需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

使用基于探测线圈的脉冲涡流传感器量化导电铁磁材料的相对厚度

5.1K 次观看

⸱

DOI：

10.3791/59618

⸱

2020年1月16日

 ,  ,  , 
1Melbourne School of Engineering, University of Melbourne, 2Center for Autonomous Systems, University of Technology Sydney

本文内容

摘要

本文介绍一种利用基于检测线圈的脉冲涡流传感器量化导电铁磁材料相对厚度（即相对于参考值的百分比厚度）的方案，同时克服了校准需求。

摘要

利用无损检测（NDE）技术对导电铁磁材料进行厚度量化，是基础设施结构健康监测中的关键环节，尤其适用于评估能源、水、石油和天然气行业中大直径导电铁磁管道的状况。多年来，脉冲涡流（PEC）传感技术，特别是基于检测线圈的PEC传感器结构，已被证实是实现该目标的有效手段。此前的研究已提出了PEC传感器设计及信号处理的相关方法。近年来，基于检测线圈时域PEC信号衰减速率的厚度量化方法受到关注。已有研究证实，基于衰减速率的方法对检测线圈型传感器结构具有普适性，并在一定程度上不受传感器形状与尺寸、线圈匝数及激励电流等因素的影响。此外，该方法在灰口铸铁大口径管道的无损检测中也表现出良好的有效性。基于上述研究背景，本研究聚焦于基于检测线圈电压衰减速率的导电铁磁材料厚度量化方法。然而，该方法面临的主要挑战在于校准困难，尤其是在现场管道状态评估等应用场景中，由于难以测量某些管材的电学和磁学参数，或难以获取校准样本，实际操作中存在较大限制。针对这一挑战，与以往部分研究中估算实际厚度的方法不同，本文提出一种无需校准的基于衰减速率的相对厚度量化方案（即某一位置厚度相对于最大厚度的比值）。

引言

脉冲涡流（PEC）传感技术可能是涡流（EC）无损检测（NDE）技术家族中用途最广泛的成员之一，在缺陷检测与量化、金属及金属结构几何特征分析方面具有广泛应用1。对于壁厚仅为几毫米至几十毫米的导电铁磁性类壁结构，其厚度的定量检测是基础设施结构健康监测领域中一项需求较高的工程服务。在能源、水处理、石油和天然气行业中，大量由铁磁性合金制成的关键基础设施均需要此类检测服务。尽管可根据多种架构设计PEC传感器，但基于检测线圈的架构被证实是在铁磁性材料状态评估中最为有效且最常用的方案2,3,4,5。因此，基于检测线圈的PEC传感器架构构成了导电铁磁性材料厚度定量检测问题的基础。

基于探测线圈的脉冲涡流传感器结构通常由两个同心绕制的空芯导电线圈2,3,4,5,6（通常为铜线圈）构成。这些线圈通常绕制成圆形2,3,4,5,6，但有时也使用矩形线圈6。在传感器的两个线圈中，一个作为激励线圈，另一个作为探测线圈。在脉冲涡流传感器中，激励线圈由一个电压脉冲激发——原则上可将其视为一个海维赛德阶跃函数。该脉冲激励在传感器周围产生一个瞬态磁场（称为主磁场）。当传感器靠近导电试件（例如类似导电铁磁壁状结构）时，该瞬态磁场会在试件中感应出随时间变化的涡流。这些涡流产生一个与主磁场方向相反的次级磁场（称为次级磁场）。由于主磁场和次级磁场的综合作用，探测线圈中会感应出一个瞬态电压——该电压即为本研究关注的时域脉冲涡流信号。

PEC传感器检测线圈电压衰减速率（表示为 β已有报道6,7,8 以显示比例关系 β 正比符号（∝），数学关系，公式，科学概念。 μσd2，当将PEC传感器置于具有磁导率的导电铁磁层上方以获取信号时 μ，电导率 σ，以及厚度 d. 尽管该衰减率信号特征对传感器尺寸、传感器形状和提离等参数具有较强的抗干扰能力6,7,8，这使得该衰减率在诸如管道工况原位评估等具有挑战性的无损检测场景中极具应用价值9,10,11，此功能必须进行校准（即 μ, σ 被检测材料的厚度（即， d) 定量分析。为实现基于衰减速率的传统厚度定量方法6,8此校准必须通过提取校准样品来完成6,8 或通过基于涡流的材料特性表征方法12,13. 或者，可通过以相对厚度的形式表示厚度来避免校准的复杂性。假设进行了一次无损检测实验并 β 从信号中提取数值，然后， β 测试件中最大厚度点的定性代表性值被视为参考（即， β参考文献 正比符号（∝），数学关系，公式，科学概念。 μσd最大值2）；随后，其他任意位置的厚度可表示为最大厚度的百分比形式 无量纲变形比方程，d/d_max=√(β/β_ref)。，输出为相对厚度，这仍是一种有用的定性信息，作为无损检测的输出结果，其优势在于无需进行校准，具有简便性 μ, σ本文所述方案介绍了实现此目标所需遵循的步骤。

由于衰减率β对基于检测线圈的脉冲涡流（PEC）传感器结构具有普适性，且不受传感器设计参数及提离距离的影响6,7,8,14，因此研究人员可在合适的导电铁磁材料上选用任意基于检测线圈的PEC传感系统，按照本文所述方案进行相对厚度定量分析。感兴趣的读者可参考一种用于导电铁磁材料的PEC传感器设计实例15。本研究中所展示的信号与结果均采用悉尼科技大学开发的PEC系统获取6,8。用于获取代表性结果的导电铁磁材料为采自澳大利亚悉尼管道试验平台的灰口铸铁9,10,11。

需要注意的是，本文所介绍的方法、结果和讨论明确聚焦于利用基于检测线圈的脉冲涡流传感器结构的时间域信号衰减速率，对导电铁磁材料的厚度进行量化。本文并未包含关于脉冲涡流传感原理和传感器构型一般性规范的广泛讨论。读者可参考其他已发表的研究16,17,18，以深入了解除基于检测线圈的传感器结构之外的其他脉冲涡流传感器构型。

访问受限。请登录或开始试用以查看此内容。

方案

1. 从现有的基于探测器线圈的 PEC 信号中提取衰减率 β

  1. 将以实验方式采集的可用 PEC 信号（即探测线圈电压的时间域信号，记为 V(t)）表示为 ln[V(t)] 的对数形式。以 ln[V(t)] 形式表示的典型 PEC 信号如 图 1 所示。
  2. 寻找一个满足形式为 电压随时间变化的自然对数不等式，数学公式。 的线性区域，使得信号满足条件 动态系统近似的自然对数公式；数据分析方程。，其中 静态平衡概念，方程 α, β ∈ ℝ, β>0，数学分析，示意图。。根据 图 1 中的信号，指数不等式 -3<ln[V(t)]<-1，a=-3, b=-1，数学表达式，教学用途。 恰好是一个令人满意且可行的线性区域。
  3. 如 图 2 所示，在已识别的线性区域内，将直线模型 静态平衡方程，-1/βt+a，数学表达式，教学用途。 拟合到实验信号数据，并估算 β 的值。

2. 相对厚度的定量分析

  1. 假设从对具有不同厚度的导电铁磁试样执行的无损检测任务中获取了多个信号（图3）。首先，确定所有信号共有的线性区域，并提取 β 值。根据 图3 中的信号，自然对数不等式，公式，-3<ln[V(t)]<-1，数学概念，用于教学。 似乎是一个合适且可行的线性区域。
  2. 选择最大的 β 值，并将其标记为 βref，因为根据 β 正比于符号 (∝)，数学关系，公式，科学概念。 μσd2 的正比关系6,7,8，理论上最大 β 值应对应于最大厚度。
  3. 将相对厚度百分比表示为 百分比偏差公式：di% = √(βi/βref) × 100%，用于数据分析计算。 的形式，其中索引 集合论表达式 i∈N，方程中的整数集符号，数学符号，用于教学。 对应于第 静力平衡图；ΣFx=0；标注的矢量力；力学分析研究。th 次测量。

3. PEC_Signal_Processor 安装

  1. 找到文件 PEC_Signal_Processor.exe，双击该文件并允许其运行。
  2. 当出现如下界面时，点击 下一步。弹出新界面后，指定安装文件的位置，并勾选复选框 在桌面上创建快捷方式，以将软件图标添加到桌面，然后点击 下一步。
  3. 指定所需运行环境的安装位置，然后点击 下一步。如果所需运行环境已安装，请直接点击 下一步。
  4. 阅读并同意提示的许可条款和条件，然后点击 安装。
  5. 安装完成后点击 完成，桌面上将出现软件图标。

4. 信号的制备

  1. 确保 PEC 传感器输出的原始信号（即 V(t)）以表格形式排列。
  2. 将包含信号的表格复制到桌面（或复制到应用程序安装主目录下的某个文件夹中）。为方便起见，建议使用桌面。

5. 执行应用程序

  1. 双击桌面图标以运行应用程序，界面将打开。
  2. 点击 加载信号 选项卡，选择包含信号的文件，以将信号导入软件界面。
  3. 等待表格中原始信号所包含的信号数量显示在 信号数量 = 前方。
  4. 点击 绘制信号，观察以对数尺度绘制的信号。
  5. 点击 缩放 选项卡，调整绘图窗口，使线性区域清晰可见。
  6. 观察后，为线性区域设定合理的下限和上限范围，并在可编辑的文本框中输入相应数值。
  7. 点击 绘制范围，等待范围以绿色线显示在图中。
  8. 点击 提取特征，观察红色直线段如何被绘制出来。
  9. 点击 计算相对厚度，观察计算得到的相对厚度值的直方图如何被绘制。
  10. 点击 保存相对厚度 以保存计算得到的相对厚度值。输入文件名后点击 确定。
  11. 再次点击 确定 确认文件名，相对厚度值将以表格形式保存在桌面上。

访问受限。请登录或开始试用以查看此内容。

结果

本节中的代表性结果使用了作为补充材料提供的PEC信号生成，相关参考文献为8；如上所述，这些信号采集自澳大利亚悉尼管道试验台提取的灰口铸铁样品，该试验台的位置和年代信息见参考文献9,10,11。

图1展示了从基于探测线圈的脉冲涡流（PEC）传感器捕获的时间域信号（以对数形式表示）的典型形状，而图2展示了当t >> 0时对数信号的一个典型线性区域，从中提取衰减速率特征β。多个PEC信号如图3所示；其中包括一个表现出典型最大β值的信号。该最大β值可用作参考β值，通过公式

访问受限。请登录或开始试用以查看此内容。

讨论

本文介绍了一种利用基于检测线圈的脉冲涡流（PEC）传感器来量化导电铁磁材料相对厚度（即相对于参考值的厚度百分比）的实验方案。该方法的主要优势在于能够克服传统校准需求（即无需测量或估计被检材料的磁导率和电导率即可实现厚度量化）。该方案包括：对时域PEC信号进行对数表示，识别信号后期阶段的线性区域，对线性区域拟合直线并提取衰减率（即β），并通过公式 百分比偏差计算公式：di% = √(βi/βref) × 100%，用于数据分析计算。 来量化相对于参考值的相对厚度。该公式通过消除材料特性（即μσ）的影响，并利用β

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。作者推荐参考文献2,6,7,8,9,10,11作为额外阅读材料。

致谢

作者谨此感谢 Michael Behrens 和 Damith Abeywardana 在设计和实现多个传感硬件组件方面所做的贡献。同时感谢 Alen Alempijevic、Teresa Vidal-Calleja、Gamini Dissanayake 和 Sarath Kodagoda 在研究指导方面发挥的作用，以及所有资助并参与“关键管道项目”（Critical Pipes Project）的个人与机构所做出的贡献。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
基于探测线圈的光声电化学传感系统。N/A本研究中的代表性结果是使用澳大利亚悉尼科技大学（UTS）开发的光声电化学系统生成的，该系统已在文献6,8中发表。读者可通过与UTS合作获取该系统。
不同厚度的合适导电铁磁材料。N/A本研究中的代表性结果是通过对位于澳大利亚悉尼某管道试验台中提取的灰铸铁试样进行光声电化学测量获得的，该试验台的位置和年代信息详见参考文献9-11。该管道试验台以及提取的校准样品可通过与UTS合作向读者开放。
用于光声电化学信号处理的计算平台MathWorks, Natick, MA, USA.需要一个可编写并运行光声电化学信号处理算法的计算平台。在本出版物中，光声电化学信号处理是使用名为 "PEC_Signal_Processor" 的软件可执行程序完成的，该程序基于MATLAB R2017b开发，出版方：MathWorks, Natick, MA, USA。
可生成包含原始光声电化学信号数据表格的应用程序（例如 Microsoft Office Excel）。Microsoft Corporation, One Microsoft Way, Redmond, Washington, USA.本研究工作使用了 Microsoft Office Excel（Office 16）。

参考文献

  1. García-Martín, J., Gómez-Gil, J., Vázquez-Sánchez, E. Non-destructive techniques based on eddy current testing. Sensors. 11 (3), 2525-2565 (2011).
  2. Huang, C., Wu, X., Xu, Z., Kang, Y. Ferromagnetic material pulsed eddy current testing signal modeling by equivalent multiple-coil-coupling approach. Non-Destructive Testing and Evaluation International. 44 (2), 163-168 (2011).
  3. Xu, Z., Wu, X., Li, J., Kang, Y. Assessment of wall thinning in insulated ferromagnetic pipes using the time-to-peak of differential pulsed eddy-current testing signals. Non-Destructive Testing and Evaluation International. 51, 24-29 (2012).
  4. Huang, C., Wu, X. An improved ferromagnetic material pulsed eddy current testing signal processing method based on numerical cumulative integration. Non-Destructive Testing and Evaluation International. 69, 35-39 (2015).
  5. Chen, X., Lei, Y. Electrical conductivity measurement of ferromagnetic metallic materials using pulsed eddy current method. Non-Destructive Testing and Evaluation International. 75, 33-38 (2015).
  6. Ulapane, N., Alempijevic, A., Valls Miro, J., Vidal-Calleja, T. Non-destructive evaluation of ferromagnetic material thickness using Pulsed Eddy Current sensor detector coil voltage decay rate. Non-Destructive Testing and Evaluation International. 100, 108-114 (2018).
  7. Ulapane, N., Nguyen, L., Valls Miro, J., Dissanayake, G. A Solution to the Inverse Pulsed Eddy Current Problem Enabling 3D Profiling. IEEE Conference on Industrial Electronics and Applications. , (2018).
  8. Ulapane, N., Alempijevic, A., Vidal Calleja, T., Valls Miro, J. Pulsed Eddy Current Sensing for Critical Pipe Condition Assessment. Sensors. 17 (10), 2208(2017).
  9. Valls Miro, J., et al. A live test-bed for the advancement of condition assessment and failure prediction research on critical pipes. Proceedings of the Leading-Edge Strategic Asset Management Conference (LESAM13). , (2013).
  10. Valls Miro, J., Ulapane, N., Shi, L., Hunt, D., Behrens, M. Robotic pipeline wall thickness evaluation for dense nondestructive testing inspection. Journal of Field Robotics. 35 (8), 1293-1310 (2018).
  11. Valls Miro, J., Hunt, D., Ulapane, N., Behrens, M. Towards Automatic Robotic NDT Dense Mapping for Pipeline Integrity Inspection. Field and Service Robotics. , Springer. Cham. 319-333 (2018).
  12. Chen, X., Lei, Y. Electrical conductivity measurement of ferromagnetic metallic materials using pulsed eddy current method. Non-Destructive Testing and Evaluation International. 75, 33-38 (2015).
  13. Desjardins, D., Krause, T. W., Clapham, L. Transient eddy current method for the characterization of magnetic permeability and conductivity. Non-Destructive Testing and Evaluation International. 80, 65-70 (2016).
  14. Chen, X., Lei, Y. Excitation current waveform for eddy current testing on the thickness of ferromagnetic plates. Non-Destructive Testing and Evaluation International. 66, 28-33 (2014).
  15. Ulapane, N., Nguyen, L., Valls Miro, J., Alempijevic, A., Dissanayake, G. Designing a pulsed eddy current sensing set-up for cast iron thickness assessment. 12th IEEE Conference on Industrial Electronics and Applications (ICIEA). , 901-906 (2017).
  16. Sophian, A., Tian, G., Fan, M. Pulsed eddy current non-destructive testing and evaluation: A review. Chinese Journal of Mechanical Engineering. 30 (3), 500(2017).
  17. Sophian, A., Tian, G. Y., Taylor, D., Rudlin, J. Design of a pulsed eddy current sensor for detection of defects in aircraft lap-joints. Sensors and Actuators A: Physical. 101 (1-2), 92-98 (2002).
  18. Li, P., et al. System identification-based frequency domain feature extraction for defect detection and characterization. Non-Destructive Testing and Evaluation International. 98, 70-79 (2018).
  19. Ulapane, N., Nguyen, L. Review of Pulsed-Eddy-Current Signal Feature-Extraction Methods for Conductive Ferromagnetic Material-Thickness Quantification. Electronics. 8 (5), 470(2019).
  20. Nguyen, L., Valls Miro, J., Shi, L., Vidal-Calleja, T. Gaussian Mixture Marginal Distributions for Modelling Remaining Pipe Wall Thickness of Critical Water Mains in Non-Destructive Evaluation. arXiv. , 01184(2019).
  21. Ulapane, N., et al. Gaussian process for interpreting pulsed eddy current signals for ferromagnetic pipe profiling. 2014 9th IEEE Conference on Industrial Electronics and Applications. , IEEE. 1762-1767 (2014).
  22. Ulapane, A. M. N. N. B. Nondestructive evaluation of ferromagnetic critical water pipes using pulsed eddy current testing (Doctoral dissertation). , University of Technology Sydney. (2016).
  23. Thiyagarajan, K., Kodagoda, S., Alvarez, J. K. An instrumentation system for smart monitoring of surface temperature. 2016 14thInternational Conference on Control, Automation, Robotics and Vision (ICARCV). , IEEE. 1-6 (2016).
  24. Thiyagarajan, K., Kodagoda, S., Van Nguyen, L. Predictive analytics for detecting sensor failure using autoregressive integrated moving average model. 2017 12th IEEE Conference on Industrial Electronics and Applications (ICIEA). , IEEE. 1926-1931 (2017).
  25. Thiyagarajan, K. Robust sensor technologies combined with smart predictive analytics for hostile sewer infrastructures (Doctoral dissertation). , University of Technology Sydney. (2018).
  26. Thiyagarajan, K., Kodagoda, S., Van Nguyen, L., Ranasinghe, R. Sensor failure detection and faulty data accommodation approach for instrumented wastewater infrastructures. IEEE Access. 6 (56), 562-574 (2018).
  27. Thiyagarajan, K., Kodagoda, S., Ranasinghe, R., Vitanage, D., Iori, G. Robust sensing suite for measuring temporal dynamics of surface temperature in sewers. Scientific Reports. 8, 16020(2018).
  28. Thiyagarajan, K., Kodagoda, S., Van Nguyen, L., Wickramanayake, S. Gaussian Markov random fields for localizing reinforcing bars in concrete infrastructure. 35th International Symposium on Automation and Robotics in Construction. , IAARC. 1052-1058 (2018).
  29. Thiyagarajan, K., Kodagoda, S., Ulapane, N. Data-driven machine learning approach for predicting volumetric moisture content of concrete using resistance sensor measurements. 2016 IEEE 11th Conference on Industrial Electronics and Applications. , 1288-1293 (2016).
  30. Giovanangelia, N., et al. Design and Development of Drill-Resistance Sensor Technology for Accurately Measuring Microbiologically Corroded Concrete Depths. 36th International Symposium on Automation and Robotics in Construction. , (2019).
  31. Wickramanayake, S., Thiyagarajan, K., Kodagoda, S., Piyathilaka, L. Frequency Sweep Based Sensing Technology for Non-destructive Electrical Resistivity Measurement of Concrete. 36th International Symposium on Automation and Robotics in Construction. (771), (2019).
  32. Ulapane, N., Wickramanayake, S., Kodagoda, S. Pulsed Eddy Current Sensing for Condition Assessment of Reinforced Concrete. 14th IEEE Conference on Industrial Electronics and Applications. , (2020).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

使用基于探测线圈的脉冲涡流传感器量化导电铁磁材料的相对厚度
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。