排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
基于漏磁检测技术,采用巨磁阻抗GMI传感器搭建了钢板无损检测系统,对镀锡DI材带钢上直径大小为60~140μm的缺陷进行了检测。GMI传感器敏感核心元件采用的是直径16μm、长为5mm的Co68.15Fe4.35Si12.5B15非晶玻璃包裹丝,以非线性非对角模式工作,具有高灵敏度、快速响应、非接触、功耗小、无磁滞等优点。实验表明,这套测试系统在提离值0.5~3 mm范围内能够精确地检测出直径大于60μm的缺陷,根据测量信号可以分析出缺陷所在的位置和大小。实验结果较好地符合磁偶极子模型。 相似文献
3.
漏磁法检测薄带钢内部缺陷的研究进展 总被引:1,自引:0,他引:1
漏磁法检测带钢内部缺陷是利用铁磁性材料在磁场中的导磁现象,若材料中有缺陷存在,就会在材料表面缺陷处形成漏磁场,通过漏磁场大小即可检测出缺陷大小。文章中给出了基于漏磁技术的薄带钢内部缺陷检测试验结果。在试验中,采用厚度为0.13mm的薄带钢为检测对象,并在其上打出直径为0.13mm的通孔和盲孔作为人工缺陷,将钢板磁化至深度饱和,能够较好地得到该缺陷的漏磁信号。目前,日本太平工业和Nireco两家公司开发出的漏磁检测设备已经进入工业化大生产阶段,二者的缺陷检测精度分别为0.0014mm3和0.000373mm3。分析认为可以根据现场检测条件和检测精度需求选择合适的磁敏传感器,并采用直流磁化方法,将带钢磁化至深度饱和来保证微小缺陷信号的检出。采集到漏磁信号后,用小波分析法进行信号预处理,然后以统计法或者神经元网络法来实现缺陷尺寸量化,往往能够得到较为精准的检测结果。对漏磁技术应用中的难点和技术发展趋势进行了展望。 相似文献
4.
针对线材表面质量信息无法按支追溯到坯、对分析异常原因及改进均带来很大局限、造成各种质量异议的问题,结合机组现场条件,自主开发了小方坯端面手写字符自动识别系统。该系统以机器视觉技术为基础,配置高性能双侧照明光源和面扫描CCD图像传感器,获得高质量的方坯端面图像;系统检测识别软件采用快速高效的边缘检测算法和深度学习算法,实时识别出端面手写字符,并将检测结果发送至服务器。系统采用C/S模式为网络架构,实现检测数据在客户端和服务器之间的可靠传递。系统上线1年多的运行实绩证明:该系统在条钢部加热炉前位置,可长期连续工作,按支跟踪准确率达98%以上,实现小方坯的在线按支自动识别和跟踪,具有卓越的检测识别性能和良好的稳定性。 相似文献
5.
1