CN109828023A - 一种基于涡流成像的金属构件缺陷定量检测方法与装置 - Google Patents
一种基于涡流成像的金属构件缺陷定量检测方法与装置 Download PDFInfo
- Publication number
- CN109828023A CN109828023A CN201910249083.0A CN201910249083A CN109828023A CN 109828023 A CN109828023 A CN 109828023A CN 201910249083 A CN201910249083 A CN 201910249083A CN 109828023 A CN109828023 A CN 109828023A
- Authority
- CN
- China
- Prior art keywords
- defect
- signal
- depth
- vortex imaging
- vortex
- 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
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开一种基于涡流成像的金属构件缺陷定量检测方法与装置,针对现有的涡流检测,无法实现对缺陷位置、宽度和深度的同时定量检测,且特征信号受噪声干扰严重,使得缺陷定量检测的精度不高的问题;本发明首先提取金属构件上不同扫描位置点的差分峰值特征信号;然后将提取的差分峰值特征信号作为涡流成像像素点,对缺陷进行涡流成像;其次根据得到的涡流成像获知缺陷区域;再次确定缺陷区域内的步长数量;最后根据扫描步长与得到的缺陷区域的步长数量,得到缺陷区域的宽度;当缺陷宽度确定后,根据缺陷深度反演计算模型,得到缺陷深度;本发明的方法及装置无需复杂的图像处理技术,简化了处理步骤。
Description
技术领域
本发明属于无损检测领域,特别涉及一种脉冲涡流检测技术。
背景技术
常规的无损检测方法主要有涡流检测法、磁粉检测法、渗透检测法、超声检测法、射线检测法等。相较于其他无损检测方法,基于电磁感应原理的涡流检测法能够同时检测被测试件表面和内部缺陷,无需耦合试剂,检测速度快且灵敏度高,因此,国内外学者在该领域展开了大量的研究。涡流检测法包括单频涡流、多频涡流、远场涡流、磁光涡流、脉冲涡流检测等。其中脉冲涡流检测技术以其丰富的时域频域信息,被广泛应用于飞机机身结构及发动机的安全检测、核动力设施中的蒸汽管道及石油、天然气等运输管道的可靠性检测,各种板、棒、管等金属零件生产过程中的质量监控等。
脉冲涡流检测原理是基于时变磁场在金属构件中传播的特性,通过金属表面所产生的旋涡状流动的电流,反馈金属构件的特征信息。激励线圈通入周期性变化的方波电流激励信号,交变电流会在激励线圈周围产生一级磁场。当金属靠近交变磁场,其内部可构成闭合回路,穿过回路的磁通发生变化,产生旋涡状的感应电流,故称之为涡流。同理,交变涡流会在金属周围产生二级磁场,而二级磁场又受金属自身参数(电导率、涂层厚度、裂纹等)、激励线圈与金属的相对位置影响,故通过测量一级磁场与二级磁场的叠加磁场,可以获知金属的特征变化,实现对金属构件的缺陷定性检测。
基于此,本发明提出一种基于涡流成像的金属构件缺陷检测方法与装置,选择差分峰值特征信号作为涡流成像像素点,对金属构件上的缺陷进行位置定位,根据特征信号变化规律确定缺陷区域的宽度和深度信息,从而实现缺陷的定量检测。
目前,国内外在涡流无损检测技术领域做了大量理论研究和工程实践应用,可实现缺陷的定性检测,但缺陷的定量检测精度不高。因为通过线圈互感所选取的时域特征信号(波峰、波谷、拐点等),特征信号与缺陷的对应规律不明显,且受噪声干扰严重,使得缺陷定量检测的精度不高;同时现有的脉冲涡流缺陷检测方法大都只在已知缺陷深度或者宽度的情况下对另外一个量实现定量检测,难以实现缺陷宽度和深度的同时定量检测。本发明考虑到磁传感器的稳定性与耐用性,选用磁传感器代替传统检测线圈,一定程度减小线圈的噪声干扰。
近年来,脉冲涡流检测技术逐步向定量化、可视化发展。涡流成像方法可克服传统无损检测缺陷识别方法只能给出缺陷信息,无法获知缺陷形状的不足,因此在无损检测领域得到广泛的重视。涡流成像方法的优势主要表现在:能够直观获取缺陷的空间范围和位置;较涡流检测输出信号的实时显示波形更易理解;通过比较图像不同区域颜色差异更易识别缺陷;能够记录和监测缺陷的缓慢扩展过程;允许图像处理和自动检测。目前,涡流成像方法主要包括以下三种:阻抗扫描成像,磁光涡流成像,和涡流层析成像。但这些方法均基于传统涡流检测方法展开,成像结果不理想,缺陷过渡区域明显,只能获知缺陷的大致位置和形状,缺陷定量检测精度不高。因此提出用差分峰值特征信号进行涡流成像,无需复杂的图像处理技术,简化了处理步骤;同时采用缺陷定量分析算法判断,可实现缺陷的快速定性定量检测。
发明内容
为解决上述技术问题,本发明提出一种基于涡流成像的金属构件缺陷定量检测方法与装置,通过将差分峰值特征信号作为涡流成像像素点,可以准确表征缺陷边界信息。
本发明采用的技术方案为:一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,包括:
S1、提取金属构件上不同扫描位置点的差分峰值特征信号;具体为:将不同X方向扫描位置点的磁场检测信号与无缺陷参考信号做差分处理,并提取最大值,得到差分峰值特征信号。
S2、将步骤S1提取的差分峰值特征信号作为涡流成像像素点,对缺陷进行涡流成像;所述缺陷区域为:涡流成像所对应的图像中RGB数值最大的区域。
S3、根据步骤S2的涡流成像图得到缺陷区域;
S4、确定步骤S3得到的缺陷区域的步长数量;具体为:基于峰值检测函数得到缺陷区域的起始点位置与终止点位置,通过将起始点位置与终止点位置做差,得到的绝对值即为缺陷区域的步长数量。
S5、根据步骤S4得到的缺陷区域的步长数量与扫描步长,得到缺陷区域的宽度;
S6、根据缺陷区域的宽度以及缺陷区域的差分峰值特征信号,结合缺陷深度反演计算模型,得到缺陷的深度;具体为:当缺陷宽度一定时,根据缺陷深度与差分峰值特征信号的一一对应关系,建立缺陷深度反演计算模型,通过将该缺陷对应的差分峰值特征信号带入该缺陷深度反演计算模型,得到缺陷深度。
还包括对缺陷位置的确定,具体为:通过查找差分峰值特征信号中的极大值,然后确定极大值波动区域,得到被测试件表面缺陷的位置。
本发明还提供另一技术方案:一种基于涡流成像的金属构件缺陷检测装置,包括:方波信号激励模块、脉冲涡流探头、滤波放大模块、数据采集处理模块、涡流成像模块、缺陷宽度定量模块、缺陷深度定量模块;所述脉冲涡流探头至少包括激励线圈与霍尔磁传感器,脉冲涡流探头置于金属构件上方一固定高度,以设定步长沿某一方向进行线性扫描;所述方波信号激励模块产生固定频率的方波激励信号,并将其输入脉冲涡流探头的激励线圈;霍尔磁传感器探测所在位置的磁感应强度信号,并将探测到磁感应强度信号转化成相对应的电压信号,将该电压信号作为响应信号输入到滤波放大模块;数据采集处理模块对经滤波放大后的不同扫描位置点的电压信号分别与参考信号进行差分运算,得到若干个差分信号,提取出这若干个差分信号的峰值电压;涡流成像模块根据这若干个差分信号的峰值电压进行涡流成像;缺陷宽度定量模块根据涡流成像结果得到缺陷的宽度;缺陷深度定量模块根据缺陷深度与缺陷处对应的差分峰值特征信号,结合缺陷深度反演计算模型得到缺陷深度。
所述参考信号为霍尔磁传感器探测金属构件的无损区域得到的电压信号经滤波放大模块后得到的
还包括缺陷位置定量模块,根据这若干个差分信号的峰值电压中的极大值,以及极大值的波动区域,得到被测试件表面缺陷的位置。
本发明的有益效果:本发明基于脉冲涡流检测技术,提取不同扫描位置点处的差分峰值特征信号,即各位置点的磁场检测信号与无缺陷参考信号作差分处理所提取的最大值,作为涡流成像像素点;基于脉冲涡流检测技术中差分峰值特征信号与缺陷尺寸的关系模型,在缺陷区域内,不同位置下的差分峰值基本接近且最大;在缺陷区域外,差分峰值迅速衰减的特点;采用特征信号变化的波峰部分表征金属构件的缺陷区域,从而获知缺陷位置和宽度定量信息;同时通过深度反演计算模型,获知缺陷深度信息;其中缺陷宽度定量检测精度可以达到100%,缺陷深度精度可达90%;本发明的方法及装置包括以下优点:
1、本发明提出用差分峰值特征信号进行涡流成像,无需复杂的图像处理技术,简化了处理步骤;
2、本发明通过特征信号变化的波峰部分表征金属构件的缺陷区域,可实现缺陷的位置确定和缺陷宽度定量检测;
3、本发明通过拟合差分峰值特征信号,建立缺陷深度反演计算模型,即缺陷深度变化对差分峰值特征信号影响的数据模型,可实现缺陷深度定量检测;
附图说明
图1为本发明的方法流程图;
图2为本发明实施例提供的基于涡流成像的脉冲涡流检测缺陷效果图;
图3为本发明实施例提供的本发明方法测试两个间距6mm连续缺陷;
图4为本发明实施例提供的缺陷深度与差分峰值特征信号的一一对应关系;
其中,图4(a)是宽度2mm的缺陷对应的深度变化曲线;图4(b)是宽度3mm的缺陷对应的深度变化曲线;图4(c)是宽度4mm的缺陷对应的深度变化曲线;图4(d)是宽度6mm的缺陷对应的深度变化曲线;
