涡流检测技术

目录

涡流检测技术及进展 (2)

涡流检测自然裂纹与信号处理 (5)

压力容器列管涡流检测技术的研究 (9)

金属锈蚀的涡流检测 (11)

涡流检测技术及进展

1 引言

涡流检测是建立在电磁感应原理基础上的无损检测方法。如图1，已知法拉第电磁感应定律，在检测线圈上接通交流电，产生垂直于工件的交变磁场。检测线圈靠近被检工件时，该工件表面感应出涡流同时产生与原磁场方向相反的磁场，部分抵消原磁场，导致检测线圈电阻和电感变化。若金属工件存在缺陷，将改变涡流场的强度及分布，使线圈阻抗发生变化，检测该变化可判断有无缺陷。

随着微电子学和计算机技术的发展及各种信号处理技术的采用，涡流检测换能器、涡流检测信号处理技术及涡流检测仪器等方面出现长足发展。

2 涡流检测的信号处理技术

提高检测信号的信噪比和抗干扰能力，实现信号的识别、分析和诊断，以得出最佳的信号特征和检测结果。

2.1 信号特征量提取

常用的特征量提取方法有傅里叶描述法、主分量分析法和小波变换法。

傅里叶描述法是提取特征值的常用方法。其优点是，不受探头速度影响，且可由该描述法重构阻抗图，采样点数目越多，重构曲线更逼近原曲线。但该方法只对曲线形状敏感，对涡流检测仪的零点和增益不敏感，且不随曲线旋转、平移、尺寸变换及起始点选择变化而变化。

用测试信号自相关矩阵的本征值和本征矢量来描绘信号特征的方法称为主分量分析法，该方法对于相似缺陷的分辨力较强。

小波变换是一种先进的信号时频分析方法。将小波变换中多分辨分析应用到涡流检测信号分析中，对不同小波系数处理后，再重构。这种经小波变换处理后的信号，其信噪比会得到很大的提高。

2.2 信号分析

(1) 人工神经网络

人工神经网络的输入矢量是信号的特征参量，对信号特征参量的正确选择与提取是采用神经网络智能判别成功的关键。组合神经网络模型，采用分级判别法使网络输入变量维数由N2 降到N，网络结构大为简化，训练速度很快，具有较高的缺陷识别率和实用价值。

神经网络可实现缺陷分类，具有识别准确度高的优点，对不完全、不够清晰的数据同样有效。

(2) 信息融合技术

信息融合是对来自不同信息源检测、关联、相关、估计和综合等多级处理，得到被测对象的统一最佳估计。

涡流C 扫描图像的融合，将图像分解为多子带图像，并在转换区内采用融合算法实现图像融合。Ka Bartels等采用信噪比最优方法合并涡流信号，并用空间频率补偿方法使合并前高频信号变得模糊而低频信号变得清晰。Z Liu等利用最大值准则选择不同信号的离散小波变换系数，选取待融合系数的最大绝对值作为合并转换系数。因此融合信号可基于这些系数，利用逆小波变换来重构。小波变换可按不同比例有效提取显著特征。在融合信号过程中，所有信号的有用特征都被保存下来，因此内部和表面缺陷信息得到增强。

2.3 涡流逆问题求解

换能器检测到的信号隐含缺陷位置、形状、大小及媒质性质等信息，由已知信号反推媒质参数(电导率)或形状(缺陷)，属于电磁场理论中的逆问题。

为求解涡流逆问题，先要建立缺陷识别的数学模型，有形状规则的人工缺陷、边界复杂的自然缺陷、单缺陷和多缺陷等模型；在媒质类型方面，有复合材料和被测件表面磁导率变化等模型。

随着计算机技术发展，缺陷模型各种数值解法也获得进展。出现有限元法、矩量法和边界元法等。

3 涡流检测设备

美国的EM3300 和MIZ-20 为采用阻抗平面显示技术典型产品，而TM-128 型涡流仪是我国首台配有微机带有阻抗平面显示的涡流探伤仪。MFE-1三频涡流仪是我国研制的首台多频涡流检测设备。随后，国内研制成功多种类型的多频涡流检测仪，如EEC-35、EEC-36、EEC-38、EEC-39 和ET-355、ET-555、ET-556 等。

目前，我国在有限元数值仿真、远场涡流探头性能指标分析及检测系统的研制等方面取得研究成果，推出商品化远场涡流检测仪器，其中ET-556H和

EEC-39RFT 已用于化工炼油设备的钢质热交换管和电厂高压加热器钢管的在

役探伤。

今后涡流检测技术研发包括：完善换能器设计理论，研制性能更好的涡流检测换能器；研究缺陷大小形状位置深度的涡流定位技术和三维成像技术；研究并

推广远场涡流检测技术；进一步研究金属材料表面疲劳裂纹的扩展、开裂、机械加工磨削烧伤及残余应力涡流检测技术。应用该项技术进行无损检测必将得到广泛应用。

涡流检测自然裂纹与信号处理

涡流检测(Eddy Current Testing, ECT)是一种检测导电材料表面及近表面缺陷的有效方法。目前在压力容器、核电站热交换管道、飞机结构等关键设备的缺陷检测中得到广泛应用。然而,由于受到环境噪声及探头提离与设备结构变化所引起的非缺陷信号的影响,缺陷的ECT信号往往被恶化。为了增强缺陷检测及表征的可靠性和有效性,在使用缺陷分类和形状反演技术之前,需要采用信号预处理技术来提高ECT信号的信噪比。

小波分析可以提供信号的频率信息和空间位置信息,对于分析信号的局部特征非常有用。可以在不丢失缺陷信号信息的情况下去除噪声。用小波分析方法处理ECT信号,可以增强缺陷信号的信噪比,使缺陷被可靠检测及精确表征。

1自然裂纹ECT信号的采集

为了使分析结果接近实际,采用自然裂纹作为研究对象。选用200 mm长, 100 mm 宽, 8 mm厚的合金钢板,先沿宽度方向在平板表面中央加工一条浅槽,然后固定在机械装置上,并使平板两端及中间三点反复受力弯曲,直到最终产生疲劳裂纹。按此方法制作了多块具有疲劳裂纹的试样。

自然裂纹试样制作完成之后,用安装线圈探头的涡流检测仪在多种不同频率下对裂纹进行扫描以获得ECT信号。探头由涡流检测仪激励,并由计算机控制的扫描平台进行精确定位。探头在试样不同位置采集的ECT信号被送到检测仪,并经过A /D转换器在计算机中存储起来,用于分析处理。

图1显示了激励电流频率为100 kHz时,探头在平板上方沿裂纹方向扫描时所采集的ECT信号。