CN103954628B - 联合eemd和近似熵的钢管损伤监控方法 - Google Patents
联合eemd和近似熵的钢管损伤监控方法 Download PDFInfo
- Publication number
- CN103954628B CN103954628B CN201410172628.XA CN201410172628A CN103954628B CN 103954628 B CN103954628 B CN 103954628B CN 201410172628 A CN201410172628 A CN 201410172628A CN 103954628 B CN103954628 B CN 103954628B
- Authority
- CN
- China
- Prior art keywords
- steel pipe
- defect
- signal
- unit
- eemd
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明涉及一种联合EEMD和近似熵的钢管损伤监控系统,目的是能够准确对钢管管内、管外、管端进行全方位的检控,准确判断钢管是否合格,同时显示不合格钢管缺损程度。该装置包括检测采集单元、信号处理单元、判断单元、输出显示单元、报警单元,具体检控步骤为:首先用带有多传感器的检测采集单元对钢管的管内、管外、管端全方位的检测与损伤信号采集,然后信号处理单元根据检测与采集结果对要求的损伤信号进行处理,并将处理后的信号发送给损伤判断单元,损伤判断单元将处理信号分析转换成具体的损伤等级信号,最后输出显示单元与报警单元显示输出信号。本发明采用多传感器融合检测,制定了精确地检测步骤,可以有效地对钢管损伤进行监控。
Description
技术领域
本发明涉及钢管质量检测领域,特别涉及一种采用多传感器融合的联合EEMD和近似熵的钢管制造过程损伤监控方法。
背景技术
在冶金行业中,钢管制造过程的质量检控即钢管的无损检测一直是研究的热点。随着研究的不断深入,用于钢管无损检测的技术也在不断增多,比如有超声波探测、高速检测技术、光学检测法、磁致伸缩效应检测等。无损检测是指在不破坏被检测物的结构情况下(如不会使被检物受伤、分离或者损坏),应用一定的检测方法对其机械性能、内部结构、工作状态等进行检测,并依据检测结果和有关准则对其状态做出评估。
与工艺检测相比,无损探测技术的最大优势在于能够检测整个管体。许多较为复杂的工艺检测方法已为无损检测技术所取代。例如泄漏检查,目前多采用涡流和漏磁技术,而较少采用水压试验无损检测技术的应用,使产品质量显著提高,尤其是在检测专用的某些隐蔽缺陷方面更显威力无损检测方法适用于各种工件的缺陷探伤和尺寸测量。一般首选无触点测量技术,因其可在高温下使用。无损检测的传感器有很多种,例如超声波传感器、电涡流传感器、霍耳传感器、纵向导波磁致伸缩传感器等。
针对钢管的无损检测研究,前人已经做了很多有益的探索。例如,现有的技术中有一种涡流探伤技术,该技术成功地使用涡流传感器来对钢管缺陷进行检测,但是该检测设备只能对钢管外表面的不连续缺陷比较敏感,对内表面的不连续缺陷并不敏感,特别是壁厚4。0mm以上的钢管内表面缺陷更加难以识别;另外还有一种折射横波探伤法,该方法通过将入射超声波与钢管表面成一定的角度入射以达到全反射纵波、折射横波进入钢管实施检测的目的,如果钢管的壁厚增加,并且达到并超过壁厚/外径比大于0。23的时候,这个最可能靠近管中心的折射横波也无法作用到内壁上了,因此这时候采用折射横波法已经无法对钢管进行内部的彻底检测了;还有一种光学检测法,该方法不仅检测速度快而且能在高温下检测,但是其只能用于钢管表面或者管端的缺损检测,相对比较局限。
综合分析传统的钢管无损检测技术,得到其存在以下诸多不足:
1。管壁超厚导致常规超声波探伤方法不再适用;
2。光学检测、磁粉检测和涡流检测无法对钢管内部进行有效探测;
3。射线方法设备复杂并安全要求严格,也难达到目前出现问题所要求的灵敏度;
4。采用超声波方法难以实现在线自动探伤;
5。钢管两端的缺陷检测容易被忽略掉;
6。传统无损检测技术即使检测出钢管的缺陷也无法准确给出钢管的质量等级,以及根据钢管的缺损等级给出相应的报警。
发明内容
针对上述现有技术中存在的缺陷,本发明提供了一种可以克服上述缺陷的一种联合EEMD和近似熵的钢管制造过程损伤监控方法。
本发明的目的是能够准确对钢管管内、管外、管端进行全方位的检控,准确判断钢管是否合格,同时显示不合格钢管缺损程度即钢管质量等级。本发明主要由检测采集单元、信号处理单元、判断单元、输出显示单元以及报警单元五个部分组成。下面对这五个单元分别做介绍:
检测采集单元。该单元包括纵向导波磁致伸缩传感器部分、电磁超声波探测部分、光学探测部分。这三部分分别负责对钢管的管内、管外、管端进行全方位的检控和采集损伤数据,并负责将损伤数据发送给系统的下一单元。
进一步地,所述的纵向导波磁致伸缩传感器的主要工作原理及组成为:铁磁体在外磁场中被磁化时,在铁磁体内将激发弹性导波,导波在传播过程中,铁磁体内各部分均发生变化,其磁导率也将发生变化,它反过来使波的传播特性也发生变化,进而导致铁磁体内磁感应强度发生变化,所变化的磁感应强度必定引起接收线圈中的电压变化,通过测量电压信号-导波的反射情况,即可检测出铁磁体构件中是否存在腐蚀、裂纹、破损等缺陷。导波的激励、导波信号检测以及铁磁体的磁化通过磁致伸缩传感器实现。为实现各部分的功能,该传感器由激励传感器、偏置磁场、接收传感器三部分组成。
导波在管道轴向传播时具有纵向(Longitudinal)模态L(0,m)、扭转(Torisonal)模态T(0,m)和弯曲(flexural)模态F(n,m)。各种类型模态导波的激励的方法不同从而造成磁致伸缩传感器的类型不同,本发明中以纵向导波传感器为对象。偏置磁场是在磁化线圈中产生的,它有两个作用:第一,增强传感器的效率,即电能转换为机械能以及机械能转换为电能的效率;第二,使电信号的频率与机械波的频率保持一致。当偏置磁场与激励线圈产生的磁场方向平行时,在管道中产生的导波为纵向导波。
电磁场的作用下,铁磁体材料中弹性波运动方程的一般表达式为:
式(1)中,r为材料密度,Sik为弹性应力张量,xk为笛卡尔坐标,fi em为洛伦兹力,fi ms为磁致伸缩力,其中低频时,fi ms>>fi em,可认为fi em=0。产生纵向导波时静态偏置磁场应与圆管轴向z方向平行,则径向和周向的磁化强度为零,所以磁致伸缩力只有轴向方向。
式(2)中,为拉梅常数;u为泊松比;l为磁致伸缩系数;mz为交变磁场沿轴向产生的磁化强度,即为激励传感器产生的交变磁场;M0为静态偏置磁场产生的磁化强度。
综合式(1)和(2)即为纵向导波磁致伸缩传感器中激励导波的理论基础。
导波在管道中传播时,由于磁致伸缩逆效应引起了钢管中磁感应强度变化,在接收传感器引起了螺线管中磁通量的变化,根据电磁感应定律,该变化在线圈中产生电流,螺线管两端的电压信号即为导波信号。接收电压公式为:
式中,s为接收线圈横截面积,n为每单位长度的线圈匝数,e(x)为非均匀性效率因子,u为导波位移分量,μr相对磁导率,l为螺线管长度,d为磁致伸缩系数,式(3)为磁致伸缩传感器的接收部分的理论基础。
进一步地,所述的电磁超声波探测部分的主要工作原理及组成为:大多数情况下,超声波缺陷探伤的原理是探头发射的超声波在工件的不连续区产生反射,从而被探头和仪器接收显示并判定,然而电磁超声波激发的表面波沿着管材圆周方向传播,采用这种方法,无需使钢管或传感器转动便可扫描钢管的圆周,以此来检测钢管的表面缺陷。电磁超声波探测部分主要由两个电磁超声传感器(1个发射器和1个接收器)均位于钢管的上方,并沿钢管的圆周方向互成90°排列。
进一步地,所述的光学探测部分的主要工作流程为:通过一维摄影机将钢管端面进行扫描,所接收的视频信号依照既定的视频规范进行全自动判定,该系统不仅能识别缺陷信号,还可对缺陷信号进行分类,并将分类结果储存下来。
信号处理单元。该单元包括第一处理部分、第二处理部分,两部分都负责对纵向导波磁致伸缩传感器部分和电磁超声波探测部分采集的钢管管内和管外的缺损信号进行处理。两者区别之处在于:第一处理部分是定性地判断当前钢管是否有缺损,第二处理部分是定量地准确显示当前钢管的损伤程度即质量等级。
进一步地,所述的第一处理部分是定性地判断当前钢管是否有缺损并且将判断结果以及缺损信号传给第二处理部分,其主要工作流程为:当第一处理单元接收到纵向导波磁致伸缩传感器部分和电磁超声波探测部分检测采集到的钢管管内、管外缺损信号时,该部分首先运用EEMD分别对两种检测信号分解生成IMF分量,然后计算各IMF度量因子Ri并筛选出有用的IMF分量,接着对两种检测信号进行重构形成重构信号,进一步对重构信号做包络分析,最后根据获得的包络谱形成缺损特征信号,并且包络谱中图像的幅值越大则钢管缺损越严重,幅值越小则缺损越轻。另外,若运用EEMD分别对两种检测信号进行分解生成IMF分量,然后计算各IMF度量因子Ri,没有筛选出有用的IMF分量,则说明钢管管内、管外无缺损;相反地,若第一处理部分确定当前钢管管内、管外有缺损时,将及时地给出判断结果,并与缺损信号同时作为第二处理单元的输入。
进一步地,EEMD算法本质上是一种噪声辅助信号处理方法,它通过多次给待分析信号加入零均值但不同有限幅值的高斯白噪声,利用高斯白噪声的频率均匀分布统计特性改变信号的极值分布特性使得信号在整个频带中的极值点间隔分布均匀,克服了极值点上下包络线的拟合误差,然后再对多次分解的IMF进行总体平均,从而获得了既能避免模式混叠现象又准确的并消除了噪声加入影响的本征模函数。EEMD的具体算法如下:(1)给分析信号加入白噪声序列;(2)将加入了白噪声的信号分解成各IMFs;(3)重复步骤(1)和步骤(2),但是每次都加入不同的白噪声序列;(4)求分解得到对应IMFs的总体平均,并将平均之后的IMF序列作为最终的结果。
进一步地,对基于距离的度量因子算法说明如下:将钢管缺损信号X(faultsigna1)进行EEMD分解后得到一组IMFs记为C1,C2,C3…Cm,不同的IMF与原始钢管缺损信号的相关程度不同,因此在对IMF进行后续分析之前需要将最敏感的IMF分量选择出来。基于距离的度量因子算法是用来评估IMF分量与原始信号相似程度的算法,该算法可表述为首先计算原始钢管缺损信号与本征模函数分量之问的距离,并将其定义为评估每个IMF分量的度量因子Ri,然后比较所有度量因子Ri的值,最后选取Ri值最小或次小的IMF用来表征钢管缺损特征。设钢管缺损信号的采样点数为N,则度量因子Ri是的数学表达式为:
进一步地,所述的第二处理部分是定量地准确显示当前钢管的损伤程度即质量等级,其主要的工作流程为:当第二处理单元接收到第一处理部分的输出信息并且输出信息表示当前钢管有缺损时,该部分依据近似熵理论和算法对钢管管内、管外损伤检测信号进行复杂度分析,通过对不同缺陷(小孔和裂缝)和无损伤时信号的近似熵值进行比较,近似熵值越小,表明钢管损伤越大,近似熵大,表明钢管管内损伤小;另外,所得的近似熵值是量化钢管管内、管外损伤程度的主要参考,也是判断单元的输入。
进一步地,近似熵是用一个非负数来表示某一时间序列的复杂度,它能够衡量时间序列中产生新模式概率大小,产生新模式的概率越大,序列就越复杂,即越复杂的时间序列对应的近似熵越大。对于给定N点时间序列u(i),其近似熵的具体计算步骤(m是预先选定的模式维数,r是预先选定的相似容限)如下:
(1)将序列u(i)按顺序组成m维矢量X(i):
X(i)=u(i),u(i+1),…,u(i+m-1),i=1,2,…,N-m+1; (5)
(2)对每一个i值计算矢量X(i)与其余矢量X(j)之间的距离为:
(3)给定阈值r(r>0),对每个i值统计d[X(i),X(j)]≤r的数目以及该数目与总的矢量个数N-m+1的比值,记作即:
(4)先将取对数,再求其对所有i的平均值,记作Φm(r),即:
(5)再对m+1,重复(1)~(4)过程,得到Φm+1(r);
(6)最后,求得近似熵值为:
一般而言,此极限值以概率1存在。但在实际工作中N不可能为∞,当N为有限值时,按上述步骤得出的是序列长度为N时ApEn的估计值记做:
ApEn(m,r)=Φm(r)-Φm+1(r) (10)
ApEn值的大小显然与m和r取值有关。经验建议m=2,r=0。1~0。25SD(u)(SD表示序列u(i)标准差),近似熵具有较为合理的统计特性。
判断单元。该单元主要负责对信号处理单元输出的近似熵值与管端视频缺损信号进行处理,具体处理过程是:首先判断单元预设钢管缺损等级即质量等级的判定标准,然后将上单元得到的近似熵值和视频缺损信号与设定的缺损等级进行判断,给出当前钢管的缺损等级。
