联合时频分析在脉冲涡流信号识别中的应用

脉冲涡流主要用于对飞机多层结构中出现的腐蚀缺陷进行定量检测.针对实际检测过程中由于探头提离变化和腐蚀缺陷同时存在时的信号难以识别的问题,应用时频分析的方法能同时得出信号随时间和频率变化的特性,为脉冲涡流检测信号提供了一种很好的可视化识别途径.     

飞机多层金属结构脉冲涡流检测提离效应的抑制

探头提离造成的信号畸变是脉冲涡流检测中主要干扰之一。本研究针对飞机多层铆接结构脉冲涡流检测中的提离效应进行抑制,采用一种基于提离数据库的峰值补偿方法对探头提离效应进行了一定程度的抑制。通过线性阵列探头获取提离补偿后的信号峰值,组成幅值矩阵,实现成像检测。对比探头提离的抑制效果,实验结果表明,该方法能够有效地运用于多层金属结构近表面及深层缺陷的提离检测。     

基于频谱分析的脉冲涡流检测提离消除技术

脉冲涡流检测中由于探头倾斜等原因容易产生提离效应,严重影响缺陷的定量精度。利用激励脉冲频率成分丰富的特点,提出了一种基于频谱分析的提离效应消除新方法。通过试验发现,经该方法处理后的有提离的原始检测信号在低频部分已基本重合,消除了提离效应对低频的影响,且可通过提取低频特征值对缺陷的深度进行定量。试验结果证明,该方法可以有效地消除提离效应,提高缺陷的定量检测精度。     

基于PCA和SVM的铬层裂纹声发射识别方法

针对采用幅值、能量等统计特征参数分类识别声发射(AE)信号时存在的信息冗余问题,提出利用主成分分析(PCA)方法减少信息冗余,提取AE信号统计特征。设计了钢板表面铬层裂纹试验,对统计特征参数进行主成分分析,提取了两个主成分。设计了支持向量机(SVM)分类器,以主成分为输入向量,分类识别铬层裂纹AE信号。验证了主成分可以有效表征AE信号统计特征,减少了信息冗余,提高了分类效率及准确率。     

一种基于小波包和PCA的超声缺陷识别方法

在超声检测中，对缺陷进行定性分析是无损检测与评价的关键内容。本研究提出一种对缺陷类型进行分类的检测方法，通过对不同类型的缺陷波信号进行特征量提取，实现对缺陷的类型识别。首先使用空气耦合超声检测系统采集无缺陷信号与3种不同类型的缺陷波信号，提取信号的时域无量纲参数和小波包能量系数组成多维特征向量；然后使用主成分分析法（Principal component analysis，PCA）对多维特征向量进行降维处理得到特征融合量；最后输入BP神经网络系统进行缺陷类型的分类，并与未经过PCA处理的测试结果进行对比分析。实验结果证明，经过PCA处理的测试结果准确率更高，测试时间更短。     

脉冲涡流阵列成像检测

飞机多层铆接结构中内层埋藏缺陷的检测是无损检测领域的一个难点。设计了一套脉冲涡流阵列检测系统,包括线性霍尔阵列探头和软件成像系统。应用该系统对铝合金深层裂缝及铆接结构内层裂纹腐蚀缺陷进行检测,通过时间切片分析法获取缺陷信号特征值,组成特征幅值的矩阵,实现成像扫描。试验结果表明,采用时间切片分析法能够有效地对试件近表面及内层的缺陷进行成像检测。     

基于聚焦探头的带包覆层管道复杂结构部位脉冲涡流检测研究

脉冲涡流检测技术在带包覆层管道腐蚀缺陷检测中展现出优势而引起广泛关注。本研究设计了一种脉冲涡流聚焦探头,通过有限元仿真与试验,研究其在复杂结构部位中的检测能力。仿真结果显示,设计的脉冲涡流聚焦探头能有效聚集磁场与涡流场能量,有利于对局部缺陷与复杂结构中的缺陷进行检测。通过探究聚焦探头在提离10~50 mm下对管道焊缝及各种尺寸局部缺陷的检测灵敏度,分析其检测能力与提离检测极限,以及在检测过程中的信号特征。结果表明,聚焦探头在提离50 mm下仍能检出尺寸为40 mm×40 mm×1 mm（长×宽×深）的方形局部腐蚀缺陷,焊缝信号的凸起特征、缺陷信号的下凹特征与仿真结果相印证。     

444铁磁性不锈钢焊管缺陷的识别与分类

基于涡流检测技术,提出一种针对444铁磁性不锈钢焊管的缺陷识别与分类方法。首先采集经过磁饱和处理后的钢管涡流信号,通过经验模态分解(EMD)进一步对涡流信号进行降噪,提取到最能代表原始信号特征的内涵模态分量(IMF),对所选取的IMF提取时频域特征参数;为了提高模型识别效率,通过主成分分析(PCA)对特征向量集降维;最后使用支持向量机(SVM)对焊缝缺陷进行识别与分类。试验结果表明,该方法对444不锈钢焊管各缺陷的识别准确率较高,生产中可将含有特定缺陷的产品自动筛选出来,提高了生产效率。     

飞机多层结构内层腐蚀损伤的远场涡流检测与评估

飞机多层结构的内部腐蚀具有隐蔽性强的特点,因而难以及时发现,严重威胁飞行安全。利用远场涡流检测技术,针对飞机多层结构的内层损伤,研究了硬铝合金多层结构内层模拟腐蚀缺陷的涡流检测。结果表明:对相位进行分析可以判断缺陷的埋藏深度;结合飞机蒙皮的单层厚度,可以确认缺陷所在蒙皮的层数,根据埋深和层数调用相应的公式,可以获得缺陷的准确信息;远场涡流检测的灵敏度高,可以实现对腐蚀缺陷的定位检测和定量检测。     

一种基于小波包和主成分分析的超声信号特征提取方法

为了有效识别不同类型的超声缺陷信号,提出了一种基于小波包分解和主成分分析(Principal Component Analysis,PCA)的信号特征提取方法。首先,提取缺陷信号小波包分解后的能量系数组成多维特征向量集;然后,使用PCA方法对多维特征向量进行降维得到融合特征量;最后,输入BP神经网络对不同类型的缺陷信号进行分类测试,并与未经PCA处理的特征量分类测试结果进行对比。试验结果证明,该特征量提取的方法能够有效地对缺陷进行分类,且测试速度明显得到提高。     

Arc spectral processing technique with its application to wire feed monitoring in Al–Mg alloy pulsed gas tungsten arc welding

The principal component analysis (PCA) is applied for three purposes: spectral line identification, redundancy removal and spectral characteristic signals extraction. The spectral information is classified as the first and the second principal components, associated with Ar I lines and metal lines, respectively. With the mean value method, pulse interference resulted from the pulse current is eliminated from the spectral signals. The relationships among these extracted signals and the defects resulted from wire feed are discussed and the results show that the second principal component is closely related to these defects while the first principal component has relationship with the arc states. To test validity of the extracted signals, a back-propagation neural network is designed and appropriately trained with “Early Stopping” technique to detect these defects automatically.     

基于神经网络及数据融合的管道缺陷定量识别

分析了管道缺陷的特征参数与漏磁信号的关系，研究显示管道缺陷的深度和长度分别与漏磁信号的幅值和宽度呈近似线性关系。将实际漏磁信号预处理以消除传感器提离值不同带来的影响，然后用已训练好的BP神经网络进行了管道缺陷的定量识别，识别结果的误差〈10％，完全满足实际检测要求。分别用加权平均和自适应加权平均两种方法将轴向和径向漏磁信号进行信号级融合，融合后基于BP神经网络的缺陷定量识别的精度和可靠性得到了明显提高，其中加权平均法更优。     

基于超复数奇异值分解的滚动轴承多通道振动数据压缩

针对滚动轴承的多通道振动信号,提出一种基于超复数奇异值分解(HC-SVD)压缩方法.在振动试验中,应用多通道传感器获取滚动轴承三正交轴x、y、z的振动数据,将三通道振动数据构成一纯四元数序列,并应用超复数奇异值分解法提取振动数据的超复数主元成分进行压缩.实验结果表明:该方法能剔除冗余信息,具有很好的重构性,而且能保持在采样时刻上三轴信号间的振动机理关联性,为多通道信号压缩与特征分析提供了一种新方法.     

抽油杆交流漏磁检测方法与装置研究

基于交流漏磁检测原理,采用穿过式线圈对抽油杆进行交变励磁,实现对其表面上多种类型缺陷的无损检测。实验结果表明,缺陷深度、激励磁场强度和提离值等参数对检测信号幅值产生较大的影响,并对各种参数产生的影响进行了分析。穿过式线圈磁化实现抽油杆全周向交流漏磁检测,其检测的灵敏度较高,可以对腐蚀产生的微小麻点进行评价,能实施对含腐蚀性环境下的抽油杆探伤。     

Characterization of subsurface defects in aeronautical riveted lap-joints using multi-frequency eddy current imaging

The authors present an original eddy current imager (ECI) designed for the fast and accurate non-destructive evaluation of defects buried next to rivets in aeronautical lap-joints. The ECI is associated to a signal processing method based on a principal component analysis (PCA) followed by a maximum likelihood (ML) approach. The PCA was implemented using EC images obtained with selected excitation frequencies. These images are considered as resulting from a linear mixing of different sources including the presence of rivets and defects, and the PCA is used to separate these sources thanks to an eigen decomposition of the EC data covariance matrix. As a result, the defect signatures are enhanced and used to implement an automatic defect characterization. This characterization is carried out by the means of an ML approach which allows the length and depth of the defects to be estimated. The method was implemented for the evaluation of a laboratory made riveted lap joint mock-up featuring buried defects. It was experimentally optimized and successfully implemented for the characterization of calibrated defects ranging from 2 to 10 mm in length and 2 to 8 mm in depth.     

航空发动机涡轮叶片缺陷弱磁检测方法研究

针对航空发动机涡轮叶片边缘裂纹缺陷难以进行检测的难题,提出了一种基于弱磁检测技术缺陷判定方法的新算法.首先从理论上分析了弱磁检测技术对涡轮叶片边缘裂纹缺陷检测的可行性,其次,为减少检测提离高度设计了扫查工装并在地磁场环境下对人工刻伤的涡轮叶片进行弱磁检测,最后通过磁梯度法与极值法相结合的方法对原始信号进行数据处理,提取...     

脉冲涡流检测提离效应的抑制方法

脉冲涡流检测中由于探头倾斜或被测对象表面不光滑等原因容易产生提离效应,提离效应严重影响着脉冲涡流无损检测的结果。提出了一种基于差分信号二阶微分零时刻值匹配补偿的方法。首先建立相应的提离参考数据库,然后通过索引二阶微分零时刻值匹配提离参考信号,计算补偿比,利用补偿公式对提离效应进行抑制。通过试验发现,经该方法处理后的有提离差分信号能够与无提离的差分信号可以很好的吻合,消除了提离效应对差分信号的影响。试验结果表明了该方法能够对多层金属结构的内部缺陷检测具有较好的提离抑制效果。     

漏磁检测信号轴向分量和径向分量的选择

缺陷漏磁场的径向分量和轴向分量是漏磁检测中经常检测的物理量,两者之间如何选择,至今尚无定论。采用等效面偶极子模型分析了缺陷漏磁场的空间分布特点,解释了径向分量比轴向分量衰减更快的原因。结合有限元方法,研究了不同深度、宽度的二维矩形槽和不同倾角的梯形槽缺陷的漏磁场分布,分析了径向分量与轴向分量的变化特点,总结了缺陷参数变化时临界点的变化趋势。从探头设计的角度,考察了探头提离值以及缺陷参数对缺陷漏磁场信号轴向和径向分量幅值的影响,提出利用临界点作为检测分量的选取原则。     

浅薄缺陷的脉冲漏磁信号特征量提取

为提高脉冲漏磁对浅薄缺陷的检测能力,提出了一种处理检测信号的二次差分方法,分离出在涡流效应的阻尼作用下产生的脉冲漏磁信号中的涡流分量,即二次差分信号。从二次差分信号中提取出了浅薄缺陷深度的新特征量——峰值时间Pt,并验证了二次差分方法的可行性。试验结果表明,和信号幅值大小相比,将Pt作为浅薄缺陷特征量,在检测浅薄缺陷时对缺陷深度的分辨率较高,同时能够克服检测探头提离所引起的缺陷特征量分辨率严重下降的问题。