CN114460169A - 基于新型弧形线圈的螺纹缺陷深度和长度检测方法 - Google Patents

基于新型弧形线圈的螺纹缺陷深度和长度检测方法 Download PDF

Info

Publication number
CN114460169A
CN114460169A CN202111292536.1A CN202111292536A CN114460169A CN 114460169 A CN114460169 A CN 114460169A CN 202111292536 A CN202111292536 A CN 202111292536A CN 114460169 A CN114460169 A CN 114460169A
Authority
CN
China
Prior art keywords
defect
coil
length
thread
depth
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
Application number
CN202111292536.1A
Other languages
English (en)
Inventor
谢跃东
黄璞
黄波
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 Aofeite Intelligent Control Technology Co ltd
Original Assignee
Beijing Aofeite Intelligent Control 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 Beijing Aofeite Intelligent Control Technology Co ltd filed Critical Beijing Aofeite Intelligent Control Technology Co ltd
Priority to CN202111292536.1A priority Critical patent/CN114460169A/zh
Publication of CN114460169A publication Critical patent/CN114460169A/zh
Pending legal-status Critical Current

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
    • G01N27/9013—Arrangements for scanning
    • 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
    • G01N27/904—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 with two or more sensors
    • 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
    • G01N27/9093—Arrangements for supporting the sensor; Combinations of eddy-current sensors and auxiliary arrangements for marking or for rejecting

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

本发明公开了基于新型弧形线圈的螺纹缺陷深度和长度检测方法，包括以下步骤：传感器优化，特征提取，参数拟合，多参数反演，本发明适用于螺纹缺陷检测技术领域，采用弧形T‑R传感器结构，能够保证每个线圈的提离距离相同，使得线圈间的互阻抗主要取绝被测钻杆螺纹的特性，同时，采用两激一收的工作模式，可以消除背景噪声，并且提高缺陷检测的灵敏度，基于有限元仿真模型，采用扫频激励的测量方式，提取线圈间互阻抗测量结果的特征点，通过拟合的方法获得线圈间互阻抗与缺陷的长度和深度的相互关系，降低了成本，提高了测量精度及检测效率，基于仿真的线圈间互阻抗的扫频测量结果，采用牛顿法反演获得钻杆螺纹的缺陷深度和长度信息。

Description

基于新型弧形线圈的螺纹缺陷深度和长度检测方法
技术领域
本发明属于螺纹缺陷检测技术领域，具体是基于新型弧形线圈的螺纹缺陷深度和长度检测方法。
背景技术
钻杆螺纹广泛应用于石油化工、大地勘测、航空航天等领域。螺纹在服役过程中，不可避免地由于磨损而产生缺陷。一旦缺陷产生，将对整个设备的安全产生严重的威胁。为了避免危险的发生，在使用前需要对钻杆螺纹进行无损检测。
传统的螺纹检测缺陷检测是人工利用专门的测量工具进行测量。然而，这种方法效率低，耗费大量的人力和物力，同时测量的误差相对较大。因此，该方法不适用于实际应用。
目前，常见的无损检测手段包括超声波检测技术、射线检测技术、热成像检测技术、漏磁技术和涡流检测技术等。超声检测技术具有扫面速度快的优点，但是需要耦合剂，且复杂的钻杆螺纹结构不利于超神信号的分析。射线检测技术具有三维可视化的优点，但是存在成本高、对人体伤害性大的缺点。热成像技术可以实现大面积检测，但是所使用的仪器成本较高，并且对较深的缺陷不灵敏。漏磁技术则可以快速检测螺纹表面处缺陷，但是该方法仅限于导磁性材料。
实际上，在钻杆螺纹缺陷检测中，常使用平行T-R传感器，这种结构不仅导致传感器检测到的信号受提离距离干扰，同时传感器的检测效率也受到影响。
发明内容
本发明的目的在于克服现有技术的缺陷，提供基于新型弧形线圈的螺纹缺陷深度和长度检测方法。
为实现上述目的，本发明采用了如下技术方案：
基于新型弧形线圈的螺纹缺陷深度和长度检测方法，包括以下步骤：
步骤1:传感器优化：获得对被测螺纹缺陷灵敏度较高的弧形传感器；
步骤2：特征提取：采用扫频激励的方式，获得螺纹信息，对扫频测量的信号进行特征提取；
步骤3：参数拟合：对特征点与缺陷的参数进行拟合，根据拟合结果，通过扫频信号的特征反演缺陷的信息；
步骤4：多参数反演：采用牛顿迭代法，直接对扫频结果反演缺陷的信息。
优选的，所述步骤1中，对被测螺纹缺陷灵敏度较高的弧形传感器包括两个激励线圈和一个激励线圈，三个线圈呈现弧形结构，采用正交试验和神经网络相结合的传感器优化算法，优化的参数包括线圈高度、内外径、线圈间的距离和提离距离，h的范围为1mm-3mm，r1和r2的范围分别为1mm-1.2mm和1.5mm-1.75mm，w的范围为0.5mm-1mm，h为线圈的高度，r1和r2分别为内外径，w为每个线圈间的距离，l1为每个线圈的提离距离。
优选的，所述步骤1中，传感器优化，包括以下步骤：
确定影响传感器灵敏度的主要参数有线圈高度、内外径、线圈间的距离和提离距离，并根据实际情况估计每个参数的取值范围；
其次，根据传感器各参数取值范围，对每一个参数选取5个水平开展仿真实验，共有55组实验，根据仿真实验结果，确定传感器最优值的基本范围，采用遗传算法优化的BP神经网络建立传感器各参数与线圈互阻抗变化的函数关系。
优选的，所述步骤2中，仿真确定特征点，包括：
设置相应的边界条件，保证被测金属区域和空气区域的磁场强度H、磁势A的切向分量和涡流矢量J的法向分量连续，表示为：
n×(A1-A2)＝0 (1)，
n×(H1-H2)＝0 (2)，
n·(J1-J2)＝0 (3)，
其中，磁势A1和A2分别表示被测件与空气表面处的磁势，H1和H2分别为空气区域和被测件表面处的磁场强度，J1和J2则分别表示空气区域和被测件处的涡流密度；
在仿真中，被测钻杆螺纹的材质为不锈钢，电导率为1.1×106S/m，相对磁导率μr＝1，网格采用自由剖分的方法，激励电流设置为1A的交流电加载在新型T-R传感器中以产生交变磁场，激励采用扫频的方式，产生的涡流场强度最大为1779.32A/m2。
优选的，所述步骤3中，参数拟合，包括：
基于仿真结果，采用多项式拟合的方法拟合特征点与缺陷参数的关系，基于钻杆螺纹缺陷测量模型，固定缺陷的长度，并将缺陷的深度设置为2.5mm—0mm，步长选择为0.5mm，根据仿真获得的互阻抗虚部的峰值特征点，并采用公式(4)三次函数拟合，其中，公式(4)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (4)
其中，a，b，c和e分别为拟合的三次项、二次项、一次项和常数项系数，取决于钻杆螺纹的电磁特性和缺陷的长度，参数d表示缺陷的长度。
采用相同的方法，基于钻杆螺纹缺陷测量模型，固定缺陷的深度，改变缺陷的长度，缺陷的长度设置为12mm-22mm，步长设置为2mm，根据仿真获得的线圈间互阻抗的峰值，采用公式(5)所示的函数对特征点进行拟合，公式(5)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (5)。
优选的，所述步骤4中，多参数反演，包括：
找出一组参数使得线圈的阻抗相对增量的计算值与实测值误差最小，即
Figure BDA0003335373600000041
其中，x为待求参数向量，及缺陷的长度和深度，为1×2的数组，R(x)为模拟仿真的计算结果，T为真实结果，求解的目的是使R(x)不断逼近T；
首先选定一个初始值，进行迭代，每迭代一次，需要计算f(x)，判断f(x)是否小于阈值，若小于阈值，则迭代结束，否则计算迭代，当迭代结束时，所计算的x为求解结果，即为缺陷的长度和深度，其中，迭代公式为：
Δx≈-[R'(xr)TR'(xr)]-1×[R'(xr)TR'(xr)-T]。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明中，采用弧形T-R传感器结构，能够保证每个线圈的提离距离相同，使得线圈间的互阻抗主要取绝被测钻杆螺纹的特性，同时，采用两激一收的工作模式，可以消除背景噪声，并且提高缺陷检测的灵敏度。
本发明中，基于有限元仿真模型，采用扫频激励的测量方式，提取线圈间互阻抗测量结果的特征点，通过拟合的方法获得线圈间互阻抗与缺陷的长度和深度的相互关系，降低了成本，提高了测量精度及检测效率。
本发明中，基于Ansys Maxwell仿真的线圈间互阻抗的扫频测量结果，采用Newton法反演获得钻杆螺纹的缺陷深度和长度信息，提高了测量精度。
附图说明
图1是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法的流程图；
图2是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中新型T-R钻杆螺纹传感器结构图；
图3是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中传感器优化的整体流程图；
图4是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中线圈间互阻抗(虚部)扫频测量结果图；
图5是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中线圈间互阻抗(实部)扫频测量结果图；
图6是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中基于特征点提取的缺陷深度拟合结果图；
图7是本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法中基于特征点提取的缺陷长度拟合结果图。
具体实施方式
以下结合附图1-7，进一步说明本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法的具体实施方式。本发明基于新型弧形线圈的螺纹缺陷深度和长度检测方法不限于以下实施例的描述。
实施例1：
本实施例给出基于新型弧形线圈的螺纹缺陷深度和长度检测方法的具体实施方式，如图1-7所示，包括以下步骤：
步骤1:传感器优化：获得对被测螺纹缺陷灵敏度较高的弧形传感器；
步骤2：特征提取：采用扫频激励的方式，获得螺纹信息，对扫频测量的信号进行特征提取；
步骤3：参数拟合：对特征点与缺陷的参数进行拟合，根据拟合结果，通过扫频信号的特征反演缺陷的信息；
步骤4：多参数反演：采用牛顿迭代法，直接对扫频结果反演缺陷的信息。
进一步的，步骤1中，对被测螺纹缺陷灵敏度较高的弧形传感器包括两个激励线圈和一个激励线圈，三个线圈呈现弧形结构，采用正交试验和神经网络相结合的传感器优化算法，优化的参数包括线圈高度、内外径、线圈间的距离和提离距离，h的范围为1mm-3mm，r1和r2的范围分别为1mm-1.2mm和1.5mm-1.75mm，w的范围为0.5mm-1mm，h为线圈的高度，r1和r2分别为内外径，w为每个线圈间的距离，l1为每个线圈的提离距离。
进一步的，步骤1中，传感器优化，包括以下步骤：
确定影响传感器灵敏度的主要参数有线圈高度、内外径、线圈间的距离和提离距离，并根据实际情况估计每个参数的取值范围；
其次，根据传感器各参数取值范围，对每一个参数选取5个水平开展仿真实验，共有55组实验，根据仿真实验结果，确定传感器最优值的基本范围，采用遗传算法优化的BP神经网络建立传感器各参数与线圈互阻抗变化的函数关系。
进一步的，步骤2中，仿真确定特征点，包括：
设置相应的边界条件，保证被测金属区域和空气区域的磁场强度H、磁势A的切向分量和涡流矢量J的法向分量连续，表示为：
n×(A1-A2)＝0 (1)，
n×(H1-H2)＝0 (2)，
n·(J1-J2)＝0 (3)，
其中，磁势A1和A2分别表示被测件与空气表面处的磁势，H1和H2分别为空气区域和被测件表面处的磁场强度，J1和J2则分别表示空气区域和被测件处的涡流密度；
在仿真中，被测钻杆螺纹的材质为不锈钢，电导率为1.1×106S/m，相对磁导率μr＝1，网格采用自由剖分的方法，激励电流设置为1A的交流电加载在新型T-R传感器中以产生交变磁场，激励采用扫频的方式，产生的涡流场强度最大为1779.32A/m2。
进一步的，步骤3中，参数拟合，包括：
基于仿真结果，采用多项式拟合的方法拟合特征点与缺陷参数的关系，基于钻杆螺纹缺陷测量模型，固定缺陷的长度，并将缺陷的深度设置为2.5mm—0mm，步长选择为0.5mm，根据仿真获得的互阻抗虚部的峰值特征点，并采用公式(4)三次函数拟合，其中，公式(4)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (4)
其中，a，b，c和e分别为拟合的三次项、二次项、一次项和常数项系数，取决于钻杆螺纹的电磁特性和缺陷的长度，参数d表示缺陷的长度。
采用相同的方法，基于钻杆螺纹缺陷测量模型，固定缺陷的深度，改变缺陷的长度，缺陷的长度设置为12mm-22mm，步长设置为2mm，根据仿真获得的线圈间互阻抗的峰值，采用公式(5)所示的函数对特征点进行拟合，公式(5)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (5)。
进一步的，步骤4中，多参数反演，包括：
找出一组参数使得线圈的阻抗相对增量的计算值与实测值误差最小，即
Figure BDA0003335373600000081
其中，x为待求参数向量，及缺陷的长度和深度，为1×2的数组，R(x)为模拟仿真的计算结果，T为真实结果，求解的目的是使R(x)不断逼近T；
首先选定一个初始值，进行迭代，每迭代一次，需要计算f(x)，判断f(x)是否小于阈值，若小于阈值，则迭代结束，否则计算迭代，当迭代结束时，所计算的x为求解结果，即为缺陷的长度和深度，其中，迭代公式为：
Δx≈-[R'(xr)TR'(xr)]-1×[R'(xr)TR'(xr)-T]。
实施例2：
本实施例给出基于新型弧形线圈的螺纹缺陷深度和长度检测方法的具体实施方式，如图1-7所示，包括以下步骤：
步骤一：所提出的新型弧形传感器包括两个激励线圈和一个激励线圈，三个线圈呈现弧形结构，如图2所示。线圈的高度为h，内外径分别为r1和r2，每个线圈间的距离为w。此外，线圈采用弧形结构，因此提离距离均为l1，消除线圈提离距离存在所带来的影响。采用正交试验和神经网络相结合的传感器优化算法，优化过程的整体基本流程图如图3所示。优化的参数包括线圈高度、内外径、线圈间的距离和提离距离。其中h的范围为1mm-3mm，r1和r2的范围分别为1mm-1.2mm和1.5mm-1.75mm，线圈间的距离w的范围为0.5mm-1mm。目标值采用线圈之间阻抗的变化。
通过先验知识确定影响传感器灵敏度的主要因素有线圈高度、内外径、线圈间的距离和提离距离，并根据实际情况估计每个参数的的大致取值范围。其次，根据传感器各参数取值范围，对每一个参数选取5个水平开展仿真实验，共有55组实验。根据仿真实验结果，可以基本确定传感器最优值的基本范围。在该范围内，由于神经网络具有较好的非线性函数逼近能力，具有较好的拟合精度。因此，采用遗传算法优化的BP神经网络建立传感器各参数与线圈互阻抗变化的函数关系。
步骤二：仿真确定特征点。采用ANASYS Maxwell有限元仿真软件分析优化的新型T-R传感器，为了保证被测金属区域和空气区域的磁场强度H、磁势A的切向分量和涡流矢量J的法向分量连续，设置相应的边界条件，表示为式(1)—(3)。在仿真中，被测钻杆螺纹的材质选择为不锈钢，即电导率为3×108S/m，相对磁导率μr＝1，网格采用自由剖分的方法，激励电流设置为1A的交流电加载在新型T-R传感器中以产生交变磁场，激励采用扫频的方式，所产生的涡流场强度最大可以达到1779.32A/m2。仿真的实部和虚部分别如图4和5所示。可以从4中看到，扫频的结果存在一个峰值点，该峰值点作为扫频测量的特征点。
n×(A1-A2)＝0 (1)，
n×(H1-H2)＝0 (2)，
n·(J1-J2)＝0 (3)，
式中磁势A1和A2分别表示被测件与空气表面处的磁势，H1和H2分别为空气区域和被测件表面处的磁场强度，J1和J2则分别表示空气区域和被测件处的涡流密度。
步骤三：基于仿真结果，采用多项式拟合的方法拟合特征点与缺陷参数的关系。基于钻杆螺纹缺陷测量模型，固定缺陷的长度，并将缺陷的深度设置为2.5mm—0mm，步长选择为0.5mm。根据仿真获得的互阻抗虚部的峰值特征点，并采用式(4)三次函数拟合，结果如图7所示。
θ＝a(d)x3+b(d)x2+c(d)x+e (4)，
式中a，b，c和e分别为拟合的三次项、二次项、一次项和常数项系数，取决于钻杆螺纹的电磁特性和缺陷的长度。参数d表示缺陷的长度。对于图6所示的拟合结果，R2＝0.9381，证明拟合结果的准确性。
除此之外，采用相同的方法，基于图1所示的钻杆螺纹缺陷测量模型，固定缺陷的深度，改变缺陷的长度，缺陷的长度设置为12mm-22mm，步长设置为2mm。根据仿真获得的线圈间互阻抗的峰值，采用公式(5)所示的函数对特征点进行拟合，R2＝0.9903，结果如图7所示。
θ＝a(d)x3+b(d)x2+c(d)x+e (5)
步骤四：提出一种可以同时计算得到缺陷长度和深度信息的方法，该方法是基于优化方法得到，它需要找出一组参数使得线圈的阻抗相对增量的计算值与实测值误差最小，即
Figure BDA0003335373600000111
式中x为待求参数向量，及缺陷的长度和深度，它为1×2的数组，R(x)为模拟仿真的计算结果，T为真实结果，求解的目的是使R(x)不断逼近T。
本专利提出一种基于Newton的反演方法获得缺陷的长度和深度。为了寻找最优的缺陷尺寸使f(x)值最小。根据泰勒展开，f'(x)可以近似表示为：
f'(x)≈f'(xr)+f”(xr)×[Δx] (7)
式中xr表示缺陷的实际尺寸(最优解)，Δx＝x-xr。
在xr的附近区域，f”可以近似计算为：
f”(x)≈[R'(xr)]T[R'(xr)] (8)
将(8)代入(7)，可以得到：
Δx≈-[R'(xr)TR'(xr)]-1×[R'(xr)TR'(xr)-T] (9)
因此该迭代算法首先选定一个初始值，按照公式(9)进行迭代，每迭代一次，需要计算f(x)，判断f(x)是否小于阈值，若小于阈值，则迭代结束，否则计算迭代。当迭代结束时，所计算的x为求解结果，即为缺陷的长度和深度。
以上内容是结合具体的优选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，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (6)

1.基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，包括以下步骤：
步骤1:传感器优化：获得对被测螺纹缺陷灵敏度较高的弧形传感器；
步骤2：特征提取：采用扫频激励的方式，获得螺纹信息，对扫频测量的信号进行特征提取；
步骤3：参数拟合：对特征点与缺陷的参数进行拟合，根据拟合结果，通过扫频信号的特征反演缺陷的信息；
步骤4：多参数反演：采用牛顿迭代法，直接对扫频结果反演缺陷的信息。
2.如权利要求1所述的基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，所述步骤1中，对被测螺纹缺陷灵敏度较高的弧形传感器包括两个激励线圈和一个激励线圈，三个线圈呈现弧形结构，采用正交试验和神经网络相结合的传感器优化算法，优化的参数包括线圈高度、内外径、线圈间的距离和提离距离，h的范围为1mm-3mm，r1和r2的范围分别为1mm-1.2mm和1.5mm-1.75mm，w的范围为0.5mm-1mm，h为线圈的高度，r1和r2分别为内外径，w为每个线圈间的距离，l1为每个线圈的提离距离。
3.如权利要求1所述的基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，所述步骤1中，传感器优化，包括以下步骤：
确定影响传感器灵敏度的主要参数有线圈高度、内外径、线圈间的距离和提离距离，并根据实际情况估计每个参数的取值范围；
其次，根据传感器各参数取值范围，对每一个参数选取5个水平开展仿真实验，共有55组实验，根据仿真实验结果，确定传感器最优值的基本范围，采用遗传算法优化的BP神经网络建立传感器各参数与线圈互阻抗变化的函数关系。
4.如权利要求1所述的基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，所述步骤2中，仿真确定特征点，包括：
设置相应的边界条件，保证被测金属区域和空气区域的磁场强度H、磁势A的切向分量和涡流矢量J的法向分量连续，表示为：
n×(A1-A2)＝0 (1)，
n×(H1-H2)＝0 (2)，
n·(J1-J2)＝0 (3)，
其中，磁势A1和A2分别表示被测件与空气表面处的磁势，H1和H2分别为空气区域和被测件表面处的磁场强度，J1和J2则分别表示空气区域和被测件处的涡流密度；
在仿真中，被测钻杆螺纹的材质为不锈钢，电导率为1.1×106S/m，相对磁导率μr＝1，网格采用自由剖分的方法，激励电流设置为1A的交流电加载在新型T-R传感器中以产生交变磁场，激励采用扫频的方式，产生的涡流场强度最大为1779.32A/m2。
5.如权利要求1所述的基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，所述步骤3中，参数拟合，包括：
基于仿真结果，采用多项式拟合的方法拟合特征点与缺陷参数的关系，基于钻杆螺纹缺陷测量模型，固定缺陷的长度，并将缺陷的深度设置为2.5mm—0mm，步长选择为0.5mm，根据仿真获得的互阻抗虚部的峰值特征点，并采用公式(4)三次函数拟合，其中，公式(4)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (4)
其中，a，b，c和e分别为拟合的三次项、二次项、一次项和常数项系数，取决于钻杆螺纹的电磁特性和缺陷的长度，参数d表示缺陷的长度；
采用相同的方法，基于钻杆螺纹缺陷测量模型，固定缺陷的深度，改变缺陷的长度，缺陷的长度设置为12mm-22mm，步长设置为2mm，根据仿真获得的线圈间互阻抗的峰值，采用公式(5)所示的函数对特征点进行拟合，公式(5)为：
θ＝a(d)x3+b(d)x2+c(d)x+e (5)。
6.如权利要求1所述的基于新型弧形线圈的螺纹缺陷深度和长度检测方法，其特征在于，所述步骤4中，多参数反演，包括：
找出一组参数使得线圈的阻抗相对增量的计算值与实测值误差最小，即
Figure FDA0003335373590000031
其中，x为待求参数向量，及缺陷的长度和深度，为1×2的数组，R(x)为模拟仿真的计算结果，T为真实结果，求解的目的是使R(x)不断逼近T；
首先选定一个初始值，进行迭代，每迭代一次，需要计算f(x)，判断f(x)是否小于阈值，若小于阈值，则迭代结束，否则计算迭代，当迭代结束时，所计算的x为求解结果，即为缺陷的长度和深度，其中，迭代公式为：
Δx≈-[R'(xr)TR'(xr)]-1×[R'(xr)TR'(xr)-T]。
CN202111292536.1A 2021-11-03 2021-11-03 基于新型弧形线圈的螺纹缺陷深度和长度检测方法 Pending CN114460169A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111292536.1A CN114460169A (zh) 2021-11-03 2021-11-03 基于新型弧形线圈的螺纹缺陷深度和长度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111292536.1A CN114460169A (zh) 2021-11-03 2021-11-03 基于新型弧形线圈的螺纹缺陷深度和长度检测方法

Publications (1)

Publication Number Publication Date
CN114460169A true CN114460169A (zh) 2022-05-10

Family

ID=81405998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111292536.1A Pending CN114460169A (zh) 2021-11-03 2021-11-03 基于新型弧形线圈的螺纹缺陷深度和长度检测方法

Country Status (1)

Country Link
CN (1) CN114460169A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994461A (zh) * 2022-11-29 2023-04-21 北华航天工业学院 漏磁-涡流复合检测中缺陷对阻抗影响的有限元仿真方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115994461A (zh) * 2022-11-29 2023-04-21 北华航天工业学院 漏磁-涡流复合检测中缺陷对阻抗影响的有限元仿真方法
CN115994461B (zh) * 2022-11-29 2023-06-30 北华航天工业学院 漏磁-涡流复合检测中缺陷对阻抗影响的有限元仿真方法

Similar Documents

Publication Publication Date Title
Ulapane et al. Non-destructive evaluation of ferromagnetic material thickness using pulsed eddy current sensor detector coil voltage decay rate
RU2299399C2 (ru) Определение профиля поверхности объекта
Le et al. Hall sensor array based validation of estimation of crack size in metals using magnetic dipole models
Chen et al. Inversion method in pulsed eddy current testing for wall thickness of ferromagnetic pipes
Kandroodi et al. Defect detection and width estimation in natural gas pipelines using MFL signals
CN113390955B (zh) 交流电磁场裂纹可视化监测与评估方法
CN114460169A (zh) 基于新型弧形线圈的螺纹缺陷深度和长度检测方法
Okolo et al. Axial magnetic field sensing for pulsed magnetic flux leakage hairline crack detection and quantification
CN117235433B (zh) 一种基于交流电磁场的金属表面裂纹定量评估方法
Chady et al. Neural network models of eddy current multi-frequency system for nondestructive testing
CN108181377B (zh) 一种pccp钢丝断丝智能判读系统及方法
CN111665296B (zh) 基于emat测量超声换能器三维辐射声场的方法及装置
Lysenko et al. Enhanced feature extraction algorithms using oscillatory-mode pulsed eddy current techniques for aircraft structure inspection
US10788456B2 (en) Eddy current inspection device for nondestructive testing
JP2016161562A (ja) 渦電流検査装置及び渦電流検査方法
Sophian et al. Machine-learning-based evaluation of corrosion under insulation in ferromagnetic structures
JP6058436B2 (ja) 渦電流探傷装置および渦電流探傷方法
Goldfine et al. MWM®-Array Electromagnetic Techniques for Crack Sizing, Weld Assessment, Wall Loss/Thickness Measurement and Mechanical Damage Profilometry
CN112946065A (zh) 基于晚期信号斜率的脉冲涡流检测方法及装置
Qi Experimental study of interference factors and simulation on oil-gas pipeline magnetic flux leakage density signal
Zhou et al. Structural optimisation of a standard alternating current field measurement excitation probe for concave and convex surfaces
JP2017096678A (ja) 被検査物の地際部分の減肉状態を検知するための渦流探傷プローブ及び渦流探傷プローブを用いた減肉検知方法
US10775347B2 (en) Material inspection using eddy currents
CN104614444A (zh) 一种提高电磁超声检测精度的方法
Simm Quantitative interpretation of magnetic field measurements in eddy current defect detection

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