CN111351838B - 一种构造具有特定缺陷的涡流信号的方法 - Google Patents

一种构造具有特定缺陷的涡流信号的方法 Download PDF

Info

Publication number
CN111351838B
CN111351838B CN201811564448.0A CN201811564448A CN111351838B CN 111351838 B CN111351838 B CN 111351838B CN 201811564448 A CN201811564448 A CN 201811564448A CN 111351838 B CN111351838 B CN 111351838B
Authority
CN
China
Prior art keywords
defect
eddy current
constructing
current signal
specific
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
CN201811564448.0A
Other languages
English (en)
Other versions
CN111351838A (zh
Inventor
冯美名
张益成
陈姝
魏文斌
廖述圣
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.)
Research Institute of Nuclear Power Operation
China Nuclear Power Operation Technology Corp Ltd
Original Assignee
Research Institute of Nuclear Power Operation
China Nuclear Power Operation Technology Corp Ltd
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 Research Institute of Nuclear Power Operation, China Nuclear Power Operation Technology Corp Ltd filed Critical Research Institute of Nuclear Power Operation
Priority to CN201811564448.0A priority Critical patent/CN111351838B/zh
Publication of CN111351838A publication Critical patent/CN111351838A/zh
Application granted granted Critical
Publication of CN111351838B publication Critical patent/CN111351838B/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
    • G01N27/90—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
    • 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

  • 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

本发明属于无损检测的信号处理技术，具体涉及一种构造具有特定缺陷的涡流信号的方法。实践中，由于噪声及检测中缆绳的抖动，算法的选择和主观能力的存在，往往会导致分析员漏掉缺陷。本发明包括以下步骤：步骤1：获取标定管缺陷段通道水平方向和垂直方向数据X；步骤2：确定标定管缺陷的深度、宽度和缺陷的相位角、数据量以及旋转角α；步骤3：根据特定缺陷相位角需求，角度增加θ，对高频差分通道水平和垂直信号进行旋转变换；步骤4：根据特定缺陷宽度要求进行抽样或插值处理；步骤5：根据特定缺陷幅值要求，进行线性变换。本发明能提高对缺陷的检测和识别性能以及分析员对缺陷的识别能力。

Description

一种构造具有特定缺陷的涡流信号的方法
技术领域
本发明属于无损检测的信号处理技术，具体涉及一种构造具有特定缺陷的涡流信号的方法。
背景技术
在涡流信号处理中，通过多频多模信号的混频或最新的对消技术可实现缺陷的检测和识别。也就是说，从涡流仪得到的信号是多种频率电磁波信号，每种频率信号还具有水平和垂直方向等模态，通过对它们的混频或对消处理可以得到缺陷信息。
然而，由于噪声的存在以及检测中缆绳的抖动，实际涡流信号并不是人们想象的那么理想。为了检验混频算法提取缺陷以及分析员对缺陷的识别能力，可以考虑在实际涡流信号中添加具体特征信号，这种信号具有确定的位置、确定的幅度、确定的相位角。
发明内容
本发明的目的在于提供一种利用标定管缺陷构造具有特定缺陷的涡流信号的方法，能够利用这种涡流信号测试混频或对消算法对缺陷的检测和识别性能以及提高分析员对缺陷的识别能力。
1.技术方案：
一种构造具有特定缺陷的涡流信号的方法，包括如下步骤：
步骤1)获取标定管缺陷段通道水平方向和垂直方向数据X，数据长度以包含整个缺陷、缺陷居中为准；
步骤2)确定标定管缺陷的深度、宽度等结构参数和缺陷的相位角、数据量以及旋转角α等测量参数；
步骤3)根据特定缺陷相位角需求，角度增加θ，将步骤1)取得的高频差分通道水平和垂直信号进行旋转变换，公式参见Rot函数
步骤4)根据特定缺陷宽度要求进行抽样或插值处理，缺陷宽度缩短N倍的抽取表达式为y[n]＝x[Nn]
缺陷宽度伸张N倍的线性插值表达式为
其基本做法是相邻两点间插入N-1个点，其中的第i个插值点的取值为
步骤5)根据特定缺陷幅值要求，进行如下线性变换y[n]＝kx[n]，k为常数；
步骤6)将经过步骤3)至步骤5)处理所构造的信号旋转-α后叠加到实测涡流信号指定位置；
步骤7)对叠加后的信号进行混频或对消处理；
步骤8)将混频或对消处理算法给出的缺陷结果或人工判断给出的结果与本算法确定的缺陷深度和宽度进行比对，判断算法检测缺陷的有效性或分析员对缺陷的识别能力。
在上述步骤中，步骤1)是获取算法所需数据信息，即算法的输入信号。步骤2)是给出已知缺陷的结构参数和测量参数，为本算法信号变换提供参数以及结果的比对。步骤3)至步骤5)是根据缺陷深度、宽度和幅值的要求进行信号变换，由于该变换目标明确，参数确定，缺陷信号具体特征明确，为后面进行结果比对提供了参照。步骤6)就是将具体特征信号逆旋转后和实测涡流信号叠加，为涡流信号提供了一个特征明确的人为信号，这个信号是存在的，而且特征十分明确。无论什么混频和对消算法，或者涡流检测分析员，都可以运用这类信号对他们进行性能和能力测试。步骤7)就是混频或对消处理。步骤8)就是将算法处理人工识别结果与本算法提供的结果进行比对。
本发明的显著效果在于：标定管缺陷结构参数确定，且这类数据易采集；旋转、平移、伸缩变换可得到不同缺陷信号，且参数可控；该专利可用于混频、对消等提取缺陷算法的性能测试；该专利可用于涡流分析人员能力测试；算法可编程处理，实时性强；该方法可用于其它类似的信号处理领域。
附图说明
图1为本方法实施流程图；
图2采集的一个标定管高频差分通道原始水平分量和垂直分量；
图3从图2数据中截取一段通孔缺陷零均值处理得到的水平分量和垂直分量；
图4图3数据旋转237°后的水平分量和垂直分量；
图5图4所对应的李莎育图；
图6本标定管在不同深度人工缺陷对应的相位角；
图7构造的内伤缺陷信号(深度为20％和60％)的水平分量、垂直分量和李莎育图；
图8构造的外伤缺陷信号(深度为50％)的水平分量、垂直分量和李莎育图；
图9图3数据2倍抽样水平分量和垂直分量；
图10图3数据李莎育图与图9数据李莎育图比较；
图11图3数据扩大2倍的水平分量、垂直分量和李莎育图；
图12实施例2构造的内伤70％的水平分量、垂直分量和李莎育图；
图13某组实测涡流数据；
图14对图13的实测涡流数据运用神经网络对消算法进行1、5通道对消混频的结果。
具体实施方式
如图1所示，本发明实施步骤如下：
步骤1)获取标定管缺陷段通道水平方向和垂直方向数据X，数据长度以包含整个缺陷、缺陷居中为准；
步骤2)确定标定管缺陷的深度(％)、宽度(mm或序列个数)等结构参数和缺陷的相位角(°)、数据量(序列个数)以及旋转角α等测量参数；
步骤3)根据特定缺陷相位角需求(角度增加θ)将步骤1)取得的高频差分通道水平和垂直信号进行旋转变换，公式参见Rot函数
步骤4)根据特定缺陷宽度要求(序列个数)进行抽样或插值处理，缺陷宽度缩短N倍的抽取表达式为y[n]＝x[Nn]
缺陷宽度伸张N倍的线性插值表达式为其基本做法是相邻两点间插入N-1个点，其中的第i个插值点的取值为
步骤5)根据特定缺陷幅值要求，进行如下线性变换y[n]＝kx[n]，k为常数；
步骤6)将经过步骤3)至步骤5)处理所构造的信号旋转-α后叠加到实测涡流信号指定位置；
步骤7)对叠加后的信号进行混频或对消处理；
步骤8)将混频或对消处理算法给出的缺陷结果或人工判断给出的结果与本算法确定的缺陷深度和宽度进行比对，判断算法检测缺陷的有效性或分析员对缺陷的识别能力。
实施例1
数据来自某核电站蒸发器传热管SG74采用的标定管数据文件夹中的“*.txt”，在Matlab编辑器中，下载该文件，运用size函数求得行1980、列20，即m＝1980，n＝20。显示第一通道数据，见图2。其中，选择中心位置在817的通孔段零均值处理后作为本专利构造其它缺陷的数据，长度为41，记为[X0,Y0]，参见图3。
根据涡流检测理论，通孔相位角为40°。因此，要求数据旋转237°。此时，通孔段数据及其李莎育图参见图4和图5。
涡流检测相关知识告诉我们，以40°为通孔相位角，0°～40°之间对应于内伤深度，并成线性关系，40°～180°近乎线性下降，对应关系可以参看图6。
根据特定相位角要求，构造一个内伤深度为x％的缺陷，其内伤相位角为0.4x°，旋转角在197°～237°之间。如，构造内伤深度为20％和60％的缺陷，其内伤相位角为8°和24°，旋转角分别为205°和221°，将图3的数据旋转205°和221°，其水平分量和垂直分量及其对应的李莎育图见图7。通过李莎育图人工计算，得到的相位角为8.16°和24.08°。
构造一个外伤缺陷，其外伤相位角由缺陷深度和相位角对应图可查出，旋转角大约在237°～357°之间。如，构造外伤深度为50％的缺陷，其相位角约为128°，旋转角约为325°。下面将图3的数据旋转325°，其水平分量和垂直分量及其对应的李莎育图见图8。人工计算李莎育图相位角为128.12°。
这表明，利用标定管缺陷通过旋转能够构造具有特定缺陷的涡流信号。
以N＝2进行抽样，数据量减半，分辨率降低，但不改变缺陷的相位角。图9是将[X0,Y0]抽样后的数据显示。比较图2和图9，可以看出，数据量减半，分辨率降低的事实。图10是原始[X0,Y0]的相位角和抽样后的相位角比较，可以看出，尽管分辨率降低了但缺陷的相位角不变。
插值与抽样相反，数据量增加，分辨率提高，但同样不改变缺陷相位角，Matlab中的线性插值方法参见函数interp1，这里不再赘述。
尽管抽样和插值改变不了深度，但通过抽样和插值改变了缺陷信号长度，依次叠加至原涡流数据中意味着缺陷轴向宽度变窄或变宽。
下面以k＝2进行变换，[XX,YY]＝2*[X0,Y0]，相应的水平分量、垂直分量参见图11。可以看出，缺陷信号强度变大2倍，但相位角没有变化。
该实施例表明，运用一个标定管的缺陷信号可以做出大小不同、深度不一样的多种信号。
实施例2
运用实施例1中的标定管通孔缺陷构造一个内伤深度70％、大小为标定管缺陷4倍的缺陷，叠加到该批次文件高频通道，并用其验证神经网络对消混频方法有效性。
首先运用实施例1的方法构造一个内伤深度70％、大小为标定管缺陷4倍的缺陷。内伤相位角为28°，将上述数据[X0,Y0]旋转225°，然后线性插值N＝2，幅值扩大k＝2。该缺陷水平分量、垂直分量和李莎育图参见图12。
该批次涡流数据文件“**.txt”中截取10001～15000行作为本专利测试数据，见图13，将图12的数据旋转-237°加到该测试数据高频通道，即第1通道的水平和垂直分量中，然后运用该数据的第1通道和第5通道进行基于神经网络的对消混频处理，结果参见图14。该李莎育图经过人工计算得到缺陷相位角约为atan(547/1044)*180/pi＝27.65(度)。比较图12和图14的李莎育图可以看出，该方法构造特定缺陷的有效性以及神经网络对消混频在本例中的有效性。

Claims (8)

1.一种构造具有特定缺陷的涡流信号的方法，其特征在于：步骤1：获取标定管缺陷段通道水平方向和垂直方向数据X，数据长度以包含整个缺陷、缺陷居中为准；
步骤2：确定标定管缺陷的深度、宽度和缺陷的相位角、数据量以及旋转角α；
步骤3：根据特定缺陷相位角需求，角度增加θ，将步骤1)取得的高频差分通道水平和垂直信号进行旋转变换；
步骤4：根据特定缺陷宽度要求进行抽样或插值处理；
步骤5：根据特定缺陷幅值要求，进行线性变换。
2.如权利要求1所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：所述的步骤3中，进行旋转变换的公式为：
3.如权利要求1所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：步骤4中进行抽样或插值处理，包括：将缺陷宽度缩短N倍；抽取表达式为y[n]＝x[Nn]。
4.如权利要求3所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：步骤4中进行抽样或插值处理，还包括：缺陷宽度伸张N倍的线性插值表达式为其基本做法是相邻两点间插入N-1个点，其中的第i个插值点的取值为
5.如权利要求1所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：所述步骤5中线性变换：y[n]＝kx[n]，k为常数。
6.如权利要求1所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：所述方法还包括步骤6：将经过步骤3至步骤5处理所构造的信号旋转-α后叠加到实测涡流信号指定位置。
7.如权利要求6所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：还包括步骤7：对步骤6处理叠加后的信号进行混频或对消处理。
8.如权利要求7所述的一种构造具有特定缺陷的涡流信号的方法，其特征在于：还包括步骤8：将混频或对消处理算法给出的缺陷结果或人工判断给出的结果与本算法确定的缺陷深度和宽度进行比对，判断算法检测缺陷的有效性或分析员对缺陷的识别能力。
CN201811564448.0A 2018-12-20 2018-12-20 一种构造具有特定缺陷的涡流信号的方法 Active CN111351838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811564448.0A CN111351838B (zh) 2018-12-20 2018-12-20 一种构造具有特定缺陷的涡流信号的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811564448.0A CN111351838B (zh) 2018-12-20 2018-12-20 一种构造具有特定缺陷的涡流信号的方法

Publications (2)

Publication Number Publication Date
CN111351838A CN111351838A (zh) 2020-06-30
CN111351838B true CN111351838B (zh) 2023-08-18

Family

ID=71192070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811564448.0A Active CN111351838B (zh) 2018-12-20 2018-12-20 一种构造具有特定缺陷的涡流信号的方法

Country Status (1)

Country Link
CN (1) CN111351838B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4628260A (en) * 1982-10-21 1986-12-09 Sanshiro Kimoto Eddy current defect-detecting system for determining an inner or outer defect and its depth in metal tubes
US6115674A (en) * 1998-06-30 2000-09-05 The United States Of America As Represented By The United States Department Of Energy Automated detection and location of indications in eddy current signals
JP2007225564A (ja) * 2006-02-27 2007-09-06 Mitsubishi Heavy Ind Ltd 渦流探傷信号の評価方法及び装置
JP2009019909A (ja) * 2007-07-10 2009-01-29 Hitachi Ltd 欠陥識別方法及び欠陥識別装置
CN102313777A (zh) * 2011-07-26 2012-01-11 电子科技大学 一种基于远场涡流的管道内外壁缺陷检测装置
CN104748666A (zh) * 2013-12-30 2015-07-01 中核武汉核电运行技术股份有限公司 一种基于涡流旋转探头信号的缺陷深度定量方法
JP2016061561A (ja) * 2014-09-12 2016-04-25 東洋精鋼株式会社 ニードルピーニング施工部の検査方法及び検査装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002022708A (ja) * 2000-07-06 2002-01-23 Mitsubishi Heavy Ind Ltd 渦流探傷信号の評価方法及びその装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4628260A (en) * 1982-10-21 1986-12-09 Sanshiro Kimoto Eddy current defect-detecting system for determining an inner or outer defect and its depth in metal tubes
US6115674A (en) * 1998-06-30 2000-09-05 The United States Of America As Represented By The United States Department Of Energy Automated detection and location of indications in eddy current signals
JP2007225564A (ja) * 2006-02-27 2007-09-06 Mitsubishi Heavy Ind Ltd 渦流探傷信号の評価方法及び装置
JP2009019909A (ja) * 2007-07-10 2009-01-29 Hitachi Ltd 欠陥識別方法及び欠陥識別装置
CN102313777A (zh) * 2011-07-26 2012-01-11 电子科技大学 一种基于远场涡流的管道内外壁缺陷检测装置
CN104748666A (zh) * 2013-12-30 2015-07-01 中核武汉核电运行技术股份有限公司 一种基于涡流旋转探头信号的缺陷深度定量方法
JP2016061561A (ja) * 2014-09-12 2016-04-25 東洋精鋼株式会社 ニードルピーニング施工部の検査方法及び検査装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
鲍庆军 ; 帅健 ; .油气管道内检测技术研究进展.当代化工.2017,(第02期),全文. *

Also Published As

Publication number Publication date
CN111351838A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
DE102014212499A1 (de) Verfahren und Vorrichtung zur Streuflussprüfung
CN108732125B (zh) 一种基于高斯迭代算法的太赫兹材料内部缺陷检测方法
DE102008017267B4 (de) Verfahren und Algorithmen zur Überprüfung von längs verlaufenden Fehlern in einem Wirbelstrom-Überprüfungssystem
CN111351838B (zh) 一种构造具有特定缺陷的涡流信号的方法
CN117031509A (zh) 融合孤立森林及深度学习的土壤湿度反演方法及装置
CN113624834B (zh) 一种基于边际谱质心检测的缺陷深度识别方法、系统
WO2015072365A1 (ja) 渦流探傷装置
CN103713052A (zh) 一种采用非线性超声技术测量q345低合金钢屈服强度的方法
US6370485B1 (en) Signal processing apparatus and non-destructive testing apparatus using the same
CN112345247B (zh) 一种滚动轴承的故障诊断方法及装置
US20140236499A1 (en) Sizing of a defect using phased array system
CN109765256B (zh) 一种煤的核磁共振碳谱边带效应的校正方法
Kekelj et al. An FPGA implementation of the Goertzel algorithm in a Non-Destructive Eddy current Testing
EP3322977B1 (en) Material inspection using eddy currents
Xianlei et al. A Multi-frequency GPR data fusion method for underground disease detection
Suzuki et al. Air-coupled ultrasonic vertical reflection method using pulse compression and various window functions: Feasibility study
JP3478924B2 (ja) 核磁気共鳴スペクトルの自動位相補正装置
Haoning et al. Research on envelope demodulation of reducer shock signals based on peak retention and down-sampling method
To et al. Improved eddy current testing sensitivity using phase information
You et al. The improved variational nonlinear chirplet mode decomposition via local maximum synchrosqueezing transform and recursive mode extracting scheme for robust estimation of nonlinear chirplet modes and application to fault detection of rotary machine
CN113325084B (zh) 一种基于声速效应检测铁磁性材料机械性能的方法
JP2014081382A (ja) 測定装置及びデータ処理方法
Pawletko et al. Application of multiple moving approximation with polynomials in curve smoothing
JP5007414B2 (ja) 高速フーリエ変換と加算平均による速度の測定方法
Wang et al. Research on Classification and Recognition of Industrial Stainless Steel Welded Pipe Defects Based on Convolution Neural Network

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