-02-24 | 武汉理工大学 | 一种船体典型焊接结构表面裂纹深度及形状测量装置及其方法 |
| CN111044606A (zh) * | 2019-12-26 | 2020-04-21 | 爱德森（厦门）电子有限公司 | 一种提高自然裂纹涡流测深准确度的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128880A (zh) * | 2010-01-12 | 2011-07-20 | 上海工程技术大学 | 一种裂纹形状反演方法 |
-
2010
- 2010-08-16 CN CN2010102545885A patent/CN102374842A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102128880A (zh) * | 2010-01-12 | 2011-07-20 | 上海工程技术大学 | 一种裂纹形状反演方法 |
Non-Patent Citations (5)
| Title |
|---|
| 张思全，陈铁群，刘桂群，谢宝忠: "基于神经网络正向模型和蚁群算法的涡流检测自然裂纹形状重构", 《科学技术与工程》, vol. 8, no. 6, 31 March 2008 (2008-03-31) * |
| 张思全，陈铁群，刘桂雄，杨何发: "基于神经网络的涡流检测的自然裂纹重构", 《无损检测》, vol. 30, no. 5, 31 December 2008 (2008-12-31) * |
| 张思全等: "基于智能算法的涡流检测自然裂纹形状重构", 《华南理工大学学报(自然科学版)》, vol. 36, no. 10, 31 October 2008 (2008-10-31) * |
| 张思全等: "应力腐蚀裂纹涡流检测信号的处理及形状重构", 《核动力工程》, vol. 29, no. 06, 31 December 2008 (2008-12-31) * |
| 张思全等: "涡流检测裂纹信号处理及形状重构", 《压力容器》, vol. 24, no. 11, 30 November 2007 (2007-11-30) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105352433A (zh) * | 2015-10-23 | 2016-02-24 | 武汉理工大学 | 一种船体典型焊接结构表面裂纹深度及形状测量装置及其方法 |
| CN105259220A (zh) * | 2015-10-29 | 2016-01-20 | 西安交通大学 | 基于四端子直流电位检测信号的裂纹电导率测定方法 |
| CN105259220B (zh) * | 2015-10-29 | 2017-12-26 | 西安交通大学 | 基于四端子直流电位检测信号的裂纹电导率测定方法 |
| CN111044606A (zh) * | 2019-12-26 | 2020-04-21 | 爱德森（厦门）电子有限公司 | 一种提高自然裂纹涡流测深准确度的方法 |
| CN111044606B (zh) * | 2019-12-26 | 2022-11-25 | 爱德森（厦门）电子有限公司 | 一种提高自然裂纹涡流测深准确度的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104836223B (zh) | 电网参数错误与不良数据协同辨识与估计方法 | |
| CN108460230B (zh) | 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法 | |
| CN105823661B (zh) | 可调控裂纹大小和电导率的模拟应力腐蚀裂纹制备方法 | |
| CN105445361B (zh) | 一种基于磁荷分布重构算法的漏磁检测缺陷三维成像方法 | |
| WO2007088913A1 (ja) | 損傷検出装置及び損傷検出方法 | |
| CN102830305A (zh) | Gis母线接头过热性故障模拟方法 | |
| CN104062505B (zh) | 基于四端子实验信号和数值仿真的局域电导率测定方法 | |
| CN103954842A (zh) | 一种确定大型接地系统接地阻抗值的方法 | |
| CN102374842A (zh) | 一种基于自然裂纹模型检测自然裂纹形状的方法 | |
| CN102128880A (zh) | 一种裂纹形状反演方法 | |
| CN104898024A (zh) | 综合地表电位和磁感应强度的变电站接地网故障诊断方法 | |
| CN104897995A (zh) | 基于地表电位的变电站接地网腐蚀检测系统及方法 | |
| CN104931853A (zh) | 一种基于地表电位分布的变电站接地网腐蚀诊断方法 | |
| CN105259220B (zh) | 基于四端子直流电位检测信号的裂纹电导率测定方法 | |
| Chen et al. | Three-dimensional defect reconstruction from magnetic flux leakage signals in pipeline inspection based on a dynamic taboo search procedure | |
| CN103822872B (zh) | 基于电化学噪声的露点腐蚀监测方法 | |
| CN107179473A (zh) | 一种输电线路故障定位方法 | |
| CN104569627A (zh) | 船舶水下腐蚀相关静态磁场预测模型的验模方法 | |
| Downey et al. | Incipient damage detection for large area structures monitored with a network of soft elastomeric capacitors using relative entropy | |
| Li et al. | Simulation analysis and experimental study of defect detection underwater by ACFM probe | |
| CN109490410B (zh) | 残余应力作用下的应力腐蚀裂纹多频涡流定量评价方法 | |
| CN107330264A (zh) | 一种桥梁监测数据可靠性的验证方法 | |
| Zhang et al. | Crack identification in stepped cantilever beam combining wavelet analysis with transform matrix | |
| CN104282348A (zh) | 一种压力容器钢无损在线寿命检测方法 | |
| Chen et al. | Review of grounding grids corrosion diagnosis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120314 |