基于脉冲涡流的铁磁性材料屈服强度检测方法

钢铁工业中的铁磁性材料屈服强度的检测依赖拉伸检测,增加了检测成本,为此提出了一种多特征融合的铁磁性材料屈服强度脉冲涡流检测方法。提取脉冲涡流响应信号的时域特征、频域特征,然后建立各个信号特征与材料屈服强度的神经网络模型,最后用神经网络模型对材料的屈服强度进行估计。该方法是一种无损检测方法,检测误差不超过5%。     

冷轧带钢屈服强度的脉冲涡流检测方法研究

目前冷轧带钢屈服强度的检测主要依赖于有损检测,大大增加了检测成本。将BP神经网络引入基于脉冲涡流的冷轧带钢屈服强度预测,首先提取脉冲涡流响应信号的时域、频域特征,分析了各个脉冲涡流信号特征的稳定性,然后建立信号特征与材料屈服强度的BP神经网络模型,最后用建立的模型对材料的屈服强度进行预测。实验表明,采用BP神经网络对冷轧带钢进行屈服强度预测的误差为6%及以下,这种方法对于降低工业生产的检测成本、提高检测效率有一定的实用价值。