CN109884180A - 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 - Google Patents
一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 Download PDFInfo
- Publication number
- CN109884180A CN109884180A CN201910115396.7A CN201910115396A CN109884180A CN 109884180 A CN109884180 A CN 109884180A CN 201910115396 A CN201910115396 A CN 201910115396A CN 109884180 A CN109884180 A CN 109884180A
- Authority
- CN
- China
- Prior art keywords
- sparse
- conductive structure
- signal
- matrix
- current 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 230000007547 defect Effects 0.000 title claims abstract description 50
- 238000003384 imaging method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 49
- 239000000523 sample Substances 0.000 claims description 25
- 230000005284 excitation Effects 0.000 claims description 12
- 230000003750 conditioning effect Effects 0.000 claims description 8
- 230000001939 inductive effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims 1
- 238000005070 sampling Methods 0.000 abstract description 8
- 238000009826 distribution Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 239000004020 conductor Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种导电结构缺陷稀疏电涡流快速成像检测方法及系统，该成像检测方法包括初始化处理步骤、获取稀疏缺陷信号步骤和重建信号并成像识别步骤。本发明利用导电结构中缺陷空间分布的稀疏特性，结合压缩感知原理，以远小于常规奈奎斯特采样定理所需信号采样数量的采样次数来进行稀疏采样，然后利用优化算法从少量稀疏采样信号中准确重构出导电结构的缺陷成像信息同时无需额外增加现有缺陷信号采集设备的硬件设计，提高了导电结构缺陷电涡流快速成像检测的效率。
Description
技术领域
本发明涉及一种导电结构缺陷稀疏电涡流快速成像检测方法及系统。
背景技术
导电结构无损检测与评估的方法主要有超声、声发射、射线、激光错位散斑、红外热成像、微波和涡流等检测方法。这些方法各有优缺点，在应用上相互补充。与其他检测方法相比，涡流检测法设备简单、操作方便、成本低，速度快，易于实现自动化操作，且无需对检测表面做特殊清洁和准备工作，不需耦合剂，便于进行现场检测，能对导电结构缺陷和其它因素的影响提供检测，尤其对导电结构表面或近表面损伤，如裂纹、折叠、气孔、夹杂等的检测有很高的灵敏度而其它检测方法则十分困难甚至不可行。
电涡流检测技术作为以导电材料作为被测对象的新型无损检测技术的一种，是以法拉第电磁感应定律及麦克韦斯电磁方程组原理为基础发展演变而来。其基本原理是：在激励线圈上施加一个高配交变电流时，在线圈周围将产生一个与之对应的高频交变磁场，当被测导体靠近由线圈产生的磁场时，在被测导体内部将对应产生于激励磁场相交链的电涡流，此时电涡流将产生一个交变磁场并反作用于检测探头，引起检测探头内激励磁场变化，若被测导体存在腐蚀、裂纹及杂质等缺陷时，必然会引起涡流大小及方向的分布不均，从而使感应电压和涡流磁场产生变化，原理示意图如图1所示。通过使用不同频率的激励源和不同时刻的感应电压，即能够对被测导体内部的缺陷进行测量及分析，获得缺陷的形状尺寸、位置深度等相关信息。