图5为本发明实施例提供的缺陷深度反演计算模型拟合曲线;
其中,图5(a)是宽度2mm的缺陷对应的缺陷深度反演计算模型拟合曲线;图5(b)是宽度3mm的缺陷对应的缺陷深度反演计算模型拟合曲线;图5(c)是宽度4mm的缺陷对应的缺陷深度反演计算模型拟合曲线;图5(d)是宽度6mm的缺陷对应的缺陷深度反演计算模型拟合曲线。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
如图1所示为本发明的方案流程图,本发明的一种基于涡流成像的金属构件缺陷检测方法,包括:
S1、提取金属构件上不同扫描位置点的差分峰值特征信号;
基于脉冲涡流检测技术,提取不同扫描位置点金属构件上的差分峰值特征信号,即各位置点的磁场检测信号与无缺陷参考信号作差分处理所提取的最大值。检测系统装置的探头放在被测试件无缺陷区域上测出参考信号A0;在已知缺陷附近,不同X方向位置的情况下,用检测系统装置检测出被测试件的时域信号,将检测信号Ai(i≥1)与参考信号A0进行差分运算,提取差分峰值特征信号。
S2、将步骤S1提取的差分峰值特征型号作为涡流成像像素点,进行涡流成像;本步骤中将差分峰值特征信号作为涡流成像像素点,优于传统涡流成像的线圈互感电压成像像素点,噪声干扰更小,可以准确表征缺陷边界信息。通过对不同位置下所提取的差分峰值特征信号进行分析判断,可知,在缺陷区域内,不同位置下的差分峰值基本接近且最大;在缺陷区域外,差分峰值迅速衰减。如图2所示,表示基于脉冲涡流检测技术,对不同缺陷进行涡流成像的效果图,其中虚线框标注的区域即代表缺陷。
S3、根据步骤S2的涡流成像得到缺陷区域;如图2所示,缺陷区域的差分峰值特征信号最大,对应RGB成像数值中的255,即虚线框标注的区域;非缺陷区域的差分峰值特征信号随偏移距离增加急剧衰减,最小的特征信号对应RGB成像数值中的0,即图中虚线框外部两端的区域。根据两种区域,可以实现缺陷的位置和宽度的定量检测,通过颜色过渡区域可以得知缺陷的扩展情况,过渡区域越长,可以反映该缺陷受损程度越严重,即缺陷深度越深。
S4、确定步骤S3得到的缺陷区域的步长数量;如图2所示,通过确定缺陷区域的起始点位置与终止点位置,然后将起始点位置与终止点位置信息作差,获得缺陷区域内的步长数量。图2(a)、图2(b)、图2(c)、图2(d)中缺陷区域对应的步长数量分别为2、3、4、6。
S5、根据步骤S4得到的缺陷区域的步长数量与扫描步长,得到缺陷区域的宽度。如图2所示,扫描步长为1mm,图2(a)、图2(b)、图2(c)、图2(d)分别表示宽度为2mm、3mm、4mm、6mm的贯通型矩形缺陷。
本实施例中,通过查找差分峰值特征信号中的极大值,以及通过调参确定极大值波动区域,实现对被测试件表面缺陷的位置确定。
如图3所示,该试件共有两处缺陷,如图3中两处虚线圆所圈出的部分,第一处缺陷在X方向位置为7、8、9,对应的差分峰值特征信号中的极大值为15.502895、15.315491、16.266822;第二处缺陷在X方向位置为15、16、17,对应的差分峰值特征信号中的极大值为10.337022、9.774681、9.393539。
本实施例中还包括对缺陷深度的检测,具体过程为:
(1)不同宽度下脉冲涡流检测信号与缺陷深度的关系
通过对多组缺陷数据进行分析,发现当缺陷的宽度一定时,差分峰值特征信号与缺陷深度存在一一对应关系,如图4所示。将这种一一对应关系可通过二次函数关系式进行描述,具体通过拟合差分峰值特征信号,建立缺陷深度反演计算模型,即缺陷深度变化对差分峰值特征信号影响的数据模型。
(2)在缺陷宽度确定的情况下,缺陷深度的逆运算方法
根据(1)中的差分峰值检测信号与缺陷深度差分峰值检测信号的一一对应关系,可以逆向获取缺陷深度与差分峰值检测信号的映射关系,从而实现在在已知缺陷宽度和差分峰值检测信号的情况下,对缺陷深度的定量表征。
在本实施例中,建立不同宽度缺陷下的深度与差分峰值检测信号的映射关系,得到不同宽度对应的缺陷深度反演计算模型如表1所示,其中,x表示缺陷处的差分峰值特征信号,D表示缺陷深度,各式中确定系数(R-square)均大于0.99,可实现对缺陷深度的定量检测。将缺陷区域的差分峰值特征信号代入二次函数方程式即可求解获知该缺陷的深度信息,绝对误差不超过0.2mm,相对误差不超过10%。缺陷深度反演计算模型的拟合曲线如图5所示,图5(a)、图5(b)、图5(c)、图5(d)分别表示宽度为2mm、3mm、4mm、6mm的缺陷深度反演计算模型的拟合曲线。
表1缺陷深度反演计算模型
缺陷模型 | 二次函数关系式 | 确定系数(R-square) |
宽度2mm | D=0.011x<sup>2</sup>-0.228x+2.216 | 0.9939 |
宽度3mm | D=0.012x<sup>2</sup>-0.297x+2.953 | 0.9917 |
宽度4mm | D=0.011x<sup>2</sup>-0.336x+3.505 | 0.9978 |
宽度6mm | D=0.013x<sup>2</sup>-0.520x+6.112 | 0.9936 |
本实施例还给出一种基于涡流成像的金属构件缺陷检测装置,包括:方波信号激励模块、脉冲涡流探头、滤波放大模块、数据采集处理模块、涡流成像模块、缺陷宽度定量模块;脉冲涡流探头至少包括激励线圈和霍尔磁传感器。
金属构件放置于脉冲涡流探头下一定的高度,本实施例中设置的高度值为0.5mm。
方波信号激励模块产生固定频率的方波激励信号,并将其输入脉冲涡流探头的激励线圈。
霍尔磁传感器探测所在位置的磁感应强度信号,并将探测到磁感应强度信号转化成相对应的电压信号,将该电压信号作为响应信号输入到滤波放大模块。
本实施例中的滤波放大模块处理过程具体为:通过检测信号频谱分析,搭建相应的电路模块对电压信号进行滤波放大处理,滤出电压信号中的杂波电压信号并对信号进行一定倍数的放大,有利于信号的读取和处理,并将放大得到的理想电压信号输入到数据采集模块。
本实施例中通过检测金属构件的无损区域,得到对应的电压信号A,通过滤波处理后得到参考信号A0;然后对金属构件的缺陷区域,以合适的步长改变检测点位置,步长的取值与定量检测精度相关,一般步长设置为0.1-1mm,扫描步长设置越小,对应的检测精度就越高(当扫描步长设置足够小时,检测精度可近似为100%),实际应用中通过扫描装置设置具体的步长可以为mm级别或um级别;分别得到不同X方向位置的检测信号A1,A2,…,An,这里n的取值与具体的金属构件的尺寸相关,本实施例以X方向的线性扫描为例,比如金属构件X方向长度为10mm,扫描步长为1mm,那么n的取值为10;实际中也可以是Y方向的线性扫描。
数据采集处理模块对经滤波放大后的信号分别与参考信号进行差分运算,得到若干个差分信号,提取出这若干个差分信号的峰值电压;具体为:通过若干信号A1,A2,…,An分别与参考信号A0进行差分运算,获得若个差分信号A1-A0,A2-A0,…,An-A0,提取出若干差分信号的峰值电压U1,U2,…,Un。
涡流成像模块根据这若干个差分信号的峰值电压进行成像;将提取出若干差分信号的峰值电压U1,U2,…,Un进行成像,如图2所示。
缺陷宽度定量模块根据图1得到缺陷的宽度,具体过程已在本实施例步骤S5中详细记载,在此不再阐述。
本发明的装置还可以包括缺陷位置定量模块,根据峰值电压U1,U2,…,Un中的极大值,以及极大值的波动区域,得到被测试件表面缺陷的位置。
还可以包括缺陷深度定量模块,缺陷区域的峰值电压代入该缺陷宽度下对应的缺陷深度反演计算模型,实现缺陷深度的定量检测。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,包括:
S1、提取金属构件上不同扫描位置点的差分峰值特征信号;
S2、将步骤S1提取的差分峰值特征信号作为涡流成像像素点,对缺陷进行涡流成像;
S3、根据步骤S2的涡流成像图得到缺陷区域;
S4、确定步骤S3得到的缺陷区域的步长数量;
S5、根据步骤S4得到的缺陷区域的步长数量与扫描步长,得到缺陷区域的宽度;
S6、根据缺陷区域的宽度以及缺陷区域的差分峰值特征信号,结合缺陷深度反演计算模型,得到缺陷的深度。
2.根据权利要求1所述的一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,步骤S1所述差分峰值特征信号具体为:将不同扫描位置点的磁场检测信号与无缺陷参考信号做差分处理,并提取最大值,得到差分峰值特征信号。
3.根据权利要求2所述的一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,步骤S3所述缺陷区域为:涡流成像所对应的图像中RGB数值最大的区域。
4.根据权利要求3所述的一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,步骤S4具体为:基于峰值检测函数得到缺陷区域的起始点位置与终止点位置,通过将起始点位置与终止点位置做差,得到的差值的绝对值即为缺陷区域的步长数量。
5.根据权利要求4所述的一种基于涡流成像的金属构件缺陷定量检测方法,其特征在于,还包括对缺陷位置的确定,具体为:通过查找差分峰值特征信号中的极大值,然后确定极大值波动区域,得到被测试件表面缺陷的位置。
6.根据权利要求4所述的一种基于涡流成像的金属构件缺陷检测方法,其特征在于,步骤S6具体为:当缺陷宽度一定时,根据缺陷深度与差分峰值特征信号的一一对应关系,建立缺陷深度反演计算模型,通过将该缺陷对应的差分峰值特征信号带入该缺陷深度反演计算模型,得到缺陷深度。
7.一种基于涡流成像的金属构件缺陷检测装置,其特征在于,包括:方波信号激励模块、脉冲涡流探头、滤波放大模块、数据采集处理模块、涡流成像模块、缺陷宽度定量模块、缺陷深度定量模块;所述脉冲涡流探头至少包括激励线圈与霍尔磁传感器,脉冲涡流探头置于金属构件上方一固定高度,以设定步长沿某一方向进行线性扫描;所述方波信号激励模块产生固定频率的方波激励信号,并将其输入脉冲涡流探头的激励线圈;霍尔磁传感器探测所在位置的磁感应强度信号,并将探测到磁感应强度信号转化成相对应的电压信号,将该电压信号作为响应信号输入到滤波放大模块;数据采集处理模块对经滤波放大后的不同扫描位置点的电压信号分别与参考信号进行差分运算,得到若干个差分信号,提取出这若干个差分信号的峰值电压;涡流成像模块根据这若干个差分信号的峰值电压进行涡流成像;缺陷宽度定量模块根据涡流成像结果得到缺陷的位置和宽度;缺陷深度定量模块根据缺陷深度与缺陷处对应的差分峰值特征信号,结合缺陷深度反演计算模型得到缺陷深度;
所述参考信号为霍尔磁传感器探测金属构件的无损区域得到的电压信号经滤波放大模块后得到的。
8.根据权利要求7所述的一种基于涡流成像的金属构件缺陷定量检测装置,其特征在于,还包括缺陷位置定量模块,根据这若干个差分信号的峰值电压中的极大值,以及极大值的波动区域,得到被测试件表面缺陷的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249083.0A CN109828023A (zh) | 2019-03-29 | 2019-03-29 | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910249083.0A CN109828023A (zh) | 2019-03-29 | 2019-03-29 | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109828023A true CN109828023A (zh) | 2019-05-31 |
Family
ID=66874538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910249083.0A Pending CN109828023A (zh) | 2019-03-29 | 2019-03-29 | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828023A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146521A (zh) * | 2019-06-17 | 2019-08-20 | 电子科技大学 | 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置 |
CN110614538A (zh) * | 2019-09-17 | 2019-12-27 | 西北工业大学 | 基于单点监测加速度的薄壁件加工加速度场构建方法 |
CN110646506A (zh) * | 2019-09-21 | 2020-01-03 | 北京嘉盛智检科技有限公司 | 一种叶片凸台缺陷原位检测方法 |
CN111122697A (zh) * | 2019-12-26 | 2020-05-08 | 兰州空间技术物理研究所 | 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法 |
CN113075289A (zh) * | 2021-03-31 | 2021-07-06 | 北京理工大学 | 一种金属圆柱缺陷参数检测方法及系统 |
CN113418980A (zh) * | 2021-07-16 | 2021-09-21 | 中国特种设备检测研究院 | 金属构件裂纹的检测方法和装置 |
CN113984886A (zh) * | 2021-11-03 | 2022-01-28 | 北京奥菲特智控科技有限公司 | 一种提高螺纹缺陷检测精度的方法 |
CN114034766A (zh) * | 2021-04-20 | 2022-02-11 | 西安交通大学 | 一种柔性螺旋形瞬变涡流匀场激励探头及缺陷检测方法 |
CN114994172A (zh) * | 2022-05-06 | 2022-09-02 | 北京工业大学 | 一种基于贝叶斯理论的超声c扫描路径优化方法 |
CN116399942A (zh) * | 2023-06-07 | 2023-07-07 | 西南石油大学 | 一种差分式涡流连续油管全周向缺陷在线检测方法 |
CN117092208A (zh) * | 2023-10-19 | 2023-11-21 | 天津市滨海新区检验检测中心 | 一种用于裂纹检测的涡流无损检测系统及方法 |
CN117607248A (zh) * | 2024-01-23 | 2024-02-27 | 电子科技大学 | 一种基于数字锁相放大器的金属缺陷检测成像方法 |
CN117761154A (zh) * | 2023-11-30 | 2024-03-26 | 昆明理工大学 | 基于多频激励的电涡流扫描三维成像方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0470561A (ja) * | 1990-07-11 | 1992-03-05 | Komatsu Ltd | 金属内異質層検出方法およびその装置 |
US20030193331A1 (en) * | 2002-04-15 | 2003-10-16 | General Electric Company | Method for in-situ eddy current inspection of coated components in turbine engines |
CN103257182A (zh) * | 2013-06-07 | 2013-08-21 | 电子科技大学 | 一种脉冲涡流缺陷定量检测方法及检测系统 |
CN203643398U (zh) * | 2013-11-18 | 2014-06-11 | 厦门艾帝尔电子科技有限公司 | 脉冲涡流阵列成像检测系统 |
CN104880509A (zh) * | 2015-05-26 | 2015-09-02 | 浙江大学 | 基于脉冲涡流的多层导电结构缺陷检测装置及其方法 |
CN106645391A (zh) * | 2016-10-10 | 2017-05-10 | 南京航空航天大学 | 一种用于评估碳纤维板缺陷深度的多频涡流检测系统及检测方法 |
-
2019
- 2019-03-29 CN CN201910249083.0A patent/CN109828023A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0470561A (ja) * | 1990-07-11 | 1992-03-05 | Komatsu Ltd | 金属内異質層検出方法およびその装置 |
US20030193331A1 (en) * | 2002-04-15 | 2003-10-16 | General Electric Company | Method for in-situ eddy current inspection of coated components in turbine engines |
CN103257182A (zh) * | 2013-06-07 | 2013-08-21 | 电子科技大学 | 一种脉冲涡流缺陷定量检测方法及检测系统 |
CN203643398U (zh) * | 2013-11-18 | 2014-06-11 | 厦门艾帝尔电子科技有限公司 | 脉冲涡流阵列成像检测系统 |
CN104880509A (zh) * | 2015-05-26 | 2015-09-02 | 浙江大学 | 基于脉冲涡流的多层导电结构缺陷检测装置及其方法 |
CN106645391A (zh) * | 2016-10-10 | 2017-05-10 | 南京航空航天大学 | 一种用于评估碳纤维板缺陷深度的多频涡流检测系统及检测方法 |
Non-Patent Citations (2)
Title |
---|
关佳: "基于脉冲涡流无损检测方法的结构缺陷识别实验研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
杨宾峰 等: "脉冲涡流裂纹缺陷成像检测技术研究", 《2012远东无损检测新技术论坛论文集(下册)》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110146521A (zh) * | 2019-06-17 | 2019-08-20 | 电子科技大学 | 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置 |
CN110146521B (zh) * | 2019-06-17 | 2020-10-09 | 电子科技大学 | 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置 |
CN110614538A (zh) * | 2019-09-17 | 2019-12-27 | 西北工业大学 | 基于单点监测加速度的薄壁件加工加速度场构建方法 |
CN110614538B (zh) * | 2019-09-17 | 2021-04-20 | 西北工业大学 | 基于单点监测加速度的薄壁件加工加速度场构建方法 |
CN110646506A (zh) * | 2019-09-21 | 2020-01-03 | 北京嘉盛智检科技有限公司 | 一种叶片凸台缺陷原位检测方法 |
CN110646506B (zh) * | 2019-09-21 | 2023-04-07 | 北京嘉盛智检科技有限公司 | 一种叶片凸台缺陷原位检测方法 |
CN111122697A (zh) * | 2019-12-26 | 2020-05-08 | 兰州空间技术物理研究所 | 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法 |
CN111122697B (zh) * | 2019-12-26 | 2023-03-24 | 兰州空间技术物理研究所 | 一种基于脉冲涡流的导电材料缺陷高精度成像检测方法 |
CN113075289A (zh) * | 2021-03-31 | 2021-07-06 | 北京理工大学 | 一种金属圆柱缺陷参数检测方法及系统 |
CN113075289B (zh) * | 2021-03-31 | 2024-05-07 | 北京理工大学 | 一种金属圆柱缺陷参数检测方法及系统 |
CN114034766A (zh) * | 2021-04-20 | 2022-02-11 | 西安交通大学 | 一种柔性螺旋形瞬变涡流匀场激励探头及缺陷检测方法 |
CN113418980A (zh) * | 2021-07-16 | 2021-09-21 | 中国特种设备检测研究院 | 金属构件裂纹的检测方法和装置 |
CN113984886A (zh) * | 2021-11-03 | 2022-01-28 | 北京奥菲特智控科技有限公司 | 一种提高螺纹缺陷检测精度的方法 |
CN114994172A (zh) * | 2022-05-06 | 2022-09-02 | 北京工业大学 | 一种基于贝叶斯理论的超声c扫描路径优化方法 |
CN114994172B (zh) * | 2022-05-06 | 2024-06-04 | 北京工业大学 | 一种基于贝叶斯理论的超声c扫描路径优化方法 |
CN116399942B (zh) * | 2023-06-07 | 2023-08-29 | 西南石油大学 | 一种差分式涡流连续油管全周向缺陷在线检测方法 |
CN116399942A (zh) * | 2023-06-07 | 2023-07-07 | 西南石油大学 | 一种差分式涡流连续油管全周向缺陷在线检测方法 |
CN117092208A (zh) * | 2023-10-19 | 2023-11-21 | 天津市滨海新区检验检测中心 | 一种用于裂纹检测的涡流无损检测系统及方法 |
CN117092208B (zh) * | 2023-10-19 | 2024-01-05 | 天津市滨海新区检验检测中心 | 一种用于裂纹检测的涡流无损检测系统及方法 |
CN117761154A (zh) * | 2023-11-30 | 2024-03-26 | 昆明理工大学 | 基于多频激励的电涡流扫描三维成像方法 |
CN117761154B (zh) * | 2023-11-30 | 2024-05-17 | 昆明理工大学 | 基于多频激励的电涡流扫描三维成像方法 |
CN117607248A (zh) * | 2024-01-23 | 2024-02-27 | 电子科技大学 | 一种基于数字锁相放大器的金属缺陷检测成像方法 |
CN117607248B (zh) * | 2024-01-23 | 2024-04-02 | 电子科技大学 | 一种基于数字锁相放大器的金属缺陷检测成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828023A (zh) | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 | |
CN110146521B (zh) | 基于微波无损检测的管道表面腐蚀缺陷检测方法及装置 | |
CN103499404B (zh) | 铁磁构件交变应力测量装置及其测量方法 | |
CN103163216B (zh) | 一种基于巨磁电阻传感器的金属导体缺陷识别及估计方法 | |
CN103336049B (zh) | 一种消除提离效应的脉冲涡流检测方法及装置 | |
CN104913716B (zh) | 一种单层导电涂层厚度和电导率涡流检测方法及装置 | |
CN110057904A (zh) | 一种运动金属构件的缺陷定量检测方法及装置 | |
Li et al. | Inspection of both inner and outer cracks in aluminum tubes using double frequency circumferential current field testing method | |
Long et al. | A characteristic approximation approach to defect opening profile recognition in magnetic flux leakage detection | |
CN105866234B (zh) | 电涡流和巴克豪森相融合的铁磁材料无损检测仪器和方法 | |
CN111948279A (zh) | 一种弱磁检测顺磁性金属材料裂纹缺陷的定量评价方法 | |
Huang et al. | A novel eddy current method for defect detection immune to lift-off | |
CN117235433B (zh) | 一种基于交流电磁场的金属表面裂纹定量评估方法 | |
CN109613111A (zh) | 一种梯度螺旋涡流检测线圈及其检测方法 | |
He et al. | Defect identification and evaluation based on three-dimensional magnetic field measurement of pulsed eddy current | |
Zhao et al. | A defect visualization method based on ACFM signals obtained by a uniaxial TMR sensor | |
Betta et al. | Calibration and adjustment of an eddy current based multi-sensor probe for non-destructive testing | |
CN108426944A (zh) | 一种基于涡流无损金属探伤在线检定方法及系统 | |
CN105737728A (zh) | 一种金属层脉冲涡流测厚方法 | |
Lei et al. | A new defect classification approach based on the fusion matrix of multi-eigenvalue | |
Xu et al. | Research on Pulsed Eddy Current Testing Technology for Cladding Pipeline | |
Huang et al. | A defect opening profile estimation method based on the right-angle characteristic of vertical component of MFL signal | |
Ribeiro et al. | Eddy current inspection of a duralumin plate | |
Smetana et al. | Pulsed Eddy Currents: A New Trend in Non-destructive Evaluation of Conductive Materials | |
CN109632944A (zh) | 一种基于组合特征的多层管柱结构脉冲涡流无损检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |