记忆检测器范文（精选7篇）
记忆检测器 第1篇
金属磁记忆检测由于其自身原理具有以下特点:
(1) 不需要专门的磁化设备就能对铁制工件进行可靠的检测;
(2) 不需要专门对被检测工件的表面进行清理;
(3) 设备轻便、操作简单、灵敏度高。
无损检测其宗旨是在不损害被检测对象为前提, 对材料、零部件及产品进行有效的检验和测试, 评价它们的连续性、完整性和其他物理性能。实质就是利用多种手段, 如, 超声波、磁粉、射线、渗透涡流等对材料或零部件进行检测从而对其作出评价。无损检测包含无损检测NDT (Nondestructive Testing) 、无损检查NDI (Nondestructive Inspection) 和无损评价NDE (Nondestructive Evaluation) 。近年来, NDT和NDI已经逐步向NDE过渡。这就要求无损检测工程师不仅要掌握已经出现的缺陷及其分布状况, 更要能够在产生破坏前对构件 (含寿命、缺陷的发展趋势等) 进行预测和评估。相比较而言, 磁粉、X-射线、涡流、超声波等检测方法大都用来检测已经出现了的缺陷, 不能预防设备的意外疲劳损伤, 而这正是运行中设备损坏和产生事故的主要根源。对于铁磁构件的早期诊断, 金属磁记忆检测 (Metal Magnetic Memory Testing, MMM) 不失为一种有效的手段。
1 金属磁记忆检测焊接缺陷的独特优势
焊接是金属构件制造、安装、修理和改造的重要一环, 焊接质量的优劣是保证金属构件能否安全正常使用的重要前提。在焊接过程中, 焊缝金属经历了快速熔化和快速冷却的过程, 必然产生非平衡的特殊组织和应力集中区, 焊缝中应力集中区的形成会聚集相当高的应力能。为了使铁磁构件内的总的自由能趋于最小, 在材料内部主要以增加磁弹性能的形式来抵消应力能的增加, 从而在铁磁构件内部产生大大高于地球磁场强度的畸变磁场。
金属力学性能的研究表明, 即使在金属材料的弹性变形区, 完全没有能量损耗的完全弹性体是不存在的。由于金属内部存在着多种内耗效应 (如弹粘性内耗、位错内耗等) , 势必造成动态载荷消除后, 加载时在金属内部形成的应力集中区会得以保留, 特别是在动载荷、大变形和高温情况下尤为突出。保留下来的应力集中区形成类似缺陷漏磁场分布形式。
对于焊接结构而言, 焊接缺陷的存在必然会使其应力-应变状态改变, 而应力-应变状态的改变又会使材料表面漏磁场的信号改变, 因此, 可以通过提取漏磁场信号的特征量对焊接缺陷进行描述。利用MMM监测技术不仅可以检测到已经形成的宏观缺陷, 还可以检测到焊缝中的微观缺陷, 以及以高应力集中水平为特征的损伤萌芽状态, 这就显示出MMM检测技术在焊接缺陷检验中具有其他无损检测方法所部具备的独特优势。
2 焊缝焊接质量检测实例
下面是采用磁记忆检测方法检查焊接质量的两个实例:
例1:2007年, 在某电厂的基建安装质量验收检验中, 采用磁记忆检测技术对该厂锅炉分隔屏过热器联箱进行了检测;
检测对象:分隔屏过热器进口联箱;
规格:φ324mm×45mm, 材质:12Cr1MoVG;
检测仪器:TSC-1M-4型四通道磁记忆检测仪;
传感器型式:Ⅰ型传感器, 如图1所示, 为四轮小车型, 配有4个铁磁探测式转换器和计长器。
扫查方式:铁磁探测转换器垂至于检测工件表面, 沿焊缝整个周圈顺序移动;
检测依据:参考《设备和结构焊接接头金属磁记忆方法》 (俄罗斯焊接学会标准) 。
检测结果:沿该联箱环焊缝周圈进行了检测, 从0°开始, 逆时针方向扫查, 所测得焊缝周圈磁场分布如图2所示 (0°～315°的45°范围内处存在两处明显磁场强度突变信号, 在140°处存一处磁场强度突变信号) 。焊缝残余磁场Hp法向分量分布, 如图2所示。
验证:对以上磁记忆检测结果进行了常规的MT检验, 结果在0°～315°的45°范围内发现裂纹缺陷一处, 裂纹断续长度为260mm, 在140°处发现咬边缺陷一处, 如图3所示。
例2:对某变电站金属构件的纵焊缝进行了部分抽查, 其中在一杆塔纵焊缝的磁记忆检测中发现磁场突变可疑信号, 对这条纵缝我们采用了两种磁记忆检测方式进行了检测:
a.采用TSCM-2FM应力集中磁检测仪进行检测, 如图4所示。
扫描宽度约30mm, 扫描步长约为20～30 mm。检测长度1 850 mm, 在600～1 450 mm的区段中发现3处应力集中信号。实测应力集中区HPy数据, 见表2。
上组数据中共有3个区域HPy值在焊缝上过零值, 也就是说该条焊缝存在3处应力集中区域, 如图5所示。
b.采用TSC-1M-4应力集中磁指示仪 (1型传感器) , 如图6所示。
采用1型传感器对同一焊缝进行检测, 该传感器具有4个检测通道, 将4通设为屏蔽外部磁场通道, 1号通道在焊缝的左侧, 2号通道在焊缝的中部, 3号通道在焊缝的右侧, 1、2和3号通道之间的基准距离 (lσ) 为16 mm, 自有漏磁场强度HPy的记录间距 (s) 为4 mm。由下至上进行扫查, 扫查长度1 900 mm。该焊缝自有漏磁场强度HPy四通道扫查结果, 如图7所示。
分析图7检测结果, 在650～1300mm之间, 1通道 (焊缝左侧, 蓝色曲线) 检测有3个应力集中区;2通道 (焊缝中部, 红色曲线) 检测有5个应力集中区;3通道 (焊缝右侧, 绿色曲线) 检测有4个应力集中区;
c.采用TSC-1M-4应力集中磁指示仪 (3型传感器) 。
该传感器具有2个检验通道, 将1通设为屏蔽外部磁场通道, 2号通道处在焊缝的中部, 自有漏磁场强度HPy的记录间距 (s) 为4 mm。同样由下至上进行扫查, 扫查长度1 800 mm。该焊缝自有漏磁场强度HPy2通道扫查结果, 如图8所示。
分析图8检测结果。在该焊缝的相同部位发现4个应力集中区, 这与4通道检测法的检测结果基本吻合。
对上述金属构件纵焊缝磁记忆检测发现的应力集中区域进行了超声波复核, 在应力集中区的相应部位均发现了不同程度焊接缺陷, 缺陷的长度和焊缝中位置与磁记忆检测结果基本符合。该金属构件母材壁厚为11mm, 超声波检测在8～9 mm范围内发现缺陷反射波, 如图9、10所示。
3 结论
综合分析以上对电力设备构件焊缝进行的磁记忆检测过程, 我们认为:
1) 现场的检测人员在对焊缝宏观检查后, 对局部焊缝质量有所怀疑, 可用TSCM-2FM应力集中磁检测仪进行局部的抽查。
因为该仪器操作简单, 检测结果直观, 根据检测数据可以直接判断可疑部位是否存在由应力集中。
2) 如果要求对比较重要的焊接部位进行全面的检测, 且检测工作量较大时, 可采用TSC-1M-4应力集中磁指示仪, 1型传感器进行检测。
因为1型传感器通道数量多, 数据存储量大, 可全面的对要求检验的焊缝进行扫查, 并记录检测结果, 能够基本掌握检测过的焊接部位的应力分布状况, 做到既快速, 又不至于放过有可能存在的缺陷。
磁记忆检测作为一种新型的无损检测手段, 能正确、快速的检出金属构件的应力集中区域和缺陷, 并且不需要对检测对象表面进行专门的清理准备, 不需要专门进行磁化, 效率高等常规无损检测手段所不具备的优点。该方法对铁磁性金属构件焊缝由于应力集中所造成的损伤的检测非常可行。在具体检验过程中, 如采用磁记忆检测诊断方法对焊缝进行磁场强度及磁场梯度的测量, 可以准确判断焊缝的应力分布状况, 再辅以其他无损检测的方法对局部应力集中区进行重点检测, 可以做到既省时省力, 又不放过缺陷, 这将会大大提高无损检测的工作效率和经济性。
摘要：通过对发供电具体设备部件焊缝的检测, 以及对检测所采集的信息进行了详细的分析, 使得磁记忆检测在具体的实际应用中具有很强的可操作性, 为该技术在其他领域的应用提供了很好的参考。该方法的推广运用, 能够对铁磁性金属构件的安全运行提供有力的保障, 提高无损检测的工作效率和经济性。
关键词：磁记忆,焊缝,检测
参考文献
[1]任吉林, 林俊明.金属磁记忆检测技术[M].北京:中国电力出版社, 2000:44-156.
[2]邸新杰, 李午申.金属磁记忆在焊接缺陷检测领域的研究现状及发展[J].焊接技术, 2009, 38 (2) :23-25.
[3]杜波夫阿阿, 考罗考利尼柯夫C M.焊接缺陷的金属磁记忆法检测[J].焊管, 2008, 31 (2) :45-48.
记忆检测器 第2篇
1 管道缺陷的判别分析模型
本文数据来源于易方博士对X60管线钢材质管道进行的缺陷识别试验[4]。在40组试验数据中,应力集中21例,宏观裂纹19例,检测了每例的4项指标(图1),分别记为:小波包频带能量增量X1(%)、峰峰值X2(A/m)、切向梯度X3和法向梯度X4。
1.1 判别分析的基本原理
判别分析是根据判别对象若干个指标的观测结果判定其应属于哪一类的统计学方法。常用的判别分析称为Fisher线性判别模型,其判别原则为总的平均错判率最低[5]。记判别对象的类别为G1,G2,…,Gr,先验概率分别为π1,π2,…,πr,则第i类错判为其他类的概率为undefined,从而总的平均错判率为undefined。假定X服从多元正态分布,且具有相同的协方差,即具有密度函数:
undefined
则构造线性函数:
undefined
要使错判率最低,必须使得检测向量x0满足undefined,从而判定x0∈Gn,n∈{1,2,…,r}。在判别分析的实际使用中,往往取先验概率为等概率[6]。
1.2 管道缺陷的线性判别模型及仿真
按照Fisher线性判别分析,分别从G1类(应力集中)和G2类(宏观裂纹)中各随机抽取10个样本组成训练样本集,其余20个样本作为检测样本集,做100次计算机诊断模拟,得到最高诊断正确率为100%,最低诊断正确率为65%,100次模拟的平均正确率为85.5%(图2)。
选取了诊断正确率为100%的一组训练样本做判别分析,得到Λ=0.4,χ2=14.665,p=0.005。判别函数为:
undefined
在判别分析的过程中,各指标按贡献大小依次为切向梯度(0.916)、法向梯度(0.864)、能量增量(0.544)、峰峰值(0.34)。
2 管道缺陷判别模型的改进
虽然Fisher线性判别模型最高正确率能达到100%,但100次模拟的平均正确率不是很高,因此考虑对模型进一步改进。由于切向梯度和法向梯度贡献率很高,自然想到增加其非线性项。
2.1 带平方项的非线性判别分析仿真
将原始试验数据中增加x32和x42的数据,按照Fisher判别分析原理和1.2节中相同的计算机模拟诊断仿真方法,100次模拟的平均正确率为89.6%(图3),其中最高正确率为100%,最低正确率为70%,平均正确率有较大提高。
选取正确率为100%的一组做判别分析,得到Λ=0.271,χ2=19.569,p=0.003,判别函数为:
undefined
2.2 带平方项和交叉二次项的非线性判别分析仿真
进一步地,增加x3x4项,按照上述相同方法做计算机仿真,100次模拟平均正确率为88.6%(图4),反而略有下降,最高正确率为100%,最低正确率为70%。
随机抽取其中正确率为100%的一组做判别分析,Λ=0.251,χ2=20.066,p=0.005。判别函数为:
undefined
2.3 带交叉二次项的非线性判别仿真
为了取得更好的诊断效果,去掉x32和x42,仅留下x3x4的非线性项,此时100次模拟的平均正确率达到了91.4%(图5),有较大幅度的提高,最高正确率为100%,最低正确率为80%。
为了进一步分析非线性模型与线性模型的差异,将图2所示的线性判别的100次模拟结果与图5所示的带交叉二次项的非线性判别的100次模拟结果作独立样本t检验,检验结果为方差不齐性,t=-6.7,p=2.54×10-10<0.01,说明后者的平均正确率显著高于前者[7]。
随机抽取其中正确率为100%的一组样本做判别分析,得到Λ=0.259,χ2=20.928,p=0.001,判别函数为:
undefined
3 结论
3.1 Fisher线性判别分析模型对于管道磁记忆的缺陷识别效果较好,通过模型的改进,提出了一种非线性判别模型。
3.2 从统计分析的角度来看,仅带切向梯度和法向梯度乘积项的二次判别函数的识别正确率仿真结果显著高于线性判别函数的识别正确率仿真结果,判别准确率非常高。
3.3 可通过收集更多的试验数据,建立带交叉二次项的管道磁记忆检测缺陷的判别模型,并构建自动识别系统应用于实际的管道检测工作。
参考文献
[1]张立东,边境,刘贵民.漏磁的磁记忆检测技术[J].检测技术,2005,24(1):79～80.
[2]Doubov A A.Screening of Weld Quality Using the Metal Magnetic Memory[J].Welding in the World,1998,41(6):196～199.
[3]梁志芳,李午申,王迎娜,等.金属磁记忆信号的零点特征[J].天津大学学报,2006,39(7):847～850.
[4]易方.油气管道金属磁记忆检测信号处理与缺陷识别技术研究[D].重庆:后勤工程学院,2010.
[5]刘霞,刘继承,耿玉容.基于自适应模糊推理的非线性系统辨识器设计[J].化工自动化及仪表,2009,38(5):29～33.
[6]Richard A J,Dean W W著,陆璇译.实用多元统计分析[M].北京:清华大学出版社,2001.
记忆检测器 第3篇
金属磁记忆检测技术是由俄罗斯学者Doubov[1]于1997 年提出的一种新的损伤检测及表征方法, 其基本原理是处于地磁环境下的铁磁构件受工作载荷的作用, 其内部会发生具有磁致伸缩性质的磁畴组织定向的和不可逆的重新取向, 并在应力与变形集中区形成的漏磁场切向分量Hp (x) 具有最大值, 法向分量Hp (y) 改变符号且具有零值点, 这种磁状态的不可逆变化在工作载荷消除后继续保留, 从而通过漏磁场法向分量Hp (y) 的测定, 便可推断工件的应力集中和损伤部位[1,2]。该技术因具有对金属构件损伤进行早期检测及定量表征的潜力而受到国内外许多研究者的极大关注, 并开展了较多的研究工作。但是, 由于发展时间较短, 目前只能定性的对磁记忆检测结果进行分析, 难以达到对构件疲劳损伤程度的定量化表征[3,4,5,6]。
本工作通过对18CrNi4A钢缺口试件在三级应力水平下进行疲劳试验和磁记忆信号检测, 研究了磁信号在疲劳循环过程中的变化规律, 探讨了磁场强度梯度K平均值法对于定量评估试件疲劳损伤的可行性。本研究结果为建立定量评估构件疲劳损伤的磁记忆评价模型奠定了基础。
1 实验材料和方法
选用应用广泛的18CrNi4A渗碳钢, 该钢经淬火 (810～830℃, 1h, 油冷) 及低温回火 (170～190℃, 2h, 空冷) 后, 具有良好的综合性能, 材料拉伸性能如表1所示。疲劳试件形式及尺寸如图1所示, 缺口应力集中系数Kt=3。试件的初始磁信号受机械加工、热处理状态和运输条件等各种因素的影响较大, 为了消除材料本身磁性对结果的影响, 实验前对试件进行感应退磁处理。
疲劳试验采用应力控制, 选用三级应力水平 (最大疲劳应力分别为0.93σ0.2, 0.76σ0.2, 0.58σ0.2) , 正弦波形, 应力比R=0.1, 加载频率f=3。磁信号检测跟踪试件从未加载直至断裂的整个过程的磁信号变化。检测方式采用离线检测, 即在预定周次从疲劳试验机上取下试件, 按南北方向水平放置于检测平台上, 采用三维电控平移台带动磁信号检测探头, 以10mm/s的移动速率和0.5mm提离高度, 沿试件上所标的五条检测通道从A (北) 到B (南) 方向进行。五条测量线长度为60mm, 如图1虚线所示。
疲劳试验于MTS810型液压伺服试验机上进行;表面磁记忆信号的检测采用EMS2003型智能磁记忆检测仪;采用非铁磁性材料的三维电控平移台控制探头移动。
2 结果与讨论
2.1 磁信号变化特征及应力集中位置判定
在三级应力水平下的疲劳试验过程中, 各试件表面磁信号具有相同的变化规律。同时, 在各试件的1-5检测通道磁信号随循环周次的变化规律中, 3和5通道相似, 1, 2和4通道相似。图2给出了0.93σ0.2条件下试件表面1, 3通道磁信号随循环周次的变化关系。由图2可知, 经过1次循环后, 试件表面磁信号即与初始磁信号有很大差异, 磁信号最大值Hp (y) max和最小值Hp (y) min的绝对值急剧增加, 并且磁信号曲线出现过零点。在稳定循环阶段, 磁信号随疲劳循环周次增加无显著改变, 直至寿命裂纹萌生后, 磁信号逐渐增大, 并在断裂后发生激变, 在断口处形成正负磁极。
比较图2中1, 3通道磁信号变化规律, 1通道磁信号变化较为平缓, 无信号突变特征。3通道磁信号在缺口附近出现近似台阶状的突变。1, 3通道分别位于试件中心和缺口根部, 根据文献[7]的研究结果, 缺口试样在拉应力作用下, 最大应力位于缺口根部, 并呈蝴蝶形对称分布。由此可见, 1, 3通道磁信号特征的不同, 主要是由于应力集中程度不同所致。从1, 3通道磁信号过零点看, 两通道的磁信号过零点均与试件断裂位置不吻合, 存在一定的位置偏离, 这一特征在应力集中程度较小的1通道更为明显, 而这与目前磁记忆技术采用过零点判定应力集中位置的判断准则并不一致[8]。将疲劳循环过程中试件表面磁信号减去初始磁信号, 其数据处理结果见图3。可见, 数据处理后, 磁信号过零点与试件断裂位置基本完全重合, 偏离距离很小, 由此可见, 采用该方法处理磁信号后, 磁信号过零点准则判定应力集中位置更为有效准确, 这与文献[9]的研究结果一致。
2.2 磁信号特征参量变化特征
为了定量评估构件损伤程度, 必须提取磁信号的特征参量。目前较为常用的磁信号特征参量是磁场强度梯度Kmax。本工作经过对磁信号实验数据的分析, 提出了以下三特征参量, 即磁信号最大值Hp (y) max、磁信号最小值Hp (y) min及磁信号最大值与最小值的差值Hp (y) sub。
由于在三级应力水平下试件表面磁信号具有相同的变化规律, 磁信号特征参量Kmax, Hp (y) max, Hp (y) min及Hp (y) sub也具有相同的变化规律。图4和图5分别给出了0.93σ0.2条件下试件1-5通道特征参量Kmax值以及1, 3通道特征参量Hp (y) max, Hp (y) min及Hp (y) sub随循环周次的变化规律。由图4可知, 位于试件中部的1, 2, 4通道特征参量Kmax绝对值基本相同, 并且明显低于试件缺口根部的3, 5通道Kmax绝对值, 而裂纹首先萌生处的3通道Kmax绝对值最大。对于3通道Kmax值, 可分为三阶段:第一阶段为Kmax绝对值快速增长阶段, 即在疲劳试验开始的100循环周次左右, 这阶段对应材料的循环软化阶段;当进入材料疲劳稳定循环阶段后, Kmax绝对值基本保持稳定, 为第二阶段;裂纹萌生后, Kmax绝对值逐渐增大, 直至断裂前的激增, 为第三阶段。磁信号特征参量Hp (y) max, Hp (y) min及Hp (y) sub绝对值也存在类似的变化规律, 如图5所示。由此可知, 磁信号特征参量Kmax, Hp (y) max, Hp (y) min及Hp (y) sub值存在一定的内在联系, 其绝对值均随应力集中和疲劳损伤程度的加剧而逐渐增加, 反映了构件应力集中和疲劳损伤程度。因此, 通过磁信号特征参量Kmax, Hp (y) max, Hp (y) min及Hp (y) sub值的变化特征, 可准确判定构件应力集中及疲劳损伤程度。
同时, 比较三级应力水平下磁信号特征参量Hp (y) sub值随循环周次的关系, 结果如图6所示。由图6可知, 最大疲劳应力为0.93σ0.2试件 (1#和2#试件) 的Hp (y) sub值最大, 最大疲劳应力为0.76σ0.2试件 (3#和4#试件) 的Hp (y) sub值居中, 最大疲劳应力为0.58σ0.2试件 (5#试件) 的Hp (y) sub值最小。Hp (y) sub值大小表现出与应力水平存在强烈的相关性, 应力水平越大, Hp (y) sub值也越大, 而同一级应力水平下的Hp (y) sub值基本相当。另外, 磁信号特征参量Hp (y) max, Hp (y) min也具有相同的特性。由此可见, 磁信号特征参量Hp (y) max, Hp (y) min和Hp (y) sub可准确表征构件的受力历程。
2.3 损伤定量评估方法
通过对磁信号特征参量的提取以及特征参量随疲劳循环周次的变化特征分析结果可知, 特征参量可定量评估构件的损伤程度。采用磁场强度梯度Kmax平均值法[10], 其数据处理方式如下:
对实验过程中首先出现裂纹一侧的磁记忆信号检测通道上不同疲劳循环周次下的磁场强度梯度Kmax进行算术平均值计算:
undefined
式中:n为构件疲劳试验过程中在不同循环周次采集磁记忆信号的总次数;Kimax为第i次磁信号检测时磁场强度梯度最大值。
将在不同循环周次下经过磁信号处理所得到的磁场强度梯度Kmax与式 (1) 计算结果进行比较, 得到其比值m:
undefined
如m>1, 则构件已存在较为严重的应力集中和损伤[11]。
根据以上的定量计算方式, 对疲劳试验磁信号数据进行处理, 结果如表2所示。
由表2可知, 在不同的应力水平下, 采用磁场强度梯度Kmax平均值法进行定量计算, 得到当m>1时, 疲劳循环周次基本上接近或等于观察到裂纹萌生时的疲劳循环周次。
以表2中最大疲劳应力0.76σ0.2 (4#) 和0.58σ0.2 (5#) 为例。4#和5#试样特征参量Kmax值与循环周次定量评估计算结果如图7所示。4#试样疲劳总寿命为8002循环周次, 观察到微小疲劳裂纹的循环周次是3900次, 采用磁场强度梯度Kmax平均值法计算得到m>1时的循环周次是3900次, 与观察到微小疲劳裂纹的循环周次一致。5#试样疲劳总寿命为21670循环周次, 观察到微小疲劳裂纹的循环周次是14109次, 采用磁场强度梯度Kmax平均值法计算得到m>1时的循环周次是11000次, 较观察到的微小疲劳裂纹的循环周次早3109次, 预测误差仅为22% (=3109/14109×100%) 。由以上结果可知, 疲劳试验结果很好地符合了当m>1时, 构件存在较为严重的应力集中和损伤的磁场强度梯度Kmax平均值法判定准则, 并且误差较小。因此, 可采用该方法对构件疲劳损伤程度进行定量评估。
(a) 0.76σ0.2; (b) 0.58σ0.2 (a) 0.76σ0.2; (b) 0.58σ0.2
3 结论
(1) 缺口疲劳试件经过1次循环后, 试件表面磁信号即与初始磁信号有很大差异, 磁信号曲线出现过零点。在稳定循环阶段, 磁信号随疲劳循环周次增加无显著改变, 直至疲劳裂纹萌生后, 磁信号逐渐增大, 并在断裂后发生激变, 在断口处形成正负磁极。
(2) 疲劳循环过程中试件表面磁信号减去初始磁信号后, 磁信号过零点与试件断裂位置重合, 该方法可有效判定应力集中位置。
(3) 磁信号特征参量Hp (y) max, Hp (y) min和Hp (y) sub值与应力水平存在强烈的相关性, 应力水平越大, Hp (y) sub值也越大, 而同一级应力水平下的Hp (y) sub值基本相当, 三特征参量可准确表征构件的受力历程。
(4) 磁信号特征参量Kmax, Hp (y) max, Hp (y) min和Hp (y) sub值随循环周次的增加, 均表现为三阶段变化特征, 其绝对值均随应力集中和疲劳损伤程度的加剧而逐渐增加, 参量之间存在一定的内在联系, 反映了构件应力集中和疲劳损伤程度。
(5) 磁信号特征参量K平均值法可较准确地定量评估疲劳损伤, 该方法判据为:当m (m=Kmax /Kundefined) >1, 试件存在严重的疲劳损伤。
参考文献
[1]DOUBOV, ANATOLI A.Diagnostics of metal items and equip-ment by means of metal magnetic memory[A].Proc of ChSNDT7 Conference on NDT and International Research Symposium[C].Shantou:Shantou University Press, 1999.181-187.
[2]林俊明, 林春景, 林发炳, 等.基于磁记忆效应的一种无损检测新技术[J].无损检测, 2000, 22 (7) :297-299.
[3]陈曦, 任吉林, 王伟兰, 等.地磁场中应力对磁畴组织的影响[J].失效分析与预防, 2007, 2 (1) :6-9.
[4]杜波夫.金属磁记忆法诊断管路、设备和结构[M].家魁, 张友人, 李延高, 等译.莫斯科:动力诊断公司, 2003.
[5]XING Hai-yan, WANG Ri-xin.Correlation between crack growthrate and magnetic memory signal of X45 steel[J].Key Engineer-ing Materials, 2007, 3 (4) :53-358.
[6]董世运, 徐滨士, 董丽虹, 等.金属磁记忆检测技术用于再制造毛坯寿命预测的试验研究[J].中国表面工程, 2006, 19 (5) :71-75.
[7]任吉林, 陈曦, 宋凯.金属构件磁记忆效应影响因素研究[J].无损检测, 2006, 28 (6) :292-295.
[8]任吉林, 宋凯, 邬冠华, 等.磁记忆检测技术在飞机起落架检测中的应用[J].无损检测, 2002, 24 (8) :346-351.
[9]王丹, 董世运, 徐滨士, 等.应力集中部位的金属磁记忆检测研究[J].失效分析与预防, 2007, 2 (2) :12-15.
[10]DOUBOV A A.Diagnostics of equipment and constructionsstrength with usage of magnetic memory[J].Inspection Diag-nostics, 2001, (6) :19-29.
记忆检测器 第4篇
1 金属磁记忆检测原理
钢结构在外力和地球磁场的共同作用下, 在杆件的应力集中区域引发了磁力线沿地球磁场的定向、不可逆的重新取向, 并在应力消除后继续保持这种磁状态的不可逆现象, 以微弱的漏磁场的形式在钢结构杆件表面表现出来, 这就是钢结构杆件的磁记忆效应, 并且该漏磁场的切向分量Hp (X) 具有最大值, 而法向分量Hp (Y) 的符号改变且具有零值点。钢结构杆件表面会表现出特定的磁场形式。因此, 通过对钢结构杆件表面磁场的检测, 就能够连接杆件的应力状况。利用磁记忆检测技术检测井架的原理就是通过对井架杆件表面法向磁场Hp (Y) 的检测来确定杆件中的应力集中点和区域, 通过分析Hp (Y) 梯度或对Hp (X) 的检测, 来对杆件应力集中程度进行评估。
2 K型井架磁记忆检测试验
磁记忆检测试验的井架类型为K型, 井架高度为45m, 随即选取井架的1号立柱, 立柱的型材为工字钢。在井架1号立柱高度为8 m和42 m处, 磁场强度出现了突变, 对应的磁场梯度分别为3 1.2 (A/m) /m和75.5 (A/m) /m, 这两处出现了应力集中。对这两处进行无损探伤, 探伤结果显示:井架高度为8 m处为一焊缝缺陷;井架高度为42 m处, 为一碰伤缺陷。通过进一步分析发现, 8 m处的焊缝缺陷属于轻微缺陷, 而42 m处的碰伤情况比较严重, 该缺陷直接影响了井架的承载能力。因此, 井架立柱缺陷的大小是和磁场梯度成正比的, 即磁场梯度越大, 则该缺陷越大;磁场梯度越小, 则该缺陷越小。
3 应变测试验证
井架测试中使用的应变片为90°应变花, 电阻值为119.8±0.2Ω, 灵敏系数为2.08, 栅长2 (4×4) mm, 该应变片接入应变测量系统中采用半桥电路。
应变测量系统采用的是无线动态应变测试仪。其包含USB接口远距离网关和无线应变桥路传感器节点。USB接口远距离网关与计算机的USB口相连接, 能控制整个采集过程的操作。无线应变桥路传感器节点量程±15000με, 测量精度±2με, 在安装时通过磁座吸附在被测量装置上, 与网关信号传输最远距离能达到100m。
首先要确定井架类型, 钻井井架主要分为K型、塔形、A型, 不同的井架类型具有不同的应力分布, 布点方案也不同。通过外观检查初步确定井架的受力薄弱点、损伤点位置, 然后利用磁记忆检测技术进一步确定井架的应力集中区域及由应力集中引起的疲劳裂纹缺陷, 这些缺陷可以通过无损检测来进一步验证。根据检测的结果确定井架的布点方案, 然后连接检测仪器, 进行数据的采集测试, 最后利用检测数据计算井架的承载能力并编制井架检测报告。
井架加载载荷以及工作环境与磁记忆检测时保持一致, 待显示的应变数据稳定后, 通过无线应变数据采集模块采集1-56号布点的应变数据并发送至无线接收网关, 利用Coinv DASP软件读取采集的应变数据, 在加载相同的条件下, 井架33-40测点的应变值明显大于其他测点的应变。根据标准SY 6326-2012《石油钻机和修井机井架、底座承载能力检测评定方法及分级规范》, 井架强度应满足公式:
计算得出井架的承载能力为4100k N, 为原额定载荷的91.1%。如果按照传统的布点方案, 没有布置33-40号测点, 根据1-32号和41-56号测点得出的井架承载能力为4500kN, 因此, 传统方法检测结果的误差高达9.8%。
4 结论
(1) 利用金属磁记忆方法检测井架时可以通过磁场梯度的变化来检测出井架的应力集中区域及由应力集中引起的疲劳裂纹, 其应力集中程度和磁场梯度成正比。
(2) 金属磁记忆方法可以提前发现井架的损伤和缺陷, 为井队的安全生产提供了预警手段。
(3) 对石油井架进行承载能力评定时, 可以依据金属磁记忆方法检测出的应力集中区域进行应变片的布点, 有效的提高了井架承载能力评定结果的准确度。
摘要：介绍了金属磁记忆技术的基本原理, 分析了金属磁记忆技术在石油井架检测中的应用方法, 并利用基于应变的石油井架检测方法对金属磁记忆技术进行了验证试验, 结果表明金属磁记忆技术在井架检测中的检测结论是可靠的。金属磁记忆技术为石油井架承载能力的高精度检测提供了技术支持。
关键词：金属磁记忆,石油井架,应变,承载能力
参考文献
[1]任吉林, 林俊明.金属磁记忆检测技术[M].北京:中国电力出版社, 2000
记忆检测器 第5篇
由于检测现场环境多变, 使得在金属磁记忆检测中所得漏磁信号频率成分复杂, 故需将所得频段上的信号滤出干扰成份, 同时还要保持信号在空间域的分辨率。小波变换是工程学科中一个迅速发展的新领域, 是时频域的局部变换, 是样调分析、泛函分析、数值分析、Fourier分析的综合方法, 因而能有效地从信号中提取信息, 解决Fourier变换难以解决的诸多困难问题。因此对小波变换在金属磁记忆检测中的应用进行一系列的深入研究。
1 金属磁记忆检测技术的机理
金属 (尤其是铁磁材料) 工件在制造过程以及后期服役时, 常会因结构原因而产生应力集中。常常承受高达名义应力数倍甚至数十倍的力值。易发生位错滑移变形, 导致疲劳、蠕变以及腐蚀的加速, 使工件不能正常使用甚至引起事故。金属磁记忆是目前唯一行之有效的应力集中区域及其程度的检测技术。
检测原理可以表述为:铁制工件处于地磁环境下, 其受工作载荷的作用, 将导致内部具有磁致伸缩性质的磁畴组织定向和不可逆的重新取向, 并在变形与应力的集中区形成最大的漏磁场Hp。磁场的切向分量Hp (x) 具有最大值 (如图1 B) , 而法向分量Hp (y) 符号改变且具有零值点 (如图1 A) , 在工作载荷消除后仍继续保留着这种磁状态的不可逆变化。通过漏磁场法向分量Hp (y) 的测定, 便可以将工件应力集中区准确地推断出来。
当切割磁力线的缺陷存在于材料中时, 会导致磁导率发生变化, 由于缺陷的磁阻很大、磁导率很小, 使磁路中的磁通发生畸变, 磁感应线的流向会发生变化, 使得部分磁通泄漏到材料表面上空, 绕过缺陷通过空气再度进入材料内部, 从而在材料表面缺陷处形成漏磁场。对应有无裂纹缺陷的工件磁感应线如图2。
对于铁磁体内与磁致伸缩相关的磁弹性能Ems为:
式中B1、B2———磁弹性耦合系数
eii、eij———形变分量
αi、αj———磁化方向与晶轴间夹角余弦
由式 (1) 可以看出, 正是在应力作用下产生的磁致伸缩性质的形变会引起磁畴壁的位移, 改变其自发磁化方向, 从而使磁弹性能发生变化, 即通过磁弹性能的改变使磁畴组织重新取向, 导致漏磁的产生。
2 小波分析理论及降噪技术
2.1 小波分析理论
小波变换的出发点是将信号表示成基函数的线性组合形式, 通过对具有紧支集的母函数Ψ (t) 进行伸缩和平移得到一个小波序列:
其中a为伸缩因子, b为平移因子。
对于任意函数f (t) ∈L2 (R) 的连续小波变换为:
离散信号在实际中出现很多, 对于某初始信号C0, 经小波分解得到Dj和Cj它们分别被称为C0在2j分辨率下的离散细节和离散逼近。初始信号可以看为j=0时的近似值, 离散信号经过尺度j=1, 2, 3…的分解, 就可以得到d (1) , d (2) , d (3) , …其包含了从低频到高频的不同频段的信息 (对于各频段的信息互不重叠) 。将处理信号f (t) 的离散序列f (k) 经过二抽取及高通和低通分解, 得到了二进尺度下的一组离散近似信息 (低频) 和离散小波系数 (细节信息) , 即小波变换能把信号分解到各个尺度上 (表示不同频带) , 并且重构过程是可逆的。这是小波降噪的理论基础。
2.2 小波降噪技术
小波降噪技术近年来一直是研究热点, 因为噪声几乎是处处奇异的.在小波变换下, 噪声的平均幅值以及平均模极大值个数与尺度因子2j成反比, 在较小的若干个尺度上, 信号的小波变换幅值不会随尺度的增大而显著减小。噪声在不同尺度上的小波变换是高度不相关的.而信号的小波变换则一般具有很强的相关性。
含噪声的信号可表述成如下模型:
其中:σ为噪声强度;n (ti) 为高斯白噪声;ti为离散时刻。
从被污染的观测数据y (t) 中获得原始信号f (t) 对磁记忆检测信号处理尤为重要, 若数据有噪声, 则获得的梯度值会严重偏离真实值, 从而导致判断应力集中区的失误。
为了区分有用信号和噪声, 本文采用“Teager”能量算子来强化局部能量
其中:为小波分解系数。
对上述增强后的小波能量寻找随着尺度高度相关的极大峰值, 同时考察磁记忆信号过零点位置特征, 应力集中的位置便可以找到。进而利用小波变换的非线性去噪以及小波变换的信号去噪等方法对所得信号进行降噪处理。
3 实验例证
本文选用航空业应用较广泛的18CrNi4A渗碳钢进行试验, 人工制造裂纹一处, 如图三所示。
降噪算法采用非线性的去噪方法, 该方法简单, 并且在MATLAB软件上比较容易实现。该软件提供:Sqtwolog, Rigrsure和Heursure等阈值类型。Sqtwolog通过信号分解系数ci, j来设定, 其λ=sqrt{2×lg[length (ci, j) ]}。Rigrsure是基于Stein的自适应阈值选择。Heursure是前两种阈值的综合, 为最优阈值类型。
在MATLAB中采用上述三种阈值进行降噪处理发现, 当采用Heursure时得到的波形无边界效应, 畸变最小, 且波幅压制小。而且信号均方差误差小, 信噪比大, 因此本文阈值选用Heursure。
为避免信号移项和重构, 在小波函数的选择上重点考虑对称性和正则性, 故而本文最终选用样条bior小波, 因为其不仅保留了正交小波频带间相干性好的优点, 而且具有线性相位特征、紧支撑的特点。
图四为实验试样所得MMM信号与小波降噪后的对比图, 图中标红为缺陷处。
4 总结
在金属磁记忆信号检测中, 小波分析具有很好的应用效果。小波去噪明显优于传统方法, 噪声基本滤掉, 并能获得高信噪比。在实际磁记忆检测中阈值选用Heursure, 选取样条bior小波为最优去噪方案。小波分析可准确确定应力集中区域, 提供了一种更有效的时频分析方法。
参考文献
[1]任吉林, 林俊明.金属磁记忆检测技术[M].北京:中国电力出版社, 2000
记忆检测器 第6篇
焊接缺陷的存在对焊接结构的质量和性能会产生严重影响。常规的焊接缺陷无损检测方法如射线法、超声波法等,虽然在实践中被广泛应用,但仍存在着检测设备复杂,操作不便,劳动强度大等缺点,在实际应用中受到了一定的限制。金属磁记忆法是一种新的无损检测方法,它通过拾取铁磁性金属零件表面的磁信息,可以判断构件中微观缺陷或应力集中的位置,在一定程度上弥补了上述常规检测方法的不足之处[1]。
由于磁记忆检测是在地磁场中进行,没有其它激励磁场,检测到的磁信号也比较微弱,而且还有噪声等干扰信号叠加在其中,给缺陷的判断带来了一定的困难。为了找出叠加在其中的局部异常的缺陷信号,从而判断被测试件上缺陷的位置,就必须对缺陷信号的特征进行分析,并根据特征将其从其它信号中分离出来。神经网络具有大规模并行、自组织、自适应和自学习的能力,特别适合处理需要同时考虑多因素和模糊信息处理问题[2~6]。基于此,本文建立了一个基于神经网络的焊接缺陷识别系统。
1 磁记忆信号的若干特征
经过长期的检测实验研究,发现缺陷处的磁记忆信号一般在缺陷处存在以下几个特征[3~8]:
(1)磁记忆信号的法向磁场强度分量Hy过零点
铁磁性构件在地磁场的作用下,在应力集中的位置发生磁畴组织的定向的不可逆变化,从而对外表现为有漏磁场形成。而在应力集中位置处的漏磁场强度的切向分量达到最大值,法向分量为零。因此检测漏磁场强度的法向分量,找到法向分量信号过零点的位置,就可以断定该处为应力集中的位置。
(2)磁场强度法向分量的梯度值|d Hy/dx|具有最大值
磁场强度法向分量梯度值|d Hy/dx|可以描述试件在检测方向上应力分布情况。应力变化越剧烈的地方,梯度值也越大,说明应力集中程度也越大。由于存在缺陷的位置,通常会有应力集中存在,因此该处的梯度值常达到最大值。
(3)小波变换能量谱有极大值
因为磁记忆信号沿检测方向x的法向分量Hy(x)和切向分量Hx(x)都满足小波容许性条件,所以可求出磁记忆信号的尺度-小波能量谱和空间-小波能量谱。磁记忆信号曲线的空间-小波能量谱的能量集中位置,即为缺陷存在的位置。
(4)傅立叶分析相位有突变
将去噪后的磁记忆信号做傅立叶分析,并求出信号的幅值和相位,发现磁记忆曲线的相位产生奇异性突变的地方和缺陷的位置相对应。
(5)磁场强度切向分量有最大值。
缺陷处的漏磁场信号法向分量为零值,切向分量为最大值。因此将磁场强度的切向分量引入,可以增加信息的冗余量,提高判别的可靠性。
(6)磁场强度切向分量的梯度值|d Hx/dx|有最大值
同磁场强度法向分量的梯度值|d Hy/dx|可以反映应力集中的程度一样,磁场强度切向分量的梯度值|d Hx/dx|也可以反映应力集中的程度,应力集中程度越严重的地方,其梯度值越大。
上述特征参量是在运用磁记忆方法进行实际检测中发现和总结出来的,其中很多参量作为缺陷存在的判别法则被广泛应用。但磁记忆检测属于弱磁检测,由于各种干扰因素的影响,利用单一判别法则,经常出现漏检和误检的情况。
2 缺陷判别方法
检测到的磁记忆信号中虽然混有各种干扰,但是干扰信号一般不会同时具有上述的几种特征,因此可综合考虑上述几种特征,来分离出缺陷信号,从而判断是否存在缺陷及确定缺陷的位置。
设检测到的磁场强度切向分量的信号序列为{Hx(xi)},法向分量的信号序列为{Hx(xi)}(i=1,2,…,n,n-检测点数)。若在某点xm(1≤m≤n)处存在缺陷,则该点处的检测信号可能存在以下一些特征:
(3)Em(Hx)≥E0 x;
(4)Em(Hy)≥E0 y;
(5)φ(Hx)在点xm处有突变;
(6)φ(Hy)在点xm处有突变。
式中:Hx(xm),Hy(xm)—点xm处的磁场强度切向分量值和法向分量值;,—点xm处的磁场强度切向分量和法向分量梯度值;K1,K2—磁场强度切向分量和法向分量梯度门限值;Em(Hx),Em(Hy)—点xm处的磁场强度切向分量和法向分量功率谱能量值;E0x,E0y—磁场强度切向分量和法向分量的功率谱能量门限值;φ(Hx),φ(Hy)—磁场强度切向分量和法向分量信号傅立叶变换后的相位。
实际检测中,若某点处的磁记忆信号存在上述某一种特征时,并不能立即判断该点处有缺陷存在;若某点处同时存在上述几种特征时,则该点处存在缺陷的可能性大大增加。综合考虑几种缺陷信号特征可以有效提高判断的准确性。
门限值K1,K2,E0x和E0y需要根据被检测材质和实际工况通过实验进行确定。为有效提高磁记忆检测方法识别缺陷的准确率,建立了一个神经网络识别系统,以上述特征量作为系统输入向量F:
3 神经网络缺陷识别系统
利用磁记忆信号的神经网络缺陷识别系统,如图1所示:
该系统主要包括以下几部分:
(1)数据采集与特征提取。利用磁记忆检测仪器采集被测试件磁场强度法向分量和切向分量信号,计算相应的梯度值、功率谱能量值和傅立叶变换相位值,组成特征向量F。
(2)确定神经网络结构。确定神经网络结构主要从网络的层数、输入/输出节点数。激活函数以及学习速率等几个方面来进行考虑。本系统采用BP神经网络,其输入、输出层节点数一般根据输入特征向量的维数和缺陷的种类数来确定。BP网络的隐含层的个数选择为1,隐含层节点数可凭经验选取。隐含层和输出层的激活函数均选用S型函数。采用变化的自适应学习速率,以减少寻找学习速率的训练次数以及训练时间。
(3)训练BP神经网络。为了让BP神经网络能够对试件的缺陷状态进行识别,首先必须对网络进行训练。以信号能量特征向量为训练样本输入向量,训练样本输出向量确定方法为:假设试件有M种缺陷状态,网络的输出为{y1,y2,…,yj,…,yk,…,yM},若试件处于缺陷状态j,则令yj=1,其余为零。利用存储器中的大量训练样本对网络进行训练,使误差平方和小于误差目标,并将训练后的网络权值和偏差存至存储器中。
(4)识别缺陷状态。利用训练好的网络权值和偏差,把待识别的磁记忆信号的能量特征向量输入神经网络,将网络输出与训练样本输出向量作比较,以确定缺陷位置、类型和尺寸等,其实质是一个模式识别过程。
4 缺陷识别实验
4.1 试件制备及实验
制备了平板形焊接试件,材料为Q235钢,试件尺寸为350×250×10mm,坡口采用Y形坡口,焊缝位于试件的中心,其尺寸如图2所示。其中,2θ=60°,a=3mm,b=2mm,d=10mm。
在试件焊缝上分别预制了不同缺陷,试件与缺陷的对应情况如表1所示:
试件缺陷的制备方法:裂纹,采用自然淬裂的方法获得,将试件加热至一定温度后迅速放入冷水中急剧冷却产生裂纹;气泡,焊接前在焊缝处淋水,焊接时由于温度升高会有气泡产生,一些没有及时排出的气泡会留在焊缝中形成缺陷;未焊透,焊接时加快速度使焊接不充分形成未焊透;夹渣,焊接时在焊缝处人为混入杂物形成。上述缺陷中,裂纹通过肉眼可见,其余可通过x射线检测发现。
对每块试件沿着焊缝方向循环采集15组数据,每组长度为1024点,任选10组作为训练样本,剩下的5组作为测试样本。计算出这15×5组数据每点处的梯度值、功率谱能量值和傅立叶变换相位值。得到50个训练样本输入向量和25个测试样本输入向量。
因为能量特征向量的维数是8,5个试件对应5种焊接状态,因此BP神经网络输入、输出层节点数分别取为8和5。如果网络正确,那么输入一组检测数据,网络就能输出一个向量,它对应位置的元素值为1,其它位置的元素值为0。例如,输入试件1的检测数据时,其期望输出向量为{1,0,0,0,0},输入试件2的检测数据时,其期望输出向量为{0,1,0,0,0},其它依次类推。
隐层节点数选为60。该数值的选择是根据经验和猜测而定,在实际训练中,如果训练过程不理想,可以适当调整该数值。隐层和输出层的激活函数均选用对数S型函数logsigmoid。另外,网络还必须要有容错能力。因为实际情况下,网络不可能接收到一个完全理想的输入向量,总会存在一些噪声干扰,或者存在一些非线性因素。当噪声均值为0,标准差小于等于0.2时,系统应该能够做到正确识别输入向量,这就是网络的容错能力。BP网络结构如图3所示。
4.2 缺陷识别结果
将这50个能量特征向量作为训练样本输入向量,如果训练样本取自试件1,则令相对应的网络输出向量为{1,0,0,0,0},依次得到50个训练样本输出向量,并以此为目标输出,选取适当的初始权值和偏差,对神经网络进行训练。为了使产生的网络对输入向量有一定的容错能力,最好的办法是既使用无缺陷试件的信号,又使用带有缺陷的试件的信号对网络进行训练。具体过程为:首先应用无缺陷的输入信号对网络进行训练,直到其均方差达到精度为止。然后应用无缺陷信号和带有缺陷的信号对网络进行训练。在进行训练时,同时对两组相同的无缺陷信号样本进行训练,目的是确保网络能够正确分辨无缺陷信号。进行了上述训练之后,网络对无缺陷信号进行辨识的时候可能也会采用有缺陷信号的方法,这样就会产生不必要的资源浪费。可以再次训练网络,这次只需应用无缺陷信号进行训练,从而保证在输入无缺陷信号的时候,网络具有良好的辨识能力。
经过654次循环训练后,网络的误差平方和落在所设定的0.05以内,并将训练成功的网络权值和偏差存至存储器中。最后,利用训练好的网络权值和偏差,把另外25个测试样本输入向量按试验循环顺序依次输入到神经网络,根据网络输出与训练样本输出向量的比较,对试件的缺陷情况做出估计,其结果如表2所示。
5 结论
可以看出,根据实际网络输出估计的缺陷与实际情况完全一致。表明该神经网络识别系统可以准确识别出试件中的缺陷及其类型。神经网络的计算和分类速度很快,利用该神经网络缺陷识别系统可以组成在线缺陷识别系统。该神经网络缺陷识别系统同样适合于其他机械加工缺陷的识别,具有广阔的应用前景。
摘要：文章采用单一判据在磁记忆检测中容易出现误判和漏判的情况,而综合考虑几种判据则可以提高缺陷判断的准确性。在总结磁记忆技术检测焊接缺陷的多种信号特征基础上,建立了基于神经网络的焊接缺陷多参数识别系统,并对制备的不同类型的焊接缺陷试件进行了识别实验,结果表明该识别系统可对焊接缺陷的位置和类型进行有效识别。
关键词：焊接缺陷,磁记忆检测,神经网络
参考文献
[1]张卫民,董韶平,张之敬.金属磁记忆检测技术的现状和发展[J].中国机械工程,2003,14(10):892-895.
[2]郑海波,陈心昭,等.小波神经网络故障诊断系统的设计与应用[J].农业机械学报,2002,33(1):73-76.
[3]俞阿龙.基于小波神经网络的振动速度传感器幅频特性补偿研究[J].物理学报,2007,56(6):3166-3171.
[4]徐晓霞,陈涛,等.基于正交最小二乘算法的小波神经网络[J].电子学报,1998,26(10):115-119.
[5]刘维义,王丽侠.小波神经网络在绝缘子漏电量预测中的应用[J].应用科技,2007,34(6):12-15.
[6]梁志芳,李午申,等.焊接裂纹的金属磁记忆信号特征[J].天津大学学报,2006,39:181-184.
[7]梁志芳,王迎娜,李午申,等.焊接裂纹金属磁记忆信号特征研究的进展[J].机械科学与技术,2007,26(1):81-83.
记忆检测器 第7篇
金属磁记忆检测技术自提出后一直具有良好的应用前景,但其理论研究的不足是制约该技术应用和发展的一大瓶颈,现有的理论研究认为,铁磁材料结构表层的隐性缺陷会产生法向磁场分量过零值点,使得切向磁场分量取最大值[1]。据此市场上一些检测仪就是以法向磁场分量过零值点来判断铁磁材料应力集中区域。现今,国内外一些学者在此基础上做更多的研究,有一部分学者,通过测量磁场信号,得到了磁场梯度,根据磁场梯度来判断磁记忆损伤程度;另有一些学者,通过小波变换对采集的磁场信号进行抑制细节系数、小波指数下降消噪等多种方法的分析处理,利用多种特征量对应力集中进行定性和定量的综合判断,来提高对铁磁性金属构件疲劳损伤的识别率[2]。
总之,这些方法都是在测量到铁磁材料漏磁信号的基础上建立的,本文设计的金属磁记忆检测仪是以DSP和CPLD为核心的嵌入式设备检测系统,由于DSP芯片处理速度快,能对实时采集数据进行高速处理,但DSP芯片资源、接口都有限,与外设的配合常常面临接口复用、时序配合等要求。为减少DSP因对片外模块进行控制、通信等所带来的时间开销,高效发挥DSP的数据处理能力,本文实现了一种基于CPLD的外围控制枢纽,协助DSP芯片完成外设的逻辑控制和时序协调,保证了DSP芯片的数据处理速度。
1 硬件接口设计
系统中DSP采用的是TI公司的TMS320F28335处理器,CPLD采用的是ALTERA公司的EPM570,传感器选用的是HONEYWELL公司的HMC1052磁阻传感器,液晶显示屏选用的是深圳旭升达电子厂生产的HW480272F-0L-0A型号TFT液晶显示屏。
系统整体实现流程为:传感器采集铁磁性零件表面的磁记忆信号,DSP通过内部自带AD转换器,对传感器的信号进行快速采集、高速处理、提取特征信号后,DSP通过总线方式将信号传给CPLD,CPLD将波形显示信号存入显存SRAM中,然后再将SRAM中存储的TFT显示屏的一帧波形数据在TFT屏上用波形显示,因此一旦屏上波形出现过零点,即可判断此处存在应力集中。为了方便系统的人机交流,系统中增加了按键和蜂鸣器,按键负责系统相关参数的设定,当检测到应力集中区域时,蜂鸣器负责报警。图1为检测仪的硬件结构图。
图1金属磁记忆检测仪硬件结构图(参见下页)
1.1 HMC1052磁阻传感器[3]
磁阻传感器HMC1052是一个双轴线性磁传感器,每个传感器有一个由磁阻薄膜合金组成的惠斯通桥。当加上供电电压,传感器将磁场强度转换为电压输出,通过一个仪用放大器即可将信号电压放大到AD采样电压量程范围。HMC1052的磁场测量范围是±6gauss,灵敏度是1.0m V/V/gauss。当5V电压供桥时,传感器满量程输出电压范围±30m V,DSP自带内部AD量程为0~3V,因此将仪用放大器参考电压设定为1.5V,放大倍数设置成50倍,即可达到AD满量程。利用磁原理,传感器HMC1052测量工件表面散射磁场法向分量Hp(y)沿坐标X-Y分量,通过计算、误差校正,由公式:Hp=√X2+Y2即可得到Hp(y)值。Hp(y)符号与测量基准方向Y的符号相同。图2为HMC1052传感器单轴调理电路,另一轴调理电路与图2相似。
磁阻传感器在制造过程中,选定沿着薄膜长度方向为轴,当玻膜合金薄膜受到强磁场干扰时(大于20gauss)薄膜磁化极性会受到破坏,需要对传感器施加一个瞬态强磁场来恢复或保持传感器特性,这个过程只要DSP提供一个置位或复位脉冲CLOCK信号即可。图3为单时钟复位电路,其中CLOCK接DSP的一个GPIO口,S/R-接HMC1052的8脚,相应HMC1052的第六脚接地。
1.2 DSP与CPLD及相关外设通信
随着DSP芯片的工作时钟越来越高,指令的执行周期越来越短,而挂接在系统上的外设,如:按键、显示屏、蜂鸣器等,速度各不相同,且均相对DSP来说,速度较慢,DSP如果直接对这些片外模块进行控制,将会带来很大的时间开销。在本系统中,DSP对外设的控制经常需要用到种类较多的门电路、译码电路、时序电路等,为了节约PCB板的面积,增加系统设计的灵活性、可靠性,采用CPLD实现DSP的外围电路控制,能充分地利用CPLD中的资源,减少软件编程的复杂度,提高DSP的执行速度[4]。这样,DSP对每一个外设都分配一个地址,CPLD通过DSP传过来的地址线、控制线和数据线来进行对相应外设的控制。对于按键类型的外设,当按键按下后,首先CPLD对按键进行消抖,CPLD得到按键值后,再通过中断通知DSP,DSP再通过总线来读取按键值。
TMS320F28335通过四位地址总线(XA[11:8])、数据总线(XD[11:0])、外部读写使能信号(RD、WR)、片选信号(CS)及I/O中断信号与CPLD相连,由这些信号连线完成DSP对CPLD内的相关寄存器或I/O的读写操作。挂接在CPLD上的所有外设DSP都可以通过地址线XA[8:11]来分配一个对应的地址,当在DSP中执行写指令:*(0x0400)=0x001时,地址总线XA[11:8]=0100B,数据线XD[11:0]=0x001,同时控制线中CS、WR为低电平,RD为高电平,CPLD接收到总线电平后,进行地址锁存、数据译码等操作,即可对相应地址上分配的外设进行控制。CPLD与DSP的连接关系如图4所示。
1.3 TFT真彩液晶屏
液晶屏分辨率为272×480,尺寸为4.3英寸。显示色彩为16位,RGB各占6位、5位、6位,采用3.3V电压供电。CPLD上外挂一片16×256k B的SRAM作为显示屏的显存,存储一帧屏显的数据。CPLD将DSP总线上传来的数据,先存入显存,然后再从显存中读取出来,配合液晶屏驱动时序,在液晶屏上将波形显示出来[5]。图5为液晶控制图。
2 软件设计
本仪器所实现的主要功能有:漏磁信号采集处理、信号波形液晶显示、声音报警和按键功能设定。其中信号采集由DSP内部AD中断完成,只需要设置好相关寄存器即可。由于波形显示和声音报警是直接由DSP通过总线将命令发送到CPLD;而按键功能设定是:当按键按下后由CPLD通过中断来通知DSP,然后DSP通过总线读取按键值,根据这些功能画出如图6、7的系统软件流程图,分别表示两块CPU各自内部程序流程。图6为信号波形显示和声音报警软件设计流程图,图7为按键功能设定流程图。
3 总结
金属磁记忆作为一项新的无损检测技术,已在石油化工管道、发电站汽轮机、工程机械装备等领域得到越来越广泛的应用,采用DSP和CPLD组合设计的检测仪,不仅能保证高速的信号采集处理,而且利用了CPLD内部的硬件资源,大大简化了DSP访问外设时的时间开销,提高整个系统的执行速度。同时,CPLD预留了一定扩展接口,方便今后系统更新和升级。
参考文献
[1]Zhang Yuanliang,Zhou Di,Jiang Pengsen,et al.The State of the art surveys for application of metalmagnetic memory testing in remanufacturing[J].Advanced Materials Research,2011,301-303:366-372.
[2]栾明,樊建春,张来斌,等.一种新的多探头金属磁记忆检测仪信号处理方法[J].无损检测,2011,33(1):54-57.
[3]Honeywell.HMC1051/1052 1AND 2-AXISMAGNETIC SENSORS[EB/OL].http://www.honeywell-sensor.com.cn/prodinfo/sensor_magnetic/datasheet/hmc1051-1052.pdf
[4]王彦兵,王红,杨士元,等.基于CPLD的DSP单元外围控制枢纽的设计[J].自动化与仪表,2011(8):53-57.