CN113219054B - 一种磁瓦内部缺陷检测装置及检测方法 - Google Patents
一种磁瓦内部缺陷检测装置及检测方法 Download PDFInfo
- Publication number
- CN113219054B CN113219054B CN202110461539.7A CN202110461539A CN113219054B CN 113219054 B CN113219054 B CN 113219054B CN 202110461539 A CN202110461539 A CN 202110461539A CN 113219054 B CN113219054 B CN 113219054B
- Authority
- CN
- China
- Prior art keywords
- signal
- echo
- ultrasonic
- magnetic shoe
- defect
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Algebra (AREA)
- Acoustics & Sound (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种磁瓦内部缺陷检测装置和检测方法,该检测方法包括如下步骤:S1、针对被测磁瓦样品发射超声波,获取超声回波信号;S2、对所述超声回波信号进行的预处理,截取有效信号段落;S3、对截取后的有效信号段落进行经验模态分解;S4、根据分解的回波信号,判断回波对应的被测磁瓦样品的检测位置内部是否有缺陷;S5、针对判定为含有内部缺陷的信号计算缺陷深度。该检测方法尤其适于检测磁瓦内部有一定深度、非近表面的缺陷,且同时检测过程快捷高效。
Description
技术领域
本发明涉及磁瓦质检,特别是涉及一种磁瓦内部缺陷检测装置及检测方法。
背景技术
磁瓦片(以下简称磁瓦)是产生恒定磁势源的永磁电动机的核心组件,其生产质量对永磁电动机的性能和使用寿命至关重要。磁瓦的加工工艺比较复杂,再加上各种因素的干扰,例如材料本身的密度分布不均匀、加工机械的运行状况不稳定以及现场环境的影响,磁瓦不可避免地会出现缺陷。磁瓦内部的缺陷可能会严重影响其使用性能,所以加工制造企业将磁瓦产品的缺陷检测视为生产过程中的重要环节。
磁瓦内部缺陷主要为内部暗裂纹、夹渣、杂质、内部气孔等。现有的磁材内部缺陷检测方法主要为人工检测,人工检测有很多缺点:如质量检测耗时长、劳动密集性作业方式浪费人力资源、准确率不稳定、不能有效收集完整检测数据为生产业务提供价值等,因此工业界需要一种自动化的手段高效准确批量化地对磁瓦内部缺陷进行检测。
国内外学者已在磁瓦生产工艺及配方和成型方面取得了大量的研究成果;而现有的针对磁瓦缺陷检测的文献和相关专利主要集中在表面缺陷检测的方法上,鲜见有针对磁瓦内部缺陷的检测设备或方案。
无损检测检测与诊断技术在人体、金属材料、机器设备、集成电路等领域已有广泛的发展,主要的无损检测技术包括超声无损检测、射线探伤检测、磁粉检测、涡流检测、渗透检测等方法;但由于磁瓦种类及缺陷的多样性和复杂性、磁瓦生产过程的动态特性、环境安全要求以及价格等因素影响,相关研究也较少,磁瓦缺陷自动检测技术的发展缓慢。
在常用无损检测手段中,以x射线与γ射线为主的射线检测均有辐射污染,对人体有较大危害,且仪器成本较高;磁粉、涡流、渗透检测均仅适用于近表面的内部缺陷,难用于形状复杂的构件或较深缺陷,且渗透技术不适用于多孔性疏松材料制成的工件和表面粗糙的工件。
现有的磁瓦缺陷检测手段普遍集中在磁瓦的表面缺陷,而磁瓦的内部缺陷同样对磁瓦性能有较大影响,因此在实际生产应用中,需要同时检测磁瓦多个维度的缺陷,同时筛除有表面缺陷的次品,保证生产品质;
现有的手段仅对表面缺陷进行识别,但仍缺乏对上游生产手段的指导及启示;实际上生产成品的缺陷类型及频率,与磁瓦的各生产环节、原料品质有一定的联系,因此可以成为一种有效的改善生产方式的手段。
需要说明的是,在上述背景技术部分公开的信息仅用于对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的主要目的在于克服上述背景技术的缺陷,提供一种磁瓦内部缺陷检测装置及检测方法。
为实现上述目的,本发明采用以下技术方案:
一种磁瓦内部缺陷检测方法,包括如下步骤:
S1、针对被测磁瓦样品发射超声波,获取超声回波信号;
S2、对所述超声回波信号进行的预处理,截取有效信号段落;
S3、对截取后的有效信号段落进行经验模态分解;
S4、根据分解的回波信号,判断回波对应的被测磁瓦样品的检测位置内部是否有缺陷;
S5、针对判定为含有内部缺陷的信号计算缺陷深度;优选地,使用滑动窗口对平滑后的信号求分段方差,并绘制连续方差曲线,提取表面回波、缺陷回波、底波三处对应的方差曲线极值点,分别确定表面波、缺陷回波、底波所处位置后,计算缺陷深度。
进一步地:
步骤S2中,对所述超声回波信号进行的预处理包括在回波的多个峰中提取第一次表面回波与第一次底波,其中,通过窗函数将所关心的有用信号段保存。
步骤S2中,采用依据局部峰度的方法,基于信号序列局部峰度值统计特征确定加窗位置,对所述超声回波信号进行加窗。
所述峰度表征概率密度分布曲线在平均值处峰值高低的特征数,用四阶中心距来测定,其公式为其中,K表示信号段落的峰度,k代表选定段落的采样点数,x是段落信号均值,xi表示段落信号第i个取样点幅值,s表示信号标准差;步骤S2中,将峰度阈值设置为3,辨别第一次表面回波及第一次底波的分界点;对信号进行截取加窗的过程中,依次计算峰值时所选取的步长为30采样点,分别计算每一波形段落的峰度,记录大于3的峰度对应的原始波形段落,对该段落进行截断,得到缺陷信号依据峰度截取后的结果。
步骤S3中,所述经验模态分解采用CEEMDAN算法对有缺陷与无缺陷的信号进行处理。
步骤S4中,利用方差或包络方法分辨回波对应的被测磁瓦样品的检测位置内部是否有缺陷。
步骤S5中,求分段方差前先进行小波软阈值降噪,以平滑消除超声信号采集过程中产生的随机噪声,去噪过程包括:(1)分解过程,选定一种小波对信号进行n层小波分解;(2)阈值处理过程,对分解的各层系数进行阈值处理,获得估计小波系数;(3)重构过程,据去噪后的小波系数进行小波重构,获得去噪后的信号。
步骤S5中,所述分解过程采用db4小波进行提升小波三层分解;所述阈值处理过程采用软阈值函数:
w表示小波系数,thr为给定阈值,wthr表示阈值处理后得到的估计小波系数,当小波系数的绝对值大于给定阈值时,令小波系数减去阈值;小于阈值时,小波系数置零。
步骤S5中,根据方差曲线的方差值对曲线上的所有极值点进行排序,若最大的两个极值点相邻,则判断表面回波处出现两个极值点,取前一个为表面波位置;相反则判断表面回波处有一个极值点,作为表面波位置;优选地,以滑动步长为6,滑动窗口为20对平滑后的信号求分段方差。
一种磁瓦内部缺陷检测装置,包括超声信号发射接收器、超声聚焦换能器、信号采集卡以及处理单元,所述超声聚焦换能器和被测磁瓦样品置于耦合剂中,所述超声信号发射接收器通过所述超声聚焦换能器向被测磁瓦样品发射超声波,超声波在被测磁瓦样品内遇到缺陷时产生超声回波信号,超声回波信号经过所述超声聚焦换能器被所述超声信号发射接收器接收,并通过信号采集卡记录;所述处理单元通过分析超声回波信号,利用所述的方法进行磁瓦内部缺陷分析。
本发明具有如下有益效果:
本发明提供一种基于超声技术的磁瓦内部缺陷检测装置及检测方法,可用于实现对工厂生产线上生产的大量磁瓦利用超声技术进行内部缺陷检测,判断其是否存在内部缺陷;对于存在内部缺陷的磁瓦进行缺陷深度的计算,判定缺陷深度,筛除有缺陷次品,便于后续调整优化产线生产制造方法,提升产线生产效率及良品率。本发明尤其适于检测磁瓦内部有一定深度、非近表面的缺陷,且同时检测过程快捷高效。
附图说明
图1为本发明一种实施例的磁瓦内部缺陷检测装置结构示意图。
图2为本发明一种实施例的磁瓦内部缺陷检测方法处理流程。
图3为本发明一种实施例的典型缺陷信号依据峰度截取后结果。
图4为本发明一种实施例对有缺陷与无缺陷的信号进行处理的结果图。
图5为本发明一种实施例对平滑后的信号求分段方差并绘制连续方差曲线的曲线图。
图6为本发明一种实施例的四种不同深度缺陷对应结果图。
图7为本发明一种实施例根据多次实验结果绘制的箱线图。
具体实施方式
以下对本发明的实施方式做详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件,它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外,连接既可以是用于固定作用也可以是用于耦合或连通作用。
需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本发明实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
超声无损检测主要是利用超声波在遇到不同声阻抗的介质时会发生反射和折射等效应,通过声源产生超声波进入待检测工件中,超声波会与工件中存在的缺陷相互作用,传播方式发生改变,通过对缺陷回波的采集和检测,并与已知特定缺陷的缺陷回波进行比对,从而判断工件内部缺陷的存在以及大致判断缺陷可能的形状。相比于其他无损检测技术,超声波的穿透能力强,因此超声检测法可以检测较厚的工件,且不仅仅能检测工件外表面的缺陷也能检测工件内部的缺陷,同时超声检测灵敏度高,速度快,对人体无害的优点。
如图1所示,一种实施例的磁瓦内部缺陷检测装置包括超声信号发射接收器、超声聚焦换能器(频率2.5MHz的双晶超声探头、频率为10MHz及7MHz的单晶超声探头)、PCI采集卡及数据处理电脑;声源产生的超声波并借助耦合剂进入待检测工件中。耦合剂优选采用凡士林,可降低耦合剂与被测磁材的声阻抗之差,同时在操作便携性、耦合程度方面优于其他耦合剂如水、煤油、黄油。
在工作过程中,同步电路按一定的频率间隔发射触发脉冲信号,同时触发扫描电路和发射电路。而发射电路产生一个高频脉冲信号激励换能器,其中的压电晶片通过逆压电效应将电能转化为机械能,并通过机械振动进一步转化为声能,并耦合到被测试件中,超声波在传播过程中,遇到缺陷或被测物底面时,会发生反射,反射波被同一换能器接收,压电晶片通过正向压电效应将声能转换成电能,电能经过接收装置处理,形成反射脉冲信号。
检测中,超声聚焦换能器置于耦合剂中,针对被测样品发射超声波,超声波在物体内遇到缺陷时,一部分声波会产生反射,反射波将被双晶探头接收,并通过信号采集卡记录;通过分析超声回波信号,可以进行磁瓦内部缺陷大小、位置、形状等等特征的分析,能够对磁瓦内部是否存在缺陷、可用性以及安全性作出判断。
参阅图2,本发明实施例提供一种磁瓦内部缺陷检测方法,包括如下步骤:
S1、针对被测磁瓦样品发射超声波,获取超声回波信号;
S2、对所述超声回波信号进行的预处理,截取有效信号段落;
S3、对截取后的有效信号段落进行经验模态分解;
S4、根据分解的回波信号,判断回波对应的被测磁瓦样品的检测位置内部是否有缺陷;
S5、针对判定为含有内部缺陷的信号计算缺陷深度。
以下进一步描述本发明具体实施例。
参阅图2,具体实施例中获取和处理超声回波信号的流程如下:
超声信号获取及预处理
经超声探头接收的回波将呈现于示波器上,示波器可自动记录原始信号,并通过数据采集线将回波信号传输至计算机,通过Matlab导入记录超声信号时间与电压对应关系的csv文件。以使用2.5MHz探头发射接收的信号为例,待处理信号的数据共采样1200个点,每个采样点时间步长为s。
回波信号的预处理主要包括回波的多个峰中提取第一次表面回波与第一次底波,本实施例采用依据局部峰度的方法对信号进行加窗,提取所需的第一次表面回波及底波,总体思想是:通过窗函数将所关心的IMF上有用信号段保存,而抑制噪声幅值,之后再进行信号重构。该方法具体涉及窗函数的选择和窗函数位置的确定。
依据峰度对信号加窗的原理是基于信号序列局部峰度值统计特征,确定加窗位置;峰度又称峰态系数,表征概率密度分布曲线在平均值处峰值高低的特征数,用四阶中心距来测定,其公式为其中,K表示信号段落的峰度,k代表选定段落的采样点数,x是段落信号均值,xi表示段落信号第i个取样点幅值,s表示信号标准差。纯噪声成分峰度小于3,当有用信号存在时,峰度将高于该指标;将阈值设置为3,通过对被考察IMF局部求峰度,有效地辨别出第一次表面回波及底波的分界点。
对信号进行截取加窗的过程中,用于计算峰度所截取部分的宽度较为关键,也即依次计算峰值时所选取的步长。每一个关键位置的峰值宽度取决于发射信号的频率,以2.5MHz探头实验结果为例,每一个表面、底面、缺陷回波峰值的宽度约为60个采样点,本实施例选取步长为30采样点,分别计算每一段落的峰度,可以在每一次关键的表面、缺陷、底面回波处观察到峰度高于其他位置(效果优于选取步长为10、20、40个采样点),因此选取峰度阈值为3,记录大于3的峰度对应的原始波形段落,对该关键段落进行截断,得到结果如图3所示。
内部缺陷判别
对截取后的有效信号段落进行经验模态分解,经验模态分解(Empirical ModeDecomposition,EMD)方法能实现对复杂信号完全数据驱动的信号分解,按照从高频到低频的成分依次得到固有模态函数(intrinsic mode functions,IMF)。复合集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)在EMD的各个阶段加入自适应的白噪声,通过计算唯一残差得到IMF,最终达到消除模态混叠的同时,重构误差几乎为0的效果;同时解决了添加不同噪声得到IMF级数不同的问题。采用改进后的CEEMDAN算法对有缺陷与无缺陷的信号进行处理,结果如图4所示。
对比有缺陷与无缺陷的经验模态分解结果可观察到,相比于无缺陷的回波信号,有缺陷的回波信号分解后在二阶本征模态函数(IMF2)可观察到明显的幅值,利用方差或包络等方法即可分辨该回波对应原始试样检测位置内部是否有缺陷。
缺陷深度计算
针对判定为含有内部缺陷的信号,本实施例将对其进一步计算缺陷深度。处理的第一步为对原始信号进行小波软阈值降噪,以平滑消除超声信号采集过程中产生的随机噪声。去噪过程为:(1)分解过程,即选定一种小波对信号进行n层小波分解;(2)阈值处理过程,即对分解的各层系数进行阈值处理,获得估计小波系数;(3)重构过程,据去噪后的小波系数进行小波重构,获得去噪后的信号。
分解过程本实施例采用db4小波进行提升小波三层分解,提升小波是一种在时域中采用提升方法(lifting scheme)构造小波的第二代小波的方法。相对于Mallat塔形算法而言,它不依赖于傅立叶变换,完全在时域中完成对双正交小波的构造,具有结构化设计和自适应构造方面的突出优点;同时构造方法灵活,可以从一些简单的小波函数,通过提升改善小波函数的特性,从而构造出具有期望特性的小波。
阈值函数选择软阈值函数(实验平滑效果优于硬阈值函数),采用软阈值函数时,当小波系数的绝对值大于给定阈值时,令小波系数减去阈值;小于阈值时,小波系数置零。
w表示小波系数,thr为给定阈值,wthr表示阈值处理后得到的估计小波系数。完成降噪处理后,以滑动步长为6,滑动窗口为20对平滑后的信号求分段方差,并绘制连续方差曲线如图5所示。
本实施例采取提取表面回波、缺陷回波、底波三处对应的方差曲线极值点,用于映射表面、缺陷与底面的位置;对于不同的超声信号,表面回波的阈值曲线可能存在1个或2个极值点,且方差值最大;底波位置极值点的方差值其次,缺陷回波处极值点的方差值小于前两者,但高于其他位置。据此可根据方差曲线的方差值对曲线上的所有极值点进行排序,若最大的两个极值点相邻,则判断表面回波处出现两个极值点,取前一个为表面波位置;相反则表面回波处有一个极值点,作为表面波位置。分别确定表面波、缺陷回波、底波所处位置后,即可计算缺陷深度。
本实施例测试了两种不同探头(频率7MHz,晶片直径3mm的直探头;频率10MHz,晶片直径5mm的直探头),选用凡士林作为耦合剂,测量四种不同深度(5mm,10mm,15mm,20mm)缺陷得到对应的超声信号,使用本实施例算法处理模块进行处理,得到结果如下:
四种不同深度缺陷对应结果绘制如图6所示。
多次实验结果绘制箱线图得到结果如图7所示。
其中,上边缘、下边缘为该深度缺陷计算结果的最大值、最小值;红色线与箱体上下边缘分别代表中位数和两个四分位数。
本发明的背景部分可以包含关于本发明的问题或环境的背景信息,而不一定是描述现有技术。因此,在背景技术部分中包含的内容并不是申请人对现有技术的承认。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施方式做出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中,参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点,但应当理解,在不脱离专利申请的保护范围的情况下,可以在本文中进行各种改变、替换和变更。
Claims (7)
1.一种磁瓦内部缺陷检测方法,其特征在于,包括如下步骤:
S1、针对被测磁瓦样品发射超声波,获取超声回波信号;
S2、对所述超声回波信号进行预处理,截取有效信号段落;其中,对所述超声回波信号进行的预处理包括在所述超声回波信号的多个峰中提取第一次表面回波与第一次底波,其中,通过窗函数将所关心的有用信号段保存;其中,采用依据局部峰度的方法,基于信号序列局部峰度值统计特征确定加窗位置,对所述超声回波信号进行加窗;所述峰度表征概率密度分布曲线在平均值处峰值高低的特征数,用四阶中心距来测定,其公式为;其中,K表示信号段落的峰度,k代表选定段落的采样点数,x是段落信号均值,表示段落信号第i个取样点幅值,s表示信号标准差;其中,将峰度阈值设置为3,辨别第一次表面回波及第一次底波的分界点;对信号进行截取加窗的过程中,依次计算峰值时所选取的步长为30采样点,分别计算每一波形段落的峰度,记录大于3的峰度对应的原始波形段落,对该段落进行截断,得到超声回波信号依据局部峰度截取后的结果;
S3、对截取后的有效信号段落进行经验模态分解;
S4、根据分解的超声回波信号,判断回波对应的被测磁瓦样品的检测位置内部是否有缺陷;
S5、针对判定为含有内部缺陷的信号计算缺陷深度;其中,使用滑动窗口对平滑后的信号求分段方差,并绘制连续方差曲线,提取表面回波、缺陷回波、底波三处对应的方差曲线极值点,用于映射表面、缺陷与底面的位置;对于不同的超声信号,表面回波的阈值曲线可能存在1个或2个极值点,且方差值最大;底波位置极值点的方差值其次,缺陷回波处极值点的方差值小于前两者,但高于其他位置,据此根据方差曲线的方差值对曲线上的所有极值点进行排序,分别确定表面回波、缺陷回波、底波所处位置后,计算缺陷深度;其中,根据方差曲线的方差值对曲线上的所有极值点进行排序,若最大的两个极值点相邻,则判断表面回波处出现两个极值点,取前一个为表面回波位置;相反则判断表面回波处有一个极值点,作为表面回波位置。
2.如权利要求1所述的磁瓦内部缺陷检测方法,其特征在于,步骤S3中,所述经验模态分解采用CEEMDAN算法对有缺陷与无缺陷的信号进行处理。
3.如权利要求1所述的磁瓦内部缺陷检测方法,其特征在于,步骤S4中,利用方差或包络方法分辨回波对应的被测磁瓦样品的检测位置内部是否有缺陷。
4.如权利要求1所述的磁瓦内部缺陷检测方法,其特征在于,步骤S5中,求分段方差前先进行小波软阈值降噪,以平滑消除超声回波信号采集过程中产生的随机噪声,去噪过程包括:(1)分解过程,选定一种小波对信号进行n层小波分解;(2)阈值处理过程,对分解的各层系数进行阈值处理,获得估计小波系数;(3)重构过程,据去噪后的小波系数进行小波重构,获得去噪后的信号。
6.如权利要求1所述的磁瓦内部缺陷检测方法,其特征在于,步骤S5中,以滑动步长为6,滑动窗口为20对平滑后的信号求分段方差。
7.一种磁瓦内部缺陷检测装置,其特征在于,包括超声信号发射接收器、超声聚焦换能器、信号采集卡以及处理单元,所述超声聚焦换能器和被测磁瓦样品置于耦合剂中,所述超声信号发射接收器通过所述超声聚焦换能器向被测磁瓦样品发射超声波,超声波在被测磁瓦样品内遇到缺陷时产生超声回波信号,超声回波信号经过所述超声聚焦换能器被所述超声信号发射接收器接收,并通过信号采集卡记录;所述处理单元通过分析超声回波信号,利用如权利要求1至6任一项所述的方法进行磁瓦内部缺陷分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461539.7A CN113219054B (zh) | 2021-04-27 | 2021-04-27 | 一种磁瓦内部缺陷检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461539.7A CN113219054B (zh) | 2021-04-27 | 2021-04-27 | 一种磁瓦内部缺陷检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219054A CN113219054A (zh) | 2021-08-06 |
CN113219054B true CN113219054B (zh) | 2022-08-26 |
Family
ID=77089359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110461539.7A Active CN113219054B (zh) | 2021-04-27 | 2021-04-27 | 一种磁瓦内部缺陷检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219054B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136249B (zh) * | 2021-11-30 | 2023-08-22 | 国网上海市电力公司 | 一种变压器绕组变形超声检测信号去噪方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002243703A (ja) * | 2001-02-19 | 2002-08-28 | Nippon Steel Corp | 超音波探傷装置 |
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
CN102183582A (zh) * | 2011-01-27 | 2011-09-14 | 中国商用飞机有限责任公司 | 超声波无损检测装置及其方法 |
CN103870694A (zh) * | 2014-03-18 | 2014-06-18 | 江苏大学 | 一种基于修正小波阈值的经验模态分解去噪方法 |
CN103884775A (zh) * | 2014-03-23 | 2014-06-25 | 辽宁沈车铸业有限公司 | 用于铁路货车摇枕或侧架的水浸超声波自动探伤系统 |
CN103901102A (zh) * | 2014-03-31 | 2014-07-02 | 北京工业大学 | 一种基于超声相控阵技术的锻件典型缺陷识别方法 |
CN110926386A (zh) * | 2019-11-25 | 2020-03-27 | 国网吉林省电力有限公司电力科学研究院 | 基于ceemd-改进小波阈值去噪的变压器绕组超声检测三维成像方法 |
CN111044608A (zh) * | 2019-11-11 | 2020-04-21 | 四川大学 | 基于深度学习的磁瓦内部缺陷检测方法及其应用 |
-
2021
- 2021-04-27 CN CN202110461539.7A patent/CN113219054B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002243703A (ja) * | 2001-02-19 | 2002-08-28 | Nippon Steel Corp | 超音波探傷装置 |
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
CN102183582A (zh) * | 2011-01-27 | 2011-09-14 | 中国商用飞机有限责任公司 | 超声波无损检测装置及其方法 |
CN103870694A (zh) * | 2014-03-18 | 2014-06-18 | 江苏大学 | 一种基于修正小波阈值的经验模态分解去噪方法 |
CN103884775A (zh) * | 2014-03-23 | 2014-06-25 | 辽宁沈车铸业有限公司 | 用于铁路货车摇枕或侧架的水浸超声波自动探伤系统 |
CN103901102A (zh) * | 2014-03-31 | 2014-07-02 | 北京工业大学 | 一种基于超声相控阵技术的锻件典型缺陷识别方法 |
CN111044608A (zh) * | 2019-11-11 | 2020-04-21 | 四川大学 | 基于深度学习的磁瓦内部缺陷检测方法及其应用 |
CN110926386A (zh) * | 2019-11-25 | 2020-03-27 | 国网吉林省电力有限公司电力科学研究院 | 基于ceemd-改进小波阈值去噪的变压器绕组超声检测三维成像方法 |
Non-Patent Citations (2)
Title |
---|
天然气管道缺陷检测系统设计研究;张伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140415(第4期);第I140-578页 * |
超声检测柱状体内缺陷的三维反演方法研究;顾雯琪;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150715(第7期);第I140-579页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113219054A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113888471B (zh) | 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法 | |
EP1691194B1 (en) | Methods and system for ultrasound inspection | |
CN102183582B (zh) | 超声波无损检测装置及其方法 | |
EP2176656B1 (en) | Method and apparatus for inspecting components by detection of flaw signals in an image | |
CN112098526B (zh) | 基于激光超声技术的增材制件近表面缺陷特征提取方法 | |
CN111855803B (zh) | 一种金属增材制造微型缺陷的激光超声高信噪比成像方法 | |
CN110967409A (zh) | 一种基于多通道超声波探伤原始数据特征提取与识别方法 | |
CN110412129A (zh) | 一种考虑表面粗糙度的微细缺陷超声检测信号处理方法 | |
CN113219054B (zh) | 一种磁瓦内部缺陷检测装置及检测方法 | |
He et al. | Quantitative detection of surface defect using laser-generated Rayleigh wave with broadband local wavenumber estimation | |
JP2000338255A (ja) | 埋設物探査処理方法及び装置、並びに埋設物探査処理プログラムを記録した記録媒体 | |
CN117686598A (zh) | 一种基于小波分解的锚杆检测超声阵列回波信号处理方法 | |
CN104412106B (zh) | 钢材的品质评价方法以及品质评价装置 | |
CN109307715B (zh) | 储罐底板主被动声融合检测方法 | |
Cheng et al. | Detection of Internal Defects Based on Empirical Mode Decomposition and Wavelets Denoising | |
JP4606860B2 (ja) | 超音波探傷検査による欠陥識別方法とその装置 | |
CN111047547B (zh) | 一种基于多视图tfm的联合缺陷定量方法 | |
CN109307709B (zh) | 储罐底板主被动声融合检测系统 | |
US20230066202A1 (en) | Acoustic signals and data processing system and method for scanning acoustic microscopy | |
CN114487115B (zh) | 一种基于Canny算子与超声平面波成像相结合的高分辨缺陷无损检测方法 | |
CN115308310B (zh) | 一种管路内壁的超声探伤识别方法 | |
Zhu et al. | Local optimal threshold technique for the segmentation of ultrasonic time-of-flight diffraction image | |
KR102568815B1 (ko) | 콘크리트 비파괴검사를 위한 초음파 tof 추정 자동화 장치 및 방법 | |
CN118032817A (zh) | 基于智能超表面的建筑结构内部缺陷检测方法及系统 | |
Bai et al. | Ultrasonic array imaging of porosity defects with contrast enhancement based on dominant response subtraction |
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 |