进一步地,钢管缺损等级的设定可以根据钢管的具体规格、应用途径、要求指标等因素以及经验数据进行设定,或者通过人为对无缺损的钢管进行不同程度的破坏,比如人为地对合格的钢管制作1mm、2mm、3mm等不同规格的裂纹以及直径为5mm、10mm、20mm等不同规格的小孔,然后通过该系统对钢管缺损状况进行完整的检测,并对结果进行分析、记录、备份,然后将这些结果整理成数据库并形成具体的等级标准,比如轻度缺损,中度缺损,重度缺损等等。
输出显示单元以及报警单元。输出显示单元主要是用来对判断单元给出的结果进行显示输出;报警单元的主要功能是根据判断单元给出的结果对质量等级不合格的钢管进行报警提示。
本发明钢管制造过程损伤监控方法对钢管的具体监控步骤为:首先用带有多传感器的检测采集单元对钢管进行管内、管外、管端全方位的检测与损伤信号采集,然后信号处理单元根据检测与采集结果对要求的损伤信号进行处理,并将处理后的信号发送给损伤判断单元,损伤判断单元将处理信号分析转换成具体的损伤等级信号,最后输出显示单元与报警单元显示输出信号。本发明采用多传感器融合检测,制定了精确地检测步骤,可以有效地对钢管损伤进行监控。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为钢管制造过程损伤监控方法的原理图;
图2为纵向导波磁致伸缩传感器部分结构图;
图3为第一处理单元内部流程图;
具体实施
以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
图1为钢管损伤监控方法的流程图,其中主要包括检测采集单元、信号处理单元、判断单元、输出显示单元以及报警单元五个部分,如图所示:本发明提供的钢管制造过程质量检控方法,包括以下步骤:
S1:利用多传感器采集钢管管内、管外、管端的全部缺损信息;
S2:信号处理单元中的第一处理部分利用EEMD、度量因子以及包络分析定性地判断当前钢管是否有缺损;
S3:信号处理单元中的第二处理部分运用近似熵算法定量地准确显示当前钢管的损伤程度即质量等级;
S4:判断单元将近似熵值和视频缺损信号与设定的缺损等级进行对比判断;
S5:输出显示单元对判断单元给出的结果进行显示输出;报警单元的根据判断单元给出的结果对质量等级不合格的钢管进行报警提示。
图2为纵向导波磁致伸缩传感器部分结构图,通过结构图我们分析纵向导波磁致伸缩传感器的主要工作原理及组成为:铁磁体在外磁场中被磁化时,在铁磁体内将激发弹性导波,导波在传播过程中,铁磁体内各部分均发生变化,其磁导率也将发生变化,它反过来使波的传播特性也发生变化,进而导致铁磁体内磁感应强度发生变化,所变化的磁感应强度必定引起接收线圈中的电压变化,通过测量电压信号-导波的反射情况,即可检测出铁磁体构件中是否存在腐蚀、裂纹、破损等缺陷。导波的激励、导波信号检测以及铁磁体的磁化通过磁致伸缩传感器实现。为实现各部分的功能该传感器由激励传感器、偏置磁场、接收传感器三部分组成。
导波在管道轴向传播时具有纵向(Longitudinal)模态L(0,m)、扭转(Torisonal)模态T(0,m)和弯曲(flexural)模态F(n,m)。各种类型模态导波的激励的方法不同从而造成磁致伸缩传感器的类型不同,本发明中以纵向导波传感器为对象。偏置磁场是在磁化线圈中产生的,它有两个作用:第一,增强传感器的效率,即电能转换为机械能以及机械能转换为电能的效率;第二,使电信号的频率与机械波的频率保持一致。当偏置磁场与激励线圈产生的磁场方向平行时,在管道中产生的导波为纵向导波。
电磁场的作用下,铁磁体材料中弹性波运动方程的一般表达式为:
式(11)中,ρ为材料密度,σik为弹性应力张量,xk为笛卡尔坐标,fi em为洛伦兹力,fi ms为磁致伸缩力,其中低频时,fi ms>>fi em,可认为fi em=0。产生纵向导波时静态偏置磁场应与圆管轴向z方向平行,则径向和周向的磁化强度为零,所以磁致伸缩力只有轴向方向。
式(12)中,为拉梅常数;v为泊松比;λ为磁致伸缩系数;mz为交变磁场沿轴向产生的磁化强度,即为激励传感器产生的交变磁场;M0为静态偏置磁场产生的磁化强度。
综合式(11)和(12)即为纵向导波磁致伸缩传感器中激励导波的理论基础。
导波在管道中传播时,由于磁致伸缩逆效应引起了钢管中磁感应强度变化,在接收传感器引起了螺线管中磁通量的变化,根据电磁感应定律,该变化在线圈中产生电流,螺线管两端的电压信号即为导波信号。接收电压公式为:
式中,s为接收线圈横截面积,n为每单位长度的线圈匝数,e(x)为非均匀性效率因子,u为导波位移分量,μr相对磁导率,l为螺线管长度,λ为磁致伸缩系数。
图3为信号处理单元中第一处理部分的内部流程图,即利用EEMD算法、基于距离的度量因子算法以及包络分析对缺损信号进行处理的流程,如图所示,该流程的具体工作步骤为:
S21:对钢管缺损信号进行EEMD分解得到m组IMFs;
S22:计算每个IMF的度量因子Ri;
S23:筛选出度量因子Ri最小或次小的IMF进行信号重构;
S24:对重构信号作包络分析;
S25:最后根据包络谱中缺损信号的幅值特征判断缺损情况。
以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种采用多传感器融合的联合EEMD和近似熵的钢管制造过程损伤监控方法,其特征在于,包括以下步骤:
S1:利用检测采集单元采集钢管管内、管外、管端的全部缺损信息;所述检测采集单元是指利用纵向导波磁致伸缩传感器、电磁超声波、一维摄影机分别对钢管的管内、管外、管端进行全方位的监控并采集损伤数据;
S2:信号处理单元中的第一处理部分利用EEMD、度量因子以及包络分析定性地判断当前钢管是否有缺损;
S3:信号处理单元中的第二处理部分运用近似熵算法定量地得到近似熵,准确显示当前钢管的损伤程度即质量等级;
S4:判断单元将近似熵值和视频缺损信号与设定的缺损等级进行对比判断;所述视频缺损信号是由一维摄像机得到;
S5:输出显示单元对判断单元给出的结果进行显示输出;报警单元根据判断单元给出的结果对缺损等级不合格的钢管进行报警提示。
2.根据权利要求1所述的联合EEMD和近似熵的钢管制造过程损伤监控方法,其特征在于:所述步骤S2中的EEMD、度量因子以及包络分析算法是通过以下步骤来实现的:
S21:对钢管缺损信号进行EEMD分解得到m组IMFs;
S22:计算每个IMF的度量因子Ri;
S23:筛选出度量因子Ri最小或次小的IMF进行信号重构;
S24:对重构信号作包络分析;
S25:最后根据包络谱中缺损信号的幅值特征判断缺损情况。
3.根据权利要求1所述的联合EEMD和近似熵的钢管制造过程损伤监控方法,其特征在于:所述步骤S4中判断单元是通过以下步骤来实现的:
S41:判断单元预设钢管缺损等级即质量等级的判定标准;
S42:将上单元得到的近似熵和视频缺损信号与设定的缺损等级进行判断;
S43:给出当前钢管的缺损等级。
4.根据权利要求3所述的联合EEMD和近似熵的钢管制造过程损伤监控方法,其特征在于:所述步骤S41中判断单元预设钢管缺损等级是根据钢管的具体规格、应用途径、要求指标以及历史经验数据进行设定;或者通过人为对无缺损的钢管进行不同程度的破坏,具体操作如下:人为地对合格的钢管制作1mm,2mm和3mm共三种不同规格的裂纹以及直径为5mm,10mm和20mm共三种不同规格的小孔,然后对钢管缺损状况进行完整的检测,并对结果进行分析、记录、备份,然后将这些结果整理成数据库并形成具体的三种等级标准,分别为轻度缺损,中度缺损和重度缺损。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410172628.XA CN103954628B (zh) | 2014-04-28 | 2014-04-28 | 联合eemd和近似熵的钢管损伤监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410172628.XA CN103954628B (zh) | 2014-04-28 | 2014-04-28 | 联合eemd和近似熵的钢管损伤监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103954628A CN103954628A (zh) | 2014-07-30 |
CN103954628B true CN103954628B (zh) | 2017-01-18 |
Family
ID=51331933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410172628.XA Expired - Fee Related CN103954628B (zh) | 2014-04-28 | 2014-04-28 | 联合eemd和近似熵的钢管损伤监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103954628B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3201846A1 (en) | 2014-10-02 | 2017-08-09 | Ecoatm Inc. | Wireless-enabled kiosk for recycling consumer devices |
CN104535110A (zh) * | 2014-12-26 | 2015-04-22 | 中国原子能科学研究院 | 重水堆压力管自动检测装置 |
CN105784936B (zh) * | 2016-03-09 | 2017-09-26 | 西安交通大学 | 一种复合材料板损伤的快速检测方法及系统 |
CN114778684A (zh) * | 2022-06-21 | 2022-07-22 | 张家港沙龙精密管业有限公司 | 一种基于服役场景的钢管性能评估方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710103A (zh) * | 2009-11-27 | 2010-05-19 | 华中科技大学 | 磁致伸缩导波单方向检测方法 |
CN101763336A (zh) * | 2010-01-18 | 2010-06-30 | 哈尔滨工业大学 | 一种具有激励噪声添加参数选取功能的集合经验模态分解方法 |
CN102819750A (zh) * | 2012-08-02 | 2012-12-12 | 哈尔滨航控博创科技有限公司 | 基于快速集合经验模态分解的高光谱图像分类方法 |
CN102980892A (zh) * | 2012-11-13 | 2013-03-20 | 上海交通大学 | 钢管在线检测系统及方法 |
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN203443924U (zh) * | 2013-07-18 | 2014-02-19 | 厦门艾帝尔电子科技有限公司 | 一种电磁超声检测成像系统 |
-
2014
- 2014-04-28 CN CN201410172628.XA patent/CN103954628B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710103A (zh) * | 2009-11-27 | 2010-05-19 | 华中科技大学 | 磁致伸缩导波单方向检测方法 |
CN101763336A (zh) * | 2010-01-18 | 2010-06-30 | 哈尔滨工业大学 | 一种具有激励噪声添加参数选取功能的集合经验模态分解方法 |
CN102819750A (zh) * | 2012-08-02 | 2012-12-12 | 哈尔滨航控博创科技有限公司 | 基于快速集合经验模态分解的高光谱图像分类方法 |
CN102980892A (zh) * | 2012-11-13 | 2013-03-20 | 上海交通大学 | 钢管在线检测系统及方法 |
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN203443924U (zh) * | 2013-07-18 | 2014-02-19 | 厦门艾帝尔电子科技有限公司 | 一种电磁超声检测成像系统 |
Non-Patent Citations (4)
Title |
---|
基于 EEMD-近似熵和储备池的风电功率混沌时间序列预测模型;张学清等;《物理学报》;20130531;第050505-1~第050505-10页 * |
基于EMD近似熵特征提取和支持向量机的故障诊断方法;郭小荟等;《 中国自动化学会控制理论专业委员会D卷 》;20110730;第4275-4279页 * |
近似熵在声发射信号处理中的应用;林丽等;《振动与冲击》;20080228;第99-102页 * |
近似熵在钢管无损检测实验信号分析中的应用;黄炳琼等;《实验技术与管理》;20090630;第36-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103954628A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN205861255U (zh) | 基于巴克豪森效应的铁磁材料应力检测装置 | |
CN101509604B (zh) | 一种金属管内堆积物的检测和评定方法及装置 | |
CN109142547A (zh) | 一种基于卷积神经网络的声学在线无损检测方法 | |
WO2006011484A1 (ja) | 埋設管の検査方法 | |
Shi et al. | Non-destructive testing of full-length bonded rock bolts based on HHT signal analysis | |
CN103954628B (zh) | 联合eemd和近似熵的钢管损伤监控方法 | |
CN109142514B (zh) | 一种基于脉冲涡流阵列的缺陷检测装置及方法 | |
US6382029B1 (en) | Apparatus and method for utilizing electromagnetic acoustic transducers to non-destructively analyze in-service conductive materials | |
CN105606268A (zh) | 基于动态磁致伸缩系数测量的焊接残余应力超声评价方法 | |
CN107478147A (zh) | 一种奥氏体锅炉管内脱落氧化皮堆积厚度脉冲涡流检测方法及装置 | |
CN109900804A (zh) | 一种基于超声导波的金属材料裂纹定量监测方法 | |
CN104597083A (zh) | 基于超声导波和机电阻抗的移动式损伤检测方法 | |
CN112229904A (zh) | 一种脉冲远场涡流检测探头及使用方法 | |
Lei et al. | Ultrasonic pig for submarine oil pipeline corrosion inspection | |
CN2809640Y (zh) | 一种结构缺陷超声在线智能识别系统 | |
CN106053602A (zh) | 一种基于磁致伸缩效应的自比式锚杆无损检测方法 | |
CN115144259B (zh) | 一种钢材抗形变性能检测方法及系统 | |
CN116026921A (zh) | 一种内建环形超声波传感器阵列的智能灌浆套筒系统 | |
CN116773654A (zh) | 一种基于周向导波的管道缺陷智能检测装置及检测方法 | |
CN206818638U (zh) | 基于电磁波传输线理论的拉索缺陷检测系统 | |
CN106918604A (zh) | 基于电磁波传输线理论的拉索缺陷检测系统及其检测方法 | |
CN1268922C (zh) | 海洋平台结构缺陷的电磁导波检测装置和方法 | |
CN205941245U (zh) | 用于轴承套圈的便携式硬度检测装置 | |
Lei et al. | A new defect classification approach based on the fusion matrix of multi-eigenvalue | |
JP5750066B2 (ja) | ガイド波を用いた非破壊検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170118 Termination date: 20170428 |