CN113254875B - 一种磁轭式磁粉探伤机提升力测量方法 - Google Patents

一种磁轭式磁粉探伤机提升力测量方法 Download PDF

Info

Publication number
CN113254875B
CN113254875B CN202110441099.9A CN202110441099A CN113254875B CN 113254875 B CN113254875 B CN 113254875B CN 202110441099 A CN202110441099 A CN 202110441099A CN 113254875 B CN113254875 B CN 113254875B
Authority
CN
China
Prior art keywords
magnetic yoke
lifting force
magnetic
measurement
value
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
CN202110441099.9A
Other languages
English (en)
Other versions
CN113254875A (zh
Inventor
王尧君
黄成刚
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.)
Sichuan Zhongce Instrument Technology Co ltd
Original Assignee
Sichuan Zhongce Instrument Technology Co 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 Sichuan Zhongce Instrument Technology Co ltd filed Critical Sichuan Zhongce Instrument Technology Co ltd
Priority to CN202110441099.9A priority Critical patent/CN113254875B/zh
Publication of CN113254875A publication Critical patent/CN113254875A/zh
Application granted granted Critical
Publication of CN113254875B publication Critical patent/CN113254875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • 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
    • G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
    • G01N27/84—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields by applying magnetic powder or magnetic ink
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biochemistry (AREA)
  • Evolutionary Biology (AREA)
  • Pathology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)

Abstract

本发明方法公开了一种磁轭式磁粉探伤机提升力测量方法，包括以下步骤：步骤1：获取磁轭的真值；步骤2：采用磁轭提升力检定装置获取测量值；步骤3：采用步骤1和步骤2得到的值作为样本数据，构成测试集和训练集；步骤4：构建BP神经网络，采用步骤3构建的训练集进行训练；步骤5：将训练集输入训练好的BP神经网络，得到测量档位对应的概率；步骤6：确定测量档位对应的权值，采用加权求和的方法得到提升力测量值；本发明通过引入加权算法将神经网络输出测量值的扰动降低，提高测量的稳定性；得到的提升力测量值，为一个估计值，但是该方法体现了其真值的规律，提高了测量重复性的要求。

Description

一种磁轭式磁粉探伤机提升力测量方法
技术领域
本发明涉及磁粉探伤机提升力测量技术领域，具体涉及一种磁轭式磁粉探伤机提升力测量方法。
背景技术
磁轭式磁粉探伤机可以利用磁粉作为检测介质，利用磁化工件缺陷处的漏磁场力吸引磁粉形成磁痕，从而达到无损探伤的目的。现有测量技术中，一般是使用各种磁轭式磁粉探伤机，在工作时利用吸力，吸引4.5kg，17.7kg，8.8kg，11.8kg的四种铁块，以是否能提起作为判定依据和测量值。
使用四种重量的铁块，导致整个测量装置非常笨重，且测量值只能记录最小值(即≥测试铁块的重量)，不能给出具体的测量值导致不能进行不确定度的评定。《JJF 1458-2014》磁轭式磁粉探伤机校准规范中要求对该装置进行提升力的测量。其中交流电磁轭的提升力测量值应大于45N，直流电磁轭的提升力测量值应大于177N，交叉磁轭提升力测量值应大于88N，若用于特种设备，交叉磁轭提升力测量值应大于118N。提升力是使用外力将工作状态下的磁臂与标准铁块脱离的瞬间，磁场力所能输出的最大拉力。
提升力的测量是一个动态里的测量，在脱离的瞬间若试块的运动状态为静止或者匀速运动，则F提升力＝F测量值+G试块。但是由于不同的条件(如不同方向的外部拉力，不同的拉脱方法)，导致拉脱瞬间会有一个向上的速度，速度在重力的作用下，会继续向上运动直至速度为0。使用拉力传感器测量磁臂和试块分离瞬间拉力最值的方法，虽然可以采样得到力值随脱离过程的变化曲线，但是脱离瞬间，试块本身的状态不确定，导致受力关系不确定。在试块的运动状态不能控制为静止或者匀速运动条件下，无法对其进行受力分析。在这种状态下，测量的拉力会随着脱离瞬间试块的运动速度不同而改变，造成测量值的不稳定，进而造成测量重复性不达标。
发明内容
本发明提供一种测量重复性高的磁轭式磁粉探伤机提升力测量方法。
本发明采用的技术方案是：
一种磁轭式磁粉探伤机提升力测量方法，包括以下步骤：
步骤1：获取磁轭的真值；
步骤2：采用磁轭提升力检定装置获取测量值；
步骤3：采用步骤1和步骤2得到的值作为样本数据，构成测试集和训练集；
步骤4：构建BP神经网络，采用步骤3构建的训练集进行训练；
步骤5：将训练集输入训练好的BP神经网络，得到测量档位对应的概率；
步骤6：确定测量档位对应的权值，采用加权求和的方法得到提升力测量值。
进一步的，所述磁轭提升力检定装置包括设置到待测磁轭探伤机下的标准铁块；标准铁块下方设置有用于测量待测磁轭探伤机和标准铁块脱离时磁场拉力的第一传感器和第二传感器的一端；第一传感器和第二传感器的另一端连接连接板；连接板通过滚珠丝杆连接步进电机。
进一步的，所述步骤6所述提升力测量值F的计算方法如下：
F＝(45×P(45N)+88×P(88N)+118×P(118N)+177×P(177N))×0.5+Fmax×0.5
式中：P(45N)、P(88N)、P(118N)、P(177N)分别为对应测量档位的概率，Fmax为概率最大的档位力值。
进一步的，所述步骤1真值的获取过程如下：
S11：选取四种类型的磁臂，交流磁轭、第一交叉磁轭、第二交叉磁轭、直流磁轭；
S12：开启各个磁轭提起2kg重标准试块；
S13：在标准试块上加标准砝码并记录磁轭提起的总重；
S14：直到试块跌落，记录跌落前磁轭提起的总重，此重量作为该磁轭的真值。
进一步的，所述步骤2中采用磁轭提升力检定装置获取磁轭的测量曲线，选择测量曲线附近的N个值和步骤1得到的真值，作为样本数据。
进一步的，所述BP神经网络输出层为对应测量档位的概率，概率范围为[0，1]。
本发明的有益效果是：
(1)本发明基于BP神经网络构建一种模式识别方法，能将测量数据输入训练好的模型，在根据各个模式的识别概率和最终的识别档位，各乘以加权值0.5再相加，计算最终的提升力测试值；
(2)本发明通过引入加权算法将神经网络输出测量值的扰动降低，提高测量的稳定性；
(3)本发明得到的提升力测量值，为一个估计值，但是该方法体现了其真值的规律，提高了测量重复性的要求。
附图说明
图1为本发明中的磁轭提升力检定装置结构示意图。
图2为本发明中的BP神经网络结构示意图。
图中：1-待测磁轭探伤机，2-标准铁块，31-第一传感器，32-第二传感器，4-连接板，5-滚珠丝杆，6-步进电机。
具体实施方式
一种磁轭式磁粉探伤机提升力测量方法，包括以下步骤：
步骤1：获取磁轭的真值；
真值的获取过程如下：
S11：选取四种类型的磁臂，交流磁轭、第一交叉磁轭、第二交叉磁轭、直流磁轭；
S12：开启各个磁轭提起2kg重标准试块；
S13：在标准试块上加标准砝码并记录磁轭提起的总重；
S14：直到试块跌落，记录跌落前磁轭提起的总重，此重量作为该磁轭的真值。
步骤2：采用磁轭提升力检定装置获取测量值；
磁轭提升力检定装置包括设置到待测磁轭探伤机1下的标准铁块2；标准铁块2下方设置有用于测量待测磁轭探伤机1和标准铁块2脱离时磁场拉力的第一传感器31和第二传感器32的一端；第一传感器31和第二传感器32的另一端连接连接板4；连接板(4)通过滚珠丝杆5连接步进电机6。
步骤3：采用步骤1和步骤2得到的值作为样本数据，构成测试集和训练集；
采用磁轭提升力检定装置获取磁轭的测量曲线，选择测量曲线附近的N个值和步骤1得到的真值，作为样本数据。本实施例中N选择10。
步骤4：构建BP神经网络，如图2所示，采用步骤3构建的训练集进行训练；
步骤5：将训练集输入训练好的BP神经网络，得到测量档位对应的概率；
BP神经网络输出层为对应测量档位的概率，输出层为本组数据是45N、88N、118N、177N档位的概率，概率范围为[0，1]。
步骤6：确定测量档位对应的权值，采用加权求和的方法得到提升力测量值。
提升力测量值F的计算方法如下：
F＝(45×P(45N)+88×P(88N)+118×P(118N)+177×P(177N))×0.5+Fmax×0.5
式中：P(45N)、P(88N)、P(118N)、P(177N)分别为对应测量档位的概率，Fmax为概率最大的档位力值。
由于磁轭式磁粉探伤机的提升力是由闭环磁轭的磁场强度决定，导致使用直接测力的方式测量提升力这个物理量会有较大的数据波动，不能进一步对磁轭式磁粉探伤机的探伤性能进行评估。为了更好的评估提升力这个指标，本发明提供一种数据评价算法。最终测得的提升力和脱离速度有关，而物体当前的速度又和当前的受力情况(反应当前的加速度情况)有关。所以在训练神经网络时，将最值附近的10个值输入，这十个值反映了在脱离瞬间的力值变化情况，经过神经网络的训练，即可正确计算最终的提升力。
本发明方法中将测量数据输入训练好的模型，再根据各个模式的识别概率和最终的识别档位，各乘以加权值0.5再相加，计算最终的提升力测量值。引入加权算法是由于模式识别得到的测量值由于随机扰动可能得到波动较大的值，引出加权值即可将神经网络输出测量值的扰动降低，进一步提高测量稳定性。本发明方法计算的提升力测量值，可以看做一个估计值，但是实验表明该估算方法可以从一个方面体现其真值的部分规律，进而实现提高测量重复性的要求。

Claims (3)

1.一种磁轭式磁粉探伤机提升力测量方法，其特征在于，包括以下步骤：
步骤1：获取磁轭的真值；
步骤2：采用磁轭提升力检定装置获取测量值；采用磁轭提升力检定装置获取磁轭的测量曲线，选择测量曲线附近的N个值和步骤1得到的真值，作为样本数据；
步骤3：采用步骤1和步骤2得到的值作为样本数据，构成测试集和训练集；
步骤4：构建BP神经网络，采用步骤3构建的训练集进行训练；
步骤5：将训练集输入训练好的BP神经网络，得到测量档位对应的概率；BP神经网络输出层为对应测量档位的概率，概率范围为[0，1]；
步骤6：确定测量档位对应的权值，采用加权求和的方法得到提升力测量值；
提升力测量值F的计算方法如下：
F＝(45×P(45N)+88×P(88N)+118×P(118N)+177×P(177N))×0.5+Fmax×0.5
式中：P(45N)、P(88N)、P(118N)、P(177N)分别为对应测量档位的概率，Fmax为概率最大的档位力值。
2.根据权利要求1所述的一种磁轭式磁粉探伤机提升力测量方法，其特征在于，所述磁轭提升力检定装置包括设置到待测磁轭探伤机(1)下的标准铁块(2)；标准铁块(2)下方设置有用于测量待测磁轭探伤机(1)和标准铁块(2)脱离时磁场拉力的第一传感器(31)和第二传感器(32)的一端；第一传感器(31)和第二传感器(32)的另一端连接连接板(4)；连接板(4)通过滚珠丝杆(5)连接步进电机(6)。
3.根据权利要求1所述的一种磁轭式磁粉探伤机提升力测量方法，其特征在于，所述步骤1真值的获取过程如下：
S11：选取四种类型的磁臂，交流磁轭、第一交叉磁轭、第二交叉磁轭、直流磁轭；
S12：开启各个磁轭提起2kg重标准试块；
S13：在标准试块上加标准砝码并记录磁轭提起的总重；
S14：直到试块跌落，记录跌落前磁轭提起的总重，此重量作为该磁轭的真值。
CN202110441099.9A 2021-04-23 2021-04-23 一种磁轭式磁粉探伤机提升力测量方法 Active CN113254875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110441099.9A CN113254875B (zh) 2021-04-23 2021-04-23 一种磁轭式磁粉探伤机提升力测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110441099.9A CN113254875B (zh) 2021-04-23 2021-04-23 一种磁轭式磁粉探伤机提升力测量方法

Publications (2)

Publication Number Publication Date
CN113254875A CN113254875A (zh) 2021-08-13
CN113254875B true CN113254875B (zh) 2022-11-22

Family

ID=77221403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110441099.9A Active CN113254875B (zh) 2021-04-23 2021-04-23 一种磁轭式磁粉探伤机提升力测量方法

Country Status (1)

Country Link
CN (1) CN113254875B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011013007A (ja) * 2009-06-30 2011-01-20 Kobe Steel Ltd 磁粉探傷装置
CN108519187A (zh) * 2018-05-17 2018-09-11 吉林大学 一种拖拉机液压提升力测量系统和测量方法
CN109060941A (zh) * 2018-08-31 2018-12-21 南京航空航天大学 基于漏磁检测和神经网络的钢轨缺陷切面夹角检测方法
CN111579137A (zh) * 2020-06-19 2020-08-25 河南省计量科学研究院 一种磁轭式磁粉探伤机提升力测量方法及其装置
CN111652853A (zh) * 2020-05-11 2020-09-11 西南科技大学 一种基于深度卷积神经网络的磁粉探伤检测方法
CN111855825A (zh) * 2020-06-28 2020-10-30 济南大学 基于bp神经网络的轨头核伤识别方法及系统
CN211954523U (zh) * 2020-06-19 2020-11-17 河南省计量科学研究院 一种磁轭式磁粉探伤机提升力测量装置
CN112037205A (zh) * 2020-09-01 2020-12-04 湖北微特传感物联研究院有限公司 一种基于深度学习的起重机裂纹检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102240993B1 (ko) * 2018-03-20 2021-04-15 미쓰비시덴키 가부시키가이샤 표시 장치, 표시 시스템, 및 표시 화면 생성 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011013007A (ja) * 2009-06-30 2011-01-20 Kobe Steel Ltd 磁粉探傷装置
CN108519187A (zh) * 2018-05-17 2018-09-11 吉林大学 一种拖拉机液压提升力测量系统和测量方法
CN109060941A (zh) * 2018-08-31 2018-12-21 南京航空航天大学 基于漏磁检测和神经网络的钢轨缺陷切面夹角检测方法
CN111652853A (zh) * 2020-05-11 2020-09-11 西南科技大学 一种基于深度卷积神经网络的磁粉探伤检测方法
CN111579137A (zh) * 2020-06-19 2020-08-25 河南省计量科学研究院 一种磁轭式磁粉探伤机提升力测量方法及其装置
CN211954523U (zh) * 2020-06-19 2020-11-17 河南省计量科学研究院 一种磁轭式磁粉探伤机提升力测量装置
CN111855825A (zh) * 2020-06-28 2020-10-30 济南大学 基于bp神经网络的轨头核伤识别方法及系统
CN112037205A (zh) * 2020-09-01 2020-12-04 湖北微特传感物联研究院有限公司 一种基于深度学习的起重机裂纹检测方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Mu2e Magnetic Measurement Studies;M. Buehler, S. Gluchko, M. L. Lopes, C. Orozco, M. Tartaglia, an;《APPLIED SUPERCONDUCTIVITY》;20140630;第24卷(第3期);1-4 *
Study on the Laser-EMAT Integrated System for Simultaneously Measuring the Width and Depth of Metal Plate;Wei Yuan;《IEEE SENSORS JOURNAL》;20210301;第21卷(第5期);6270-6279 *
磁轭式磁粉探伤机提升力测量装置的研制;李胜春;《计量与测试技术》;20200229;第47卷(第2期);19-21 *
磁轭式磁粉探伤机测量值的不确定度分析;李震;《计量与测试技术》;20150830;第42卷(第8期);74-77 *
磁轭式磁粉探伤机测量值的不确定度评定方法研究;韦宗祥;《计量与测试技术》;20160130;第43卷(第1期);73-74 *
磁轭式磁粉探伤机综合校验标准装置的研制;宗翔宇;《中国计量》;20191010;89-93 *
磁轭式磁粉探伤机计量特性校准方法研究;周长华;《计量与测试技术》;20140730;第41卷(第7期);21-22 *

Also Published As

Publication number Publication date
CN113254875A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN110006645B (zh) 一种多源融合的高压断路器机械故障诊断方法
CN109142514B (zh) 一种基于脉冲涡流阵列的缺陷检测装置及方法
CN108710752B (zh) 一种基于灰色关联分析和bp神经网络的电机数据分析方法
CN107784191A (zh) 基于神经网络模型的异性结构面峰值抗剪强度预测方法
CN110174255B (zh) 一种基于径向基神经网络的变压器振动信号分离方法
CN111678976B (zh) 一种电磁无损质量检测方法及其检测电路和系统
US12099033B2 (en) Mechanical property measuring apparatus, mechanical property measuring method, substance manufacturing equipment, substance management method, and substance manufacturing method
CN110470738A (zh) 基于振动响应差比函数的结构损伤识别方法
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
CN113254875B (zh) 一种磁轭式磁粉探伤机提升力测量方法
Zhang et al. Fast quantitative method to detect the cross-sectional loss of wire rope defects
CN107689015A (zh) 一种改进的电力系统不良数据辨识方法
CN114881071A (zh) 基于多源信息的同步电机转子绕组匝间短路故障诊断方法
CN117406146A (zh) 一种基于深度学习的磁场检测方法
Wang et al. Method of measuring the mechanical properties of ferromagnetic materials based on magnetostriction EMAT and sound velocity
Huang et al. Measuring quantum entanglement from local information by machine learning
CN109541013A (zh) 一种铁磁性合金钢位错密度检测方法
EP4166252A1 (en) Mechanical property measuring device, mechanical property measuring method, substance manufacturing facility, substance management method, and substance manufacturing method
EP4166941A1 (en) Mechanical property measurement device, mechanical property measurement method, material production equipment, material management method, and material production method
CN111948286A (zh) 一种基于超声波和深度学习的应力检测方法、装置及设备
RU2827986C1 (ru) Устройство для измерения механических свойств, способ измерения механических свойств, оборудование для изготовления материала, способ контроля материала и способ изготовления материала
CN114923613B (zh) 一种铝合金板材残余应力涡流检测方法
CN116451583A (zh) 磁声多传感特征融合应力检测系统和检测方法
CN115236175B (zh) 基于比值特征参数的断口宽度反演模型的构建方法
JP2627934B2 (ja) 劣化診断方法並びに劣化診断システムおよびその内部装置

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
CB02 Change of applicant information

Address after: No. 102, 1st Floor, Building 8, No. 38, Jinke South Road, Jinniu Hi tech Industrial Park, Chengdu, Sichuan 610,036

Applicant after: Sichuan Zhongce Instrument Technology Co.,Ltd.

Address before: No.3, 12 / F, Jinmei international, No.88, Changqing Road, Jinniu District, Chengdu, Sichuan 610000

Applicant before: Sichuan ruijingte Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant