CN111337567B - 基于涡流和漏磁检测信号融合的缺陷类型评估方法 - Google Patents

基于涡流和漏磁检测信号融合的缺陷类型评估方法 Download PDF

Info

Publication number
CN111337567B
CN111337567B CN202010228967.0A CN202010228967A CN111337567B CN 111337567 B CN111337567 B CN 111337567B CN 202010228967 A CN202010228967 A CN 202010228967A CN 111337567 B CN111337567 B CN 111337567B
Authority
CN
China
Prior art keywords
defect
matrix
signal
eddy current
point
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
CN202010228967.0A
Other languages
English (en)
Other versions
CN111337567A (zh
Inventor
许�鹏
方舟
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 CN202010228967.0A priority Critical patent/CN111337567B/zh
Publication of CN111337567A publication Critical patent/CN111337567A/zh
Priority to PCT/CN2020/101208 priority patent/WO2021189717A1/zh
Application granted granted Critical
Publication of CN111337567B publication Critical patent/CN111337567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
    • 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
    • G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
    • G01N27/9046—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明公开一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，包括以下步骤：(1)同时采用涡流和漏磁检测方法对同一样本进行检测；(2)对缺陷检测的漏磁信号进行分割并识别提取信号特征，构建缺陷漏磁信号的起点位置矩阵、终点位置矩阵和峰值位置矩阵；(3)对缺陷检测的涡流信号进行分割并识别提取信号特征，构建缺陷涡流信号的起点位置矩阵、终点位置矩阵和峰值位置矩阵；(4)融合涡流和漏磁的缺陷检测信号，评估缺陷类型，得到开口缺陷矩阵、埋藏缺陷矩阵及可疑缺陷矩阵。本方法融合了涡流和漏磁检测技术，能够快速、有效、准确地识别提取缺陷信号，并评估缺陷类型，对开口和埋藏缺陷进行区分，为检修维护提供有针对性的帮助和指导。

Description

基于涡流和漏磁检测信号融合的缺陷类型评估方法
技术领域
本发明属于无损检测技术领域，尤其涉及一种基于涡流和漏磁检测信号融合的缺陷类型评估方法。
背景技术
漏磁检测具有无需耦合剂、检测方法简单、可靠性高等优点，而涡流检测具有非接触性、检测速度快、检测精度高、只能检测表面和近表面的缺陷的特点。该两种方法在械制造、管道运输、航空航天、建筑工程和轨道交通等领域都得到了广泛的应用。
目前单一的电磁无损检测技术难以对开口和埋藏缺陷进行区分，不利于下一步的检修维护工作。因此融合多种方法的检测信号，能够获取更多的缺陷信息，实现对缺陷的准确分类。
发明内容
本发明旨在解决上述背景技术中存在的问题，提出一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，该方法融合了涡流和漏磁检测技术，能够快速、有效、准确地识别提取缺陷信号，并评估缺陷类型，对开口和埋藏缺陷进行区分，对后期的检修维护提供帮助和指导。
技术方案：为了实现上述目的，本发明的技术方案为一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，包括以下步骤：
(1)同时采用涡流和漏磁检测方法对同一样本进行检测，得到漏磁信号X＝[x1 x2… xi … xn]和涡流信号Y＝[y1 y2 … yj … yn]。其中，xi表示漏磁信号第i个采样点的幅值，yi表示涡流信号第i个采样点的幅值，n表示采样点数；
(2)对缺陷检测的漏磁信号进行分割并识别提取信号特征，构建缺陷漏磁信号的起点位置矩阵BX、终点位置矩阵EX和峰值位置矩阵PX；
(3)对缺陷检测的涡流信号进行分割并识别提取信号特征，构建缺陷涡流信号的起点位置矩阵BY、终点位置矩阵EY和峰值位置矩阵PY；
(4)融合涡流和漏磁的缺陷检测信号，评估缺陷类型。若某个缺陷同时被涡流和漏磁方法检测到，则认为是开口缺陷，得到开口缺陷矩阵A。若某个缺陷只被漏磁方法检测到，则认为是埋藏缺陷，得到埋藏缺陷矩阵B。若某个缺陷只被涡流方法检测到，则认为是需要进一步复核的可疑缺陷，得到可疑缺陷矩阵C。
进一步的，所述步骤(2)中对缺陷检测的漏磁信号进行分割并识别提取信号特征的具体步骤如下：
(2.1)创建漏磁信号分割点矩阵CX＝[i1 i2 … ik … ir]。其中，ik表示分割点在漏磁信号X中的位置，r表示分割点的个数。依次对漏磁信号X中的信号幅值进行判断，若某点幅值大于等于0且下一点幅值小于0，则将该点位置存入矩阵CX；
(2.2)设置k＝1，设定疑似缺陷漏磁信号判定阈值α1及α2，设定缺陷漏磁信号判定阈值β。创建缺陷漏磁信号峰值位置矩阵PX，创建缺陷漏磁信号起点位置矩阵BX，创建缺陷漏磁信号终点位置矩阵EX；
(2.3)运用差分法计算漏磁信号一阶导数信号DX＝[d1 d2 … di … dn-1]，其中di＝yi+1-yi；
(2.4)计算相邻分割点间漏磁信号幅值的最大值和最小值，即矩阵中的最大值和最小值。若最大值大于等于阈值α1，且最小值小于等于阈值α2，则认为该相邻分割点间的信号为疑似缺陷信号，否则执行步骤(2.7)；
(2.5)计算相邻分割点间漏磁信号导数信号的最大值，即矩阵中的最大值。若最大值大于等于阈值β，则认为该相邻分割点间的信号为缺陷信号，否则执行步骤(2.7)；
(2.6)将步骤(2.3)中求得的最大值的位置存入矩阵PX，将ik的值存入矩阵BX，将ik+1-1的值存入矩阵EX；
(2.7)k＝k+1；
(2.8)若k＝r，则执行步骤(3)，否则执行步骤(2.4)。
进一步的，所述步骤(3)中对缺陷检测的涡流信号进行分割并识别提取信号特征的具体步骤如下：
(3.1)创建涡流信号分割点起点矩阵CBY＝[j1 j2 … jm … js]和涡流信号分割点终点矩阵CEY＝[j1 j2 … jn … js]。其中，jm表示分割点起点在涡流信号Y中的位置，jn表示分割点终点在涡流信号Y中的位置，s表示分割点的个数。设定涡流信号分割点判定阈值γ1和γ2；
(3.2)依次对涡流信号Y中的信号幅值进行判断，若某点幅值大于等于γ1且下一点幅值小于γ1，则将该点位置存入矩阵CBY。若某点幅值大于等于γ2且下一点幅值小于γ2，则将该点位置存入矩阵CEY；
(3.3)设置m＝1，n＝1。设定缺陷涡流信号判定阈值δ1及δ2。创建缺陷涡流信号峰值位置矩阵PY，创建缺陷涡流信号起点位置矩阵BY，创建缺陷漏磁信号终点位置矩阵EY；
(3.4)计算分割点起点至分割点终点间涡流信号幅值的最大值和最小值，即矩阵中的最大值和最小值。若最大值大于等于阈值δ1，且最小值小于等于阈值δ2，则认为该分割点起点至终点间的信号为缺陷信号，否则执行步骤(3.7)；
(3.6)将步骤(3.4)中求得的最大值的位置存入矩阵PY，将jm的值存入矩阵BY，将jn的值存入矩阵EY；
(3.7)m＝m+1，n＝n+1；
(3.8)若m＝n＝s+1，则执行步骤(4)，否则执行步骤(3.4)。
进一步的，所述步骤(3.2)中识别与存入涡流信号分割点的具体步骤如下：
(3.2.1)设置标志位flag＝0，设置j＝1；
(3.2.2)若yj≥γ1且yj+1<γ1，则该点为涡流信号分割点起点，设置jm＝j，flag＝1。若yj≥γ2且yj+1<γ2，且flag＝1，则该点为涡流信号分割点终点，设置jn＝j，flag＝0，并将jm存入矩阵CBY，jn存入矩阵CEY；
(3.2.3)j＝j+1；
(3.2.4)若j＝n，则执行步骤(3.3)，否则执行步骤(3.2.2)。
进一步的，所述步骤(4)中融合涡流和漏磁的缺陷检测信号并评估缺陷类型的具体步骤如下：
(4.1)创建缺陷信号峰值矩阵P＝[p1 p2 … pf … pq]。创建3×u开口缺陷矩阵
其中a1t、a2t和a3t分别表示第t个开口缺陷漏磁信号的起点位置、终点位置和峰值位置。创建3×v埋藏缺陷矩阵
其中b1t、b2t和b3t分别表示第t个埋藏缺陷漏磁信号的起点位置、终点位置和峰值位置。创建3×w可疑缺陷矩阵
其中c1t、c2t和c3t分别表示第t个可疑缺陷涡流信号的起点位置、终点位置和峰值位置。设置漏磁、涡流缺陷信号间隔阈值ε；
(4.2)将矩阵PX及PY中的所有元素从小到大排列，存入矩阵P；
(4.3)若P中某元素pf来自于矩阵PY，其相邻元素pf-1或pf+1来自于矩阵PX并且与pf差值的绝对值小于等于阈值ε，则认为漏磁和涡流方法检测到了同一个缺陷，即该缺陷为开口缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵A的1、2、3行。若pf-1和pf、pf和pf+1都满足上述要求，则选取两者之差的绝对值更小的一组作为该缺陷的漏磁和涡流信号；
(4.4)找出P中所有符合步骤(4.3)要求的元素组，得到开口缺陷矩阵A。剩下不满足步骤(4.3)要求的元素中，若该元素来自于矩阵PX，则认为该缺陷为只有漏磁信号检测到的缺陷，即为埋藏缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵B的1、2、3行。若该元素来自于矩阵PY，则认为该缺陷为只有涡流信号检测到的缺陷，即为可疑缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵C的1、2、3行。对P中所有不满足步骤(4.3)要求的元素据此方法进行分类及数据存入，即可得到埋藏缺陷矩阵B和可疑缺陷矩阵C；
(4.5)根据矩阵A、B和C中三种缺陷信号的起终点位置，截取对应位置处的漏磁和涡流信号，即可分别得到开口缺陷、埋藏缺陷和可疑缺陷的检测信号。
有益效果：本发明采用以上技术方案与现有技术相比，能够融合漏磁和涡流检测信号，并且准确、快速地评估缺陷类型，区分开口和埋藏缺陷，为后期的检修维护提供帮助和指导。
附图说明
图1为被测样本的结构示意图；
图2为被测样本的漏磁信号；
图3为被测样本的涡流信号；
图4为被测样本漏磁信号的一阶导数信号；
图5为对缺陷漏磁信号的起点、终点和峰值位置的提取结果；
图6为对缺陷涡流信号的起点、终点和峰值位置的提取结果；
图7为开口、埋藏和可疑缺陷的判断结果；
图8为开口、埋藏和可疑缺陷的检测信号。
具体实施方式
下面结合附图对本发明的具体实施方式作更进一步的说明。
本发明公开了一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，该方法包括以下步骤：
(1)同时采用涡流和漏磁检测方法对如图1所示的样本进行检测，得到漏磁信号X(如图2)和涡流信号Y(如图3)。
(2)对缺陷检测的漏磁信号进行分割并识别提取信号特征，构建缺陷漏磁信号的起点位置矩阵BX、终点位置矩阵EX和峰值位置矩阵PX。
(2.1)创建漏磁信号分割点矩阵CX＝[i1 i2 … ik … ir]。如图2，依次对漏磁信号X中的信号幅值进行判断，若某点幅值大于等于0且下一点幅值小于0，则将该点位置存入矩阵CX；
(2.2)设置k＝1，设定疑似缺陷漏磁信号判定阈值α1及α2，设定缺陷漏磁信号判定阈值β。创建缺陷漏磁信号峰值位置矩阵PX，创建缺陷漏磁信号起点位置矩阵BX，创建缺陷漏磁信号终点位置矩阵EX；
(2.3)运用差分法计算漏磁信号一阶导数信号DX(如图4)；
(2.4)如图2，计算相邻分割点间漏磁信号幅值的最大值和最小值，即矩阵中的最大值和最小值。若最大值大于等于阈值α1，且最小值小于等于阈值α2，则认为该相邻分割点间的信号为疑似缺陷信号，否则执行步骤(2.7)；
(2.5)如图4，计算相邻分割点间漏磁信号导数信号的最大值。若最大值大于等于阈值β，则认为该相邻分割点间的信号为缺陷信号，否则执行步骤(2.7)；
(2.6)如图5所示，将步骤(2.3)中求得的最大值的位置存入矩阵PX，将ik的值存入矩阵BX，将ik+1-1的值存入矩阵EX；
(2.7)k＝k+1；
(2.8)若k＝r，则执行步骤(3)，否则执行步骤(2.4)。
(3)对缺陷检测的涡流信号进行分割并识别提取信号特征，构建缺陷涡流信号的起点位置矩阵BY、终点位置矩阵EY和峰值位置矩阵PY。
(3.1)创建涡流信号分割点起点矩阵CBY＝[j1 j2 … jm … js]和涡流信号分割点终点矩阵CEY＝[j1 j2 … jn … js]。设定涡流信号分割点判定阈值γ1和γ2；
(3.2)如图3，依次对涡流信号Y中的信号幅值进行判断，若某点幅值大于等于γ1且下一点幅值小于γ1，则将该点位置存入矩阵CBY。若某点幅值大于等于γ2且下一点幅值小于γ2，则将该点位置存入矩阵CEY；
(3.2.1)设置标志位flag＝0，设置j＝1；
(3.2.2)若yj≥γ1且yj+1<γ1，则该点为涡流信号分割点起点，设置jm＝j，flag＝1。若yj≥γ2且yj+1<γ2，且flag＝1，则该点为涡流信号分割点终点，设置jn＝j，flag＝0，并将jm存入矩阵CBY，jn存入矩阵CEY；
(3.2.3)j＝j+1；
(3.2.4)若j＝n，则执行步骤(3.3)，否则执行步骤(3.2.2)。
(3.3)设置m＝1，n＝1。设定缺陷涡流信号判定阈值δ1及δ2。创建缺陷涡流信号峰值位置矩阵PY，创建缺陷涡流信号起点位置矩阵BY，创建缺陷漏磁信号终点位置矩阵EY；
(3.4)如图6，计算分割点起点至分割点终点间涡流信号幅值的最大值和最小值。若最大值大于等于阈值δ1，且最小值小于等于阈值δ2，则认为该分割点起点至终点间的信号为缺陷信号，否则执行步骤(3.7)；
(3.6)如图6，将步骤(3.4)中求得的最大值的位置存入矩阵PY，将jm的值存入矩阵BY，将jn的值存入矩阵EY；
(3.7)m＝m+1，n＝n+1；
(3.8)若m＝n＝s+1，则执行步骤(4)，否则执行步骤(3.4)。
(4)融合涡流和漏磁的缺陷检测信号，评估缺陷类型。若某个缺陷同时被涡流和漏磁方法检测到，则认为是开口缺陷，得到开口缺陷矩阵A。若某个缺陷只被漏磁方法检测到，则认为是埋藏缺陷，得到埋藏缺陷矩阵B。若某个缺陷只被涡流方法检测到，则认为是需要进一步复核的可疑缺陷，得到可疑缺陷矩阵C。
(4.1)创建缺陷信号峰值矩阵P＝[p1 p2 … pf … pq]。创建3×u开口缺陷矩阵
其中a1t、a2t和a3t分别表示第t个开口缺陷漏磁信号的起点位置、终点位置和峰值位置。创建3×v埋藏缺陷矩阵
其中b1t、b2t和b3t分别表示第t个埋藏缺陷漏磁信号的起点位置、终点位置和峰值位置。创建3×w可疑缺陷矩阵
其中c1t、c2t和c3t分别表示第t个可疑缺陷涡流信号的起点位置、终点位置和峰值位置。设置漏磁、涡流缺陷信号间隔阈值ε；
(4.2)将矩阵PX及PY中的所有元素从小到大排列，存入矩阵P；
(4.3)如图7，若P中某元素pf来自于矩阵PY，其相邻元素pf-1或pf+1来自于矩阵PX并且与pf差值的绝对值小于等于阈值ε，则认为漏磁和涡流方法检测到了同一个缺陷，即该缺陷为开口缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵A的1、2、3行。若pf-1和pf、pf和pf+1都满足上述要求，则选取两者之差的绝对值更小的一组作为该缺陷的漏磁和涡流信号；
(4.4)找出P中所有符合步骤(4.3)要求的元素组，得到开口缺陷矩阵A。剩下不满足步骤(4.3)要求的元素中，若该元素来自于矩阵PX，则认为该缺陷为只有漏磁信号检测到的缺陷，即为埋藏缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵B的1、2、3行。若该元素来自于矩阵PY，则认为该缺陷为只有涡流信号检测到的缺陷，即为可疑缺陷。将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵C的1、2、3行。对P中所有不满足步骤(4.3)要求的元素据此方法进行分类及数据存入，即可得到埋藏缺陷矩阵B和可疑缺陷矩阵C；
(4.5)如图8，根据矩阵A、B和C中三种缺陷信号的起终点位置，截取对应位置处的漏磁和涡流信号，即可分别得到开口缺陷、埋藏缺陷和可疑缺陷的检测信号。
本发明公开了一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，该方法能够融合涡流和漏磁检测技术，快速、有效地从检测信号中提取缺陷信号，并准确地评估缺陷类型，对后期的检修维护提供帮助和指导。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以做出若干改进，这些改进也应视为本发明的保护范围。

Claims (5)

1.一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，其特征在于，包括以下步骤：
步骤一，同时采用涡流和漏磁检测方法对同一样本进行检测，得到漏磁信号X＝[x1x2…xi…xn]和涡流信号Y＝[y1 y2…yj…yn]，其中，xi表示漏磁信号第i个采样点的幅值，yi表示涡流信号第i个采样点的幅值，n表示采样点数；
步骤二，对缺陷检测的漏磁信号进行分割并识别提取信号特征，构建缺陷漏磁信号的起点位置矩阵BX、终点位置矩阵EX和峰值位置矩阵PX；
步骤三，对缺陷检测的涡流信号进行分割并识别提取信号特征，构建缺陷涡流信号的起点位置矩阵BY、终点位置矩阵EY和峰值位置矩阵PY；
计算分割点起点至分割点终点间涡流信号幅值的最大值和最小值；若最大值大于等于阈值δ1，且最小值小于等于阈值δ2，则认为该分割点起点至终点间的信号为缺陷信号；
步骤四，融合涡流和漏磁的缺陷检测信号，评估缺陷类型；若某个缺陷同时被涡流和漏磁方法检测到，则认为是开口缺陷，得到开口缺陷矩阵A；若某个缺陷只被漏磁方法检测到，则认为是埋藏缺陷，得到埋藏缺陷矩阵B；若某个缺陷只被涡流方法检测到，则认为是需要进一步复核的可疑缺陷，得到可疑缺陷矩阵C。
2.如权利要求1所述的一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，其特征在于，所述的步骤二具体步骤如下：
步骤2.1，创建漏磁信号分割点矩阵CX＝[i1 i2…ik…ir]，其中，ik表示分割点在漏磁信号X中的位置，r表示分割点的个数，依次对漏磁信号X中的信号幅值进行判断，若某点幅值大于等于0且下一点幅值小于0，则将该点位置存入矩阵CX；
步骤2.2，设置k＝1，设定疑似缺陷漏磁信号判定阈值α1及α2，设定缺陷漏磁信号判定阈值β，创建缺陷漏磁信号峰值位置矩阵PX，创建缺陷漏磁信号起点位置矩阵BX，创建缺陷漏磁信号终点位置矩阵EX；
步骤2.3，运用差分法计算漏磁信号一阶导数信号DX＝[d1 d2…di…dn-1]，其中di＝xi+1-xi；
步骤2.4，计算相邻分割点间漏磁信号幅值的最大值和最小值，即矩阵中的最大值和最小值，若最大值大于等于阈值α1，且最小值小于等于阈值α2，则认为该相邻分割点间的信号为疑似缺陷信号，否则执行步骤2.7；
步骤2.5，计算相邻分割点间漏磁信号导数信号的最大值，即矩阵中的最大值，若最大值大于等于阈值β，则认为该相邻分割点间的信号为缺陷信号，否则执行步骤2.7；
步骤2.6，将步骤2.3中求得的最大值的位置存入矩阵PX，将ik的值存入矩阵BX，将ik+1-1的值存入矩阵EX；
步骤2.7，k＝k+1；
步骤2.8，若k＝r，则执行步骤三，否则执行步骤2.4。
3.如权利要求1所述的一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，其特征在于，所述的步骤三具体步骤如下：
步骤3.1，创建涡流信号分割点起点矩阵CBY＝[j1 j2…jm…js]和涡流信号分割点终点矩阵CEY＝[j1 j2…jn…js]；其中，jm表示分割点起点在涡流信号Y中的位置，jn表示分割点终点在涡流信号Y中的位置，s表示分割点的个数，设定涡流信号分割点判定阈值γ1和γ2；
步骤3.2，依次对涡流信号Y中的信号幅值进行判断，若某点幅值大于等于γ1且下一点幅值小于γ1，则将该点位置存入矩阵CBY，若某点幅值大于等于γ2且下一点幅值小于γ2，则将该点位置存入矩阵CEY；
步骤3.3，设置m＝1，n＝1，设定缺陷涡流信号判定阈值δ1及δ2，创建缺陷涡流信号峰值位置矩阵PY，创建缺陷涡流信号起点位置矩阵BY，创建缺陷漏磁信号终点位置矩阵EY；
步骤3.4，计算分割点起点至分割点终点间涡流信号幅值的最大值和最小值，即矩阵中的最大值和最小值；若最大值大于等于阈值δ1，且最小值小于等于阈值δ2，则认为该分割点起点至终点间的信号为缺陷信号，否则执行步骤3.7；
