CN111413398A - 一种热铸锚锚头内部损伤检测装置及方法 - Google Patents
一种热铸锚锚头内部损伤检测装置及方法 Download PDFInfo
- Publication number
- CN111413398A CN111413398A CN202010294066.1A CN202010294066A CN111413398A CN 111413398 A CN111413398 A CN 111413398A CN 202010294066 A CN202010294066 A CN 202010294066A CN 111413398 A CN111413398 A CN 111413398A
- Authority
- CN
- China
- Prior art keywords
- hot
- anchor head
- anchor
- cast
- cast anchor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006698 induction Effects 0.000 claims abstract description 41
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims description 56
- 238000003062 neural network model Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 36
- 229910000831 Steel Inorganic materials 0.000 abstract description 6
- 239000010959 steel Substances 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
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
本发明公开一种热铸锚锚头内部损伤检测装置,涉及预应力钢绞线热铸锚锚头检测技术领域,包括感应线圈和处理器;所述感应线圈设置在热铸锚锚头的外侧,所述感应线圈用于获取热铸锚锚头的感应电流信号;所述处理器用于根据所述感应线圈获取的获取热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤;所述处理器还用于当热铸锚锚头存在损伤时,根据所述感应电流信号和BP神经网络分析确定所述热铸锚锚头的损伤程度。本发明提供的装置及方法可以实现对热铸锚结构内部损伤程度的无损检测。
Description
技术领域
本发明涉及预应力钢绞线热铸锚锚头检测技术领域,特别是涉及一种热铸锚锚头内部损伤检测装置及方法。
背景技术
桥梁建造是百年大计工程,其能造福一方百姓。近些年来我国的桥梁建设技术遥居世界之首,其中不乏大型斜拉桥、悬索桥。锚头是悬索桥和斜拉桥的关键受力点,关乎整个桥梁的整体稳定性和承载能力。《公路桥涵设计通用规范》D60-2015中规定斜拉索、吊杆设计年限不少于20年,但是吊杆拉索在运营到20年后拉索内部的腐蚀情况的掌握是评定拉索是否能够继续工作的一项极为重要指标。但国内在该领域的检测技术存在空白。
发明内容
本发明的目的是提供一种热铸锚锚头内部损伤检测装置及方法,以实现对热铸锚结构内部损伤程度的无损检测。
为实现上述目的,本发明提供了如下方案:
一种热铸锚锚头内部损伤检测装置,包括感应线圈和处理器;
所述感应线圈设置在热铸锚锚头的外侧,所述感应线圈用于获取热铸锚锚头的感应电流信号;所述处理器用于根据所述感应线圈获取的所述热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤;所述处理器还用于当所述热铸锚锚头存在损伤时,根据所述感应电流信号和BP神经网络分析确定所述热铸锚锚头的损伤程度。
可选的,所述感应线圈采用穿心式形式设置在热铸锚锚头上,所述穿心式形式为所述感应线圈均匀缠绕于所述热铸锚锚头的外侧的形式。
可选的,所述感应线圈采用贴表式形式设置在热铸锚锚头上,所述贴表式形式为所述感应线圈垂直放置所述热铸锚锚头的外侧的形式。
可选的,所述感应线圈包括发射线圈和接收线圈;所述发射线圈和所述接收线圈依次缠绕于所述热铸锚锚头的外侧。
可选的,所述处理器包括信息获取模块、与所述信息获取模块连接的数据滤波模块以及与所述数据滤波模块连接的损伤确定模块;
所述数据滤波模块用于对所述信息获取模块接收的热铸锚锚头的感应电流信号进行滤波处理;所述数据滤波模块内置kalman滤波法、巴特沃斯滤波法、布莱克曼窗滤波法、海明窗滤波法、汉宁窗滤波法、加权递推平均滤波法、矩形窗滤波法、凯泽窗滤波法、切比雪夫1型波法和三角形窗滤波法;
所述损伤确定模块用于根据滤波处理后的热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤。
可选的,所述处理器还包括神经网络分析模块;
所述神经网络分析模块用于当所述损伤确定模块输出热铸锚锚头存在损伤时,对所述滤波处理后的感应电流进行BP神经网络分析以确定热铸锚锚头的损伤程度。
可选的,还包括结果显示器,所述结果显示器与所述处理器连接,所述结果显示器用于显示所述处理器输出的热铸锚锚头的损伤结果和损伤程度。
为实现上述目的,本发明提供了如下方案:
一种热铸锚锚头内部损伤检测方法,所述铸锚锚头内部损伤检测方法应用于上述任意一项所述的热铸锚锚头内部损伤检测装置,包括:
获取热铸锚锚头的感应电流信号;
根据所述热铸锚锚头的感应电流信号判断所述热铸锚锚头是否存在损伤;
当热铸锚锚头存在损伤时,利用训练好的BP神经网络模型处理所述感应电流信号以确定热铸锚锚头的损伤程度。
可选的,所述热铸锚锚头内部损伤检测方法还包括训练BP神经网络模型,得到训练好的BP神经网络模型;其中,
所述训练好的BP神经网络模型的输入层的输入信号是感应电流,输出层的输出结果是损伤程度,所述BP神经网络模型包括1个隐层;所述隐层包括10个隐层节点,且所述隐层节点采用的函数为tansig型函数;所述输出层的传递函数为purelin型传递函数。
可选的,在获取热铸锚锚头的感应电流信号之后,还包括:
对所述热铸锚锚头的感应电流信号进行滤波处理。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种热铸锚锚头内部损伤检测装置及方法,通过将感应线圈设置在热铸锚锚头以获取热铸锚锚头感应电流信号,从而检测热铸锚锚头是否存在缺陷,并当热铸锚锚头存在损伤时,通过处理器的BP神经网络对感应电流信号进一步处理以确定热铸锚锚头的损伤程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例热铸锚锚头内部损伤检测装置结构示意图;
图2为本发明实施例热铸锚锚头内部损伤检测装置结构图;
图3为本发明实施例热铸锚锚头内部损伤检测装置的热铸锚示意图;
图4为本发明实施例热铸锚锚头内部损伤检测装置的双线圈穿心式检测示意图;
图5为本发明实施例热铸锚锚头内部损伤检测装置的单线圈穿心式检测示意图;
图6为本发明实施例热铸锚锚头内部损伤检测装置的单线圈贴表式检测示意图;
图7为本发明实施例热铸锚锚头内部损伤检测方法的流程图;
图8为本发明实施例热铸锚锚头内部损伤检测方法的分析流程图BP神经网络模型;
图9为本发明实施例热铸锚锚头内部损伤检测方法的数据时程曲线图;
图10为本发明实施例热铸锚锚头内部损伤检测方法的数据频域曲线图。
符号说明:
1-感应线圈,2-数据滤波模块,3-神经网络分析模块,4-存储器,5-数据发射单元,6-数据接收单元,7-结果显示器,8-处理器,101-发射线圈,102接收线圈。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种热铸锚锚头内部损伤检测装置及方法,以实现对热铸锚结构内部损伤程度的无损检测。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明是对预应力钢绞线热铸锚锚头裂纹、不密实度、锈蚀程度检测,是无损检测技术。本发明提供的装置,现场操作简单、实时得出检测结果,安全性能高,操作方便。
实施例一
如图1-2所示,本发明提供了一种热铸锚锚头内部损伤检测装置,包括感应线圈1和处理器8。
所述感应线圈1设置在热铸锚锚头的外侧,所述感应线圈1用于获取热铸锚锚头的感应电流信号;热铸锚锚头结构如图3所示。所述处理器8用于根据所述感应线圈1获取的热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤;所述处理器8还用于当热铸锚锚头存在损伤时,根据所述热铸锚锚头的感应电流信号和BP神经网络分析确定所述热铸锚锚头的损伤程度。
优选的,所述处理器8包括信息获取模块、与所述信息获取模块连接的数据滤波模块2以及与所述数据滤波模块2连接的损伤确定模块。
所述数据滤波模块2用于对所述信息获取模块接收的热铸锚锚头感应电流信号进行滤波处理;所述数据滤波模块2内置kalman滤波法、巴特沃斯滤波法、布莱克曼窗滤波法、海明窗滤波法、汉宁窗滤波法、加权递推平均滤波法、矩形窗滤波法、凯泽窗滤波法、切比雪夫1型波法和三角形窗滤波法。检测工程师可根据采集数据自主选择数据滤波方法。
所述损伤确定模块用于根据滤波处理后的热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤。
此外,所示信息获取模块包括数据接收单元6;热铸锚锚头内部损伤检测装置还包括数据发射单元5,所述数据发射单元5用于发射稳定的交流电脉冲信号;所述数据接收单元6用于将传回的感应电流信号进行A/D转换,转化为数字信号并存储于处理器8的存储器4中。
可选的,所述处理器8还包括神经网络分析模块3;所述神经网络分析模块3用于当所述损伤确定模块输出热铸锚锚头存在损伤时,对所述滤波处理后的感应电流进行BP神经网络分析以确定热铸锚锚头的损伤程度。
如图4-5所示,所述感应线圈1采用穿心式形式设置在热铸锚锚头上,所述穿心式形式为所述感应线圈1均匀缠绕于所述热铸锚锚头的外侧的形式。所述感应线圈1包括发射线圈101和接收线圈102。其中,图4所示的感应线圈1设置方法为双线圈检测法。图5所示的感应线圈1设置方法为单线圈检测法。单线圈检测法中,感应线圈1的一端连数据发射单元5,感应线圈1的另一端连接数据接收单元6。感应线圈1是将发射线圈101和接收线圈102集成在一起。双线圈检测法中感应线圈1包括发射线圈101和接收线圈102。所述发射线圈101和所述接收线圈102依次缠绕于所述热铸锚锚头的外侧。所述发射线圈101的一端与所述数据发射单元5连接;所述发射线圈101的另一端接地;所述接收线圈102的一端与所述数据接收单元6连接;所述接收线圈102的另一端接地。
如图6所示,所述感应线圈1采用贴表式形式设置在热铸锚锚头上,所述贴表式形式为所述感应线圈1垂直放置所述热铸锚锚头的外侧的形式。其中,感应线圈1的一端连数据发射单元5,感应线圈1的另一端连接数据接收单元6。此种设置方法为单线圈检测法。
优选的,还包括结果显示器7,所述结果显示器7与所述处理器8连接,所述结果显示器7用于显示所述处理器8输出的热铸锚锚头的损伤结果和损伤程度。
图2所示的热铸锚锚头内部损伤检测装置的简单工作流程:
热铸锚包括由锚垫板、护罩、护壳、钢绞线和合金。施工时流程为上定位夹和安装锚台、热铸锚和钢丝预热、测量钢丝和锚具温度、灌铸合金溶液、常温冷却和静压检测。
检测时将线圈均匀缠绕于热铸锚锚头外端或者线圈垂直于热铸锚锚头,具体设置方法如图4、图5和图6所示,设备连接完成后,开启设备,即可正常检测。
数据发射单元5发射稳定的交流电,数据接收单元6采集通过检测构件的交流电后,将感应电流信号转换为数字信号存储于存储器4中,处理器8中数据滤波模块通过读取数据接收单元6中的数字信号进行滤波处理并将滤波后数据存储于处理器8的存储器4中,神经网络分析模块3读取滤波后数据,放入到BP神经网络模型中,系统会给出[裂纹类别、不密实度类别、锈蚀类别]的三列一行矩阵结果。结果显示器7通过读取处理器8中的数值信号将检测信号反馈给检测工程师。
图4为双线圈法检测损伤,将发射线圈101和接收线圈102分别缠绕在热铸锚外壁两端,该种方法检测缺陷效果较好,适用于热铸锚长度较长,作业空间足够的环境。
图5和图6为单线圈法检测损伤,将发射线圈101和接收线圈102集成在一起,该种方法检测缺陷效果一般,适用于热铸锚长度较短,作业空间狭小的环境。
实施例二
一种热铸锚锚头内部损伤检测方法,其特征在于,所述铸锚锚头内部损伤检测方法应用于上述实施例一所述的热铸锚锚头内部损伤检测装置,包括:
步骤101:获取热铸锚锚头的感应电流信号。
步骤102:根据所述热铸锚锚头的感应电流信号判断所述热铸锚锚头是否存在损伤。
步骤103:当热铸锚锚头存在损伤时,利用训练好的BP神经网络模型处理所述热铸锚锚头的感应电流信号以确定热铸锚锚头的损伤程度。
优选的,所述热铸锚锚头内部损伤检测方法还包括训练BP神经网络模型,得到训练好的BP神经网络模型;其中,所述训练好的BP神经网络模型的输入层的输入信号是感应电流,输出层的输出结果是损伤程度,所述BP神经网络模型包括1个隐层;所述隐层包括10个隐层节点,且所述隐层节点采用的函数为tansig型函数;所述输出层的传递函数为purelin型传递函数。其中,训练BP神经网络模型的方法是量化共轭梯度法。
在步骤101之后,还包括:对所述热铸锚锚头的感应电流信号进行滤波处理。
如图8所示,采用BP神经网络模型分析时输入参数,数值1~数值n为处理器滤波装置滤波后2秒内采集的n个样本数据(即处理器滤波之后的感应电流大小)。采用BP神经网络模型分析时输出参数有裂纹、不密实度、锈蚀三种参数,每种病害由轻到重按照1、2、3、4、5分为5级,评定标度如表1。
表1病害分级表格
上述病害[xi,yj,zk](x代表裂纹病害、y代表不密实度病害、z代表锈蚀病害;i、j、k取值均为1~5)共125组试验数据构成样本集合,作为神经网络的学习和测试样本。现场测试时系统自动对125例样本进行BP神经网络学习。
利用结果显示器将损伤结果显示出来,结果显示器可以显示数据时程曲线和数据频域曲线。
(1)数据时程曲线:如图9所示,结果显示器读取处理器中滤波后的感应电流信号,并且以检测时间为横轴,以电流大小为纵轴将检测结果显示在屏幕上,并且将神经网络分析出的损伤程度在对应时间轴上标记,数字依次表示xi,yj,zk(所做标记直接显示出来,依据前面所述的BP神经网络分析方法,输入2S内的原始数据,进行BP神经网络分析后得到损伤数值,显示的原则为当xi+yj+zk≥4时标记该点)。图9中的横轴为时间S、纵轴电流为mA。
(2)数据频域曲线:如图10所示,结果显示器读取处理器中滤波后的感应电流信号,并经过傅里叶变换后将各阶频率显示在结果显示器上(检测工程师可根据频率是否异常判断被检对象是否有病害)。
本发明提供的装置和方法的基本原理如下:
由于交流电磁线圈在金属构件表面感应产生的磁场遇到缺陷会产生变化的原理,根据楞次定律(感应电流磁场总是要阻碍引起感应电流的磁通量变化)可知,缺陷产生的磁场与交流电产生的磁场相反。
缺陷产生的磁场又在检测线圈内产生感应电流,方向与原电流方向相同。因此如果检测线圈中的电流数值发生了变化,表明构件内部存在损伤,检测工程师可以根据电流数值变化趋势和将电流数值傅里叶变换后的频率特性判断损伤。
本发明提供的装置及方法的优势如下:
1、质量轻、体积小、成本低、处理结果快、可依据实际需要选择不同形式的检测方法(单线圈法或双线圈法)、实用性强。
2、无需外接电源,不受使用环境限制,可持续不少于6h的检测时间。
3、具有自动滤波功能,经验丰富的检测工程师可以根据需要选择性滤除杂波。
4、具有缺陷自适应捕获功能,当被捡对象出现缺陷时系统会自动进行捕获缺陷位置。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种热铸锚锚头内部损伤检测装置,其特征在于,包括感应线圈和处理器;
所述感应线圈设置在热铸锚锚头的外侧,所述感应线圈用于获取热铸锚锚头的感应电流信号;所述处理器用于根据所述感应线圈获取的所述热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤;所述处理器还用于当所述热铸锚锚头存在损伤时,根据所述感应电流信号和BP神经网络分析确定所述热铸锚锚头的损伤程度。
2.根据权利要求1所述的热铸锚锚头内部损伤检测装置,其特征在于,所述感应线圈采用穿心式形式设置在热铸锚锚头上,所述穿心式形式为所述感应线圈均匀缠绕于所述热铸锚锚头外侧的形式。
3.根据权利要求1所述的热铸锚锚头内部损伤检测装置,其特征在于,所述感应线圈采用贴表式形式设置在热铸锚锚头上,所述贴表式形式为所述感应线圈垂直放置所述热铸锚锚头外侧的形式。
4.根据权利要求2所述的热铸锚锚头内部损伤检测装置,其特征在于,所述感应线圈包括发射线圈和接收线圈;所述发射线圈和所述接收线圈依次缠绕于所述热铸锚锚头的外侧。
5.根据权利要求1所述的热铸锚锚头内部损伤检测装置,其特征在于,所述处理器包括信息获取模块、与所述信息获取模块连接的数据滤波模块以及与所述数据滤波模块连接的损伤确定模块;
所述数据滤波模块用于对所述信息获取模块接收的热铸锚锚头的感应电流信号进行滤波处理;所述数据滤波模块内置kalman滤波法、巴特沃斯滤波法、布莱克曼窗滤波法、海明窗滤波法、汉宁窗滤波法、加权递推平均滤波法、矩形窗滤波法、凯泽窗滤波法、切比雪夫1型波法和三角形窗滤波法;
所述损伤确定模块用于根据滤波处理后的热铸锚锚头的感应电流信号,判断所述热铸锚锚头是否存在损伤。
6.根据权利要求5所述的热铸锚锚头内部损伤检测装置,其特征在于,所述处理器还包括神经网络分析模块;
所述神经网络分析模块用于当所述损伤确定模块输出热铸锚锚头存在损伤时,对所述滤波处理后的感应电流信号进行BP神经网络分析以确定热铸锚锚头的损伤程度。
7.根据权利要求1所述的热铸锚锚头内部损伤检测装置,其特征在于,还包括结果显示器,所述结果显示器与所述处理器连接,所述结果显示器用于显示所述处理器输出的热铸锚锚头的损伤结果和损伤程度。
8.一种热铸锚锚头内部损伤检测方法,其特征在于,所述铸锚锚头内部损伤检测方法应用于上述权利要求1-7任意一项所述的热铸锚锚头内部损伤检测装置,包括:
获取热铸锚锚头的感应电流信号;
根据所述热铸锚锚头的感应电流信号判断所述热铸锚锚头是否存在损伤;
当热铸锚锚头存在损伤时,利用训练好的BP神经网络模型处理所述感应电流信号以确定热铸锚锚头的损伤程度。
9.根据权利要求8所述的热铸锚锚头内部损伤检测方法,其特征在于,所述热铸锚锚头内部损伤检测方法还包括训练BP神经网络模型,得到训练好的BP神经网络模型;其中,
所述训练好的BP神经网络模型的输入层的输入信号是感应电流,输出层的输出结果是损伤程度,所述BP神经网络模型包括1个隐层;所述隐层包括10个隐层节点,且所述隐层节点采用的函数为tansig型函数;所述输出层的传递函数为purelin型传递函数。
10.根据权利要求8所述的热铸锚锚头内部损伤检测方法,其特征在于,在获取热铸锚锚头的感应电流信号之后,还包括:
对所述热铸锚锚头的感应电流信号进行滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294066.1A CN111413398B (zh) | 2020-04-15 | 2020-04-15 | 一种热铸锚锚头内部损伤检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010294066.1A CN111413398B (zh) | 2020-04-15 | 2020-04-15 | 一种热铸锚锚头内部损伤检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111413398A true CN111413398A (zh) | 2020-07-14 |
CN111413398B CN111413398B (zh) | 2023-11-21 |
Family
ID=71493540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010294066.1A Active CN111413398B (zh) | 2020-04-15 | 2020-04-15 | 一种热铸锚锚头内部损伤检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111413398B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278558A (zh) * | 2012-12-10 | 2013-09-04 | 重庆交通大学 | 一种基于磁致伸缩的锚固系统无损检测装置及方法 |
CN106093184A (zh) * | 2016-07-08 | 2016-11-09 | 中铁大桥科学研究院有限公司 | 桥梁拉索电磁探伤装置及其应用 |
CN106198870A (zh) * | 2016-07-06 | 2016-12-07 | 中国矿业大学 | 一种基于神经网络的锚杆杆体损伤位置识别方法 |
CN108489641A (zh) * | 2018-03-20 | 2018-09-04 | 重庆交通大学 | 一种预应力钢绞线应力测量装置及方法 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN109884177A (zh) * | 2019-03-08 | 2019-06-14 | 重庆交通大学 | 一种基于磁记忆信号的拉索结构损伤位置及范围确定方法 |
-
2020
- 2020-04-15 CN CN202010294066.1A patent/CN111413398B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278558A (zh) * | 2012-12-10 | 2013-09-04 | 重庆交通大学 | 一种基于磁致伸缩的锚固系统无损检测装置及方法 |
CN106198870A (zh) * | 2016-07-06 | 2016-12-07 | 中国矿业大学 | 一种基于神经网络的锚杆杆体损伤位置识别方法 |
CN106093184A (zh) * | 2016-07-08 | 2016-11-09 | 中铁大桥科学研究院有限公司 | 桥梁拉索电磁探伤装置及其应用 |
CN108614032A (zh) * | 2018-01-31 | 2018-10-02 | 江苏大学 | 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 |
CN108489641A (zh) * | 2018-03-20 | 2018-09-04 | 重庆交通大学 | 一种预应力钢绞线应力测量装置及方法 |
CN109884177A (zh) * | 2019-03-08 | 2019-06-14 | 重庆交通大学 | 一种基于磁记忆信号的拉索结构损伤位置及范围确定方法 |
Non-Patent Citations (2)
Title |
---|
田志勇 等: "基于BP 神经网络的钢丝绳断丝损伤定量检测系统的设计" * |
解源 等: "磁性无损检测技术" * |
Also Published As
Publication number | Publication date |
---|---|
CN111413398B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101436190B1 (ko) | 롤링 베어링 대미지 검측 및 자동 식별 방법 | |
CN105067239B (zh) | 基于扫频激励振动的梁裂纹故障检测装置及方法 | |
CN109116196B (zh) | 一种电力电缆故障放电声智能识别方法 | |
CN110991481B (zh) | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 | |
CN111259770B (zh) | 基于无人机平台和深度学习的复杂背景下索力快速测试方法 | |
CN114325361A (zh) | 基于振动原理的变压器分接开关状态在线监测方法 | |
JP6374628B1 (ja) | 鉄筋コンクリート部材の判別システム及び鉄筋コンクリート部材の判別プログラム | |
CN102080955B (zh) | 一种用于桥梁安全检查的移动荷载定位方法 | |
CN114463947A (zh) | 一种基于时空网络卷积模型的对流性致灾强风预警预报方法 | |
CN111256574B (zh) | 一种金属管道厚度测量方法及系统 | |
CN115987386A (zh) | 一种光缆同路由检测装置和方法 | |
CN108982657A (zh) | 一种基于脉冲涡流的铁磁性材料屈服强度参数估计方法 | |
CN109470972A (zh) | 一种基于振动图像的变压器铁心松动诊断方法 | |
CN111413398A (zh) | 一种热铸锚锚头内部损伤检测装置及方法 | |
CN111141472B (zh) | 一种抗震支吊架检测方法及系统 | |
CN109029711B (zh) | 一种动态的桥梁结构多阶频率识别方法 | |
CN115451800A (zh) | 一种水泥电杆便携现场测试成像仪测试方法 | |
CN115479549A (zh) | 一种水泥电杆便携现场测试成像仪 | |
CN114838924A (zh) | 一种基于风致振动非平稳响应的结构阻尼比识别方法 | |
CN107677717A (zh) | 一种海底管道外腐蚀检测装置及检测方法 | |
CN112927720A (zh) | 一种音频异常的检测方法及装置 | |
CN113673155A (zh) | 一种基于支持向量机的水域含沙量反演方法 | |
CN113063844A (zh) | 一种基于不同时间非接触检测对比管道磁场强度判断管道安全性的方法 | |
CN110378370A (zh) | 一种基于脉冲涡流信号的油气井套管缺陷分类方法 | |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |