基于BP神经网络的漏磁定量化检测

漏磁检测是由铁磁材料制作的兵器部件的常用无损检测方法之一,检测中的难点是根据被测漏磁信号反演缺陷的几何参数。将BP神经网络应用于漏磁信号的反演中,对神经网络进行训练,建立了漏磁信号与缺陷几何参数之间的数学模型,利用测量漏磁信号和仿真数据对模型进行了检验。试验结果表明,BP神经网络能根据漏磁信号精确地预测缺陷的几何参数,为漏磁定量化检测提供了一种可行的方法。     

斜磁化条件下多磁源目标的边界识别方法

针对传统磁源边界识别方法在斜磁化条件下对多磁源目标识别能力较差的问题,提出斜磁化条件下多磁源目标的边界识别方法。根据矢量合成原理将磁场分量转化为总幅值异常以及方向余弦,利用改进K奇异值分解方法重建磁信号。利用归一化磁源强度与化极互相关的方法估计不同计算区域内磁源的磁化方向,将磁测数据转化为垂直磁化条件下的磁测数据。通过磁梯度张量矩阵特征值的绝对值之和与垂直条件下磁场沿z轴方向的分量在z轴方向上梯度的比值对磁源的水平边界进行求解,实现了对磁源水平边界的估计。仿真和试验结果表明,该方法能够准确识别斜磁化条件下多目标磁源的边界,且具有较强的抗噪性。     

基于频率域三维等效源的磁梯度张量转化方法

针对传统空间域条件下等效源计算方法中存在参数设计复杂、受噪声影响较大的问题,提出基于频率域等效源的磁梯度张量正则化转化方法。给出基于频率域地下水平长方体层的磁梯度张量正演理论,为频率域的反演计算提供理论基础;构建频率域三维等效源,并利用迭代法自适应确定地下网格划分深度与精度,实现计算过程的自动化。采用C范数正则化选择方法对地下等效源模型的磁梯度张量数据进行正演计算,提高了计算结果的稳定性。仿真和试验结果表明,在噪声条件下,该方法能够准确还原磁性异常体的磁梯度张量数据,具有较好的抗噪性以及计算效率。     

磁性目标的单点磁梯度张量定位方法

针对以往利用总量磁场(或梯度)或磁场分量测量的定位方法计算量相对较大、定位实时性较差的不足,根据磁偶极子模型基础上的简易方便的磁梯度张量定位模型,利用一个测点的测量值实现了实时磁性定位.利用平面磁梯度测量系统,对定位模型进行了仿真分析,表明该方法具有较高的精度,磁探仪精度、基线距离等是影响定位误差的主要因素,该方法对实际磁定位工作具有一定的参考价值.     

基于贝叶斯估计的漏磁缺陷轮廓重构方法研究

漏磁缺陷轮廓重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。目前常用的反演方法包括神经网络法和优化法,但神经网络法的计算精度受噪声影响严重,优化法计算量大。针对这些问题,提出基于递推贝叶斯估计的漏磁缺陷重构算法。建立缺陷轮廓与漏磁信号的状态空间模型,将反演问题描述为基于状态和观测方程的典型的离散时间跟踪问题,对漏磁信号进行了反演,并在不同信噪比下对神经网络法和所提方法进行了反演效果的比较。结果表明：基于递推贝叶斯估计方法的漏磁信号反演算法精度高,同时对噪声具有鲁棒性,是一种有效可行的漏磁反演新方法。     

基于磁偶极子的2阶磁场梯度张量缩并方法

针对磁场定位中2阶磁场梯度张量的理论尚不够完善的现状,提出基于磁偶极子的2阶磁 场梯度张量缩并方法。给出2阶磁场梯度张量的全局模量和局部模量计算公式,分析2阶磁场梯度张量的全局模量和局部模量及相关参数的三维空间分布规律,并给出相关参数k_H、k_Hxy和k_Hz的近似计算公式,比较1阶磁场梯度张量和2阶磁场梯度张量及其模量的分布规律及与距离的关系。计算结果表明：全局模量C_H及参数k_H值在0°≤≤90°时,随着增大而减小,在=0°时最大,在=90°时最小;局部模量C_Hxy和参数k_Hxy值在0°≤≤90°时,随先增加、后减少,当=35° 时最大,当=90°时最小;局部模量C_Hz和参数k_Hz随先减少、后增加,当=0°时最大,当=71°时最小;k_H、k_Hxy和k_Hz的拟合值与理论反演值高度吻合;在距离较近时,2阶磁场梯度张量及模量更敏感;在距离较远时,1阶磁场梯度张量及模量更敏感;在实际磁场定位的应用中,可结合1阶和2阶磁场梯度张量及全局模量进行使用。     

基于金属磁记忆技术的焊接缺陷检测研究综述

焊接接头经常是钢材的复合受力处，焊接接头存在缺陷会严重影响焊接结构的安全性能，磁记忆检测技术能够对焊接缺陷进行定位，因而被广泛关注，但传统的零点极值理论判断依据在实际检测中会造成缺陷定位误判和漏判，为此，为了准确定位焊接缺陷并挖掘出缺陷种类，对焊接缺陷的磁记忆检测特征、检测机理、检测影响因素和检测消噪进行了深入的研究。本文归纳总结了磁记忆焊接缺陷检测机理、影响因素、信号特征参数及磁记忆信号降噪研究进展，梳理了目前存在的问题，同时为信号的特征参数选取指明方向。     

基于正交基函数的矢量磁梯度异常探测

磁异常探测技术是一种快速有效的非接触式感知手段。针对传统的标量正交基函数(OBF)检测器获取的磁场信息有限,而矢量OBF检测器得到的磁场信息受地球磁场晃动影响显著的问题,推导一种兼具丰富磁场信息以及抗晃动性能的矢量磁梯度OBF检测器。证明当测量噪声服从高斯独立同分布时,矢量OBF检测器相较于标量OBF检测器具有更低的检测虚警率,且空间采样长度是影响OBF检测器性能的关键因素。仿真和实测结果表明：矢量磁梯度OBF检测器相对于传统检测器具有更优的检测性能,降低空间采样长度可以明显提升其探测性能;矢量磁梯度OBF检测器在低信噪比条件下可以反演得到磁性目标的磁矢量梯度信号,利用粒子群参数估计算法能估计得到目标的位置参数和磁矩参数。     

基于水下运动平台的磁性目标跟踪与特征反演

传统的磁梯度张量定位方法大多基于单磁偶极子模型,对具有一定尺度的目标存在定位精度不足的问题,而且易受环境噪声以及测量精度的影响,尤其是在偶极子特征平面上,微小的扰动或者观测精度不足就会导致定位结果发生较大的偏差。针对上述问题,基于多个偶极子的组合模型,结合具有鲁棒性的无迹卡尔曼滤波算法,提出一种针对尺度磁性目标的磁梯度跟踪方法。该方法能够有效提高磁性尺度目标的定位精度,特别当出现异常观测时仍然可以准确定位目标。以水雷或者水下未爆弹等目标的识别为例,根据鲁棒无迹卡尔曼算法得到的偶极子分布状态,结合主成分分析算法的数学含义,设计了一种可以准确反演目标的主尺度特征以及结构特征的目标尺度反演算法。该算法可识别目标主尺度为线结构或者面结构,对目标主尺度反演误差小于0.3 m,对目标主尺度方向的反演误差小于2°,可为目标种类判别提供参考。     

平板铁磁材料磁记忆检测特征分析

针对平板铁磁材料磁记忆检测问题,阐述了该技术对于直立圆柱体和水平圆柱体2种缺陷类型与磁场强度的对应关系,归纳了磁记忆检测的基本特征。使用俄罗斯TSC-1M-4型磁记忆检测仪,对含有水平圆柱体和直立圆柱体2种缺陷的平板铁磁材料进行了实验验证。结果表明,从重磁转化角度得出的磁场特征理论曲线能够正确反应出缺陷处磁场分布,与检测仪器测得结果也是吻合的。     

基于磁梯度张量SVD 的磁性目标识别方法

针对磁梯度张量单个分量对斜磁化多目标识别能力不足,受载体姿态影响较大的问题,提出基于磁梯度 张量奇异值分解(singular value decomposition,SVD)的磁性目标识别方法。通过磁梯度张量矩阵的奇异值分解,提 取奇异值的最大值作为磁性目标识别特征量,增强了对斜磁化多目标的识别能力,证明了磁梯度张量奇异值的张量 不变量特性,克服了载体姿态变化对磁梯度张量识别的影响。仿真和实测结果表明,该识别方法能有效区分和识别 斜磁化的多目标。     

基于单个磁梯度计的磁目标定位方法研究

欧拉法可以实现对磁偶极子源的精确定位。通过旋转合成可以得到包含在欧拉齐次方程中的磁梯度张量,在此基础上提出了一种转动单个矢量磁梯度计实现磁目标定位的方法。建立了磁梯度计旋转探测模型,分析了模型中转动角、倾角和基线长度等参数对磁目标定位精度的影响,为转动装置的参数设置提供了参考。研究结果表明,与7个磁传感器组成的阵列探测方法相比,该旋转探测方法在靠近磁目标的区域内具有更高的定位精度。     

地磁场中磁目标的等效衰减磁矩定位方法

为在地磁场中获取磁目标的位置参数,提出了一种基于等效衰减磁矩的磁目标定位方法。建立了正六面体的测量模型,计算了正六面体中心点和侧面中心点的等效衰减磁矩,得到了磁偶极子目标的定位公式。分析了地磁场、磁梯度测量噪声、正六面体边长基线及磁力仪测量精度等因素对磁偶极子目标定位结果的影响。仿真结果表明：该方法能有效克服地磁场的干扰,实现对磁偶极子目标的可靠定位;与以往的计算模型相比,在张量差分计算基线相同的情况下,可使原模型体积减小64.7%,定位精度更高。     

强剩磁条件下磁性目标三维正则化聚焦反演方法

针对强剩磁条件下铁磁物质反演中存在磁化方向发生改变的问题,提出了强剩磁条件下磁性目标三维正则化聚焦反演方法。对于孤立磁源,首先估计其磁化方向,然后利用磁化方向估计值对磁性体进行反演;对于多目标磁源,利用弱敏感于磁化方向的磁总场模量数据进行反演。在迭代过程中,通过深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化框架下的反演模型进行约束并得到目标函数,有效解决了反演解的多解性问题。对目标函数进行迭代奇异值分解,根据无偏风险估计准则自适应地确定正则化参数,实现了迭代过程的自动化。仿真和实验结果表明：在强剩磁条件下,该方法能够准确还原磁性异常体的轮廓形态,具有较好的模型分辨率。     

A Classification Algorithm for Ground Moving Targets Based on Magnetic Sensors

A novel classification algorithm based on abnormal magnetic signals is proposed for ground moving targets which are made of ferromagnetic material. According to the effect of diverse targets on earth's magnetism,the moving targets are detected by a magnetic sensor and classified with a simple computation method. The detection sensor is used for collecting a disturbance signal of earth magnetic field from an undetermined target. An optimum category match pattern of target signature is tested by training some statistical samples and designing a classification machine. Three ordinary targets are researched in the paper. The experimental results show that the algorithm has a low computation cost and a better sorting accuracy. This classification method can be applied to ground reconnaissance and target intrusion detection.