基于弱磁成像的铁磁性构件无损检测技术研究——以钢丝绳为例

摘要

铁磁性构件应用于各个工业领域，例如钢丝绳、油气管道等，长时间大负荷使用，构件容易发生断裂、腐蚀、变形等缺陷。课题以钢丝绳为例，实现其快速无损检测(Nondestructive Testing, NDT)及其定量化为目标进行了研究。为了设计出检测速度快精确度高的钢丝绳检测系统，实现断丝数目定量识别，为估计钢丝绳剩余寿命提供可靠参考，本文主要完成了以下研究： 针对传统检测设备体积大、不便携、可靠性差、精度低、污染大及维护代价高等缺点，提出了两种弱磁钢丝绳检测法：首先提出了一种剩磁(Residual Magnetic Field, RMF)检测方法，利用铁磁性物质在外磁场作用下将产生剩磁场特性，通过检测分析剩磁场分布，可获取表面或亚表面损伤。由于 RMF 检测可靠性较低，本文在该基础上提出了一种非饱和激励(Unsaturated Magnetic Excitation, UME)检测方法，该方法是基于铁磁性物质局部受微磁场激励产生表面漏磁场特点而提出的。采用磁偶极子理论建立了 RMF 和 UME 表面弱磁场(Magnetic Flux Leakage, MFL)分布模型，分析了不同断丝参数对MFL的影响。仿真和实验结果表明 UME 信号可靠性好，信噪比高，检测结果更有利于区分小断丝缺陷。 为了抑制剩磁信号噪声，提出了一种基于压缩感知的小波降噪办法，提取出最稀疏的缺陷信号。针对小波基选择的不确定性问题，采用 Hilbert-Huang 变换(Hilbert-Huang Transformation, HHT)去除信号中的噪声与直流分量，均衡信号，提高信噪比。为了获取更多图像细节，提出了一种基于Tikhonv正则化多帧图像超分辨率重建方法，获取了弱磁高分辨图像。提取出缺陷图像纹理、区域和不变矩特征作为图像描述，研究了反向传播神经网络(Back Propagation, BP)和径向基神经网络(Radial Basis Function, RBF)在断丝数中的识别应用，取得了1丝误差下91.43%的识别率。

目录

第一个书签之前

摘 要

ABSTRACT

目 录

第1章 绪论

1.1 研究背景及研究目的与意义

1.2 国内外研究现状

1.2.1 钢丝绳NDT主要内容

1.2.2 钢丝绳NDT及缺陷识别技术研究现状

1.3 钢丝绳电磁检测方法的问题和发展方向

1.4 本文研究工作

第2章 铁磁性构件表面弱磁分布建模

2.1 引言

2.2 磁偶极子理论

2.3 棒状弱磁模型

2.3.1 剩余磁场模型

2.3.2 UME断丝模型

2.3.3 小缺口模型仿真

2.3.4 外部漏磁场

2.4 模型对比

2.5 本章小结

第3章 基于弱磁理论的钢丝绳检测平台设计

3.1 引言

3.2 钢丝绳弱磁采集系统结构

3.2.1 检测装置磁化结构设计

3.2.2 检测装置整体结构设计

3.2.3 钢丝绳实验平台

3.3 采集系统硬件系统设计

3.3.1 HMS传感器阵列设计

3.3.2 系统电源模块

3.3.3 编码器模块

3.3.4 信号调理模块

3.3.5 数据存储模块

3.4 采集系统软件系统

3.4.1 系统主程序设计

3.4.2 中断模块设计内容

3.4.3 AD转换程序设计

3.5 实验系统原型机

3.5.1 剩磁检测原型机

3.5.2 UME检测原型机

3.6 本章小结

第4章 钢丝绳弱磁信号分析与处理技术

4.1 引言

4.2 信号预处理

4.2.1 分段均值基线估计

4.2.2 小波多分辨分析

4.2.3 弱磁信号中HHT应用

4.3 压缩感知降噪研究

4.3.1 压缩感知理论

4.3.2 基于压缩感知小波滤波法的钢丝绳剩磁降噪

4.4 仿真模型与实验对比验证

4.4.1 仿真模型与实验对比

4.4.2 剩磁法与UME信号对比

4.5 本章小结

第5章 钢丝绳弱磁图像处理与断丝缺陷特征提取

5.1 引言

5.2 基于剩磁检测法的钢丝绳缺陷图像处理算法研究

5.2.1 阵列数据的图像转换

5.2.2 钢丝绳剩磁缺陷图像形态学处理与缺陷定位

5.2.3 缺陷图像的归一化与分辨率提升

5.3 基于非饱和激励下的钢丝绳断丝缺陷图像处理研究

5.3.1 钢丝绳多帧UME图像的获取

5.3.2 钢丝绳缺陷UME图像分割与归一化

5.3.3 基于多帧图像的UME缺陷图像超分辨率重建

5.4 基于弱磁成像的钢丝绳断丝缺陷特征提取研究

5.4.1 图像区域特征

5.4.2 图像纹理特征

5.4.3 图像不变矩特征

5.5 本章小结

第6章 钢丝绳断丝缺陷的定量识别技术研究

6.1 引言

6.2 基于BP神经网络剩磁识别技术研究

6.2.1 断丝剩磁图像识别BP网络设计

6.2.2 BP网络剩磁识别结果

6.3 基于RBF神经网络弱磁断丝图像识别技术研究

6.3.1 剩磁场的RBF识别应用研究

6.3.2 非饱和磁场的RBF识别研究应用

6.4 本章小结

第7章 结论

参考文献

致 谢

攻读学位期间的研究成果