CN104865310B - 齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 - Google Patents
齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 Download PDFInfo
- Publication number
- CN104865310B CN104865310B CN201510104047.7A CN201510104047A CN104865310B CN 104865310 B CN104865310 B CN 104865310B CN 201510104047 A CN201510104047 A CN 201510104047A CN 104865310 B CN104865310 B CN 104865310B
- Authority
- CN
- China
- Prior art keywords
- eddy current
- carburizing depth
- gear
- axial workpiece
- signal
- 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
- 238000005255 carburizing Methods 0.000 title claims abstract description 93
- 238000012360 testing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 239000000523 sample Substances 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 13
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 9
- 229910052799 carbon Inorganic materials 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000001066 destructive effect Effects 0.000 claims description 5
- 229910000859 α-Fe Inorganic materials 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 23
- 239000000126 substance Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000009659 non-destructive testing Methods 0.000 description 5
- 210000004218 nerve net Anatomy 0.000 description 4
- 230000032798 delamination Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- MDNKIWMJTWBYHH-UHFFFAOYSA-N [B].[O].[S].[N] Chemical compound [B].[O].[S].[N] MDNKIWMJTWBYHH-UHFFFAOYSA-N 0.000 description 1
- GJEAMHAFPYZYDE-UHFFFAOYSA-N [C].[S] Chemical compound [C].[S] GJEAMHAFPYZYDE-UHFFFAOYSA-N 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000005256 carbonitriding Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005254 chromizing Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005121 nitriding Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000012811 non-conductive material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003961 penetration enhancing agent Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000006104 solid solution Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000007669 thermal treatment Methods 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，包括脉冲信号发生器、功率放大器、电涡流探头、信号调理放大器、数据采集卡及计算机；脉冲信号发生器产生脉冲信号，经功率放大器后驱动电涡流探头，电涡流探头输出信号经信号调理放大器和数据采集卡后输入计算机；同时还包括使用该装置的检测方法；本发明解决了当前实际生产中齿轮与轴类零件渗碳深度检测存在的随机抽样、破坏性、成本高、需要化学试剂、过程繁琐费时等问题，具有不破坏零件使用性能、检测速度快、仪器成本低、不受趋肤效应限制等优点，可实现齿轮与轴类零件的在线100%检测。
Description
技术领域
本发明涉及一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法，属于热处理质量控制和无损检测技术领域。
背景技术
在当代机械加工过程中化学热处理的应用越来越多，在航空航天、海洋机械以及汽车制造等各个领域均得到了广泛应用。目前大量应用的凸轮、齿轮、偏心轮、活塞销等机械零件在工作过程中承受强烈的摩擦和冲击载荷，因此要求零件表面具有较高的硬度和耐磨性，而心部具有良好的塑性和韧性。为了满足上述性能要求，需要对齿轮和轴类零件进行化学热处理。化学热处理包括渗碳、渗氮、碳氮共渗、渗硼、渗硫、渗铝、渗铬、渗硅、氧氮化、硫氰共渗、碳氮硫氧硼五元共渗及碳（氮）化钛覆盖等，其中渗碳在现代机械制造领域应用最为广泛。
化学热处理过程主要分为分解、吸收、扩散三大步。分解是指处理过程中所需介质中的渗剂分子发生分解，分解出活性原子。吸收是指该活性原子被零件表面吸收后与零件基体形成合金固溶体的过程。扩散是指该活性原子由基体材料表面向基体内部逐渐扩散，并形成一定的浓度梯度。
通过渗碳处理能够使零件获得高的表面硬度、耐磨性以及高的接触疲劳强度和弯曲疲劳强度。根据渗碳过程中渗碳介质状态的不同，渗碳可分为固体渗碳、液体渗碳以及气体渗碳三种，其中以气体渗碳应用最为广泛。而对于零件的渗碳质量，一般希望渗碳层浓度梯度平缓，渗碳层深度按照要求控制在0.5 mm~2.5 mm范围内。渗碳质量的评价指标有表面碳浓度、渗碳深度和渗层碳浓度分布等参数，其中渗碳层深度是最重要的指标。若渗碳层过浅易导致零件表面硬度和耐磨性不达标，渗碳层过深则导致零件塑性和韧性不达标；因此对高性能的齿轮与轴类零件而言，准确测量渗碳层深度是极为重要的。
测量渗碳深度的常用方法可分为破坏性检测和无损检测两大类。常用的破坏性检测方法有电阻法、硬度法、剥层法（化学法）、金相法等，电阻法是在传统测量维氏硬度的金刚石压头（非导体材料）表面涂覆一层薄导体层，压头与试件间形成一闭合回路，通过测量压头座与试样之间阻值便能得到压头位置，即压头在零件中的深度，这种方法在获得零件深度方向上硬度分布的同时，能直接得到零件渗层的表面厚度，但该方法容易受零件表面粗糙度影响。
硬度法通过测量压头在零件表面压孔的尺寸得到零件硬度，测试零件从表面到硬度为550 HV处的垂直距离即为渗碳深度，具有测量精确、重复性好等优点，缺点是要求钢材的淬透性稳定，而目前的淬透工艺稳定性往往较差。
剥层法也称化学法，是根据零件深度的增量进行剥层，逐层分析碳含量，其测量结果较为精确，但过程非常繁琐费时。
金相法是对零件进行等温退火，得到平衡组织在光学显微镜下放大测量，测量结果直观，但化学试剂的选择必须慎重考虑，否则无法清晰显示渗层相界。
上述检测方法对零件都具有破坏性，因而不能对所有零件进行100%检测，只能进行抽样检测；抽样检测可能把合格的零件判为不合格，也可能把不合格的零件判为合格，有接受不合格零件和拒绝合格零件的风险；对制造的产品或过程只能提供较少的品质信息，对于要求高可靠性和高性能的零件并不适用。
无损检测是指在不损伤或不影响被测对象使用性能、不伤害被测对象内部组织的前提下，利用材料内部结构异常或缺陷引起的热、声、光、电、磁等反应的变化，以物理或化学方法为手段，借助现代化技术和设备器材，对零件内部及表面的结构、性质、状态及缺陷的类型、性质、数量、形状、位置、尺寸、分布及其变化进行检查和测试的方法。常规的无损检测方法有超声法、射线法、磁粉法、渗透法和涡流法。
超声法要求被测表面光洁且需要耦合剂，只适用于界面分明的材料测厚；射线法的放射源具有放射性对人体具有一定的副作用，且射线检测操作中需要严格防护，防护设备成本较高；磁粉法和渗透法只适用于零件或装备探伤。
涡流法是基于电磁感应原理的一种无损检测方式，该方法对于零件材料的电磁参数如电导率、磁导率的变化非常敏感。零件材料经渗碳处理之后由于碳含量的不同，在渗碳深度内零件的电导率和导磁率发生变化，且电导率和磁导率随深度变化而变化，非恒定值，因此涡流法适用于齿轮与轴类零件渗碳深度的无损检测与评估。
常用的涡流方法有常规涡流法和脉冲涡流法。常规涡流法采用单频或多频正弦信号激励，脉冲涡流法采用具有一定占空比的方波信号作为激励。目前市场上还没有出现通过脉冲涡流检测装置及方法来检测齿轮与轴类零件渗碳深度。
发明内容
针对上述现有技术存在的问题，本发明提供一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法，具有不破坏零件使用性能、检测速度快、仪器成本低、不受趋肤效应限制等优点，可实现齿轮与轴类零件的在线100%检测。
为了实现上述目的，本发明采用的技术方案是：一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，
它包括脉冲信号发生器、功率放大器、电涡流探头、信号调理放大器、数据采集卡及计算机；
所述的脉冲信号发生器输出端与功率放大器输入端相连，功率放大器输出端与电涡流探头输入端相连，电涡流探头输出端与信号调理放大器输入端相连，信号调理放大器输出端与数据采集卡输入端相连，数据采集卡输出端与计算机相连；
所述的脉冲信号发生器产生脉冲信号，经功率放大器后驱动电涡流探头，电涡流探头输出信号经信号调理放大器和数据采集卡后输入计算机。
所述的电涡流探头由激励线圈、骨架、霍尔传感器组成；激励线圈缠绕在骨架上，霍尔传感器设置在骨架上并通过引线引出；其中，骨架为铁氧体磁芯。
所述的霍尔传感器为两个，一个置于骨架底部中心位置，另一个置于骨架顶部中心位置，二者呈对称分布。
所述的数据采集卡采样速率大于500Ks/s。
一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法，包括以下步骤：
