共查询到10条相似文献,搜索用时 15 毫秒
1.
在管道漏磁检测中,缺陷的定量识别一直是个难题,运用有限元分析的方法,建立了漏磁场的数学模型,然后采用有限元分析软件ANSYS建立了漏磁检测装置分析的模型,并进行了二维静态情况的仿真,获得了不同缺陷所产生的漏磁信号,并把这些结果和实验结果进行了比较分析;从这些结果中可以得出了缺陷的特征与其所产生的漏磁信号的特征之间的对应关系,采用仿真的方法来研究漏磁信号的定量识别问题并取得较好的识别效果。 相似文献
2.
采用有限元方法对超声相控阵缺陷检测技术进行分析.首先介绍了超声波波束聚焦、偏转的基本原理,然后使用COMSOL有限元分析软件以及Matlab仿真程序对超声相控阵缺陷检测技术进行建模,在该模型的基础上分析了超声相控阵延时聚焦技术的实现过程与方法.在仿真过程中,通过改变阵元参数,研究其对于超声相控阵缺陷检测信号的影响,并结合物理实验进行了验证.分析结果表明,超声相控阵的延时聚焦技术减小了发射波的波幅宽度,提高了缺陷点回波信号的幅值;基于延时聚焦技术的发射信号,其波束指向性图的主波瓣波束较窄,幅值较高,旁瓣幅值降低,提高了图像分辨率以及成像质量. 相似文献
3.
在超声回波检测信号中,反映污垢特征的冲击信号非常微弱,容易被噪声淹没。针对信号稀疏分解中常用匹配追踪分解不够准确的问题,提出基于K-SVD奇异值分解的超声渡越时间获取方法,利用K-SVD训练得到超声回波信号的过完备字典,结合正交匹配追踪进行局部搜索适配原子,以提高信号稀疏分解的速度和准确度。基于Comsol Multipysics仿真软件建立充液污垢管道三维有限元模型,研究了超声回波传播特性规律。将K-SVD算法应用于超声回波仿真信号和换热污垢管道回波检测信号的处理,并与原始小波训练字典进行对比。结果表明:改进的K-SVD字典学习算法能够在提高信号稀疏分解的同时,获得较好的降噪结果和污垢特征信息提取,对超声检测信号的处理具有实际意义。 相似文献
4.
目前航空工业多采用铝合金部件,由于航空工业的量轻化等需求导致对铝合金件强度保持有较高的要求,因此对结构材料缺陷的检测尤为重要。为此文章设计了一种基于隧道磁电阻(Tunnel magnetoresistance, TMR)传感器的脉冲涡流无损检测系统方案,对铝合金缺陷参数与被测信号波形的关系进行了研究。首先使用有限元仿真软件COMSOL建模并获取仿真实验数据,证明了脉冲涡流无损检测应用于铝合金材料的可行性;其次,应用仿真结果指导探头设计,进而设计出检测系统,采取实物实验结果与仿真建模分析结果进行对比的方法,实验验证了检测系统的准确性、可靠性和在工程应用中的可行性;最后分析和讨论了缺陷宽度和缺陷深度的无损检测结果。为TMR传感器工程应用确立了实验基础。 相似文献
5.
6.
扫描激光线源技术检测金属表面缺陷位置实验研究 总被引:1,自引:0,他引:1
利用扫描激光线源(Scaing Laser Line Source,SLLS)技术,提出一种金属表面缺陷位置检测方法,并搭建实验平台,实验研究该检测方法对金属表面缺陷位置的检测效果。方法中利用扫描激光线源技术对样品表面进行扫查,在样品内部激发超声信号,采用双波混合干涉方法实现对激发信号的探测,根据激发的瑞利波和反射回波与缺陷位置的关系,确定激发点和探测点到缺陷的距离,从而确定缺陷的位置。实验研究中分别以线源位置和探测点位置为基点确定缺陷位置,结果表明以探测点位置确定缺陷位置时,定位相对误差为0.23%。 相似文献
7.
超声无损探伤在金属材料微小缺陷检测中有着广泛的应用,但采集的回波信号通常受到噪声干扰甚至完全被噪声掩盖,为了辨别被噪声干扰的缺陷反射信号,提出了一种基于自适应低秩矩阵分解的超声缺陷回波检测方法。首先对原信号进行短时傅里叶变换并提取幅度谱和相位谱,引入基于误差重建的背景矩阵秩估计方法,用于估计低秩稀疏分解所需的低秩度参数。然后通过低秩稀疏分解将幅度谱分解为低秩、稀疏和噪声三部分,舍弃噪声部分。最后使用时频掩蔽分离出缺陷信号幅度谱并运用逆短时傅里叶变换获得回波信号。应用本文提出的方法分别对仿真和实测信号进行处理,结果表明本方法在缺陷回波检测方面是有效的。 相似文献
8.
9.
远场涡流(RFEC)法是无损检测的重要方法之一,相对于其他无损检测技术而言更具优势。在基于远场涡流原理的基础上,利用有限元方法对远场涡流现象和二维轴对称缺陷进行了仿真和分析。首先,从麦克斯韦方程出发,对远场涡流进行数学建模,为有限元分析提供理论指导;其次,利用有限元法建立仿真环境,并对远场涡流现象进行二维仿真,借此设计出实验装置并确定了激励参数;最后,对轴向上不同位置、宽度和深度的缺陷进行分类对比仿真,研究了缺陷信号间的相互作用,确定了缺陷量化特征量,优化了缺陷信号。为以后的三维仿真和缺陷位置、尺寸及管道耗损的定量识别提供了理论依据。 相似文献