目前，电涡流检测方法过程中，以图1所示待金属件1为例，需要对待检测导电结构1每个点处均获得相应的电涡流信号，因此在完成对所有点电涡流信号采集时检测时间过长，造成了检测效率低下，例如在x和y方向长度分别为20mm和30mm的金属区域，Δx和Δy均为0.5mm，完成该区域的所有2400个点扫描需要20分钟时间，待检测导电结构缺陷信息的检测时间长，缺陷检测的效率低。
发明内容
为解决现有技术中所存在的问题，本发明在此的目的在于提供一种提高导电结构缺陷电涡流快速成像检测效率的导电结构缺陷稀疏电涡流快速成像检测方法。
为实现本发明的目的，在此提供的导电结构缺陷稀疏电涡流快速成像检测方法包括初始化处理步骤、获取稀疏缺陷信号步骤和重建信号并成像识别步骤；其中，初始化处理步骤用于构建观测矩阵和重构观测矩阵行向量作为获取得到稀疏电涡流信号的基础信号；获取稀疏缺陷信号步骤用于获取稀疏电涡流信号；重建信号并成像识别步骤用于原始信号重建并对缺陷信息进行成像识别。
本发明利用导电结构中缺陷空间分布的稀疏特性，获取稀疏信号并重建信号形成压缩感知技术，即无需获取待检测导电结构的全部点，仅需获取稀疏信号，提高了导电结构缺陷电涡流快速成像检测的效率。
具体的，所述初始化处理步骤具体如下：
步骤A1：构建随机高斯矩阵Φ:N×N，将矩阵Φ的元素做0/1二值化处理，得到稀疏观测矩阵；
步骤A2：从步骤A1中构建的稀疏观测矩阵中随机抽取M行，得到矩阵依次将矩阵的各行重构为矩阵矩阵中元素1表示需要进行采样的位置，得到重构的稀疏观测矩阵行向量；
步骤A1和步骤A2中，N＝Ny×Nx，Ny和Nx分别为导电结构在y轴和x轴方向上的扫描点个数。
具体的，所述获取稀疏缺陷信号步骤具体如下：
结合步骤A2中矩阵每次观测可获取观测值m表示矩阵中元素为1的个数，xi,j表示一次观测中在位置第i行、第j列处的阻抗信息，依此确定重构矩阵中的所有观测值，得到观测信号y＝[y1,y2,...,yM]T。
具体的，所述重建信号并成像识别步骤具体如下：
通过l1范数最小化约束求解从稀疏缺陷信号y＝[y1,y2,...,yM]T中重构出原始信号P＝Ny×Nx，其中，Ny和Nx分别为待检测导电结构在y轴和x轴方向上的扫描点个数；变换矩阵为矩阵x:Ny×Nx，构建待检测导电结构缺陷图像信息；其中l1范数最小化约束通过式(1)求解获得：
式中，ε表示去除稀疏缺陷过程中由环境噪声引起的误差的阈值参数；表示范数符号。
本发明在此的另一个目的提供了一种导电结构缺陷稀疏电涡流快速成像检测系统，该系统包括：
电涡流探头，用于检测导电结构所产生的磁场，感应电涡流信号；
三维扫描平台，用于移动电涡流探头，使电涡流探头扫描待检测导电结构；
线圈，其上加载激励并产生激励磁场；
上位机，用于接收电涡流探头输出的感应信号和控制三维扫描平台工作。
进一步的，本发明所提供的检测系统还包括用于产生不同频率的脉冲信号的信号发生器，所述线圈上的激励由所述信号发生器产生。
进一步的，所述线圈上加载的激励经功率放大器放大后加载。
进一步的，本发明所提供的检测系统还包括信号调理模块、数据采集卡和数据预处理模块，所述电涡流探头输出的感应信号经所述信号调理模块、所述数据采集卡和所述数据预处理模块处理后输入所述上位机。
本发明的有益效果是：利用导电结构中缺陷空间分布的稀疏特性，结合压缩感知原理，以远小于常规奈奎斯特采样定理所需信号采样数量的采样次数来进行稀疏采样，然后利用优化算法从少量稀疏采样信号中准确重构出导电结构的缺陷成像信息同时无需额外增加现有缺陷信号采集设备的硬件设计，提高了导电结构缺陷电涡流快速成像检测的效率。
附图说明
图1为本发明所提供的检测方法的流程图；
图2为本发明中稀疏观测矩阵、重构矩阵和稀疏观测示意图；
图3为本发明所提供的检测系统的结构图
图4为本发明试件缺陷的全采样成像图；
图5为本发明试件缺陷的稀疏快速成像示意图；
图中：1-待检测导电结构、2-待检测导电结构的缺陷、3-三维扫描平台、3A-步进电机控制器、4-电涡流探头，5-线圈。
具体实施方式
在此结合附图和具体实施方式对本发明所要求保护的技术方案作进一步详细的说明。
为了解决现有的电涡流检测方法检测时间过长，造成了检测效率低下的问题，本发明提供一种检测时间段，提高了检测效率的导电结构缺陷稀疏电涡流快速成像检测方法，该方法的流程如图1和图2所示，具体包括初始化处理步骤、获取稀疏缺陷信号步骤和重建信号并成像识别步骤；其中，初始化处理步骤用于构建观测矩阵和重构观测矩阵行向量作为获取得到稀疏电涡流信号的基础信号；获取稀疏缺陷信号步骤用于获取稀疏电涡流信号；重建信号并成像识别步骤用于原始信号重建并对缺陷信息进行成像识别。