步骤3.6，将步骤3.4中求得的最大值的位置存入矩阵PY，将jm的值存入矩阵BY，将jn的值存入矩阵EY；
步骤3.7，m＝m+1，n＝n+1；
步骤3.8，若m＝n＝s+1，则执行步骤四，否则执行步骤3.4。
4.如权利要求3所述的一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，
其特征在于，所述的步骤3.2具体步骤如下：
步骤3.2.1，设置标志位flag＝0，设置j＝1；
步骤3.2.2，若yj≥γ1且yj+1<γ1，则该点为涡流信号分割点起点，设置jm＝j，flag＝1；若yj≥γ2且yj+1<γ2，且flag＝1，则该点为涡流信号分割点终点，设置jn＝j，flag＝0，并将jm存入矩阵CBY，jn存入矩阵CEY；
步骤3.2.3，j＝j+1；
步骤3.2.4，若j＝n，则执行步骤3.3，否则执行步骤3.2.2。
5.如权利要求1所述的一种基于涡流和漏磁检测信号融合的缺陷类型评估方法，其特征在于，所述的步骤四具体步骤如下：
步骤4.1，创建缺陷信号峰值矩阵P＝[p1 p2…pf…pq]；创建3×u开口缺陷矩阵
其中a1t、a2t和a3t分别表示第t个开口缺陷漏磁信号的起点位置、终点位置和峰值位置；
创建3×v埋藏缺陷矩阵
其中b1t、b2t和b3t分别表示第t个埋藏缺陷漏磁信号的起点位置、终点位置和峰值位置；
创建3×w可疑缺陷矩阵
其中c1t、c2t和c3t分别表示第t个可疑缺陷涡流信号的起点位置、终点位置和峰值位置；设置漏磁、涡流缺陷信号间隔阈值ε；
步骤4.2，将矩阵PX及PY中的所有元素从小到大排列，存入矩阵P；
步骤4.3，若P中某元素pf来自于矩阵PY，其相邻元素pf-1或pf+1来自于矩阵PX并且与pf差值的绝对值小于等于阈值ε，则认为漏磁和涡流方法检测到了同一个缺陷，即该缺陷为开口缺陷；将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵A的1、2、3行；若pf-1和pf、pf和pf+1都满足上述要求，则选取两者之差的绝对值更小的一组作为该缺陷的漏磁和涡流信号；
步骤4.4，找出P中所有符合步骤4.3要求的元素组，得到开口缺陷矩阵A；剩下不满足步骤4.3要求的元素中，若该元素来自于矩阵PX，则认为该缺陷为只有漏磁信号检测到的缺陷，即为埋藏缺陷；将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵B的1、2、3行；若该元素来自于矩阵PY，则认为该缺陷为只有涡流信号检测到的缺陷，即为可疑缺陷；将该缺陷漏磁信号的起点位置、终点位置和峰值位置分别存入矩阵C的1、2、3行；对P中所有不满足步骤4.3要求的元素据此方法进行分类及数据存入，即可得到埋藏缺陷矩阵B和可疑缺陷矩阵C；
步骤4.5，根据矩阵A、B和C中三种缺陷信号的起终点位置，截取对应位置处的漏磁和涡流信号，即可分别得到开口缺陷、埋藏缺陷和可疑缺陷的检测信号。
CN202010228967.0A 2020-03-27 2020-03-27 基于涡流和漏磁检测信号融合的缺陷类型评估方法 Active CN111337567B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010228967.0A CN111337567B (zh) 2020-03-27 2020-03-27 基于涡流和漏磁检测信号融合的缺陷类型评估方法
PCT/CN2020/101208 WO2021189717A1 (zh) 2020-03-27 2020-07-10 基于涡流和漏磁检测信号融合的缺陷类型评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010228967.0A CN111337567B (zh) 2020-03-27 2020-03-27 基于涡流和漏磁检测信号融合的缺陷类型评估方法

Publications (2)

Publication Number Publication Date
CN111337567A CN111337567A (zh) 2020-06-26
CN111337567B true CN111337567B (zh) 2023-10-03

Family

ID=71180489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010228967.0A Active CN111337567B (zh) 2020-03-27 2020-03-27 基于涡流和漏磁检测信号融合的缺陷类型评估方法

Country Status (2)

Country Link
CN (1) CN111337567B (zh)
WO (1) WO2021189717A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337567B (zh) * 2020-03-27 2023-10-03 南京航空航天大学 基于涡流和漏磁检测信号融合的缺陷类型评估方法
CN113052022B (zh) * 2021-03-11 2024-03-22 南京航空航天大学 一种基于复合电磁检测的轨道缺陷识别与分类方法
CN113466330A (zh) * 2021-07-15 2021-10-01 上海应用技术大学 一种用于涡流探伤过程的缺陷类型识别方法
CN114818799B (zh) * 2022-04-15 2024-03-19 西南交通大学 复合材料叠层构件钻锪一体加工监测信号分割方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256170A (zh) * 2008-03-20 2008-09-03 山东省特种设备检验研究院 层板包扎式容器检验方法
CN102798660A (zh) * 2012-08-30 2012-11-28 东北大学 基于三轴漏磁与电涡流的管道内外壁缺陷检测装置及方法
CN103235036A (zh) * 2013-04-12 2013-08-07 厦门艾帝尔电子科技有限公司 基于电磁检测信号的区分内外壁缺陷的检测装置及方法
JP2013185951A (ja) * 2012-03-08 2013-09-19 Jfe Steel Corp 電磁気探傷用プローブ
CN207198093U (zh) * 2017-08-25 2018-04-06 上海市特种设备监督检验技术研究院 一种用于评价磁饱和环境下的检测测试装置
CN108828059A (zh) * 2018-06-29 2018-11-16 清华大学 电磁多场耦合缺陷综合检测评价方法及装置
CN110108788A (zh) * 2019-05-15 2019-08-09 上海市特种设备监督检验技术研究院 基于脉冲涡流的管道漏磁内检测集成探头及检测方法
CN110208365A (zh) * 2019-05-31 2019-09-06 南京航空航天大学 一种基于脉冲漏磁信号暂态特征的缺陷量化评估方法
CN110308200A (zh) * 2019-07-16 2019-10-08 南京航空航天大学 一种差动式的漏磁与涡流复合的高速轨道探伤方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1078412A (ja) * 1996-09-02 1998-03-24 Daido Steel Co Ltd 表面傷の探傷方法および探傷装置
JP2001272379A (ja) * 2000-03-24 2001-10-05 Kawasaki Steel Corp 管の非破壊検査方法及び装置
US10914709B2 (en) * 2017-07-24 2021-02-09 Pii Pipetronix Gmbh Internal/external discrimination of metal loss defects
CN108680642B (zh) * 2018-05-17 2022-04-05 天津工业大学 一种基于多频涡流检测技术的缺陷识别分类方法
CN111337567B (zh) * 2020-03-27 2023-10-03 南京航空航天大学 基于涡流和漏磁检测信号融合的缺陷类型评估方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256170A (zh) * 2008-03-20 2008-09-03 山东省特种设备检验研究院 层板包扎式容器检验方法
JP2013185951A (ja) * 2012-03-08 2013-09-19 Jfe Steel Corp 電磁気探傷用プローブ
CN102798660A (zh) * 2012-08-30 2012-11-28 东北大学 基于三轴漏磁与电涡流的管道内外壁缺陷检测装置及方法
CN103235036A (zh) * 2013-04-12 2013-08-07 厦门艾帝尔电子科技有限公司 基于电磁检测信号的区分内外壁缺陷的检测装置及方法
CN207198093U (zh) * 2017-08-25 2018-04-06 上海市特种设备监督检验技术研究院 一种用于评价磁饱和环境下的检测测试装置
CN108828059A (zh) * 2018-06-29 2018-11-16 清华大学 电磁多场耦合缺陷综合检测评价方法及装置
CN110108788A (zh) * 2019-05-15 2019-08-09 上海市特种设备监督检验技术研究院 基于脉冲涡流的管道漏磁内检测集成探头及检测方法
CN110208365A (zh) * 2019-05-31 2019-09-06 南京航空航天大学 一种基于脉冲漏磁信号暂态特征的缺陷量化评估方法
CN110308200A (zh) * 2019-07-16 2019-10-08 南京航空航天大学 一种差动式的漏磁与涡流复合的高速轨道探伤方法

Also Published As

Publication number Publication date
CN111337567A (zh) 2020-06-26
WO2021189717A1 (zh) 2021-09-30

Similar Documents

Publication Publication Date Title
CN111337567B (zh) 基于涡流和漏磁检测信号融合的缺陷类型评估方法
Huang et al. An opening profile recognition method for magnetic flux leakage signals of defect
Kandroodi et al. Estimation of depth and length of defects from magnetic flux leakage measurements: verification with simulations, experiments, and pigging data
US5345514A (en) Method for inspecting components having complex geometric shapes
CN103995048B (zh) 钢丝绳磁记忆在线检测装置
CN108717069B (zh) 一种基于行变步长分割的高压容器热成像缺陷检测方法
Bubenik Electromagnetic methods for detecting corrosion in underground pipelines: magnetic flux leakage (MFL)
CN110220967B (zh) 一种acfm技术簇状裂纹表面轮廓自动识别方法
Kim et al. Nondestructive evaluation of far-side corrosion around a rivet in a multilayer structure
CN111337566B (zh) 漏磁检测缺陷边沿识别的方法
WO2023055230A1 (en) An automated inspection apparatus for nondestructive inspection of welds on pipes for detecting one or more anomalies in pipes
Shen et al. A Novel Weld Defect Detection Method for Intelligent Magnetic Flux Leakage Detection System via Contextual Relation Network
Liu et al. A novel method of omnidirectional defects detection by MFL testing under single axial magnetization at the production stage of lathy ferromagnetic materials
RU2171469C1 (ru) Способ неразрушающего контроля качества объекта и устройство для его осуществления
CN112508862B (zh) 一种通过改进gan增强裂纹磁光图像的方法
Wang et al. Application progress of tri-axial MFL sensors technology
Feng et al. Study on the lowest spatial resolution of magnetic flux leakage testing for weld cracks
Huang et al. Magnetic Flux Leakage: Theories and Imaging Technologies
Qi Experimental study of interference factors and simulation on oil-gas pipeline magnetic flux leakage density signal
Kim et al. Analysis and depth estimation of complex defects on the underground gas pipelines
Lijian et al. Oil-gas pipeline magnetic flux leakage testing defect reconstruction based on support vector machine
CN111060588B (zh) 一种基于脉冲涡流技术的表面和埋深缺陷分类方法
CN1258680C (zh) 管道腐蚀缺陷类型识别方法
Wang et al. An improved MFL method fusing multi-space magnetic field information for the surface defect inspecting
CN114397360A (zh) 一种焊缝裂纹走向的涡流检测方法及其检测装置

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