CN115166026A - 一种碳纤维复合材料板结构损伤识别分类系统及方法 - Google Patents

一种碳纤维复合材料板结构损伤识别分类系统及方法 Download PDF

Info

Publication number
CN115166026A
CN115166026A CN202210809331.4A CN202210809331A CN115166026A CN 115166026 A CN115166026 A CN 115166026A CN 202210809331 A CN202210809331 A CN 202210809331A CN 115166026 A CN115166026 A CN 115166026A
Authority
CN
China
Prior art keywords
damage
frequency
signal
carbon fiber
fiber composite
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
CN202210809331.4A
Other languages
English (en)
Inventor
徐笑娟
戴涛
陈兆权
罗进
冯德仁
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.)
Anhui University of Technology AHUT
Original Assignee
Anhui University of Technology AHUT
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 Anhui University of Technology AHUT filed Critical Anhui University of Technology AHUT
Priority to CN202210809331.4A priority Critical patent/CN115166026A/zh
Publication of CN115166026A publication Critical patent/CN115166026A/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
    • G01N27/9046—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 by analysing electrical signals

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

本发明公开了一种碳纤维复合材料板结构损伤识别分类系统及方法，属于无损检测技术领域，包括多频函数信号发生器、探头、锁相放大器、小波分析去噪模块、数据采集模块、数控位移平台、计算机。本发明使用了检测信号的幅值和相位信息，并结合小波分析去噪、数据归一化等手段，能够有效的抑制噪声并凸显信号中的损伤信息；并将多频技术应用于涡流电磁检测，使用演算方法和损伤特征参数提升了CFRP板的损伤识别精度，能更清楚直观地从图像分辨出损伤的种类和空间位置。

Description

一种碳纤维复合材料板结构损伤识别分类系统及方法
技术领域
本发明涉及无损检测技术领域，具体涉及一种碳纤维复合材料板结构损伤识别分类系统及方法。
背景技术
碳纤维复合材料(CFRP)是基体材料和增强材料有效结合的典范，现今已大范围的应用在航空航天器、风电叶片、汽车零部件、健身器材的生产和使用之中。相比于金属，该材料的比强度和比模量高且能减轻结构重量，耐腐蚀抗疲劳性能进一步提高。但在生产、运输和使用的过程中，材料的内部及外部会产生贫富胶、基体开裂、界面脱粘、纤维断裂、分层等损伤，严重影响材料本身的安全性和使用寿命。因此，有必要在检修时评估材料的整体性能，及时发现并处理各种损伤，避免较大的经济损失和人员伤亡。
复合材料的性能评估主要依赖于无损检测方法，主要包括超声检测、X射线检测、红外热波检测、电阻抗检测、涡流检测等。涡流检测(ECT)技术基于电磁感应原理，能检测出CFRP板中的维铺层顺序不当、裂纹、层间脱粘、冲击分层等损伤，且涡流检测探头与被测试件之间无接触。通过对涡流检测系统参数的优化设计，采用合适的信号处理方法，就能实现损伤的较高精度扫描成像和定位。
在不同的激励频率下，ECT信号对基础结构、损伤和各种干扰的响应也不同，致使信号中不同信息的占比不同。因此将多频技术应用于涡流电磁检测，有针对性的选择多个频率去激励探头，并结合多频ECT信号演算方法和损伤特征参数识别，可以对干扰信号进行抑制并提取出损伤信息，实现对CFRP结构及损伤的定性定量分析。为此，提出一种碳纤维复合材料板结构损伤识别分类系统及方法。
发明内容
本发明所要解决的技术问题在于：如何获得更好的成像结果并对损伤进行识别分类，提供了一种碳纤维复合材料板结构损伤识别分类系统，本系统基于小波变换技术，在采用多频涡流检测技术的同时实现对噪声的抑制。
本发明是通过以下技术方案解决上述技术问题的，本发明包括多频函数信号发生器、探头、锁相放大器、小波分析去噪模块、数据采集模块、数控位移平台、计算机；所述多频函数信号发生器向探头提供正弦激励信号，在材料板内部感应出涡流，所述探头设置在所述数控位移平台上，所述计算机控制所述数控位移平台使探头在材料板上方沿扫描路径扫查，所述探头与锁相放大器连接，采集多频ECT信号的实部和虚部，经过所述小波分析去噪模块处理后，通过数据采集模块传输到计算机中进行数据运算处理和图像显示。
更进一步地，所述材料板为碳纤维复合材料板。
本发明还提供了一种碳纤维复合材料板结构损伤识别分类方法，利用上述的系统对碳纤维复合材料板结构损伤进行识别与分类，包括以下步骤：
S1：构建所述碳纤维复合材料板结构损伤识别分类系统，根据材料板的种类、尺寸、扫查范围和铺层顺序，确定探头的类型、激励信号频率、扫描路径；
S2：对探头施加多频正弦激励信号，控制数控位移平台搭载探头沿着扫描路径在材料板上方设定高度处进行多频涡流检测，使用锁相放大器获取不同位置处多频ECT信号的实部Ux和虚部Uy；
S3：对步骤S2中得到的信号实部和虚部分别进行小波分析去噪，即选取设定的小波基和分解层数进行分解，再对小波分解的高频系数的阈值进行量化处理，然后根据小波分解的低频系数和量化后的高频系数进行小波重构，得到去噪后的信号；
S4：对步骤S3所得的经去噪后的多频ECT信号进行参数提取，即提取信号的幅值和相位；
S5：将步骤S4中提取的幅值和相位作为特征量表示指数形式的复数信号，对高频信号进行幅值缩放和相位旋转，并与低频信号做数据融合；
S6：对步骤S5中融合后的信号进行归一化处理得到信号的实部值和虚部值，用扫描路径上每个数据点信号值的大小来调节图像上像素的灰度值，得到主要包含损伤信息的扫查区域图像，即区域损伤图像；
S7：对步骤S6中的区域损伤图像进行损伤识别和分类。
更进一步地，在所述步骤S4中，通过下式提取信号的幅值和相位：
Figure BDA0003739921270000021
Figure BDA0003739921270000022
其中，U表示多频ECT信号的幅值，
Figure BDA0003739921270000023
表示多频ECT信号的相位。
更进一步地，在所述步骤S5中，涡流的趋肤深度δ为涡流密度衰减到表面1/e倍时的深度：
Figure BDA0003739921270000024
对于磁导率μ和电导率σ已知的材料板，沿厚度方向将材料板等分，依据穿透深度选取多个激励信号频率f。
更进一步地，在选取激励信号频率时，选取材料板的平均厚度所对应的频率为低频频率f0，选取材料板厚度等分方式和其他方式所对应的频率为高频频率fi，其他方式指能获得材料板表面及近表面信息的方式。
更进一步地，在所述步骤S5中，使用下式对高频信号进行幅值缩放和相位旋转，并与低频信号做数据融合：
Figure BDA0003739921270000031
Figure BDA0003739921270000032
Figure BDA0003739921270000033
Figure BDA0003739921270000034
其中，i＝1,2,3,...,n；ki为修正系数，通过直线扫查法获得；正弦激励信号的频率为低频频率f0和高频频率fi时，对应所得的检测信号分别表示为
Figure BDA0003739921270000035
和
Figure BDA0003739921270000036
为经过幅值缩放和相位旋转的高频信号；U为经数据融合后的检测信号。
更进一步地，所述步骤S7包括以下子步骤：
S71：测量损伤区域的长宽比；
S72：根据单个损伤在不同激励频率下的检测信号强度初步判断其在材料板厚度方向的位置；
S73：与损伤数据库进行特征参数对比即可判断损伤的类型及空间位置。
更进一步地，在所述步骤S73中，损伤数据库的建立过程如下：
S731：人为制造含有开裂、分层损伤的标准试件，损伤参数已知；
S732：通过直线扫查方式，控制探头沿着损伤区域的中心线进行扫查获取部分损伤特征参数；
S733：根据多频ECT信号的幅值，确定不同频率下的修正系数ki，使得损伤形貌和尺寸与实际情况相符；
S734：建立损伤数据库，损伤数据库中包含损伤区域的长宽比、损伤的空间位置、检测信号的幅值和相位信息以及修正系数ki的选取规则。
本发明相比现有技术具有以下优点：由于趋肤效应的存在，不同激励频率下检测信号所包含的基础结构信息、损伤信息和干扰的比例是不同的，该方法使用了检测信号的幅值和相位信息，并结合小波分析去噪、数据归一化等手段，能够有效的抑制噪声并凸显信号中的损伤信息；并将多频技术应用于涡流电磁检测，使用演算方法和损伤特征参数提升了CFRP板的损伤识别精度，能更清楚直观地从图像分辨出损伤的种类和空间位置。
附图说明
图1是本发明实施例中多频涡流检测系统的结构框图；
图2是本发明实施例中基于小波变换及多频ECT信号演算的CFRP结构损伤识别与分类方法流程图示意图；
图3是本发明实施例中探头的扫描路径示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供一种技术方案：一种多频涡流检测系统(碳纤维符合材料结构损伤识别分类系统)，包括多频函数信号发生器、探头、锁相放大器、小波分析去噪模块、数据采集模块、数控位移平台、计算机。在本实施例中，多频函数信号发生器向探头提供正弦激励信号，在材料板(由CFRP制得)内部感应出涡流，涡流的分布在不同频率和损伤的情况下会发生变化，进而通过电磁感应影响检测信号。计算机控制搭载有探头的数控位移平台，实现探头在材料板上方沿扫描路径扫查，探头连接锁相放大器采集多频ECT信号的实部和虚部，经小波分析去噪模块处理后，通过数据采集模块传输到计算机中进行数据运算处理和图像显示。
如图2所示，本实施例还提供了一种小波变换及多频ECT信号演算的CFRP结构损伤识别与分类方法，采用上述的多频涡流检测系统对CFRP结构损伤进行识别与分类，包括以下步骤：
步骤一：构建多频涡流检测系统，根据CFRP板的种类、尺寸、扫查范围和铺层顺序，确定探头的类型、激励信号频率、扫描路径，扫描路径如图3所示；
需要说明的是，目前国内外几种级别的碳纤维产品的碳纤维含量和编织方式、铺层顺序、固化工艺、材料板厚度等均存在一定差别，不同类型探头的检测精度有高低之分，因此所得多频ECT信号的强度和信噪比也不同；数控位移平台为高精密设备，在保证恒定提离距离的前提下，其搭载探头进行扫查的区域也是有限的，需要根据不同的需求和应用场景调整多频涡流检测系统的参数。
步骤二：对探头施加多频正弦激励信号，用计算机软件程序控制数字位移平台控制器，进而控制探头沿着扫描路径在材料板上方固定高度处进行多频涡流检测，使用锁相放大器获取不同位置处多组ECT信号的实部Ux和虚部Uy。
步骤三：对步骤二所得的信号实部和虚部分别进行小波分析去噪，即选取合适的小波基和分解层数进行分解，再对小波分解的高频系数的阈值进行量化处理，最后根据小波分解的低频系数和量化后的高频系数进行小波重构，得到去噪后的多频ECT信号；
需要说明的是，对步骤二所得的信号实部和虚部分别进行小波分析去噪；影响检测精度的主要因素是多频ECT信号中高频噪声，用不同的小波函数分析多频ECT信号的效果也相差甚远，因此往往依靠经验或不断试验选取合适的小波基滤除大部分高频噪声(进行去噪)；分解层数过低时无法有效提高信噪比，过高时又会丢失有用信息且增大运算量，难以满足实时性要求；故应选取合适的小波基和分解层数进行分解，再对小波分解的高频系数的阈值进行量化处理，最后根据小波分解的低频系数和量化后的高频系数进行小波重构，得到去噪后的多频ECT信号。
步骤四：对步骤三所得的经去噪后的多频ECT信号进行参数提取，通过下式提取信号的幅值和相位：
Figure BDA0003739921270000051
Figure BDA0003739921270000052
其中，U表示多频ECT信号的幅值，
Figure BDA0003739921270000053
表示多频ECT信号的相位。
步骤五：将步骤四中信号的相位和幅值作为特征量表示指数形式的复数信号；由于趋肤效应的存在，包含基础结构信息和损伤信息的涡流检测信号在不同频率下会出现幅值缩放和相位偏移，且损伤形式多样、空间上随机分散。因此低频信号相较于高频信号包含更多的损伤信息，在选择激励信号频率时，使低频信号包含基础结构信息和损伤信息，高频信号主要包含基础结构信息，如纤维铺层顺序等；
涡流的趋肤深度δ为涡流密度衰减到表面1/e倍时的深度：
Figure BDA0003739921270000054
因此对于磁导率μ和电导率σ已知的材料板，沿厚度方向将材料板等分，依据穿透深度选取多个激励信号频率，从而实现对材料板内部损伤的全面扫查。
选取材料板的平均厚度所对应的频率为低频频率f0；选取靠近探头一侧的材料板板下0.2mm、1/4厚度、1/2厚度、3/4厚度处的深度所对应的较高频率为高频频率f1、f2、f3、f4。其中材料板靠近探头一侧的板下0.2mm深度的选取是为了获得表面及近表面的材料信息，有利于抑制探头提离噪声，使用下式对高频信号进行幅值缩放和相位旋转，并与低频信号做数据融合：
Figure BDA0003739921270000061
Figure BDA0003739921270000062
Figure BDA0003739921270000063
Figure BDA0003739921270000064
其中，i＝1,2,3,...,n；ki为修正系数，通过直线扫查法获得；正弦激励信号的频率为低频频率f0和高频频率fi时，对应所得的检测信号分别表示为
Figure BDA0003739921270000065
和
Figure BDA0003739921270000066
为经过幅值缩放和相位旋转的高频信号；U为经数据融合后的检测信号。
CFRP板损伤数据库的建立：人为制造含有开裂、分层等损伤的标准试件，损伤参数已知；再通过直线扫查方式，让探头沿着损伤区域的中心线进行扫查获取部分损伤特征参数，即让探头沿着损伤区域的中心线进行扫查获取多频ECT信号的幅值和相位信息，如图3细节放大处所示，损伤标示为灰色阴影区域；根据多频ECT信号的幅值，确定不同频率下合适的修正系数ki，将多频数据融合，使得区域损伤成像中损伤的形貌和尺寸接近实际情况；经以上步骤可构建CFRP板损伤数据库，数据库主要包含损伤区域的长宽比、损伤的空间位置、检测信号的幅值和相位信息以及修正系数ki的选取规则。
步骤六：为了能直观分辨出损伤在二维平面的位置和范围，对步骤五得到的融合信号进行归一化处理得到信号的实部值和虚部值，用扫描路径上每个数据点信号值的大小来调节图像上像素的灰度值，最终得到主要包含损伤信息的扫查区域图像，即区域损伤图像。
步骤七：处理步骤六所得的区域损伤成像，对损伤进行识别和分类；受探头成像的扩散特性和CFRP为各向异性材料的影响，用多频ECT信号得到的区域损伤成像相比实际尺寸发生了扩散，但仍可通过数据库的损伤特征参数判别：首先测量损伤区域的长宽比，其次根据单个损伤在不同激励频率下的检测信号强度可粗略判断其在材料板厚度方向的位置，最后再与损伤数据库进行特征参数对比即可判断损伤的类型及空间位置。
综上所述，上述实施例的碳纤维复合材料板结构损伤识别分类系统及方法，使用了检测信号的幅值和相位信息，并结合小波分析去噪、数据归一化等手段，能够有效的抑制噪声并凸显信号中的损伤信息；并将多频技术应用于涡流电磁检测，使用演算方法和损伤特征参数提升了CFRP板的损伤识别精度，能更清楚直观地从图像分辨出损伤的种类和空间位置。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种碳纤维复合材料板结构损伤识别分类系统，其特征在于，包括多频函数信号发生器、探头、锁相放大器、小波分析去噪模块、数据采集模块、数控位移平台、计算机；所述多频函数信号发生器向探头提供正弦激励信号，在材料板内部感应出涡流，所述探头设置在所述数控位移平台上，所述计算机控制所述数控位移平台使探头在材料板上方沿扫描路径扫查，所述探头与锁相放大器连接，采集多频ECT信号的实部和虚部，经过所述小波分析去噪模块处理后，通过数据采集模块传输到计算机中进行数据运算处理和图像显示。
2.根据权利要求1所述的一种碳纤维复合材料板结构损伤识别分类系统，其特征在于：所述材料板为碳纤维复合材料板。
3.一种碳纤维复合材料板结构损伤识别分类方法，其特征在于，利用如权利要求2所述的系统对碳纤维复合材料板结构损伤进行识别与分类，包括以下步骤：
S1：构建所述碳纤维复合材料板结构损伤识别分类系统，根据材料板的种类、尺寸、扫查范围和铺层顺序，确定探头的类型、激励信号频率、扫描路径；
S2：对探头施加多频正弦激励信号，控制数控位移平台搭载探头沿着扫描路径在材料板上方设定高度处进行多频涡流检测，使用锁相放大器获取不同位置处多频ECT信号的实部Ux和虚部Uy；
S3：对步骤S2中得到的信号实部和虚部分别进行小波分析去噪，即选取设定的小波基和分解层数进行分解，再对小波分解的高频系数的阈值进行量化处理，然后根据小波分解的低频系数和量化后的高频系数进行小波重构，得到去噪后的信号；
S4：对步骤S3所得的经去噪后的多频ECT信号进行参数提取，即提取信号的幅值和相位；
S5：将步骤S4中提取的幅值和相位作为特征量表示指数形式的复数信号，对高频信号进行幅值缩放和相位旋转，并与低频信号做数据融合；
S6：对步骤S5中融合后的信号进行归一化处理得到信号的实部值和虚部值，用扫描路径上每个数据点信号值的大小来调节图像上像素的灰度值，得到主要包含损伤信息的扫查区域图像，即区域损伤图像；
S7：对步骤S6中的区域损伤图像进行损伤识别和分类。
4.根据权利要求3所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：在所述步骤S4中，通过下式提取信号的幅值和相位：
Figure FDA0003739921260000011
Figure FDA0003739921260000021
其中，U表示多频ECT信号的幅值，
Figure FDA0003739921260000022
表示多频ECT信号的相位。
5.根据权利要求4所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：在所述步骤S5中，涡流的趋肤深度δ为涡流密度衰减到表面1/e倍时的深度：
Figure FDA0003739921260000023
对于磁导率μ和电导率σ已知的材料板，沿厚度方向将材料板等分，依据穿透深度选取多个激励信号频率f。
6.根据权利要求5所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：在选取激励信号频率时，选取材料板的平均厚度所对应的频率为低频频率f0，选取材料板厚度等分方式所对应的频率为高频频率fi。
7.根据权利要求4所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：在所述步骤S5中，使用下式对高频信号进行幅值缩放和相位旋转，并与低频信号做数据融合：
Figure FDA0003739921260000024
Figure FDA0003739921260000025
Figure FDA0003739921260000026
Figure FDA0003739921260000027
其中，i＝1,2,3,...,n；ki为修正系数，通过直线扫查法获得；正弦激励信号的频率为低频频率f0和高频频率fi时，对应所得的检测信号分别表示为
Figure FDA0003739921260000028
和
Figure FDA0003739921260000029
Figure FDA00037399212600000210
为经过幅值缩放和相位旋转的高频信号；U为经数据融合后的检测信号。
8.根据权利要求7所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：所述步骤S7包括以下子步骤：
S71：测量损伤区域的长宽比；
S72：根据单个损伤在不同激励频率下的检测信号强度初步判断其在材料板厚度方向的位置；
S73：与损伤数据库进行特征参数对比即可判断损伤的类型及空间位置。
9.根据权利要求8所述的一种碳纤维复合材料板结构损伤识别分类方法，其特征在于：在所述步骤S73中，损伤数据库的建立过程如下：
S731：人为制造含有开裂、分层损伤的标准试件，损伤参数已知；
S732：通过直线扫查方式，控制探头沿着损伤区域的中心线进行扫查获取部分损伤特征参数；
S733：根据多频ECT信号的幅值，确定不同频率下的修正系数ki，使得损伤形貌和尺寸与实际情况相符；
S734：建立损伤数据库，损伤数据库中包含损伤区域的长宽比、损伤的空间位置、检测信号的幅值和相位信息以及修正系数ki的选取规则。
CN202210809331.4A 2022-07-11 2022-07-11 一种碳纤维复合材料板结构损伤识别分类系统及方法 Pending CN115166026A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210809331.4A CN115166026A (zh) 2022-07-11 2022-07-11 一种碳纤维复合材料板结构损伤识别分类系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210809331.4A CN115166026A (zh) 2022-07-11 2022-07-11 一种碳纤维复合材料板结构损伤识别分类系统及方法

Publications (1)

Publication Number Publication Date
CN115166026A true CN115166026A (zh) 2022-10-11

Family

ID=83492886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210809331.4A Pending CN115166026A (zh) 2022-07-11 2022-07-11 一种碳纤维复合材料板结构损伤识别分类系统及方法

Country Status (1)

Country Link
CN (1) CN115166026A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117607248A (zh) * 2024-01-23 2024-02-27 电子科技大学 一种基于数字锁相放大器的金属缺陷检测成像方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117607248A (zh) * 2024-01-23 2024-02-27 电子科技大学 一种基于数字锁相放大器的金属缺陷检测成像方法
CN117607248B (zh) * 2024-01-23 2024-04-02 电子科技大学 一种基于数字锁相放大器的金属缺陷检测成像方法

Similar Documents

Publication Publication Date Title
Mohan et al. Crack detection using image processing: A critical review and analysis
Cheng et al. Application of low frequency ECT method in noncontact detection and visualization of CFRP material
Giguère et al. Pulsed eddy current: Finding corrosion independently of transducer lift-off
CA2537531A1 (en) Inspection method and system using multifrequency phase analysis
CN115166026A (zh) 一种碳纤维复合材料板结构损伤识别分类系统及方法
Shao et al. Automatic detection and imaging of rivet hole defects for aircraft structures with optimized sensor array using eddy current method and image analysis
CN111579637B (zh) 一种检测及区分钢丝绳内外缺陷的无损检测方法和装置
Karpenko et al. Multi-frequency fusion algorithm for detection of defects under fasteners with EC-GMR probe data
Luo et al. A dual-scale morphological filtering method for composite damage identification using FBP
Chen et al. Characterization of image sequences of a defect using pulsed eddy current signals
WO2021256443A1 (ja) 機械的特性の計測装置、機械的特性の計測方法、物質の製造設備、物質の管理方法および物質の製造方法
CN109613111A (zh) 一种梯度螺旋涡流检测线圈及其检测方法
Vertiy et al. Three-dimensional visualization of the detected defects by eddy current computing tomography
CN116429875A (zh) 一种基于电涡流信号图像的金属增材缺陷量化方法
CN115201326B (zh) 一种基于近、远场涡流的缺陷埋深多参数辨识方法
Janousek et al. Enhancing information level in eddy-current non-destructive inspection
Dat et al. Multilayer perceptron neural network and eddy current technique for estimation of the crack depth on massive metal structures
WO2021256442A1 (ja) 機械的特性の計測装置、機械的特性の計測方法、物質の製造設備、物質の管理方法および物質の製造方法
Lefebvre et al. Pulsed eddy current empirical modeling
Cheng et al. Noncontact visualization of multiscale defects in CFRP composites using eddy current testing with TR probe
Kotriwar et al. Gradient feature-based method for Defect Detection of Carbon Fiber Reinforced Polymer Materials
Huang et al. Electromagnetic modeling of stress corrosion cracks in Inconel welds
Zhao et al. A novel transition frequency for identification and evaluation of subsurface cracks based on alternating current field measurement technique
Tang et al. Experimental study on infrared phase-locked thermal imaging inspection of carbon fiber reinforced polymer laminates
Matvieieva et al. Process-Integrated Eddy Current Quality Assurance (Theoretical Simulations, Study, Investigation)

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