CN111912900A - 一种基于低频涡流的智能检测装置 - Google Patents
一种基于低频涡流的智能检测装置 Download PDFInfo
- Publication number
- CN111912900A CN111912900A CN202010189277.9A CN202010189277A CN111912900A CN 111912900 A CN111912900 A CN 111912900A CN 202010189277 A CN202010189277 A CN 202010189277A CN 111912900 A CN111912900 A CN 111912900A
- Authority
- CN
- China
- Prior art keywords
- probe
- detection device
- coil
- intelligent
- control module
- 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.)
- Pending
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
- G01N27/90—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
- G01N27/9006—Details, e.g. in the structure or functioning of sensors
Abstract
本发明公开了一种基于低频涡流的智能检测装置,它的组成包括:组合阵列式探头(1),智能控制模块(2),频率100Hz激励源(3),数字交流不平衡大桥测量模块(4),信号处理模块(5),虚拟仪器(6),其特征在于:智能控制模块(2)连接虚拟仪器(6),同时控制组合阵列式探头(1)。本发明的技术效果:1)采用组合阵列式探头使得检测装置扩大检测范围,提高检测精度;2)采用智能控制模块自动选择线圈探头的线圈厚度和内外径,使得线圈探头与被测试件实现最佳匹配,能够进一步提高检测精度;3)采用智能控制模块使得检测装置能够自动实现高精度检测,最大限度减少人为造成的误差。
Description
技术领域
本发明一种低频涡流检测装置,特别是低频涡流的智能检测装置。
背景技术
低频涡流能实现更大的涡流渗透深度,同时,低频涡流探头激发的电磁辐射场随距 离衰减幅度降低。理论分析和有限元仿真表明:
1)在保持线圈激励功率、等效半径和厚度不变的情况下,当内外径之差增大时,线圈 在任意距离产生的磁感应强度及其变化率都增大,即增加内外之差有利于提高线圈在任 意距离下的分辨率。
2)在保持线圈激励功率、等效半径和内外径不变的情况下,当厚度增大时,线圈在任 意距离产生的磁感应强度及其变化率都增大,即增加厚度有利于提高线圈在任意距离下 的分辨率。
综上所述,在进行低频涡流要实现更大的涡流渗透深度,对不同的被测试件,就要选择合适的线圈厚度和内外径,以获得最佳的检测精度。
发明内容
针对上述情况,本发明提出的一种智能装置,能够自动选择不同内外直径的线圈、实现线圈的厚度与内外直径最佳组合,使得检测装置应用范围扩大,检测精度进一步提高。具体技术方案如下:
一种基于低频涡流的智能检测装置,它的组成包括:组合阵列式探头1,智能控 制模块2,频率100Hz激励源3,数字交流不平衡大桥测量模块4,信号处理模块5,虚 拟仪器6。智能控制模块2连接虚拟仪器6,同时控制组合阵列式探头1。
智能控制模块2的控制核是一个32位微处理器,接受来自虚拟仪器5的被测试体的测量深度和被测试体的材料属性的输入信号,微处理器内置优化算法,微处理器输出 信号是控制组合阵列式探头1的探头控制机构,探头控制机构根据微处理器发出的输出 信号,选择组合阵列式探头1中的不同厚度与不同等效半径探头线圈。
组合阵列式探头1是一个矩阵型式结构,行为不同等效半径的探头线圈,列为不同厚度的探头线圈。
组合阵列式探头1探头控制机构是电动执行器。
微处理器内置优化算法是BP神经网络。
探头线圈的等效半径为0.7d至d,其中d为被测试件与探头之间的距离。
本发明的技术效果:1)采用组合阵列式探头使得检测装置扩大检测范围,提高检测精度;2)采用智能控制模块自动选择线圈探头的线圈厚度和内外径,使得线圈探头 与被测试件实现最佳匹配,能够进一步提高检测精度;3)采用智能控制模块使得检测 装置能够自动实现高精度检测,最大限度减少人为造成的误差。
附图说明
图1基于低频涡流的智能检测装置组成图。
图2智能控制模块组成图。
图3组合阵列探头排列示意图。
图4电动执行器原理框图。
图5探头线圈示意图。
图6数字交流电桥原理图。
图7数字交流电桥的LMS算法原理图。
图中:1为组合阵列式探头,2为智能控制模块,3为频率100Hz激励源,4为数字 交流不平衡大桥测量模块,5为信号处理模块,6为虚拟仪器。
具体实施方式
下面结合附图和具体实施方式,对本发明做进一步的说明。
1.装置的整体情况
1)一种基于低频涡流的智能检测装置,它的组成包括:组合阵列式探头1,智能控制模块2,频率100Hz激励源3,数字交流不平衡大桥测量模块4,信号处理模块5,虚 拟仪器6。智能控制模块2连接虚拟仪器6,同时控制组合阵列式探头1。如图1所示。
2)智能控制模块2的控制核是一个32位微处理器,接受来自虚拟仪器5的被测试体的测量深度和被测试体的材料属性的输入信号,微处理器内置优化算法,微处理器输 出信号是控制组合阵列式探头1的探头控制机构,探头控制机构根据微处理器发出的输 出信号,选择组合阵列式探头1中的不同厚度与不同等效半径探头线圈。如图2所示。
3)组合阵列式探头1是一个矩阵型式结构,行为不同等效半径的探头线圈,列为不同厚度的探头线圈。如图3所示。
4)组合阵列式探头1探头控制机构是电动执行器。如图4所示。
5)微处理器内置优化算法是BP神经网络。
6)探头线圈的等效半径为0.7d至d,其中d为被测试件与探头之间的距离。
2.电动执行器
电动执行器分角行程、直行程两大类。根据信号制和全行程时间的不同,又分基型品种和多个派生品种。在自动控制系统中,它们和不同型号电动操作器配用,可实现过 程参数的自动控制,控制系统的手动/自动双向无扰切换,中途限位及远方手操等功能。
电动执行器由伺服放大器和伺服机构两大部件配套组成。图4为电动执行器原理框 图。它是一个位置自动控制系统。来自控制仪表的控制信号和由位置发送器,返回的阀位反馈信号的偏差,经伺服放大器进行功率放大,然后驱动伺服电机,使减速器推动调 节机构朝减小偏差方向转动,输出轴最后稳定在与控制信号相对应的转角位置上,电动 操作器的作用是进行控制系统的手动/自动切换及远方手动操作。
其组成包括:伺服放大器,电动操作器,伺服机构,伺服电机,减速器,位置发送器。
3.探头线圈
采用ANSOFT公司的低频电磁场分析软件Maxwell对探头线圈的感应磁场进行有限元仿真,仿真模型为图5所示的三维线圈模型,线圈模型的材料设置为copper(铜), 背景介质的材料设置为vacuum(真空),在模型的横截面上施加电流激励,仿真频率为 100Hz,百分比误差设置为0.1,仿真线圈产生的磁感应强度在其中心线OP上的分布, 并以此判断相应位置上的检测分辨率。
线圈的厚度为h,外径为r1,内径为r2,O点和P点之间的距离为d。若线圈与被测试件的距离为d,则认为线圈在P点产生的磁感应强度及其变化率越大,线圈在该点的分辨 率越高。
为了计算线圈的电阻,令r=(r1+r2)/2为线圈的等效半径,设线圈导线的横截面为S,电阻率为ρ,线圈的匝数N=(r1-r2)h/S,导线长度L=2πrN,则线圈的电阻为
仿真中导线的横截面S和电阻率ρ不变,可见影响导线电阻的因素有线圈的等效半径r, 线圈的内外径之差r1-r2以及线圈的厚度h。设线圈上的激励安匝数为A=NI,则线圈上的电压、电流和有功功率如下式所示。
按照仿真条件不同,可分别在保持线圈两端激励电压不变,保持线圈上激励电流不 变以及保持线圈上激励功率不变的条件下进行仿真。若保持激励电压不变,则要求rA不变。如保持激励电流不变,则要求A/(h(r1-r2))不变,若保持激励功率不变,则要求 rA2/(h(r1-r2))不变,以上面三种仿真条件,分别仿真线圈的内外径之差、厚度和等效 半径三个几何参数对检测分辨率的影响。
4.数字交流不平衡电桥测量电路
为提高涡流位移传感器的检测分辨率,线圈探头采用补偿式线圈,在管道中心O点处放置一个补偿线圈作探头,此探头不用于检测,它分别与管壁周向的8个探头组成补 偿式线圈,以补偿环境噪声、温度等影响因素。
补偿线圈式传感器需要采用交流不平衡电桥电路作为测量电路。不平衡电桥利用电 桥的不平衡输出电压作为测量信号,但在进行测量前,仍然要使电桥达到精确平衡,以减小测量误差,提高测量准确度。传统的模拟交流电桥电路分别利用2个结构参数相同 的探头和2个阻值相同的高精度电阻器作为电桥的4个桥臂,其平衡精度低,且调节复 杂,可靠性差,不适应自动化测量的要求。而数字交流电桥则具有平衡精度高,可靠性 高、适应自动化测量等优点。因此,采用基于LMS(Least Mean Square)算法的数字交 流不平衡电桥作为涡流传感器的测量电路,以有效减小电桥平衡时的输出电压,从而增 大传感器的检测分辨率。
图6为数字交流电桥的原理图。Vr和Vx是频率同为w0的正弦电压源,但幅值和相角不同。Vr为参考电压源,幅值为A,相角为0,且不变;Vx的幅值和相角可变。所以Vr和Vx可表示为 Vr=Asin(ω0t)
Vx=Bsin(ω0t+Φ)
其中B和φ可以用来调节电桥的平衡。电桥的另外两个桥臂是两个检测线圈Z1和Z2。 由于两个检测线圈的结构参数相近,所以Z1≈Z2,这样当电桥平衡时,有Vr≈Vx。
Vx可以表示成同相分量和正交分量之和,即
Vx=Vx1+Vx2=W1Asinω0t+W2Acosω0t
其中Vx1和Vx2分别是Vx的同相分量和正交分量;
W1和W2分别是同相分量和正交分量的权重系数。
为使电桥平衡,需要以任意W1和W2为初始值,反复修改W1和W2使得电桥输出电压E达 到最小。
采用LMS算法可以实现数字电桥的自动平衡,如图7所示。对输出电压E进行周期采样, 采样周期为T,采样频率为1/T。在第k次采样时,输出电压E可表示为瞬时输出电压 e(kT)。瞬时电压vx(kT)由同相分量vx1(kT)和正交分量vx2(kT)组成,它们各自的权重系 数分别为W1(kT)和W2(kT)。在每个采样间隔,沿使e2(kT)下降最快的方向调整权重系数 W1(kT)和W2(kT),使得输出电压的均方根达到最小。
在第k次采样时有
W1((k+1)T)=W1(kT)-μe(kT)Asin(ω0kT)
W2((k+1)T)=W2(kT)-μe(kT)Acos(ω0kT)
其中,μ为步长,是一个很小的常数。
瞬时参考电压源vr,可表示为 vr(kT)=Asin(ω0kT)
瞬时可变电压源vx,可表示为 vx(kT)=vx1(kT)+vx2(kT)
其中同相分量为vx1(kT)=W1(kT)·Asin(ω0kT)
正交分量为 vx2=kT)=W2(kT)·Acos(ω0kT)
以上各式中,k=0,1,2,...。
上式中提到的步长μ也称为收敛因数,是一个略大于零的常数。μ控制着LMS算法的收敛性与稳定性,μ值大时,则算法收敛速度快,但稳定性较差;μ值小时,算法收 敛速度慢,但稳定性较好。
5.虚拟仪器
内置于便携式电脑内的虚拟仪器软件模块是由计算机的部分系统软件,工具软件和 专为虚拟生物医学测量仪器设计的医学应用软件三部分组成的。主要功能是实现对整个 仪器的有效管理,特别是生物医学信号的处理分析、存储、显示、打印等功能。最后提 供友好的人机交互界面;实现比普通专用生物医学测量仪器更方便、快捷、可靠的操作; 以及图形化的结果显示和自动化统计分析功能等。
虚拟生物医学测量仪器硬件接口设计实质上是面向计算机总线的设计,因此必须遵 循计算机系统总线的标准。
一种是专用于笔记本电脑的PCMCIA(Personal Computer Memory CardInternational Association)总线,适用于移动环境下的生物医学仪器设计。
LabVIEW是美国NI公司研制的采用图形编程的虚拟仪器系统软件,它主要包括数据采集、实时控制、数据分析和数据显示等功能,它提供了一种新的编程语言:G语言, 这是一种完全采用图形方式进行软件模块化设计的崭新方法。
LabVIEW由前面板、流程方框图和图标/连接器组成。其中前面板是用户界面,流程方框图是虚拟仪器源代码,图标/连接器是调用接口。LabVIEW的程序语言是图形化, 其程序采用了数据流驱动。
LabVIEW的核心是软件模块VI(借用Virtual Instrumentation缩写字头命名),VI有一个人机对话的用户界面—前面板(front panel)和类似于源代码功能方面的方 框图(diagram)。前面板接受来自方框图的命令。在VI的前面板中,控件(controls) 模拟输入仪器的输入装置并把数据提供给VI的方框图;而指示器(indicators)则模 拟了仪器的输出装置并显示由方框图获得或者产生的数据。
用LabVIEW编制方框图程序时,不必受常规程序设计语法细节限制。首先,从功能菜单中选择需要的功能方框,将之置于面板上的适当位置;然后用导线(wires)连接 各功能方框在方框图中的端口,用来在功能方框之间传输数据。这些方框包括了简单算 术功能,高级的采集和分析VI以及实现用来存储和检索数据文件输入输出功能和网络 功能。
用LabVIEW编制出图形化VI是分层次和模块化的。将之用于顶层程序。也可以用作其他程序或者子程序的子程序。一个VI用在其他VI中,称之为subVI,subVI在调 用它的程序中同样是以一个图标的出现的。LabVIEW依附并发展了模块化程序设计的概 念。用户可以把一个应用题目分解为了一系列的子任务,每个子任务还可以进一步分解 成许多更低一级子任务的组合,直到把一个复杂的题目分解为许多子任务的组合。
图形化程序设计编程简单、直观、开发效率高。随着虚拟仪器技术的不断发展,图形化的编程语言必将成为测试和控制领域内最流行的发展趋势。创建虚拟仪器的过程共分三步:
(1)虚拟仪器的交互式用户接口被称为前面板,因为它模仿了实际仪器的面板。前面板包含旋钮、按钮、图形和其他的控制与显示对象。通过鼠标和键盘输入数据、 控制按钮,可在计算机屏幕上观看结果。
(2)虚拟仪器从流程图中接收命令(用G语言创建)。流程图是一个编程问题的图形化解决方案。流程图也是虚拟仪器的源代码。
(3)一个虚拟仪器的图标和连接就像一个图形(表示某一虚拟仪器)的参数列表。这样,其他的虚拟仪器才能将数据传输给一个子仪器。图标和连接允许将此仪器作 为最高级的程序,也可以作为其他程序或者子程序中的子程序(子仪器)。
6.BP神经网络智能算法
BP网络是通过将网络输出误差反馈回传来对网络参数进行修正,从而实现网络的映 射能力。业已证明,具有一个隐层的3层BP网络可以有效地逼近任意连续函数,这个3 层网络包括输入层、隐层和输出层。考虑到实际应用当中对于网络预测泛化性能的要求, 网络设计应坚持尽可能减小网络复杂性的原则。3层BP网络模型预测混沌时间序列,输 入层节点只传递输入信号到隐层,隐层采用双曲正切S型函数对数据处理后送给输出节 点,输出节点是简单的线性函数。BP网络的训练方法很多,这里采用 Levengerg_Marquardt训练方法,训练中的误差性能函数设为每次批处理后误差的平方 和。对于一个给定的混沌时间序列,其具体的预测步骤如下:
(1)为了便于预测,首先对获得的混沌时间序列进行归一化处理。归一化方法为:
(2)选择合适的m和τ重构系统的状态相空间,依据预测步长要求构造训练数据。输入数据为:Y(k)=[y(k),y(k-τ),L,y(k-(m-1)τ)],k=1,2,L,N,输出数据为y(k+Δt), k=1,2,L,N。
(3)设计BP网络结构。网络的输入节点数目为重构相空间的维数m,根据具体情 况选择合适的隐节点数目,因为每次只是预测出一个数据点,输出节点为单节点。
(4)依次输入训练数据Yk和对应的理想输出数据y(k+Δt),对BP网络进行训练。训练结束以后就可以利用该网络进行预测。
(5)为了衡量BP网络的预测精度,对训练数据和测试数据分别采用均方误差(MSE)和相对误差(Perr)作为评测标准:
Claims (6)
1.一种基于低频涡流的智能检测装置,它的组成包括:组合阵列式探头(1),智能控制模块(2),频率100Hz激励源(3),数字交流不平衡大桥测量模块(4),信号处理模块(5),虚拟仪器(6),其特征在于:智能控制模块(2)连接虚拟仪器(6),同时控制组合阵列式探头(1)。
2.根据权利要求1所述的智能检测装置,其特征在于:所述智能控制模块(2)的控制核是一个32位微处理器,接受来自虚拟仪器(5)的被测试体的测量深度和被测试体的材料属性的输入信号,微处理器内置优化算法,微处理器输出信号是控制组合阵列式探头(1)的探头控制机构,探头控制机构根据微处理器发出的输出信号,选择组合阵列式探头(1)中的不同厚度与不同等效半径探头线圈。
3.根据权利要求1或2所述的智能检测装置,其特征在于:所述组合阵列式探头(1)是一个矩阵型式结构,行为不同等效半径的探头线圈,列为不同厚度的探头线圈。
4.根据权利要求2所述的智能检测装置,其特征在于:所述组合阵列式探头(1)探头控制机构是电动执行器。
5.根据权利要求2所述的智能检测装置,其特征在于:所述微处理器内置优化算法是BP神经网络。
6.根据权利要求3所述的智能检测装置,其特征在于:所述探头线圈的等效半径为0.7d至d,其中d为被测试件与探头之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189277.9A CN111912900A (zh) | 2020-03-18 | 2020-03-18 | 一种基于低频涡流的智能检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010189277.9A CN111912900A (zh) | 2020-03-18 | 2020-03-18 | 一种基于低频涡流的智能检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111912900A true CN111912900A (zh) | 2020-11-10 |
Family
ID=73237386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010189277.9A Pending CN111912900A (zh) | 2020-03-18 | 2020-03-18 | 一种基于低频涡流的智能检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111912900A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5021738A (en) * | 1990-03-26 | 1991-06-04 | The United States Of America As Represented By The Secretary Of The Navy | Field variable, electronically controlled, nested coil eddy current probe |
CN103728369A (zh) * | 2013-12-31 | 2014-04-16 | 湛江师范学院 | 一种基于金属水管的多功能全方位可拉伸涡流探测车装置 |
CN105699483A (zh) * | 2016-03-15 | 2016-06-22 | 南昌航空大学 | 一种阵列涡流检测铝合金薄板缺陷的检测工艺 |
CN106680741A (zh) * | 2016-10-17 | 2017-05-17 | 北京工业大学 | 一种铁磁材料损伤检测用高灵敏度扫描式低频电磁传感器 |
CN106681378A (zh) * | 2015-11-10 | 2017-05-17 | 哈尔滨市永恒鑫科技开发有限公司 | 一种矿浆旋流池的智能控制方法 |
CN107064291A (zh) * | 2017-04-26 | 2017-08-18 | 电子科技大学 | 一种磁聚集脉冲涡流线圈检测传感器 |
CN107941905A (zh) * | 2018-01-11 | 2018-04-20 | 中国大唐集团科学技术研究院有限公司华中分公司 | 一种低频阵列涡流检测装置及钢管内壁腐蚀缺陷检测方法 |
CN207976431U (zh) * | 2018-04-12 | 2018-10-16 | 中国计量大学 | 一种脉冲涡流检测线圈固定装置 |
-
2020
- 2020-03-18 CN CN202010189277.9A patent/CN111912900A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5021738A (en) * | 1990-03-26 | 1991-06-04 | The United States Of America As Represented By The Secretary Of The Navy | Field variable, electronically controlled, nested coil eddy current probe |
CN103728369A (zh) * | 2013-12-31 | 2014-04-16 | 湛江师范学院 | 一种基于金属水管的多功能全方位可拉伸涡流探测车装置 |
CN106681378A (zh) * | 2015-11-10 | 2017-05-17 | 哈尔滨市永恒鑫科技开发有限公司 | 一种矿浆旋流池的智能控制方法 |
CN105699483A (zh) * | 2016-03-15 | 2016-06-22 | 南昌航空大学 | 一种阵列涡流检测铝合金薄板缺陷的检测工艺 |
CN106680741A (zh) * | 2016-10-17 | 2017-05-17 | 北京工业大学 | 一种铁磁材料损伤检测用高灵敏度扫描式低频电磁传感器 |
CN107064291A (zh) * | 2017-04-26 | 2017-08-18 | 电子科技大学 | 一种磁聚集脉冲涡流线圈检测传感器 |
CN107941905A (zh) * | 2018-01-11 | 2018-04-20 | 中国大唐集团科学技术研究院有限公司华中分公司 | 一种低频阵列涡流检测装置及钢管内壁腐蚀缺陷检测方法 |
CN207976431U (zh) * | 2018-04-12 | 2018-10-16 | 中国计量大学 | 一种脉冲涡流检测线圈固定装置 |
Non-Patent Citations (1)
Title |
---|
徐琛等: ""基于低频涡流的油气管道变形检测方法及实现"", 《电测与仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2007234145B2 (en) | Calibration method and calibration apparatus for a hand-held locating device | |
CN201569554U (zh) | 一体化模态分析仪 | |
US9547746B1 (en) | Systems and methods using models to evaluate physical components | |
CN108027409A (zh) | 时域mri | |
CN111546336B (zh) | 一种用于机器人系统的灰箱模型参数辨识方法及系统 | |
CN111351845A (zh) | 一种基于脉冲涡流的智能检测装置 | |
CN105353789A (zh) | 连续振动信号时间历程复现控制方法 | |
CN104034962A (zh) | 一种精密伺服机构谐振频率的测试系统及测试方法 | |
US6810341B2 (en) | Time varying harmonic analysis including determination of order components | |
CN201083539Y (zh) | 便携式数字声音与振动分析仪 | |
US8630829B1 (en) | Computer aided design environment with electrical and electronic features | |
CN114779355A (zh) | 基于发射电流全波形的地面瞬变电磁法反演方法及装置 | |
CN111912900A (zh) | 一种基于低频涡流的智能检测装置 | |
Zheng et al. | Distributed Dynamic load identification on irregular planar structures using subregion interpolation | |
CN103644933B (zh) | 模拟量校准系统及方法 | |
CN111351834A (zh) | 一种基于漏磁的智能检测装置 | |
CN111208797A (zh) | 飞机航空发动机电子调节器综合测试仪 | |
Tkachenko et al. | A method of resonant series-parallel identification | |
CN111351846A (zh) | 一种基于远场涡流的智能检测装置 | |
CN106788064A (zh) | 基于emd‑elm的感应电机定子电阻参数识别方法 | |
CN111596762A (zh) | 一种基于磁悬浮驱动的穿戴式力反馈装置 | |
JP2000285142A (ja) | 回路図表示装置及び回路特性表示処理プログラムを記録した記録媒体 | |
Buck et al. | Optimization strategies in robust engineering design and computer‐aided design | |
Idowu | An Intelligent Data-Acquisition and Control (IDAC) system for energy conversion laboratory | |
CA2042998A1 (en) | Multi-body mechanical system analysis apparatus and method |
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 |