1）标定：针对各种不同材料制作的齿轮或轴类零件，制作不同渗碳深度的标准试件，采用齿轮与轴类零件渗碳深度的脉冲涡流检测装置，获取其脉冲涡流信号，并建立各类材料对应的基于BP神经网络的渗碳深度检测模型；
2）检测：对于待检测零件，采用权利要求1所述的齿轮与轴类零件渗碳深度的脉冲涡流检测装置检测其脉冲涡流信号，调用其对应的基于BP神经网络的渗碳深度检测模型，计算渗碳深度。
所述步骤1）包括以下步骤：
11）针对各种不同材料制作的齿轮或轴类零件，按照实际生产要求，制作一系列不同渗碳深度的标准试件，并采用齿轮与轴类零件渗碳深度的脉冲涡流检测装置逐一测量这些标准试件的脉冲涡流信号，测量时将电涡流探头置于被测标准试件表面，在电涡流探头轴线与被测标准试件表面垂直的条件下进行；
12）对步骤11）所测的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度标准试件的信号特征；
13）采用剥层法对标准试件逐一进行破坏性检测，得到各标准试件的实际渗碳深度；
14）建立BP神经网络模型，将步骤12）获得标准试件的信号特征作为BP神经网络模型的输入，将步骤13）获得的实际渗碳深度作为BP神经网络模型的输出，建立基于BP神经网络的渗碳深度检测模型。
所述步骤2）包括以下步骤：
21）对于待检测零件，在其表面均匀选取三个点作为测点，并采用齿轮与轴类零件渗碳深度的脉冲涡流检测装置对各测点进行检测，获取其脉冲涡流信号；
22）对步骤21）所测的各测点的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度零件的信号特征；
23）将三个测点的信号特征输入步骤14）建立的基于BP神经网络的渗碳深度检测模型，获取被测零件表面各测点的渗碳深度值，然后将三个测点的渗碳深度值取平均，作为被测零件的渗碳深度值。
与现有的方法相比，本发明采用脉冲涡流法，解决了当前实际生产中齿轮与轴类零件渗碳深度检测存在的随机抽样、破坏性、成本高、需要化学试剂、过程繁琐费时等问题，具有不破坏零件使用性能、检测速度快、仪器成本低、不受趋肤效应限制等优点，可实现齿轮与轴类零件的在线100%检测。
附图说明
图1是本发明原理框图；
图2是本发明电涡流探头的截面图；
图3是本发明电涡流探头的俯视图；
图4是本发明使用的基于BP神经网络的渗碳深度检测模型的标定流程图。
图中：1、引线，2、骨架，3、激励线圈，4、霍尔传感器。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，
它包括脉冲信号发生器、功率放大器、电涡流探头、信号调理放大器、数据采集卡及计算机；
所述的脉冲信号发生器输出端与功率放大器输入端相连，功率放大器输出端与电涡流探头输入端相连，电涡流探头输出端与信号调理放大器输入端相连，信号调理放大器输出端与数据采集卡输入端相连，数据采集卡输出端与计算机相连；
所述的脉冲信号发生器产生脉冲信号，经功率放大器后驱动电涡流探头，电涡流探头输出信号经信号调理放大器和数据采集卡后输入计算机。
如图2和图3所示，所述的电涡流探头由激励线圈3、骨架2、霍尔传感器4组成；激励线圈3缠绕在骨架上，霍尔传感器4设置在骨架上并通过引线1引出；其中，骨架2为铁氧体磁芯。
所述的霍尔传感器4为两个，一个置于骨架2底部中心位置，另一个置于骨架2顶部中心位置，位于骨架2底部的霍尔传感器4检测激励信号在激励线圈3中产生的感应磁场，位于骨架2底部的霍尔传感器4检测激励信号与涡流信号共同作用下的磁场，二者关于激励线圈3对称，距离激励线圈3的垂直距离相等，数据卡采集二者产生的差分信号。
由于脉冲信号中含有更高阶次的谐波分量，为了能够得到更多的信息，根据采样定律，应该使选取的数据采集卡的采样频率较高：所述的数据采集卡采样速率应大于500Ks/s。
一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法，包括以下步骤：
1）标定：针对各种不同材料制作的齿轮或轴类零件，制作不同渗碳深度的标准试件，采用权利要求1所述的齿轮与轴类零件渗碳深度的脉冲涡流检测装置，获取其脉冲涡流信号，并建立各类材料对应的基于BP神经网络的渗碳深度检测模型；
所述步骤1）包括以下步骤：
11）针对各种不同材料制作的齿轮或轴类零件，按照实际生产要求，制作一系列不同渗碳深度的标准试件，并采用权利要求1所述齿轮与轴类零件渗碳深度的脉冲涡流检测装置逐一测量这些标准试件的脉冲涡流信号，测量时将电涡流探头置于被测标准试件表面，在电涡流探头轴线与被测标准试件表面垂直的条件下进行；
12）对步骤11）所测的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度标准试件的信号特征；
13）采用剥层法对标准试件逐一进行破坏性检测，每次剥层深度为0.2 mm，使用硫碳分析仪进行剥层化学分析，得到各标准试件的实际渗碳深度；
14）建立BP神经网络模型，将步骤12）获得标准试件的信号特征作为BP神经网络模型的输入，将步骤13）获得的实际渗碳深度作为BP神经网络模型的输出，建立基于BP神经网络的渗碳深度检测模型；
2）检测：对于待检测零件，采用权利要求1所述的齿轮与轴类零件渗碳深度的脉冲涡流检测装置检测其脉冲涡流信号，调用其对应的基于BP神经网络的渗碳深度检测模型，计算渗碳深度；
所述步骤2）包括以下步骤：
21）对于待检测零件，在其表面均匀选取三个点作为测点，并采用权利要求1所述齿轮与轴类零件渗碳深度的脉冲涡流检测装置对各测点进行检测，获取其脉冲涡流信号；
22）对步骤21）所测的各测点的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度零件的信号特征；
23）将三个测点的信号特征输入步骤14）建立的基于BP神经网络的渗碳深度检测模型，获取被测零件表面各测点的渗碳深度值，然后将三个测点的渗碳深度值取平均，作为被测零件的渗碳深度值。
如图4所示为一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法中基于BP神经网络的渗碳深度检测模型的标定流程图：
根据BP神经网络模型的输入输出序列进行网络初始化，确定输入层、隐含层节及输出层节点数，初始化输入层、隐含层及输出层神经元之间的连接权值，初始化隐含层及输出层阀值，给定学习速率和神经元激励函数。
根据BP神经网络模型输入向量、输入层和隐含层间连接权值以及隐含层阀值，计算BP神经网络模型隐含层输出；根据BP神经网络模型隐含层输出、连接权值及阀值，计算BP神经网络模型的预测输出；根据BP神经网络模型的预测输出和期望输出，计算BP神经网络模型的预测误差；若误差超出规定范围，则根据BP神经网络模型的预测误差更新BP神经网络模型的网络参数，重新对BP神经网络模型进行学习训练；如果误差没有超出规定范围，则停止计算。
利用本发明提出的装置对齿轮与轴类零件渗碳深度的脉冲涡流检测方法，还可以应用于其他导电材料化学热处理质量的评估检测中；对于不同材料基体、不同碳势、不同渗碳介质等金属热处理材料，只要通过实验训练不同的基于BP神经网络的渗碳深度检测模型，就可以对相应材料进行化学热处理质量的检测与评估。
Claims (7)
1.一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，其特征在于，
它包括脉冲信号发生器、功率放大器、电涡流探头、信号调理放大器、数据采集卡及计算机；
所述的脉冲信号发生器输出端与功率放大器输入端相连，功率放大器输出端与电涡流探头输入端相连，电涡流探头输出端与信号调理放大器输入端相连，信号调理放大器输出端与数据采集卡输入端相连，数据采集卡输出端与计算机相连；
所述的脉冲信号发生器产生脉冲信号，经功率放大器后驱动电涡流探头，电涡流探头输出信号经信号调理放大器和数据采集卡后输入计算机，计算机获取脉冲涡流信号，进行去噪处理后提取其峰值和峰值时间作为信号特征，并作为BP神经网络的输入。
2.根据权利要求1所述的一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，其特征在于，所述的电涡流探头由激励线圈(3)、骨架(2)、霍尔传感器(4)组成；激励线圈(3)缠绕在骨架上，霍尔传感器(4)设置在骨架上并通过引线(1)引出；其中，骨架(2)为铁氧体磁芯。
3.根据权利要求2所述的一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，其特征在于，所述的霍尔传感器(4)为两个，一个置于骨架(2)底部中心位置，另一个置于骨架(2)顶部中心位置，二者呈对称分布。
4.根据权利要求1所述的一种齿轮与轴类零件渗碳深度的脉冲涡流检测装置，其特征在于，所述的数据采集卡采样速率大于500Ks/s。
5.一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法，其特征在于，包括以下步骤：
1)标定：针对各种不同材料制作的齿轮或轴类零件，制作不同渗碳深度的标准试件，采用权利要求1所述的齿轮与轴类零件渗碳深度的脉冲涡流检测装置，获取其脉冲涡流信号，并建立各类材料对应的基于BP神经网络的渗碳深度检测模型；
2)检测：对于待检测零件，采用权利要求1所述的齿轮与轴类零件渗碳深度的脉冲涡流检测装置检测其脉冲涡流信号，调用其对应的基于BP神经网络的渗碳深度检测模型，计算渗碳深度。
6.根据权利要求5所述的一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法，其特征在于，所述步骤1)包括以下步骤：
11)针对各种不同材料制作的齿轮或轴类零件，按照实际生产要求，制作一系列不同渗碳深度的标准试件，并采用权利要求1所述齿轮与轴类零件渗碳深度的脉冲涡流检测装置逐一测量这些标准试件的脉冲涡流信号，测量时将电涡流探头置于被测标准试件表面，在电涡流探头轴线与被测标准试件表面垂直的条件下进行；
12)对步骤11)所测的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度标准试件的信号特征；
13)采用剥层法对标准试件逐一进行破坏性检测，得到各标准试件的实际渗碳深度；
14)建立BP神经网络模型，将步骤12)获得标准试件的信号特征作为BP神经网络模型的输入，将步骤13)获得的实际渗碳深度作为BP神经网络模型的输出，建立基于BP神经网络的渗碳深度检测模型。
7.根据权利要求5所述的一种齿轮与轴类零件渗碳深度的脉冲涡流检测方法，其特征在于，所述步骤2)包括以下步骤：
21)对于待检测零件，在其表面均匀选取三个点作为测点，并采用权利要求1所述齿轮与轴类零件渗碳深度的脉冲涡流检测装置对各测点进行检测，获取其脉冲涡流信号；
22)对步骤21)所测的各测点的脉冲涡流信号进行去噪处理后，提取其峰值和峰值时间作为每一个不同渗碳深度零件的信号特征；
23)将三个测点的信号特征输入步骤14)建立的基于BP神经网络的渗碳深度检测模型，获取被测零件表面各测点的渗碳深度值，然后将三个测点的渗碳深度值取平均，作为被测零件的渗碳深度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510104047.7A CN104865310B (zh) | 2015-06-29 | 2015-06-29 | 齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510104047.7A CN104865310B (zh) | 2015-06-29 | 2015-06-29 | 齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104865310A CN104865310A (zh) | 2015-08-26 |
| CN104865310B true CN104865310B (zh) | 2018-10-26 |
Family
ID=53911289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510104047.7A Expired - Fee Related CN104865310B (zh) | 2015-06-29 | 2015-06-29 | 齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104865310B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105486214B (zh) * | 2015-12-14 | 2018-06-29 | 南京泰祺瑞新材料科技有限公司 | 一种用于测量热处理渗层厚度的方法 |
| CN106596712B (zh) * | 2016-11-22 | 2017-11-28 | 西安交通大学 | 一种基于缺陷深度的选频带脉冲涡流无损检测方法 |
| CN108267502B (zh) * | 2016-12-30 | 2022-06-17 | 大众汽车自动变速器（大连）有限公司 | 硬化层深度的涡流检测系统及检测方法 |
| CN107907587B (zh) * | 2017-11-10 | 2021-05-11 | 南昌航空大学 | 一种欠阻尼状态脉冲涡流检测系统 |
| CN108982657B (zh) * | 2018-06-08 | 2021-06-08 | 南京航空航天大学 | 一种基于脉冲涡流的铁磁性材料屈服强度参数估计方法 |
| CN110231397A (zh) * | 2019-06-18 | 2019-09-13 | 中国石油大学(华东) | 一种多通道脉冲涡流在线监测系统与监测方法 |
| CN112748178A (zh) * | 2020-12-25 | 2021-05-04 | 中国航发哈尔滨轴承有限公司 | 基于磁性法的平面渗碳试样测定方法 |
| CN113433212B (zh) * | 2021-06-24 | 2023-08-01 | 西安交通大学 | 抗干扰强的均匀场激励方向性涡流探头及检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102422153A (zh) * | 2009-02-25 | 2012-04-18 | 住友金属工业株式会社 | 渗碳检测方法 |
| CN103163215A (zh) * | 2012-11-30 | 2013-06-19 | 中国矿业大学 | 大型矿用振动筛疲劳裂纹的脉冲涡流检测方法及装置 |
| CN203643399U (zh) * | 2014-01-14 | 2014-06-11 | 淮阴师范学院 | 一种脉冲涡流缺陷检测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120043962A1 (en) * | 2010-08-20 | 2012-02-23 | Changting Wang | Method and apparatus for eddy current inspection of case-hardended metal components |
-
2015
- 2015-06-29 CN CN201510104047.7A patent/CN104865310B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102422153A (zh) * | 2009-02-25 | 2012-04-18 | 住友金属工业株式会社 | 渗碳检测方法 |
| CN103163215A (zh) * | 2012-11-30 | 2013-06-19 | 中国矿业大学 | 大型矿用振动筛疲劳裂纹的脉冲涡流检测方法及装置 |
| CN203643399U (zh) * | 2014-01-14 | 2014-06-11 | 淮阴师范学院 | 一种脉冲涡流缺陷检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 多层导电结构的涡流无损检测评价解析法研究;张建海;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑（月刊）》;20111215(第10期);正文第4.1节，图4.2、图4.3、图4.4 * |
| 涡流测试信号处理系统研究;魏莉;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑（半年刊）》;20021215(第02期);正文摘要、第3.1节，第6章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104865310A (zh) | 2015-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104865310B (zh) | 齿轮与轴类零件渗碳深度的脉冲涡流检测装置与方法 | |
| KR101316725B1 (ko) | 쇼트피닝 처리면의 비파괴검사방법 및 장치 | |
| JP6104161B2 (ja) | 表面特性評価装置及び表面特性評価方法 | |
| CN108195931B (zh) | 金属构件损伤检测的放置式探头及可视化定量评估方法 | |
| Pasadas et al. | Defect classification with SVM and wideband excitation in multilayer aluminum plates | |
| Yating et al. | Investigation of signal features of pulsed eddy current testing technique by experiments | |
| CN106872565A (zh) | 铁磁材料金相组分体积占比的微分磁导率曲线检测方法 | |
| CN110869756A (zh) | 表面特性评价方法、表面特性评价装置以及表面特性评价系统 | |
| JP2007040865A (ja) | 硬化層深さ・未焼入れ・異材判定の非破壊測定法 | |
| CN104614283B (zh) | 一种金属材料热处理加工过程中的所对应物相变化的分析方法 | |
| Li et al. | Estimation method of yield strength of ferromagnetic materials based on pulsed eddy current testing | |
| CN106768505A (zh) | 一种q245r材料无损检测应力的方法 | |
| Huang et al. | A novel eddy current method for defect detection immune to lift-off | |
| Yang et al. | Reliable characterization of bearing rings using Eddy current and Barkhausen noise data fusion | |
| CN105158326B (zh) | 用于测量奥氏体不锈钢中马氏体含量的检测方法 | |
| US12092609B2 (en) | Mechanical property measuring apparatus, mechanical property measuring method, substance manufacturing equipment, substance management method, and substance manufacturing method | |
| CN105486214B (zh) | 一种用于测量热处理渗层厚度的方法 | |
| Hu et al. | Influence of sensitivity direction and lift-off on weld macro defects by magnetic memory testing | |
| Bernard et al. | New Developments in Non‐destructive Testing for Quality Assurance in Component Manufacturing | |
| Psuj | Multiple parameters fusion of electromagnetic nondestructive inspection data for evaluation of fatigue damage in steel elements | |
| Singh et al. | Eddy current measurement system evaluation for corrosion depth determination on cast aluminum aircraft structure | |
| Rifai et al. | Fuzzy logic error compensation scheme for eddy current testing measurement on mild steel superficial crack | |
| US20230408448A1 (en) | Eddy current measurement and analysis for the detection of grinding burns on high strength steel through chrome plating | |
| Wang et al. | A Novel Pulsed Eddy Current Inspection Technique for Non-Ferromagnetic Metal Defect Detection | |
| Leng et al. | Research of magnetic memory signal characteristics corresponding to early fatigue damage |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| 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: 20181026 Termination date: 20190629 |