其中，观测矩阵和重构观测矩阵向量通过以下步骤构建成：
步骤A1：构建随机高斯矩阵Φ:N×N，将矩阵Φ的元素做0/1二值化处理，得到稀疏观测矩阵；
步骤A2：从步骤A1中构建的稀疏观测矩阵中随机抽取M行，得到矩阵依次将矩阵的各行重构为矩阵矩阵中元素1表示需要进行采样的位置，得到重构观测矩阵行向量。
所记载的获取稀疏缺陷信号步骤具体如下：
结合步骤A2中重构矩阵每次观测可获取观测值m表示矩阵中元素为1的个数，xi,j表示一次观测中在位置第i行、第j列处的阻抗信息，依此确定重构矩阵中的所有观测值，得到观测信息y＝[y1,y2,...,yM]T；此处所记载的观测信息为稀疏缺陷信号，观测值为稀疏缺陷值。
所记载的重建信号并成像识别步骤具体如下：
通过l1范数最小化约束求解从观测信号y＝[y1,y2,...,yM]T中重构出原始信号P＝Ny×Nx，其中，Ny和Nx分别为待检测导电结构在y轴和x轴方向上的扫描点个数；变换矩阵为矩阵x:Ny×Nx，构建待检测导电结构缺陷图像信息；其中l1范数最小化约束通过式(1)求解获得：
式中，ε表示去除稀疏缺陷过程中由环境噪声引起的误差的阈值参数，根据待检测导电结构1设置，ε的取值通常满足1e-2≤ε≤1e-6,一般取ε＝1e-2；其中，||·||表示范数符号。
本发明所提供的检测方法可以通过任何一种现有的检测系统实现，在此提供一种易于实现，结构简单的导电结构缺陷稀疏电涡流快速成像检测系统，该系统结构如图3所示，包括了：
电涡流探头4，用于检测导电结构1所产生的磁场，感应电涡流信号；
三维扫描平台3，用于移动电涡流探头4，使电涡流探头4扫描待检测导电结构1；
线圈5，其上加载激励并产生激励磁场；
上位机，用于接收电涡流探头4输出的感应信号和控制三维扫描平台3工作；其中三位扫描平台3包括机械手臂、用于驱动机械手臂运动的步进电机、用于处理上位机给定的电机控制信号并输出控制信号的步进电机控制器和用于接收步进电机控制器输出的控制信号去执行从而驱动步进电机运转的步进电机驱动模块，电涡流探头4安装于机械手臂上，上位机输出控制信号依次经步进电机控制器和步进电机驱动模块加载于步进电机上控制机械手臂沿x和y方向移动，使电涡流探头4对待检测导电结构1进行扫描，获取每个点电涡流信号，即观测值。
该检测系统的工作过程如下：线圈5上加载激励(交变电流)，使线圈5周围产生交变磁场；检测人员通过上位机输出控制信号加载于步进电机控制器和步进电机驱动模块，控制机械手臂沿x和y方向移动，使电涡流探头4对待检测导电结构1进行扫描，获取待检测导电结构1上的每个待检测导电结构的缺陷2的电涡流信号，并输入上位机，形成待检测导电结构1缺陷的全采样成像图，如图4所示；由上位机中存储的与本发明所记载的检测方法相同的程序对接收的电涡流信号进行分析处理，最终获得待检测导电结构缺陷图像并由上位机显示，如图5所示。
在扫描过程中，待检测导电结构1被划分为Nx和Ny等份，待检测导电结构1总共被分为Ny×Nx个点。
在一些实施方式中，为了使本发明提供的检测系统能够更好地工作，该检测系统还包括用于产生不同频率的脉冲信号的信号发生器，线圈5上的激励由该信号发生器产生；所记载的信号发生器可以采用现有的任何一种能够产生不同频率脉冲信号的信号发生器。
为了保证加载于线圈5上的信号有效，一些实施方式中还对加载于线圈5上的激励经功率放大器放大后再加载，解决了因激励信号较小而导致加载于线圈5上后无法形成有效的交变磁场。
为使电涡流探头4输出的感应信号能够有效地输入上位机，以便上位机处理，获得有效地的待检测导电结构缺陷图像，在一些实施方式中，对电涡流探头4输出的感应信号先行进行信号调理、数据采集和去噪处理后再输入上位机，故本发明所记载的检测系统还包括信号调理模块、数据采集卡和数据预处理模块。其中，信号调理模块是用于信号的放大，因前端传感器的信号很微弱，所以需要进行信号放大；数据采集卡是用于信号的模数转换，即将模拟信号转换为数字信号以便后处理。
本发明所记载的电涡流探头可以采用现有的任何一种，如差动式电涡流探头。
以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的修改或等同替换，只要不脱离本发明的技术方案的精神和范围，均涵盖在本发明的权利要求范围内。
Claims (9)
1.一种导电结构缺陷稀疏电涡流快速成像检测方法，其特征在于：该成像检测方法包括初始化处理步骤、获取稀疏缺陷信号步骤和重建信号并成像识别步骤；其中，初始化处理步骤用于构建观测矩阵和重构观测矩阵行向量作为获取得到稀疏电涡流信号的基础信号；获取稀疏缺陷信号步骤用于获取稀疏电涡流信号；重建信号并成像识别步骤用于原始信号重建并对缺陷信息进行成像识别。
