CN110220967B - 一种acfm技术簇状裂纹表面轮廓自动识别方法 - Google Patents

一种acfm技术簇状裂纹表面轮廓自动识别方法 Download PDF

Info

Publication number
CN110220967B
CN110220967B CN201910475723.XA CN201910475723A CN110220967B CN 110220967 B CN110220967 B CN 110220967B CN 201910475723 A CN201910475723 A CN 201910475723A CN 110220967 B CN110220967 B CN 110220967B
Authority
CN
China
Prior art keywords
crack
data
array
dimensional array
tip
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.)
Active
Application number
CN201910475723.XA
Other languages
English (en)
Other versions
CN110220967A (zh
Inventor
葛玖浩
杨晨开
王海涛
王平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910475723.XA priority Critical patent/CN110220967B/zh
Publication of CN110220967A publication Critical patent/CN110220967A/zh
Application granted granted Critical
Publication of CN110220967B publication Critical patent/CN110220967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields

Abstract

本发明公开一种ACFM技术簇状裂纹表面轮廓自动识别方法，步骤是：采用ACFM阵列探头沿管道轴向方向扫查，获取簇状裂纹磁场二维数组；将二维数组中的每个磁场数据分别与和其相邻的4个数据做差，根据差值的和判断该点位置为左尖端或右尖端，并记录该裂纹尖端数据在二维数组中的索引；建立与簇状裂纹磁场二维数组相同大小的单位二维数组，数组元素均赋1；进行裂纹左尖端和右尖端配对，将单位二维数组中每对裂纹左右尖端数组索引之间的数据置为0，以数组数据为基础绘制图像，即得到簇状裂纹的表面轮廓。此种方法可实现簇状裂纹中裂纹数量、长度、间距和角度等表面轮廓信息的自动识别。

Description

一种ACFM技术簇状裂纹表面轮廓自动识别方法
技术领域
本发明属于电磁无损检测技术领域，特别涉及一种ACFM技术簇状裂纹表面轮廓自动识别方法。
背景技术
管道受到传输介质、外部土壤运动、防腐层损坏、加工制造缺陷和电化学腐蚀等因素影响，表面易产生成片状出现，且间距较近的簇状裂纹。交流电磁场检测技术(Alternating Current Field Measurement，ACFM)是一种新型的电磁无损检测技术，其在被测工件表面感应出均匀电流，感应电流在裂纹附近扰动而产生的二次磁场，通过查表法，分析水平方向磁场Bx的变化量实现单个裂纹的深度量化，分析垂直试件方向磁场Bz实现裂纹的长度量化。其具有非接触测量、提离高度不敏感等优点。在现场管道检测的应用中，ACFM技术对管道表面簇状裂纹具有较好的检测效果。
但簇状裂纹的间距往往小于10mm，其磁场信号之间存在相互作用和叠加，Bx和Bz磁场信号形状发生变化，因此，现有ACFM技术裂纹量化方法无法通过Bx和Bz信号实现簇状裂纹中裂纹的数量、长度和间距等参数识别，导致簇状裂纹尺寸的精确量化十分困难，影响管道剩余强度的准确估计，最终引发突发性事故。因此，工业界迫切需要一项技术能够识别出簇状裂纹中裂纹的数量、间距、分布和长度等簇状裂纹的详细尺寸信息，本案由此产生。
发明内容
本发明的目的，在于提供一种ACFM技术簇状裂纹表面轮廓自动识别方法，其可实现簇状裂纹中裂纹数量、长度、间距和角度等表面轮廓信息的自动识别。
为了达成上述目的，本发明的解决方案是：
一种ACFM技术簇状裂纹表面轮廓自动识别方法，包括如下步骤：
步骤1，将ACFM阵列探头放置在试件无缺陷位置，提取一列垂直于试件表面方向的无缺陷磁场信号，作为参考信号；
步骤2，采用ACFM阵列探头沿管道轴向方向扫查，采集的数据与参考信号相减后，获取簇状裂纹磁场二维数组，其中，二维数组的行数为ACFM阵列探头中传感器个数n1，二维数组的列数为编码器输出的离散位移数据个数n2；
步骤3，将二维数组中的每个磁场数据分别与和其相邻的4个数据做差，若四个差值之和大于等于阈值P，则判定该点位置为一个裂纹的左尖端，并记录该裂纹左尖端数据在二维数组中的索引LN(x,y)；若四个差值之和小于等于-P，则判定该点位置为一个裂纹的右尖端，并记录该裂纹右尖端数据在二维数组中的索引RN(x,y)，最终，遍历所有数据，得到所有裂纹左尖端和右尖端数组索引以及裂纹数；
步骤4，建立与簇状裂纹磁场二维数组相同大小的单位二维数组，数组元素均赋1；
步骤5，根据裂纹左尖端和右尖端数组索引数据，进行裂纹左尖端和右尖端配对；
步骤6，将单位二维数组中每对裂纹左右尖端数组索引之间的数据置为0，以数组数据为基础绘制图像，即得到簇状裂纹的表面轮廓。
上述步骤3中，若二维数组中的某个磁场数据位于边缘，则将其相邻数据补零后再进行做差。
上述步骤5的具体内容是：对于得到的裂纹左尖端和右尖端数组索引数据，将数组索引行数相同的裂纹左尖端和右尖端定义为同一裂纹的尖端，遍历所有裂纹尖端数据，删除无法配对的裂纹数据。
采用上述方案后，本发明基于簇状裂纹存在叠加磁场信号，实现簇状裂纹中裂纹数量、裂纹长度和裂纹位置等表面轮廓信息的自动识别，弥补传统ACFM技术对簇状裂纹识别方法的不足。
附图说明
图1是本发明的流程图；
图2是簇状裂纹信号图；
图3是得到的簇状裂纹表面轮廓图。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
如图1所示，本发明提供一种ACFM技术簇状裂纹表面轮廓自动识别方法，包括如下步骤：
步骤1，获得无缺陷磁场参考信号
将ACFM阵列探头放置在试件的无缺陷位置，提取一列垂直于试件表面方向的无缺陷磁场信号，作为参考信号；
步骤2，获得簇状裂纹上方磁场三维数据
采用ACFM阵列探头沿管道轴向方向扫查，提取阵列探头中各个传感器拾取的簇状裂纹上方垂直于试件表面方向的离散平面磁场信号A1,A2,,,,An1(n1为传感器数量)和编码器输出的离散位移数据D；
步骤3，构建簇状裂纹磁场二维数组
将ACFM阵列探头沿管道轴向方向扫查，在某一位置，会输出n1个数据，整个扫查过程共扫查n2个位置，以ACFM阵列探头中传感器个数n1作为二维数组的行数，编码器输出的离散位移数据个数n2作为二维数组的列数，将对应传感器磁场信号A1,A2,,,,An1分别减去无缺陷时磁场信号A0后，存入二维数组P1中，得到如图2所示簇状裂纹磁场数据；
步骤4，确定簇状裂纹中各裂纹的尖端坐标和数量
将二维数组P1中的每个磁场数据分别与和其相邻的4个数据做差，得到L1-L4，若四个差值之和L1+L2+L3+L4大于等于所设阈值P，则判定该点位置为一个裂纹的左尖端；若四个差值之和L1+L2+L3+L4小于等于-P，则判定该点位置为一个裂纹的右尖端；若磁场数据位于边缘，则将其相邻数据补零再进行计算。
表1
A<sub>i-1，j-1</sub> A<sub>i-1，j</sub> A<sub>i-1，j+1</sub>
A<sub>i，j-1</sub> A<sub>i，j</sub> A<sub>i，j+1</sub>
A<sub>i+1，j+1</sub> A<sub>i+1，j</sub> A<sub>i+1，j+1</sub>
配合表1所示，具体确定的过程是：将二维数组P1中的每个磁场数据与其相邻的行索引减1数据做差(设Ai，j代表描述中的每个磁场数据，行索引减1数据就是指Ai-1，j，行索引加1数据是指Ai+1，j，列索引减1是指Ai，j-1，列索引加1是指Ai，j+1)，得到结果为L1；与其相邻的行索引加1数据做差，得到结果为L2；与其相邻的列索引减1数据做差，得到结果为L3；与其相邻的列索引加1数据做差，得到结果为L4。若四个结果的和L1+L2+L3+L4大于所设阈值P，则判定该点位置为一个裂纹的左尖端，并记录该裂纹左尖端数据在二维数组中的索引LN(x，y)(即，行和列)，裂纹数N加1。若结果均小于-P，则判定该点位置为一个裂纹右尖端，并记录该裂纹右尖端数据在二维数组中的索引RN(x，y)(即，行和列)。最终，遍历所有数据，得到所有裂纹左尖端和右尖端数组索引以及裂纹数；在本实施例中，阈值P可取为3。
如表2所示，当Ai，j为裂纹左尖端位置时，Ai，j处数据与其行索引减1位置数据差为1，与其行索引加1位置数据差为1，与其列索引减1位置数据差为1，与其列索引加1位置数据差为1，因此，四个差值和为4，大于所设阈值3。因此，根据以上方法可以判断出裂纹尖端。
表2
386 386(A<sub>i+1，j</sub>) 387
386(A<sub>i，j-1</sub>) 387(A<sub>i，j</sub>) 386(A<sub>i，j+1</sub>)
385 386(A<sub>i-1，j</sub>) 387
如表3所示，当簇状裂纹间距较近时，ACFM信号存在叠加，当Ai，j为裂纹左尖端位置时，Ai，j处数据与其行索引减1位置数据差为1，与其行索引加1位置数据差为1，与其列索引减1位置数据差为1，与其列索引加1位置数据差为0，因此，四个运算后数值合为3，等于所设阈值3。因此，可以看出所提出算法仍然可以判断出裂纹尖端。
表3
386 386(A<sub>i+1,j</sub>) 387
386(A<sub>i,j-1</sub>) 387(A<sub>i,j</sub>) 387(A<sub>i,j+1</sub>)
385 386(A<sub>i-1,j</sub>) 387
步骤5，建立单位二维数组
建立与簇状裂纹二维磁场数组相同大小数组，阵列探头中传感器个数n1作为单位二维数组的行数，编码器输出的离散位移数据个数n2作为单位二维数组的列数，数组元素均赋1；
步骤6，裂纹左尖端和右尖端配对
分析得到的裂纹左尖端和右尖端数组索引数据，将数组索引行数相同的裂纹左尖端和右尖端定义为同一裂纹的尖端，遍历所有裂纹尖端数据，删除无法配对的裂纹数据；最终，得到所有裂纹的尖端数组索引和数量；
需要说明的是，在检测过程中不可避免地存在噪声，噪声信号往往为不规则的波动，这种波动信号不存在裂纹左尖端和右尖端信号配对特征，因此，通过本发明提供的配对方法，可将噪声数据(存在于无法配对的裂纹数据中)排除。
步骤7，绘制簇状裂纹表面轮廓
将单位二维数组中每对裂纹左右尖端数组索引之间的数据置为0，以数组数据为基础绘制图像，即可得到如图3所示簇状裂纹的表面轮廓。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (4)

1.一种ACFM技术簇状裂纹表面轮廓自动识别方法，其特征在于包括如下步骤：
步骤1，将ACFM阵列探头放置在试件无缺陷位置，提取一列垂直于试件表面方向的无缺陷磁场信号，作为参考信号；
步骤2，采用ACFM阵列探头沿管道轴向方向扫查，采集的数据与参考信号相减后，获取簇状裂纹磁场二维数组，其中，二维数组的行数为ACFM阵列探头中传感器个数n1，二维数组的列数为编码器输出的离散位移数据个数n2；
步骤3，将二维数组中的每个磁场数据分别与和其相邻的4个数据做差，若四个差值之和大于等于阈值P，则判定该点位置为一个裂纹的左尖端，并记录该裂纹左尖端数据在二维数组中的索引LN(x,y)；若四个差值之和小于等于-P，则判定该点位置为一个裂纹的右尖端，并记录该裂纹右尖端数据在二维数组中的索引RN(x,y)，最终，遍历所有数据，得到所有裂纹左尖端和右尖端数组索引以及裂纹数；
步骤4，建立与簇状裂纹磁场二维数组相同大小的单位二维数组，数组元素均赋1；
步骤5，根据裂纹左尖端和右尖端数组索引数据，进行裂纹左尖端和右尖端配对；
步骤6，将单位二维数组中每对裂纹左右尖端数组索引之间的数据置为0，以数组数据为基础绘制图像，即得到簇状裂纹的表面轮廓。
2.如权利要求1所述的ACFM技术簇状裂纹表面轮廓自动识别方法，其特征在于：所述步骤3中，若二维数组中的某个磁场数据位于边缘，则将其相邻数据补零后再进行做差。
3.如权利要求1所述的ACFM技术簇状裂纹表面轮廓自动识别方法，其特征在于：所述步骤5的具体内容是：对于得到的裂纹左尖端和右尖端数组索引数据，将数组索引行数相同的裂纹左尖端和右尖端定义为同一裂纹的尖端，遍历所有裂纹尖端数据，删除无法配对的裂纹数据。
4.如权利要求1所述的ACFM技术簇状裂纹表面轮廓自动识别方法，其特征在于：所述步骤3中，阈值P设为3。
CN201910475723.XA 2019-06-03 2019-06-03 一种acfm技术簇状裂纹表面轮廓自动识别方法 Active CN110220967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910475723.XA CN110220967B (zh) 2019-06-03 2019-06-03 一种acfm技术簇状裂纹表面轮廓自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910475723.XA CN110220967B (zh) 2019-06-03 2019-06-03 一种acfm技术簇状裂纹表面轮廓自动识别方法

Publications (2)

Publication Number Publication Date
CN110220967A CN110220967A (zh) 2019-09-10
CN110220967B true CN110220967B (zh) 2022-12-23

Family

ID=67819068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910475723.XA Active CN110220967B (zh) 2019-06-03 2019-06-03 一种acfm技术簇状裂纹表面轮廓自动识别方法

Country Status (1)

Country Link
CN (1) CN110220967B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111189905B (zh) * 2020-01-09 2023-09-05 中国石油大学(华东) 基于交流电磁场的水下结构物腐蚀缺陷三维尺寸评估方法
CN113030187A (zh) * 2021-03-05 2021-06-25 桂林理工大学 一种电磁无损表征钢轨滚动接触疲劳裂纹簇三维尺寸的方法
CN113406186B (zh) * 2021-05-28 2022-12-23 南京航空航天大学 基于电流偶极子的试件表面裂纹二维轮廓反演方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008002805A (ja) * 2006-06-20 2008-01-10 Ishikawajima Inspection & Instrumentation Co 交流電磁場測定法による探傷検査装置
CN101701934A (zh) * 2009-11-16 2010-05-05 中国石油大学(华东) Acfm缺陷智能可视化检测系统
CN103412038A (zh) * 2013-02-25 2013-11-27 中国石油大学(华东) 一种基于pc/104嵌入式系统的便携式acfm检测仪
CN105486745A (zh) * 2015-12-10 2016-04-13 中国石油大学(华东) 基于交流电磁场的缺陷信号高精度空间成像系统及方法
CN106198716A (zh) * 2016-09-18 2016-12-07 中国石油大学(华东) 一种周向电磁场管道内壁裂纹检测系统及定量评估方法
CN107843642A (zh) * 2016-09-18 2018-03-27 中国石油大学(华东) 一种海洋结构物缺陷交流电磁场三维成像检测探头
CN108982652A (zh) * 2018-08-15 2018-12-11 东北大学 一种多频激励场阵列电磁无损检测金属表面裂纹的方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008002805A (ja) * 2006-06-20 2008-01-10 Ishikawajima Inspection & Instrumentation Co 交流電磁場測定法による探傷検査装置
CN101701934A (zh) * 2009-11-16 2010-05-05 中国石油大学(华东) Acfm缺陷智能可视化检测系统
CN103412038A (zh) * 2013-02-25 2013-11-27 中国石油大学(华东) 一种基于pc/104嵌入式系统的便携式acfm检测仪
CN105486745A (zh) * 2015-12-10 2016-04-13 中国石油大学(华东) 基于交流电磁场的缺陷信号高精度空间成像系统及方法
CN106198716A (zh) * 2016-09-18 2016-12-07 中国石油大学(华东) 一种周向电磁场管道内壁裂纹检测系统及定量评估方法
CN107843642A (zh) * 2016-09-18 2018-03-27 中国石油大学(华东) 一种海洋结构物缺陷交流电磁场三维成像检测探头
CN108375628A (zh) * 2016-09-18 2018-08-07 中国石油大学(华东) 一种周向电磁场管道内壁裂纹检测系统及定量评估方法
CN108982652A (zh) * 2018-08-15 2018-12-11 东北大学 一种多频激励场阵列电磁无损检测金属表面裂纹的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Combined Threshold and Signature Match Method for the Automatic Detection of Rail RCF Cracks using an ACFM Sensor;H Rowshandel等;《6th IET Conference on railway Condition Monitoring》;20140930;第1-6页 *
Characterisation of clustered cracks using an ACFM sensor and application of an artificial neural network;H. Rowshandel等;《NDT and E International》;20180413;第98卷;第80-88页 *

Also Published As

Publication number Publication date
CN110220967A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN110220967B (zh) 一种acfm技术簇状裂纹表面轮廓自动识别方法
CN110231394B (zh) 基于交流电磁场的非铁磁性材料不规则裂纹成像方法
CN104990977A (zh) 三维漏磁检测缺陷复合反演成像方法
CN110243923B (zh) 基于交流电磁场的腐蚀缺陷可视化成像及评估方法
CN110514745B (zh) 一种基于多频声发射信号的缆索断丝位置确定的方法
CN113390955B (zh) 交流电磁场裂纹可视化监测与评估方法
CN111579637B (zh) 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置
CN110568082A (zh) 一种基于声发射信号的缆索断丝的判别方法
US5737445A (en) Automated feature detection and identification in digital point-ordered signals
CN107330886B (zh) 一种表面微小损伤的高精度量化方法
CN117235433B (zh) 一种基于交流电磁场的金属表面裂纹定量评估方法
CN103399083A (zh) 一种脉冲涡流检测提离效应的抑制方法
CN108827197B (zh) 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法
CN110220968A (zh) 一种用于铁磁性材料的三轴缺陷漏磁检测装置
CN111398409B (zh) 基于交流电磁场的水下导电金属材料裂纹剖面重构方法
CN112083059A (zh) 一种滤除钢轨顶面提离干扰的方法
CN111044604B (zh) 一种acfm单轴磁信号评估方法
CN113348756B (zh) 一种基于磁记忆信号垂向特征分析的损伤状态识别方法
CN113075289B (zh) 一种金属圆柱缺陷参数检测方法及系统
CN114088808A (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
Hassan et al. Compressed air leakage detection and quantification through infrared thermography
Huang et al. Magnetic Flux Leakage: Theories and Imaging Technologies
CN115166024B (zh) 一种磁记忆检测异质金属涂层结合面损伤程度的方法
CN116203557B (zh) 一种基于探地雷达的传统石砌墙体内部残损及异常物无损辨识方法
RU2695599C1 (ru) Способ контроля геометрических параметров резьбы

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