CN111914449B - 一种微颗粒特征参数识别的数值分析方法 - Google Patents

一种微颗粒特征参数识别的数值分析方法 Download PDF

Info

Publication number
CN111914449B
CN111914449B CN202010690895.1A CN202010690895A CN111914449B CN 111914449 B CN111914449 B CN 111914449B CN 202010690895 A CN202010690895 A CN 202010690895A CN 111914449 B CN111914449 B CN 111914449B
Authority
CN
China
Prior art keywords
coil
microparticles
parameters
winding
model
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
CN202010690895.1A
Other languages
English (en)
Other versions
CN111914449A (zh
Inventor
黄炎
张梅菊
王立清
马静
冯耀国
田野
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.)
Beijing Ruisai Chang Cheng Aeronautical M & C Technology Co ltd
AVIC Intelligent Measurement Co Ltd
China Aviation Industry Corp of Beijing Institute of Measurement and Control Technology
Original Assignee
Beijing Ruisai Chang Cheng Aeronautical M & C Technology Co ltd
AVIC Intelligent Measurement Co Ltd
China Aviation Industry Corp of Beijing Institute of Measurement and Control Technology
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 Beijing Ruisai Chang Cheng Aeronautical M & C Technology Co ltd, AVIC Intelligent Measurement Co Ltd, China Aviation Industry Corp of Beijing Institute of Measurement and Control Technology filed Critical Beijing Ruisai Chang Cheng Aeronautical M & C Technology Co ltd
Priority to CN202010690895.1A priority Critical patent/CN111914449B/zh
Publication of CN111914449A publication Critical patent/CN111914449A/zh
Application granted granted Critical
Publication of CN111914449B publication Critical patent/CN111914449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明属于油液特种状态监测技术领域，涉及一种微颗粒特征参数识别的数值分析方法，本发明包括下列内容：建立微颗粒特征参数识别系统几何模型，设置微颗粒、线圈和油液材料属性；设置绕组激励和模型边界条件；进行网格划分；微颗粒特征参数识别系统模型外电路设置；采用子程序线圈电磁特性仿真模型计算环路中电感值；外电路与模型的耦合；求解设置；分析不同电参数对微颗粒特征参数识别的影响；分析不同结构参数对微颗粒特征参数识别的影响。通过本发明有效的分析了不同管径下微颗粒对平衡磁场扰动的变化规律。

Description

一种微颗粒特征参数识别的数值分析方法
技术领域
本发明属于油液特种状态监测技术领域，涉及一种微颗粒特征参数识别的数值分析方法。
背景技术
大型旋转部件如燃气轮机、压缩机，广泛应用在电力行业和民用船舶领域。其滑油系统中转子轴承、液压泵、齿轮等机械结构工作在高速高压和重载环境下，长期使用，极易受损，为此要求相应的检测技术必须能够满足大型旋转部件的发展需求。大型旋转部件油路的健康状况检测十分重要，其检测指标体现了大型旋转部件燃气轮机、压缩机、液压泵和齿轮等旋转部件的健康状况，是大型旋转部件状态评价、故障诊断和寿命预估的基础。但是，目前国内的检测技术在可靠性和灵敏度方面难以达到大型旋转部件的在线检测要求。而且国外该领域的尖端技术是禁止向我国出口的，只有依靠自己研制。
大量研究表明，在大型旋转部件各种故障形式中，以磨损最为常见。设备磨损故障诊断在整个设备故障诊断领域占有极其重要的地位，目前最先进的技术是通过在线微颗粒传感器技术对装备进行磨损状态监测和故障诊断。
在设计滑油在线屑末传感器时，常采用经验法和传统的解析法，大大降低了设计效率。近些年，随着计算机技术的发展和应用，数值计算方法可以为产品的设计与优化提供可靠的依据，具有减少实验过程、缩短研发周期、减少成本等特点在军工领域发展迅速，为传感器设计、优化提供参考依据。
发明内容
本发明的目的是提供一种微颗粒特征参数识别的数值模拟方法，解决了实际工程中，由于不同管径，微颗粒对平衡磁场扰动的计算问题，进一步分析不同频率、不同电压、不同线圈参数时，微颗粒对平衡磁场扰动的变化规律，从而为传感器的设计、优化提供参考依据。为达到上述目的，本发明采用以下技术方案：
一种微颗粒特征参数识别的数值分析方法，主要由以下步骤组成：
步骤1、建立微颗粒特征参数识别系统模型：根据实际工程中管径的尺寸，基于ANSYS Maxwell电磁场仿真分析软件，建立微颗粒特征参数识别计算模型，其中管径和线圈尺寸设置为：管径取15-25mm，线圈内径20-30mm，线圈外径22-34mm，线径为0.18mm。
步骤2、分别建立微颗粒、线圈和油液材料属性：根据不同种类的微颗粒设置参数，铁磁性颗粒材料选用铁氧体，相对磁导率为200，相对介电常数为1，电导率0.01S/m.非铁磁性颗粒和线圈材料选用铜，相对磁导率为1，相对介电常数为1，电导率5.998×107S/m.油液选用润滑油，相对磁导率为1，相对介电常数为1，电导率5×1010S/m.
步骤3、设置绕组激励和模型边界条件等：采用瞬态求解器，设置绕组匝数和激励方式，将空气域边界设置为气球边界条件。
步骤4、进行网格划分：分别对绕组、油管、微颗粒和空气域进行网格划分。对微颗粒进行加密处理，以提高计算精度。
步骤5、微颗粒特征参数识别系统模型外电路设置：采用变压器模型，基于ANSYSMaxwell Circuit Editor模块设置微颗粒特征参数识别系统模型外电路。根据不同结构参数(内径、外径)线圈电特性试验，得到线圈电感值，根据以上试验结果，设置外电路漏感值。
步骤6、采用子程序线圈电磁特性仿真模型计算环路中电感值。
步骤7、外电路与模型的耦合：通过外电路导入的方式将微颗粒特征参数识别系统模型外电路引入到有限元模型中。
步骤8、求解设置：设定求解参数，对求解分析自检，提交运算。
步骤9、对结果进行处理分析：观察磁场强度和磁感应强度分布云图证明有限元模型的有效性。
步骤10、分析不同电参数对微颗粒特征参数识别的影响，包括激励电压、激励频率对微颗粒检测的灵敏度。
步骤11、分析不同结构参数对微颗粒特征参数识别的影响，包括反馈线圈匝数和线圈内径(管径)对微颗粒检测的灵敏度。
本发明的有益效果是：
本发明针对由于不同管径导致微颗粒对平衡磁场扰动的计算分析问题，目前获得微颗粒对平衡磁场扰动的方法主要依赖于试验研究，但实验研究造价成本高，周期时间长，受到环境的干扰，很难大规模的开展研究。本发明基于ANSYS Maxwell软件，建立了微颗粒特征参数识别系统模型，有效的分析了不同管径、不同激励电压、不同激励频率、不同线圈参数下微颗粒对平衡磁场扰动的变化规律，从而为传感器及优化提供参考依据。
附图说明
附图1微颗粒特征参数识别系统模型
其中，1-润滑油管、2-反馈线圈、3-微颗粒、4-激励线圈
附图2外电路配置图
附图3线圈计算模型
附图4线圈网格划分
附图5微颗粒特征参数识别系统磁感应强度分布云图
附图6微颗粒特征参数识别系统磁场强度分布云图
附图7输出电压与磨粒轴向位置之间的关系图
附图8输出电压与反馈线圈匝数之间的关系曲线图
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。以管径20mm为例，研究不同电参数和不同线圈参数下微颗粒对平衡磁场扰动的变化规律。
步骤1、建立微颗粒特征参数识别系统几何模型如图1所示，基于ANSYS Maxwell软件，采用二维瞬态模型，设置管径20mm，长60mm。绕组A1、A2和绕组B1、B2为激励绕组匝数70，采用0.18mm线径缠绕，线圈长度2mm，每层9匝，宽度设定为1.5mm。绕组C1、C2为反馈绕组匝数50，采用0.18mm线径缠绕，线圈长度2mm，每层9匝，宽度设定为1.2mm。激励绕组对称分布在反馈绕组两边，间距为8mm。绕组A1、A2、B1、B2、C1、C2距离管径的距离为4mm。
步骤2、分别建立微颗粒、线圈和油液材料属性：根据不同种类的微颗粒设置参数，铁磁性颗粒材料选用铁氧体，相对磁导率为200，相对介电常数为1，电导率0.01S/m.非铁磁性颗粒和线圈材料选用铜，相对磁导率为1，相对介电常数为1，电导率5.998×107S/m.油液选用润滑油，相对磁导率为1，相对介电常数为1，电导率5×1010S/m.
步骤3、将绕组分相设置，设置绕组A1和A2匝数为70匝并定义为Winding A,设置绕组B1和B2匝数为70匝并定义为Winding B,设置绕组C1和C2匝数为50匝并定义为WindingC,在瞬态磁场绕组激励定义窗口中定义Winding A、Winding B和Winding C激励类型为External，即绕组外电路激励源，并设置为多匝绞线型线圈。采用气球边界条件，也被称为无穷远边界条件，尽量减少求解时间和计算资源，有效的减少计算机CPU和内存的应用。
步骤4、微颗粒特征参数识别系统几何模型网格剖分采用对物体内部指定剖分规则Insideselection/Length Based，其中线圈尺寸最大为0.2mm，微颗粒最大尺寸为0.01mm，油管和空气域最大尺寸为1mm。
步骤5、微颗粒特征参数识别系统模型外电路设置：基于ANSYS Maxwell CircuitEditor模块设置微颗粒特征参数识别系统模型外电路。选择Dedicates Elements选项中Winding绕组元件，名称分别设置为Winding A、Winding B和Winding C与有限元模型保持一致，同样选择电阻元件分别命名为R1、R2和R3，电感元件分别命名为L1、L2和L3，激励电源U1和U2，电压V1和电压V2设置为23V和0V，构成2个环路。环路1构成平衡磁场，环路2为感应环路用来感应平衡磁场的扰动，如图2所示。
步骤6、采用子程序线圈电磁特性仿真模型计算环路中电感值。
(a)在COMSOL软件中建立线圈三维模型如图3，球体作为空气域，组成部分参数如下：空气域半径30mm，线圈内径10-14mm，外径11mm-17mm，线径为0.18mm。
(b)材料选择：空气域材料为空气，线圈材料为铜，相对磁导率为1，相对介电常数为1，电导率5.998×107S/m.选择低频电磁场模块，在线圈类型中选择Numeric，设置线圈匝数。
(c)选择低频电磁场模块，在线圈类型中选择Numeric，以便设置线圈匝数。采用自由剖分三角形网格，剖分后的网格如图4所示。通过对模型进行求解设置，得到线圈电感值。
(d)修正线圈电磁特性仿真模型：制作微颗粒线圈组件，通过数字电桥测试线圈的电感值。对比有限元分析结果，修正有限元相应参数，使得仿真模型具有预测性。采用修正后的模型进行预测线圈电感值，内径参数为10-14mm，外径11-17mm，线径0.18mm，宽度2mm，每层9匝，线圈结构参数和有限元分析结果如下表1所示。
表1不同参数下线圈的电感值
(e)考虑到该传感器并没有磁芯，主要通过空气耦合，漏磁现象较为明显，故而在电路中设置了漏感，其中电感L1和电感L3为269.8μH,L2为145.3μH，电阻R1和电阻R3为5.7Ω，电阻R2为4.3Ω，电压V1设置为23V，电压V2设置为0V。
步骤7、外电路与模型的耦合：通过外电路导入的方式将微颗粒特征参数识别系统模型外电路引入到有限元模型中。执行命令Maxwell Circuit/Export Netlist,导出网络列表文件并保存为xx.sph.在执行命令Excitations/Circuit/Import Circuit选择xx.sph文件，使得外电路与有限元模型关联。
步骤8、求解设置：设定General设置项，定义Stoptime和Timestep，设定0.2ms和0.0002ms。对求解分析自检，包括Design Settings、3D Model、Boundaries andExcitations Parameters、Mesh Operations、Analysis Setup、Optimetrics,提交运算。
步骤9、结果分析：(a)后处理主要观察传感器运行到稳定状态时的信息，并对结果进行处理分析：观察磁场强度H分布云图(图5)和磁感应强度B分布云图(图6)，证明了有限元模型的有效性，根据滑油屑末传感器工作原理，当激励线圈加相反电压时，在感应线圈区域磁感应强度几乎为零时有限元模型有效。
(b)建立输出电压与磨粒轴向位置关系，在滑油屑末传感器轴线上设定21个对称分布的位置，当颗粒在每个位置上提取相应的幅值，路径为Results/XY Plot/InducedVoltage,保存为*.csv文件，应用Matlab软件建立*.m文件，从而得到拟合曲线如图7，其中m文件程序如下：
close all；
clear all；
clc；
format long；
[fname,pname]＝uigetfile('.csv','需要读取的数据')；
A＝xlsread(strcat(pname,fname))；
time＝A(:,1)；
Signal＝A(:,2)；
plot(time,Signal)；
步骤10、不同电参数对微颗粒特征参数识别的影响。
(a)电参数激励电压对微颗粒特征识别的影响，如下表2
表2不同激励电压下对微颗粒特征识别的影响
(b)电参数激励频率对微颗粒特征识别的影响，如下表3
表3不同激励频率下对微颗粒特征识别的影响
步骤11、不同结构参数对微颗粒特征参数识别的影响。
(a)考察反馈线圈参数对500um NFe颗粒的测试效果的影响，即进行单一参数的分析，匝数分别为50、60、70、80、90、100匝。根据步骤6采用子程序线圈电磁特性仿真模型计算反馈线圈电感值如表4所示，并带入到微颗粒特征参数识别系统模型的外电路中，得到反馈线圈匝数与幅值之间的关系曲线如图8所示。
表4不同反馈线圈参数下线圈的电感值
(b)考察线圈内径(管径)对500umNFe颗粒的测试效果的影响，内径取26、28和30mm。根据步骤6采用子程序线圈电磁特性仿真模型反馈线圈的电阻和电感值，并带入到微颗粒特征参数识别系统模型的外电路中。计算结果如下表5所示：
表5不同线圈内径(管径)下对微颗粒特征识别的影响
本发明针对由于不同管径导致微颗粒对平衡磁场扰动的计算分析问题，目前获得微颗粒对平衡磁场扰动的方法主要依赖于试验研究，但实验研究造价成本高，周期时间长，受到环境的干扰，很难大规模的开展研究。本发明基于ANSYS Maxwell软件，建立了微颗粒特征参数识别系统模型，有效的分析了不同管径、不同激励电压、不同激励频率、不同线圈参数下微颗粒对平衡磁场扰动的变化规律，从而为传感器及优化提供参考依据。

Claims (8)

1.一种微颗粒特征参数识别的数值分析方法，其特征在于，主要由以下步骤组成：
步骤1、建立微颗粒特征参数识别系统模型：根据实际工程中管径、线圈及线径的尺寸，基于ANSYS Maxwell电磁场仿真分析软件，建立微颗粒特征参数识别计算模型；具体为：采用二维瞬态模型，设置管径20mm，长60mm；绕组A1、A2和绕组B1、B2为激励绕组匝数70，采用0.18mm线径缠绕，线圈长度2mm，每层9匝，宽度设定为1.5mm；绕组C1、C2为反馈绕组匝数50，采用0.18mm线径缠绕，线圈长度2mm，每层9匝，宽度设定为1.2mm；激励绕组对称分布在反馈绕组两边，间距为8mm；绕组A1、A2、B1、B2、C1、C2距离管径的距离为4mm；
步骤2、分别确定微颗粒、线圈和油液材料属性及参数：
铁磁性颗粒材料选用铁氧体，非铁磁性颗粒和线圈材料选用铜，油液选用润滑油；
步骤3、设置绕组激励和模型边界条件：采用瞬态求解器设置绕组匝数和激励方式，将空气域边界设置为气球边界条件；具体为：将绕组分相设置，设置绕组A1和A2匝数为70匝并定义为Winding A,设置绕组B1和B2匝数为70匝并定义为Winding B,设置绕组C1和C2匝数为50匝并定义为Winding C,在瞬态磁场绕组激励定义窗口中定义Winding A、Winding B和Winding C激励类型为External，即绕组外电路激励源，并设置为多匝绞线型线圈；
步骤4、进行网格划分：分别对绕组、油管、微颗粒和空气域进行网格划分；对微颗粒进行加密处理；
步骤5、微颗粒特征参数识别系统模型外电路设置：采用变压器模型，基于ANSYSMaxwell Circuit Editor模块设置微颗粒特征参数识别系统模型外电路；根据不同结构参数的内径和外径线圈电特性试验，得到线圈电感值，根据步骤1-4的试验结果，设置外电路漏感值；选择Dedicates Elements选项中Winding绕组元件，名称分别设置为Winding A、Winding B和Winding C与有限元模型保持一致，同样选择电阻元件分别命名为R1、R2和R3，电感元件分别命名为L1、L2和L3，激励电源U1和U2，电压V1和电压V2设置为23V和0V，构成2个环路；环路1构成平衡磁场，环路2为感应环路用来感应平衡磁场的扰动；
步骤6、采用子程序线圈电磁特性仿真模型计算外电路中环路1和环路2中电感值；子程序线圈电磁特性仿真模型为在COMSOL软件中建立线圈三维模型，选择低频电磁场模块，通过对模型进行求解设置，得到线圈电感值，同时，修正线圈电磁特性仿真模型，对比有限元分析结果，修正有限元相应参数，使得仿真模型具有预测性；
步骤7、外电路与微颗粒特征参数识别系统模型的耦合：通过外电路导入的方式将微颗粒特征参数识别系统模型外电路引入到有限元模型中；
步骤8、求解设置：设定求解参数，对求解分析自检，提交运算；
步骤9、对结果进行处理分析：观察磁场强度和磁感应强度分布云图证明有限元模型的有效性；
步骤10、分析不同电参数对微颗粒特征参数识别的影响；
步骤11、分析不同结构参数对微颗粒特征参数识别的影响。
2.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述管径、线圈及线径尺寸设置为：管径取15-25mm，线圈内径10-14mm，线圈外径11-17mm，线径为0.18mm。
3.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述微颗粒、线圈和油液材料参数为：铁氧体相对磁导率为200，相对介电常数为1，电导率0.01S/m；铜相对磁导率为1，相对介电常数为1，电导率5.998×107S/m；润滑油相对磁导率为1，相对介电常数为1，电导率5×1010S/m。
4.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述步骤4进行网格划分为微颗粒特征参数识别系统几何模型网格剖分采用对物体内部指定剖分规则Insideselection/Length Based，其中线圈尺寸最大为0.2mm，微颗粒最大尺寸为0.01mm，油管和空气域最大尺寸为1mm。
5.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述微颗粒进行加密处理为采用对物体内部指定剖分规则Insideselection/Length Based，微颗粒最大尺寸为0.01mm。
6.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述微颗粒特征参数识别系统模型外电路为基于ANSYS Maxwell Circuit Editor模块设置微颗粒特征参数识别系统模型外电路。
7.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述步骤8是对微颗粒特征参数识别的数值模拟方法求解设置，合理定义参数，减少计算时间提高计算效率，另外通过自检功能，对求解分析自检，确认无误后，提交运算。
8.如权利要求1所述的微颗粒特征参数识别的数值分析方法，其特征在于，所述步骤10电参数包括激励电压、激励频率，所述步骤11结构参数包括反馈线圈匝数和线圈内径。
CN202010690895.1A 2020-07-17 2020-07-17 一种微颗粒特征参数识别的数值分析方法 Active CN111914449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010690895.1A CN111914449B (zh) 2020-07-17 2020-07-17 一种微颗粒特征参数识别的数值分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010690895.1A CN111914449B (zh) 2020-07-17 2020-07-17 一种微颗粒特征参数识别的数值分析方法

Publications (2)

Publication Number Publication Date
CN111914449A CN111914449A (zh) 2020-11-10
CN111914449B true CN111914449B (zh) 2023-07-28

Family

ID=73281873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010690895.1A Active CN111914449B (zh) 2020-07-17 2020-07-17 一种微颗粒特征参数识别的数值分析方法

Country Status (1)

Country Link
CN (1) CN111914449B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182949B (zh) * 2020-11-30 2021-03-09 浙江中自庆安新能源技术有限公司 一种基于计算机辅助技术的油液磨粒统计方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102818754B (zh) * 2012-09-06 2014-08-27 爱德森（厦门）电子有限公司 一种提高发动机油液金属磨粒在线监测精度的方法及装置
CN103926276B (zh) * 2014-03-25 2016-01-20 天津大学 一种在线油液磨粒监测装置及检测方法
CN104502242A (zh) * 2014-11-20 2015-04-08 北京航空航天大学 一种基于径向磁场的双边对称结构在线磨粒监测方法及监测传感器
CN106018211A (zh) * 2016-05-12 2016-10-12 绍兴文理学院 用离心、电控环吸附和相邻电容的磨损微粒在线监测方法
CN107340544B (zh) * 2016-11-29 2019-09-03 北京理工大学 一种高灵敏度的微小金属颗粒在线检测系统及方法

Also Published As

Publication number Publication date
CN111914449A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
Theodoulidis Model of ferrite-cored probes for eddy current nondestructive evaluation
Daura et al. Wireless power transfer-based eddy current non-destructive testing using a flexible printed coil array
Ren et al. A highly sensitive triple-coil inductive debris sensor based on an effective unbalance compensation circuit
CN104123408B (zh) 基于有限元仿真分析的智能电表防外界电磁场干扰方法
Li et al. Electromagnetic sensor for detecting wear debris in lubricating oil
CN108959755B (zh) 一种螺旋缠绕高温超导通流导体的仿真建模方法
CN111475904B (zh) 低温超导磁体交流损耗的计算方法
Zhou et al. Study on the optimization of eddy current testing coil and the defect detection sensitivity
CN111914449B (zh) 一种微颗粒特征参数识别的数值分析方法
Mao et al. Analysis of eddy current interaction between a parallel coil and a ferromagnetic pipe with remanence
Zhang et al. Analysis of MFL model for sucker rod defects and its MFL signal processing
Qiu et al. The influence of inter-turn short circuit fault considering loop current on the electromagnetic field of permanent magnet synchronous motor
Xin Design and analysis of rotating field eddy current probe for tube inspection
Yıldız et al. An analytical solution of a multi-winding coil problem with a magnetic core in spherical coordinates
He et al. Finite element analysis on multi parameter characteristics of inductive lubricating oil wear debris sensor
Chen et al. Development of transformer winding fault monitoring system based on vibration analysis
Kabakulak et al. Numerical analysis of the harvester having toroidal structure and examination of the application results
Chen et al. Transmission impedance extraction method applied in magneto-rheological damper
Liu et al. Study on pulsed eddy current nondestructive testing technology for pipeline corrosion defects based on finite element method
Feng et al. Finite element simulation of on—Line wear debris monitoring sensor based on JMAG
Aiqing et al. Identification method for inter-turn faults in transformers based on digital twin concept
Jiang et al. Inductance calculation of conical winding Tesla transformer based on finite element method
Chen et al. Review on numerical analysis of electromagnetic characteristics for ferromagnetic wear debris
Zhang et al. Parameter Optimization and Precision Enhancement of Dual-Coil Eddy Current Sensor
Zhong et al. Simulation of three-coil inductive wear particle sensor

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