2.根据权利要求1所述的导电结构缺陷稀疏电涡流快速成像检测方法，其特征在于：所述初始化处理步骤具体如下：
步骤A1：构建随机高斯矩阵Φ:N×N，将矩阵Φ的元素做0/1二值化处理，得到稀疏观测矩阵；
步骤A2：从步骤A1中构建的稀疏观测矩阵中随机抽取M行，得到矩阵依次将矩阵的各行重构为矩阵矩阵中元素1表示需要进行采样的位置，得到重构的稀疏观测矩阵行向量；
步骤A1和步骤A2中，N＝Ny×Nx，Ny和Nx分别为导电结构在y轴和x轴方向上的扫描点个数。
3.根据权利要求2所述的导电结构缺陷稀疏电涡流快速成像检测方法，其特征在于：所述获取稀疏缺陷信号步骤具体如下：
结合步骤A2中矩阵每次观测可获取观测值m表示矩阵中元素为1的个数，xi,j表示一次观测中在位置第i行、第j列处的阻抗信息，依此确定重构矩阵中的所有观测值，得到观测信号y＝[y1,y2,...,yM]T。
4.根据权利要求3所述的导电结构缺陷稀疏电涡流快速成像检测方法，其特征在于：所述重建信号并成像识别步骤具体如下：
通过l1范数最小化约束求解从稀疏缺陷信号y＝[y1,y2,...,yM]T中重构出原始信号P＝Ny×Nx，其中，Ny和Nx分别为导电结构在y轴和x轴方向上的扫描点个数；变换矩阵为矩阵x:Ny×Nx，构建导电结构缺陷图像信息；其中l1范数最小化约束通过式(1)求解获得：
式中，ε表示去除稀疏缺陷过程中由环境噪声引起的误差的阈值参数；||·||表示范数符号。
5.一种导电结构缺陷稀疏电涡流快速成像检测系统，其特征在于：该系统包括：
电涡流探头(4)，用于检测导电结构(1)所产生的磁场，感应电涡流信号；
三维扫描平台(3)，用于移动电涡流探头(4)，使电涡流探头(4)扫描待检测导电结构(1)；
线圈(5)，其上加载激励并产生激励磁场；
上位机，用于接收电涡流探头(4)输出的感应信号和控制三维扫描平台(3)工作。
6.根据权利要求5所述的导电结构缺陷稀疏电涡流快速成像检测系统，其特征在于：还包括用于产生不同频率的脉冲信号的信号发生器，所述线圈(5)上的激励由所述信号发生器产生。
7.根据权利要求5或6所述的导电结构缺陷稀疏电涡流快速成像检测系统，其特征在于：所述线圈(5)上加载的激励经功率放大器放大后加载。
8.根据权利要求5或6所述的导电结构缺陷稀疏电涡流快速成像检测系统，其特征在于：还包括信号调理模块、数据采集卡和数据预处理模块，所述电涡流探头(4)输出的感应信号经所述信号调理模块、所述数据采集卡和所述数据预处理模块处理后输入所述上位机。
9.根据权利要求7所述的导电结构缺陷稀疏电涡流快速成像检测系统，其特征在于：还包括信号调理模块、数据采集卡和数据预处理模块，所述电涡流探头(4)输出的感应信号经所述信号调理模块、所述数据采集卡和所述数据预处理模块处理后输入所述上位机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115396.7A CN109884180B (zh) | 2019-02-14 | 2019-02-14 | 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910115396.7A CN109884180B (zh) | 2019-02-14 | 2019-02-14 | 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109884180A true CN109884180A (zh) | 2019-06-14 |
| CN109884180B CN109884180B (zh) | 2023-07-28 |
Family
ID=66928230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910115396.7A Active CN109884180B (zh) | 2019-02-14 | 2019-02-14 | 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109884180B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111223285A (zh) * | 2020-03-13 | 2020-06-02 | 昆明理工大学 | 一种基于稀疏表示的无线涡流检测系统及方法 |
| CN113218998A (zh) * | 2021-04-27 | 2021-08-06 | 电子科技大学 | 一种基于全局莫兰指数的涡流热成像缺陷识别方法 |
| 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 (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
| CN104063873A (zh) * | 2014-07-08 | 2014-09-24 | 华东交通大学 | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 |
| CN104833699A (zh) * | 2015-04-21 | 2015-08-12 | 电子科技大学 | 一种基于贪婪稀疏分解的ecpt缺陷快速检测方法 |
| CN107167517A (zh) * | 2017-06-09 | 2017-09-15 | 昆明理工大学 | 基于压缩感知的涡流阵列检测装置、其检测方法及涡流阵列探头 |
| JP2018151334A (ja) * | 2017-03-14 | 2018-09-27 | 国立大学法人 東京大学 | 計測システム |
-
2019
- 2019-02-14 CN CN201910115396.7A patent/CN109884180B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102946288A (zh) * | 2012-11-23 | 2013-02-27 | 西安电子科技大学 | 基于自相关矩阵重构的压缩频谱感知方法 |
| CN104063873A (zh) * | 2014-07-08 | 2014-09-24 | 华东交通大学 | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 |
| CN104833699A (zh) * | 2015-04-21 | 2015-08-12 | 电子科技大学 | 一种基于贪婪稀疏分解的ecpt缺陷快速检测方法 |
| JP2018151334A (ja) * | 2017-03-14 | 2018-09-27 | 国立大学法人 東京大学 | 計測システム |
| CN107167517A (zh) * | 2017-06-09 | 2017-09-15 | 昆明理工大学 | 基于压缩感知的涡流阵列检测装置、其检测方法及涡流阵列探头 |
Non-Patent Citations (6)
| Title |
|---|
| WEIQUAN DENG, ET AL.: "Research on Eddy Current Imaging Detection of Surface Defects of Metal Plates Based on Compressive Sensing" * |
| WEIQUAN DENG, ET AL.: "Research on Eddy Current Imaging Detection of Surface Defects of Metal Plates Based on Compressive Sensing", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
| 盛恒 等: "基于涡流C扫描成像的缺陷量化检测技术研究" * |
| 盛恒等: "基于涡流C扫描成像的缺陷量化检测技术研究", 《中国科技论文》 * |
| 程涛 等: "基于0-1稀疏循环矩阵的测量矩阵分离研究" * |
| 马敏等: "基于压缩传感和自适应Lp范数的ECT图像重建算法研究（英文）", 《机床与液压》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111223285A (zh) * | 2020-03-13 | 2020-06-02 | 昆明理工大学 | 一种基于稀疏表示的无线涡流检测系统及方法 |
| CN113218998A (zh) * | 2021-04-27 | 2021-08-06 | 电子科技大学 | 一种基于全局莫兰指数的涡流热成像缺陷识别方法 |
| CN113218998B (zh) * | 2021-04-27 | 2022-03-25 | 电子科技大学 | 一种基于全局莫兰指数的涡流热成像缺陷识别方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109884180B (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4814511B2 (ja) | パルス渦電流センサプローブ及び検査方法 | |
| Hughes et al. | Near electrical resonance signal enhancement (NERSE) in eddy-current crack detection | |
| CN109884180A (zh) | 一种导电结构缺陷稀疏电涡流快速成像检测方法及系统 | |
| Angani et al. | Differential pulsed eddy current sensor for the detection of wall thinning in an insulated stainless steel pipe | |
| EP3762711A1 (en) | Precision eddy current sensor for nondestructive evaluation of structures | |
| CN109164165A (zh) | 基于图像融合的钢丝绳无损检测方法及其装置 | |
| US7304474B2 (en) | Eddy current inspection device with arrays of magnetoresistive sensors | |
| Li et al. | Inspection of both inner and outer cracks in aluminum tubes using double frequency circumferential current field testing method | |
| Zhang et al. | A new signal processing method for the nondestructive testing of a steel wire rope using a small device | |
| Karpenko et al. | Multi-frequency fusion algorithm for detection of defects under fasteners with EC-GMR probe data | |
| CN114088808B (zh) | 一种三维感应涡流磁场云图的管道裂纹可视化检测方法和系统 | |
| JP2008175638A (ja) | 構造材の欠陥検出装置及び方法 | |
| CN208350660U (zh) | 一种青铜器表面缺陷检测系统 | |
| Yang et al. | A technology of full perimeter inspection for steel pipeline without removing cladding | |
| JPH09189682A (ja) | 探傷検査方法 | |
| CN117607248A (zh) | 一种基于数字锁相放大器的金属缺陷检测成像方法 | |
| CN111650110A (zh) | 一种基于电磁层析成像的储罐底板腐蚀检测装置及方法 | |
| Ricci et al. | Magnetic imaging and machine vision NDT for the on-line inspection of stainless steel strips | |
| Mukherjee et al. | Enhanced defect detection in NDE using registration aided heterogeneous data fusion | |
| CN101581699B (zh) | 一种基于时间闸门的脉冲涡流无损检测方法 | |
| JP3964061B2 (ja) | 磁気計測による探傷方法及び装置 | |
| Hui et al. | Research on image edge detection method based on multi-sensor data fusion | |
| Jiang et al. | Quantitative Detection of Internal Flaws of Action Rod Based on Ultrasonic Technology | |
| CN109738511A (zh) | 一种基于弱磁传感器的扫描无损检测系统与方法 | |
| Behun et al. | Comparison of detection abilities between fluxgate and GMR magnetometer in inverse ECT of deep lying cracks |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |