CN103163211A - 一种金属导体表面和亚表面缺陷分类识别方法 - Google Patents

Abstract

本发明属于无损检测技术领域，涉及一种金属导体表面和亚表面缺陷分类识别方法，该方法所采用的检测探头包括激励线圈、巨磁电阻传感器和永磁体，巨磁电阻传感器固定于激励线圈的底部，永磁体固定于激励线圈的外侧，方法为：将检测探头放置于被测试件表面，对激励线圈施加正弦信号，移动检测探头对被测试件进行扫描；对巨磁电阻传感器的输出信号进行滤波和放大处理；对经过滤波和放大处理的巨磁电阻传感器的输出信号进行解调，获得实部和虚部，得到幅值和相角信息；根据幅值和相角信息对扫描位置是否存在缺陷及缺陷类型进行判断。本发明可以直接快速对缺陷进行分类辨别，特征量明显，辨识准确。

Description

一种金属导体表面和亚表面缺陷分类识别方法

所属技术领域

本发明属于无损检测技术领域，特别涉及一种表面和亚表面缺陷分类辨识方法。 

背景技术

无损检测技术应用范围广泛，在工业生产的各个领域，如电力、油气输送、造船、宇航、核能及铁路等行业被普遍采用，对提高产品的稳定性、可靠性和安全运行具有重要意义。电涡流检测因其具有无需耦合剂，非接触，可实现自动检测，高温仍可使用等优点，是目前应用非常广泛的检测手段，在无损检测领域具有重要地位和价值。 

目前，电涡流检测的缺陷分类识别主要是通过特征提取方法获得缺陷的特征，在此基础之上根据所获得的特征量，通过分类识别算法进行缺陷分类识别。其主要过程是首先根据特征提取方法获得的特征量来给一个被测对象进行标记。然后通过数据分类方法对缺陷特征进行分类，从而对缺陷的种类进行辨识。针对表面缺陷和亚表面缺陷的分类识别，一些方法是通过对激励线圈施加脉冲激励，在脉冲涡流中采用时域差分信号的上升点作为分类特征量[1]；利用峰值及峰值时间两个主要特征值作为分类特征量[2]；根据脉冲信号频率分量丰富的特点，利用“频谱分离点”的方法用来对不同裂纹进行分类[3,4]；其他基于数据统计的特征提取方法主要有主分量分析(Principal Component Analysis，PCA)、独立分量分析(Independent Components Analysis，ICA)、核主分量分析(Kernel Principal Component Analysis，KPCA)等[5-8]。在缺陷分类识别算法上，主要有最近均值、K均值、BP网络和支持向量机等分类方法[9-11]。但是以上方法通常需要一定的运算量，对缺陷的分类不直观，不易于对结果进行解释分析，且都存在一定的误检率，没有从根本上解决表面和亚表面缺陷分类识别的问题。 

参考文献： 

[1]G.Y.Tian,A.Sophian,Defect classification using a new feature for pulsed eddy current sensors,Ndt&E International,vol.38,pp.77-82,2005. 

[2]周德强,张斌强,田贵云.脉冲涡流检测中裂纹的深度定量及分类识别,仪器仪表学报,pp.1190-1194,2009. 

[3]杨宾峰,罗飞路,张玉华.飞机多层结构中裂纹的定量检测及分类识别,机械工程学报,vol.42,pp.63-67,2006. 

[4]B.Yang,F.Luo,D.Han,Pulsed eddy current technique used for non-destructive inspection of ageing aircraft,Insight-Non-Destructive Testing and Condition Monitoring,vol.48,pp.411-414,2006. 

[5]唐磊,陈德智,涡流无损检测信号的一种分析方法,无损检测,vol.20,pp.271-273,1998. 

[6]C.F.Morabito,Independent component analysis and feature extraction techniques for NDT data,Materials evaluation,vol.58,pp.85-92,2000. 

[7]G.Tian,A.Sophian,D.Taylor,et al.,Wavelet-based PCA defect classification and quantification for pulsed eddy current NDT,in Science,Measurement and Technology,IEE Proceedings-,2005,pp.141-148. 

[8]B.Ye,P.Huang,M.Fan,et al.,Automatic classification of eddy current signals based on kernel methods,Nondestructive Testing and Evaluation,vol.24,pp.19-37,2009. 

[9]R.Smid,A.Docekal,M.Kreidl,Automated classification of eddy current signatures during manual inspection,Ndt&E International,vol.38,pp.462-470,2005. 

[10]L.Udpa,S.Udpa,Neural networks for the classification of nondestructive evaluation signals,in Radar and Signal Processing,IEE Proceedings F,1991,pp.41-45. 

[11]J.Kim,G.Yang,L.Udpa,et al.,Classification of pulsed eddy current GMR data on aircraft structures,Ndt&E International,vol.43,pp.141-144,Mar2010. 

发明内容：

本发明的目的是克服现有技术上的不足，提供一种响应速度快，实时性好且测量过程简单并容易实施的缺陷表面亚表面分类辨识方法。为此，本发明采用如下的技术方案： 

一种金属导体表面和亚表面缺陷分类识别方法，该方法所采用的检测探头包括激励线圈、巨磁电阻传感器和永磁体，巨磁电阻传感器固定于激励线圈的底部，永磁体固定于激励线圈的外侧，该方法包括下列步骤： 

（1）将检测探头放置于被测试件表面，对激励线圈施加正弦信号，移动检测探头对被测试件进行扫描，扫描过程中保持巨磁电阻敏感轴方向平行于探头扫描方向； 

（2）对巨磁电阻传感器的输出信号进行滤波和放大处理； 

（3）对经过滤波和放大处理的巨磁电阻传感器的输出信号进行解调，获得实部和虚部，并可进一步推算出幅值和相角信息； 

（4）根据幅值和相角信息对检测探头所扫描的区域是否存在缺陷及缺陷类型进行判断，若扫描过程中，输出信号的幅值和相角出现波峰或波谷，则判断所扫描的区域存在缺陷，若幅值和相角的波峰和波谷的出现顺序相同，则判断该缺陷为表面缺陷，若幅值和相角的波峰和波谷的出现顺序相反，则判断该缺陷为亚表面缺陷。 

本发明通过在线圈中施加交流电流，从而产生交流电磁场，巨磁电阻的敏感轴正交于激励磁场方向，并将其输出由永磁体偏置到线性工作区，通过巨磁电阻传感器芯片采集缺陷磁场信号，对该信号进行解调，获得采集信号的实部和虚部信息，进而获得幅值和相角信息。通过幅值和相角的波形对比，直接对缺陷进行分类辨别。本发明的表面和亚表面分类识别方法特征量明显，不需要通过复杂的智能算法对特征量进行分类，具有响应速度快，实时性好，测量过程简单且造价低易于大规模推广的优点。 

附图说明

图1、(a)检测探头及探头扫描方向的轴向示意图； 

图(b)检测探头及探头扫描方向的截面示意图； 

图2、巨磁电阻传感器的电涡流检测系统的硬件系统结构。 

图中： 

1、激励线圈                   2、巨磁电阻传感器 

3、被测试件                   4、表面缺陷 

5、亚表面缺陷                 6、永磁体 

7、巨磁电阻敏感轴方向         8、探头扫描方向 

9、数据采集系统               10、微处理器 

11、激励信号通道电路          12、测量通道电路 

13、通信电路                  14、上位计算机 

15、显示器 

具体实施方式：

下面结合附图和实施例对本发明做进一步说明。 

参见图1-2，在被测导体中（实例中以铝合金材料6061为例）。 

检测探头由激励线圈1、巨磁电阻传感器2和永磁体6组成。巨磁电阻传感器2、激励线圈1与永磁体6的配置如图1所示，巨磁电阻传感器2固定于激励线圈底部，永磁体6固定于激励线圈1的外侧。数据采集系统9由微处理器10、激励信号通道电路11、测量通道电路12和通信电路13组成，微处理器10分别和激励信号通道电路11、测量通道电路12和通信电路13连接。激励线圈1与激励信号通道电路11连接，巨磁电阻传感器2与测量通道电路12连接，通信电路13与上位计算机14连接。上位计算机14将采集并处理后的数据在显示器15绘图显示。 

对金属导体进行测量时，在移动传感器探头时，保持巨磁电阻的敏感轴7垂直于线圈1的激励磁场方向，并平行于被测对象表面，传感器探头扫描方向8平行于巨磁电阻的敏感轴方向7，具体方向示意图如图1所示。在探头对被测试件3进行扫描的同时，微处理器10内部产生正弦交流信号激励，经过激励信号通道电路11放大后施加到激励线圈1，激励线圈1产生同频率的交流电磁场，由电磁感应定律可知，在被测导体内部会产生相同频率的电涡流。当被测试件3中没有缺陷时，巨磁电阻传感器2不产生缺陷涡流导致的输出；当被测试件3中存在缺陷时（实例中以人工缺陷为例），由于缺陷的存在改变了涡流原有的流向，则巨磁电阻传感器2会有缺陷涡流导致的信号输出。该输出信号为与激励信号相同频率正弦电压信号，该信号通过测量通道电路12进行信号滤波放大并转换为数字量后输入到微处理器10。微处理器10对该信号经解调后，可获得巨磁电阻传感器2输出信号的实部和虚部，并可进一步推算出幅值和相角信息。通信电路13将幅值和相角信息传输到上位计算机14，幅值和相角图形分别在显示器15显示。如果导体中存在缺陷，当检测探头经过缺陷时，输出信号的幅值和相角将会出现波峰和波谷的形式。对幅值和相角的输出图形进行比较对比。当幅值和相角变化趋势相同时，也就是说信号的波峰和波谷的出现顺序相同时，可以判断该缺陷为表面缺陷。当幅值和相角变化趋势相反时，也就是说信号的波峰和波谷的出现顺序相反时，则该缺陷为亚表面缺陷。 

需要说明的是，由于幅值A、相角θ与实部Re、虚部Im之间有如下关系式可以相互表示， 

A²＝Re²+Im²    （1） 

$\mathrm{\θ}=\arctan \left(\frac{\mathrm{Im}}{\mathrm{Re}}\right)---\left(2\right)$

因此，一般通过实部Re、虚部Im或幅值A、相角θ都可以反映缺陷的特征关系。 

测量方法操作过程具体包括以下步骤： 

（1）将探头放置于被测试件3表面，移动探头对被测试件3进行扫描，扫描过程中探头从被测试件3表面的一端移动到另一端，扫描时保持探头扫描方向平行于巨磁电阻敏感轴方向7； 

（2）在对被测试件3的扫描过程中，通信电路13将幅值和相角信息传输到上位计算机14，幅值和相 角值根据采集得到的先后顺序分别在显示器15绘图显示； 

（3）观察显示器15所显示的波形，当扫描过程中输出信号的幅值和相角同时出现波峰和波谷的图形形式时可以确定该处存在缺陷。 

（4）对幅值和相角的输出图形进行比较对比。在有缺陷的条件下，幅值和相角的输出图形会显示出图2所示显示器中所示4种图形中的一种组合方式。从显示器15上观察该组合出现的方式，可以直观判断该缺陷的类型（是表面缺陷还是亚表面缺陷）。①幅值为先波峰后波谷，相角为先波峰后波谷时，该缺陷为表面缺陷；②幅值为先波峰后波谷，相角为先波谷后波峰时，该缺陷为亚表面缺陷；③幅值为先波谷后波峰，相角为先波谷后波峰时，该缺陷为表面缺陷；④幅值为先波谷后波峰，相角为先波谷后波峰时，该缺陷为亚表面缺陷。也就是说对该当幅值和相角变化趋势相同时，判断该缺陷为表面缺陷。当幅值和相角变化趋势相反时，则该缺陷为亚表面缺陷。 

Claims (1)

1.一种金属导体表面和亚表面缺陷分类识别方法，该方法所采用的检测探头包括激励线圈、巨磁电阻传感器和永磁体，巨磁电阻传感器固定于激励线圈的底部，永磁体固定于激励线圈的外侧，包括下列步骤：

（1）将检测探头放置于被测试件表面，对激励线圈施加正弦信号，移动检测探头对被测试件进行扫描，扫描过程中保持巨磁电阻敏感轴方向平行于探头扫描方向；

（2）对巨磁电阻传感器的输出信号进行滤波和放大处理；

（3）对经过滤波和放大处理的巨磁电阻传感器的输出信号进行解调，获得实部和虚部，并可进一步推算出幅值和相角信息；

（4）根据幅值和相角信息对检测探头所扫描的区域是否存在缺陷及缺陷类型进行判断，若扫描过程中，输出信号的幅值和相角出现波峰或波谷，则判断所扫描的区域存在缺陷，若幅值和相角的波峰和波谷的出现顺序相同，则判断该缺陷为表面缺陷，若幅值和相角的波峰和波谷的出现顺序相反，则判断该缺陷为亚表面缺陷。

Images