CN114705749A - 一种基于漏磁和涡流结合的管道内外壁伤损判别方法 - Google Patents
一种基于漏磁和涡流结合的管道内外壁伤损判别方法 Download PDFInfo
- Publication number
- CN114705749A CN114705749A CN202210182846.6A CN202210182846A CN114705749A CN 114705749 A CN114705749 A CN 114705749A CN 202210182846 A CN202210182846 A CN 202210182846A CN 114705749 A CN114705749 A CN 114705749A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- data
- damage
- training
- wall
- 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
- G01N27/83—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
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明公开了一种基于漏磁和涡流结合的管道内外壁伤损判别方法;获取训练数据,向试件管道施加磁场,同时在试件管道外壁设置电磁线圈,同步获取试件管道的漏磁数据和涡流数据作为训练数据,网络训练,建立训练神经网络,由多个训练数据对训练神经网络进行训练,训练完成后获得检测神经网络;检测伤损,向待检管道施加磁场,同时在待检管道外壁设置电磁线圈,由检测神经网络获取待检管道的伤损数据;本发明将漏磁数据和涡流数据进行结合,在提高检测的精度和检测的缺陷种类范围的同时,不会影响检测的速度,且不要求严格的检测环境。通过由多个训练数据对训练神经网络进行训练,训练完成后获取检测神经网络;对管道伤损预测更加精准便捷。
Description
技术领域
本发明涉及管道检测技术领域,尤其涉及一种基于漏磁和涡流结合的管道内外壁伤损判别方法。
背景技术
管道检测分为管道内、外两种检测技术。完整性评价是基于管道内外检测的数据,对管道进行剩余强度和剩余寿命的定量评价。评价结果可以为后期管道的维修和更换,以及再检测周期的制定提供数据支撑,避免不必要和无计划的管道维修工作,保障管道始终处于安全可靠的运行状态。而由于管道内外壁所处的环境不同,其形成缺陷的原因、速度也不尽相同。因此,区分管道的内外壁伤损对于管道检测至关重要
当前的管道检测技术大多只检测管道的单面,不能给出伤损的内外壁位置。而区分内外壁的技术则是仅使用一种检测手段或是多种检测手段单独检测后再综合分析来对内外壁伤损进行区分,多种检测方法之间的联系性不强,且对实际检测过程中检测器的震动等干扰因素较为敏感,误检率高。
发明内容
本发明主要解决的技术问题是提供一种基于漏磁和涡流结合的管道内外壁伤损判别方法,解决多种检测方法之间的联系性不强,且对实际检测过程中检测器的震动等干扰因素较为敏感,误检率高的问题。
为解决上述技术问题,本发明采用的一个技术方案是提供一种基于漏磁和涡流结合的管道内外壁伤损判别方法,包括步骤:
获取训练数据,向试件管道施加磁场,同时在所述试件管道外壁设置电磁线圈,同步获取所述试件管道的漏磁数据和涡流数据作为训练数据;网络训练,建立训练神经网络,由多个所述训练数据对所述训练神经网络进行训练,训练完成后获得检测神经网络;检测伤损,向待检管道施加磁场,同时在所述待检管道外壁设置电磁线圈,获取所述待检管道的漏磁数据和涡流数据作为检测数据,将所述检测数据输入到所述检测神经网络,由所述检测神经网络获取所述待检管道的伤损数据。
优选的,获取训练数据和检测伤损步骤中,施加所述磁场和所述电磁线圈的移动位置同步。
优选的,获取训练数据和检测伤损中,获取所述漏磁数据的变化幅度,作为第一对比值,获取所述涡流数据的变化幅度,作为第二对比值,将所述第一对比值和所述第二对比值进行对比,获取比对值,由所述比对值区分所述伤损处于所述管道的内壁或外壁。
优选的,设置所述比对值的阈值,当所述比对值大于所述阈值时,所述伤损处于所述管道的外壁,当所述比对值小于所述阈值时,所述伤损处于所述管道内壁。
优选的,所述训练数据和所述检测数据还包括检测速度和/或采样频率。
优选的,通过融合检测板同步获取所述漏磁数据和涡流数据,所述融合检测板包括获取所述漏磁数据的漏磁检测模块和获取所述涡流数据的涡流检测模块。
优选的,所述漏磁检测模块包括多路与所述管道轴向方向相同的x轴霍尔传感器,以及垂直于所述管道轴向方向的z轴霍尔传感器,通过x轴霍尔传感器和z轴霍尔传感器获取所述漏磁数据。
优选的,所述涡流检测模块包括输出电路、电桥电路、差分放大电路和检波电路;所述输出电路通过所述电桥电路与所述差分放大电路电性连接,所述差分放大电路与所述检波电路电性连接。
优选的,所述伤损数据包括伤损长度、伤损宽度和/或伤损深度。
优选的,所述阈值为40%~60%。
本发明的有益效果是:本发明将漏磁数据和涡流数据进行结合,在提高检测的精度和检测的缺陷种类范围的同时,不会影响检测的速度,且不要求严格的检测环境。通过由多个所述训练数据对所述训练神经网络进行训练,训练完成后获取检测神经网络;通过检测神经网络来检测管道的伤损,对管道伤损预测更加精准便捷。
附图说明
图1是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例的流程图;
图2是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例输出电路的示意图;
图3是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例差分放大电路的示意图;
图4是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例电桥电路的示意图;
图5是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例检波电路的示意图;
图6是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例霍尔传感器的示意图;
图7是根据本发明基于漏磁和涡流结合的管道内外壁伤损判别方法一实施例输出端口的示意图。
具体实施方式
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是,本发明可以以许多不同的形式来实现,并不限于本说明书所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是,除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1显示了本发明基于漏磁和涡流结合的管道内外壁伤损判别方法的实施例,包括:
步骤S1)、获取训练数据,向试件管道施加磁场,同时在所述试件管道外壁设置电磁线圈,同步获取所述试件管道的漏磁数据和涡流数据作为训练数据,
步骤S2)、网络训练,建立训练神经网络,由多个所述训练数据对所述训练神经网络进行训练,训练完成后获取检测神经网络;
步骤S3)、检测伤损,向待检管道施加磁场,同时在待检管道外壁设置电磁线圈,获取待检管道的漏磁数据和涡流数据作为检测数据,将所述检测数据输入到所述检测神经网络,由所述检测神经网络获取所述待检管道的伤损数据。
向管道内施加平行于管道轴线方向的磁场,若管道完好没有缺陷,则通过管道的磁场不会发生变化;若管道的表面具有伤损时,磁场会在该处发生扭曲和变形,该处变化的漏磁信号经滤波器、放大器等信号处理器后,获取漏磁数据。在管道外壁设置电磁线圈,电磁线圈靠近管道金属表面,管壁中会产生涡流,涡流在遇到管道伤损时会发生变化。测量电磁线圈阻抗的变化,获取涡流数据。本发明将漏磁数据和涡流数据进行结合,在提高检测的精度和检测的缺陷种类范围的同时,不会影响检测的速度,且不要求严格的检测环境。通过由多个所述训练数据对所述训练神经网络进行训练,训练完成后获取检测神经网络;通过检测神经网络来检测管道的伤损,对管道伤损预测更加精准便捷。
优选的,施加磁场和电磁线圈的移动位置同步,即在管道上施加磁场和电磁线圈的检测位置相同。由此能够提高检测的精度和检测的缺陷种类范围。磁场和电磁线圈由与前进方向做差分的涡流信号传感器和在两个差分探头中的霍尔传感器以及传感器阵列上方的永磁体磁轭激励组成,运行于管道内部。
漏磁检测对于管道内外壁的伤损区分不明显,而涡流检测由于趋肤效应,在高频激励下,对于管道内壁的伤损较为敏感,而对于管道的外壁的信号则不敏感。
为了解决上述问题,优选的,根据所述漏磁数据和所述涡流数据区分所述管道内壁和外壁的伤损。
优选的,获取所述漏磁数据的变化幅度,作为第一对比值,获取所述涡流数据的变化幅度,作为第二对比值,将第一对比值和第二对比值进行对比,获取比对值,由所述比对值区分伤损处于管道内壁或外壁。
进一步的,设置所述比对值的阈值,当所述比对值大于阈值时,所述伤损处于管道的外壁,当所述比对值小于阈值时,所述伤损处于管道内壁。
所述阈值为40%~60%,优选50%。
在向管道施加磁场以及设置电磁线圈后,磁场和电磁线圈的检测速度,以及对漏磁数据和涡流数据采集的频率同样对管道伤损的检测精度具有较大的影响,例如当伤损较小而磁场和电磁线圈的检测速度和采集频率较大时,容易出现漏检的现象。
为了解决上述问题,进一步的,所述训练数据和所述检测数据还包括检测速度和/或采样频率。
检测速度为磁场和电磁线圈沿管道移动的速度,采样频率为获取漏磁数据和涡流数据的时间间隔。
优选的,检测速度为3-5m/s,采样频率为10k。通过该检测速度和采样频率能够全面的覆盖不同大小的伤损,提高伤损检测的精度。
将检测速度和采样频率作为训练数据对训练神经网络进行训练,能够极大的提高管道伤损检测的精度。
当将检测速度和采样频率输入到神经网络后,即可通过检测速度和采样频率来获取伤损长度。
磁场和电磁线圈首次检测到伤损的时间为首次时刻,磁场和电磁线圈最后检测到伤损的时间为末尾时刻,首次时刻和末尾时刻之间的采样频率个数(即时间间隔)之和等于伤损时间,由检测速度和伤损时间即可获得该伤损的伤损长度。
进一步的,伤损数据还包括伤损宽度。
伤损宽度主要通过磁场数据获得,通过多个探头检测漏磁,当管道横向设置时,在竖向上设置多个探头检测漏磁来检测管道的伤损,在竖向上,首次检测到伤损的探头为第一探头,与此同时,在连续检测到伤损的探头中,与第一探头距离最远检测到伤损的探头为末尾探头,即第一探头和末尾探头之间的所有探头均能够检测到具有伤损,此时第一探头和末尾探头之间的距离即为伤损宽度。而当检测到伤损的探头不连续时,即中间具有没有检测到伤损的探头,说明该位置处具有多个不相连的伤损,即具有多个对应伤损的第一探头和末尾探头。由此即可检测出多个位置相近的伤损的伤损宽度。
进一步的,伤损数据还包括伤损深度。
融合漏磁数据和涡流数据在伤损处的峰值来检测伤损深度。在伤损处,漏磁数据和涡流数据均具有峰值,检测伤损深度时,可选择幅度变化最大的峰值作为基准来确定伤损深度。
现有技术中,漏磁数据和涡流数据通常为单独获得,当单独获得时,漏磁数据和涡流数据难以同步,容易出现漏磁数据所对应的位置与涡流数据所对应的位置不一样的情况。
为了解决上述问题,进一步的,本发明通过融合检测板同步获取所述漏磁数据和涡流数据,所述融合检测板包括漏磁检测模块和涡流检测模块。
融合检测板为电路板,将漏磁检测模块和涡流检测模块集成在一个电路板上,能够同步获取漏磁数据和涡流数据,避免采集的时间出现误差而使漏磁数据和涡流数据所对应的位置不同。
优选的,如图2-图5所示,所述涡流检测模块包括输出电路、电桥电路、差分放大电路和检波电路。所述输出电路通过电桥电路与所述差分放大电路电性连接,所述差分放大电路与所述检波电路电性连接。
如图2所示,所述输出电路包括一振荡器LTC6990,振荡器LTC6990的OE端连接5V电源,振荡器LTC6990的SET端连接一电阻后接地,振荡器LTC6990的DIV端接地,振荡器LTC6990的V端连接5V电源,并连接一电容后接地,振荡器LTC6990的OUT端连接并联的两路电桥电路。
如图3所示,电桥电路包括两个并联的电阻,LTC6990的OUT端经并联的两路电桥电路后连接差分放大电路。
如图4所示,差分放大电路包括一放大器AD8032,放大器AD8032的-1N1端、+1N1端、-1N2端、+1N2端分别连接一电阻和电容后,连接并联的两路电路电桥中的四个电阻。
放大器AD8032的-1N1端还连接一电阻后连接放大器AD8032的OUT1端。放大器AD8032的+1N1端连接一电阻后接入5V电源并接地;放大器AD8032的+1N1端连接一电阻后接入5V电源并接地。
放大器AD8032的-1N2端还连接一电阻后连接放大器AD8032的OUT2端。放大器AD8032的+1N2端连接一电阻后接入5V电源并接地;放大器AD8032的+1N2端连接一电阻后接入5V电源并接地。
放大器AD8032的-VS端接地。放大器AD8032的+VS端接入5V电源。
放大器AD8032的OUT1端连接一检波电路。放大器AD8032的OUT2端连接另一检波电路。即一放大器AD8032连接两个检波电路。
如图5所示,检波电路包括一功率检波器LTC5507,功率检波器LTC5507的VCC端接入5V电源。功率检波器LTC5507的PCAP端接一电容后连接功率检波器LTC5507的VCC端。功率检波器LTC5507的VOUT端连接一电阻后输出,该电阻还连接一电容后接地。功率检波器LTC5507的GND端接地,功率检波器LTC5507的SHDN端连接一电阻后接入5V电源。
一差分放大电路连接两路检波电路。功率检波器LTC5507的RFIN端接一电容后连接放大器AD8032的OUT1端。另一检波电路中的功率检波器LTC5507的RFIN端接一电容后连接放大器AD8032的OUT2端。
优选的,涡流检测模块中包括两路输出电路、四路电桥电路、两路差分放大电路和四路检波电路。一路输出电路经两路电桥电路后连接一路差分放大电路,一路差分放大电路连接两路检波电路后输出两组涡流数据。由此通过涡流检测模块即可获取四组涡流数据。
优选的,如图6所示,漏磁检测模块包括多路与管道轴向方向相同的x轴霍尔传感器,以及垂直于管道轴向方向的z轴霍尔传感器。通过x轴霍尔传感器和z轴霍尔传感器根据伤损处磁场的变化来获得漏磁数据。
优选的,x轴霍尔传感器和z轴霍尔传感器均设置有四个。
进一步的,融合检测板还包括输出端口,所述输出端口与x轴霍尔传感器、z轴霍尔传感器和检波电路的数量对应。
优选的,如图7所示,输出端口设置有12个,分别对应4个x轴霍尔传感器、4个z轴霍尔传感器和4路检波电路的输出端。由此即可便捷接入融合检测板,同步的获取涡流数据和漏磁数据。
通过上述方式获取大量的训练数据,通过训练数据来训练神经网络。所述神经网络为BP神经网络。优选的,选用matlab中的神经网络工具箱模块来作为神经网络进行训练。
神经网络训练完成后,即可通过训练完成的检测神经网络来进行检测。
当对待测管道进行检测时,向待检管道施加磁场,同时在待检管道外壁设置电磁线圈,获取待检管道的漏磁数据和涡流数据作为检测数据,将所述检测数据输入到所述检测神经网络,由所述检测神经网络获取所述待检管道的伤损数据。
为了验证本发明的有益效果,通过在不同厚度的管道的内壁和外壁上设置不同的缺陷类型,通过本发明的方法来检测设置的伤损,来验证本发明的准确性。具体参数如表1所示。
表1本发明检测伤损的准确性
通过上表可知,本发明在对5mm和30mm壁厚的管道进行检测中,能够较为准确的检测出管道中伤损的尺寸,并能够准确的区分出伤损处于内壁还是外壁。
由此可见,本发明公开了一种基于漏磁和涡流结合的管道内外壁伤损判别方法。该方法通过涡流检测方法对进表面缺陷敏感的特点和漏磁检测方法对内外壁缺陷区分不明显的特点,将两种检测方法融合,能够有效的对内外壁的伤损进行有效的区分。实现了管道内壁和外壁伤损的有效检测,对提高检测效率起到了非常积极的作用。经过神经网络的训练后,本发明对管道检测过程中产生的震动等干扰不敏感,误检率较低,对环境要求较小。
以上仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,包括步骤:
获取训练数据,向试件管道施加磁场,同时在所述试件管道外壁设置电磁线圈,同步获取所述试件管道的漏磁数据和涡流数据作为训练数据;
网络训练,建立训练神经网络,由多个所述训练数据对所述训练神经网络进行训练,训练完成后获得检测神经网络;
检测伤损,向待检管道施加磁场,同时在所述待检管道外壁设置电磁线圈,获取所述待检管道的漏磁数据和涡流数据作为检测数据,将所述检测数据输入到所述检测神经网络,由所述检测神经网络获取所述待检管道的伤损数据。
2.根据权利要求1所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,获取训练数据和检测伤损步骤中,施加所述磁场和所述电磁线圈的移动位置同步。
3.根据权利要求1所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,获取训练数据和检测伤损中,获取所述漏磁数据的变化幅度,作为第一对比值,获取所述涡流数据的变化幅度,作为第二对比值,将所述第一对比值和所述第二对比值进行对比,获取比对值,由所述比对值区分所述伤损处于所述管道的内壁或外壁。
4.根据权利要求3所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,设置所述比对值的阈值,当所述比对值大于所述阈值时,所述伤损处于所述管道的外壁,当所述比对值小于所述阈值时,所述伤损处于所述管道内壁。
5.根据权利要求1所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,所述训练数据和所述检测数据还包括检测速度和/或采样频率。
6.根据权利要求1所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,通过融合检测板同步获取所述漏磁数据和涡流数据,所述融合检测板包括获取所述漏磁数据的漏磁检测模块和获取所述涡流数据的涡流检测模块。
7.根据权利要求6所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,所述漏磁检测模块包括多路与所述管道轴向方向相同的x轴霍尔传感器,以及垂直于所述管道轴向方向的z轴霍尔传感器,通过x轴霍尔传感器和z轴霍尔传感器获取所述漏磁数据。
8.根据权利要求6所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,所述涡流检测模块包括输出电路、电桥电路、差分放大电路和检波电路;所述输出电路通过所述电桥电路与所述差分放大电路电性连接,所述差分放大电路与所述检波电路电性连接。
9.根据权利要求1所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,所述伤损数据包括伤损长度、伤损宽度和/或伤损深度。
10.根据权利要求4所述的基于漏磁和涡流结合的管道内外壁伤损判别方法,其特征在于,所述阈值为40%~60%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210182846.6A CN114705749A (zh) | 2022-02-25 | 2022-02-25 | 一种基于漏磁和涡流结合的管道内外壁伤损判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210182846.6A CN114705749A (zh) | 2022-02-25 | 2022-02-25 | 一种基于漏磁和涡流结合的管道内外壁伤损判别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114705749A true CN114705749A (zh) | 2022-07-05 |
Family
ID=82166326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210182846.6A Pending CN114705749A (zh) | 2022-02-25 | 2022-02-25 | 一种基于漏磁和涡流结合的管道内外壁伤损判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114705749A (zh) |
-
2022
- 2022-02-25 CN CN202210182846.6A patent/CN114705749A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102759567B (zh) | 直流磁化下钢管内外壁缺陷的涡流检测识别及评价方法 | |
DK2108120T3 (en) | Method and device for non-destructive testing using eddy currents | |
CN103995048B (zh) | 钢丝绳磁记忆在线检测装置 | |
CN103163216B (zh) | 一种基于巨磁电阻传感器的金属导体缺陷识别及估计方法 | |
CN109828023A (zh) | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 | |
CN109632941A (zh) | 一种抑制漏磁信号提离干扰的方法 | |
CN103076390A (zh) | 应用于涡流探伤的定位方法、装置及涡流探伤仪 | |
CN106959336B (zh) | 用于漏磁检测标定的背景噪声去除装置及方法 | |
CN108872374A (zh) | 一种基于电磁涡流检测管道内外壁缺陷位置的装置 | |
CN104833720A (zh) | 单一线圈电磁谐振检测金属管道损伤的方法 | |
CN112229904A (zh) | 一种脉冲远场涡流检测探头及使用方法 | |
CN112083059B (zh) | 一种滤除钢轨顶面提离干扰的方法 | |
CN102608199A (zh) | Acfm数字化检测仪的信号调理电路 | |
CN102087245B (zh) | 基于非晶合金的电磁检测传感器 | |
CN112629728A (zh) | 基于涡流的铝合金残余应力测试装置及其测试方法 | |
He et al. | Defect identification and evaluation based on three-dimensional magnetic field measurement of pulsed eddy current | |
CN109557166A (zh) | 一种差分式的磁记忆检测探头装置 | |
CN114705749A (zh) | 一种基于漏磁和涡流结合的管道内外壁伤损判别方法 | |
Faraj et al. | Investigate the effect of lift-off on eddy current signal for carbon steel plate | |
Chomsuwan et al. | Bare PCB inspection system with SV-GMR sensor eddy-current testing probe | |
JPH0989843A (ja) | 渦流探傷方法及び渦流探傷装置 | |
CN102759565B (zh) | 一种钢带纵横向缺陷检测并识别的漏磁检测装置及方法 | |
CN105319444A (zh) | 一种导电材料电导率均匀程度评估方法 | |
CN213600270U (zh) | 一种基于涡流的铝合金残余应力测试装置 | |
CN109060942A (zh) | 基于漏磁检测装置的钢轨缺陷深度检测方法 |
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 |