Method Article

Kwantyfikacja względnej grubości przewodzących materiałów ferromagnetycznych za pomocą impulsowych czujników prądów wirowych opartych na cewce detektorowej

DOI:

10.3791/59618

January 16th, 2020

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tutaj prezentujemy protokół ilościowego określania względnej grubości (tj. grubości w procentach w stosunku do odniesienia) przewodzących materiałów ferromagnetycznych za pomocą pulsacyjnych czujników wiroprądowych opartych na cewce detektora, jednocześnie pokonując wymóg kalibracji.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kwantyfikacja grubości przewodzących materiałów ferromagnetycznych za pomocą oceny nieniszczącej (NDE) jest kluczowym elementem monitorowania stanu strukturalnego infrastruktury, szczególnie do oceny stanu przewodzących rur ferromagnetycznych o dużej średnicy, które można znaleźć w sektorach energetycznym, wodnym, naftowym i gazowym. Wykrywanie impulsowych prądów wirowych (PEC), a zwłaszcza architektura czujnika PEC oparta na cewce detektora, z biegiem lat ugruntowała swoją pozycję jako skuteczny środek służący temu celowi. Podejścia do projektowania czujników PEC, jak również przetwarzania sygnałów, zostały przedstawione we wcześniejszych pracach. W ostatnich latach badano wykorzystanie szybkości zaniku sygnału PEC w dziedzinie czasu opartego na cewce detektora do celów ilościowego oznaczania grubości. Prace te ustaliły, że metoda oparta na szybkości zaniku jest ogólnoczesna w stosunku do architektury czujnika opartego na cewce detektora, z pewnym stopniem odporności na takie czynniki, jak kształt i rozmiar czujnika, liczba zwojów cewki i prąd wzbudzenia. Co więcej, metoda ta wykazała swoją skuteczność w NDE dużych rur wykonanych z żeliwa szarego. Podążając za taką literaturą, niniejsza praca koncentruje się wyraźnie na kwantyfikacji grubości przewodzącego materiału ferromagnetycznego detektora czujnika PEC na podstawie szybkości zaniku napięcia cewki. Jednak wyzwaniem, przed którym stoi ta metoda, jest trudność kalibracji, zwłaszcza jeśli chodzi o zastosowania takie jak ocena stanu rur in situ, ponieważ pomiar właściwości elektrycznych i magnetycznych niektórych materiałów rur lub uzyskanie próbek kalibracyjnych jest w praktyce trudne. Motywowana tym wyzwaniem, w przeciwieństwie do szacowania rzeczywistej grubości, jak to miało miejsce w niektórych poprzednich pracach, niniejsza praca przedstawia protokół wykorzystania metody opartej na szybkości rozpadu do ilościowego określenia względnej grubości (tj. grubości określonego miejsca w stosunku do maksymalnej grubości), bez wymogu kalibracji.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Technika wykrywania impulsowych prądów wirowych (PEC) jest prawdopodobnie najbardziej wszechstronnym członkiem rodziny technik nieniszczącej oceny (NDE) prądów wirowych (EC) i ma wiele zastosowań w wykrywaniu i kwantyfikacji defektów oraz geometrii metali i struktur metalowych1. Kwantyfikacja grubości przewodzących ferromagnetycznych struktur ściennych, o grubości ścianek nie większej niż kilka milimetrów do kilkudziesięciu milimetrów, jest bardzo pożądaną usługą inżynieryjną w dziedzinie monitorowania stanu konstrukcji infrastruktury. Infrastruktura krytyczna wykonana ze stopów ferromagnetycznych, która wymaga tej usługi, jest powszechnie dostępna w przemyśle energetycznym, wodnym, naftowym i gazowym. Podczas gdy czujniki PEC mogą być projektowane zgodnie z kilkoma architekturami, architektura oparta na cewce detektora została uznana za najbardziej efektywną i powszechnie stosowaną w ocenie stanu materiałów ferromagnetycznych2,3,4,5. Dlatego to właśnie architektura czujnika PEC oparta na cewce detektora stanowi podstawę do rozwiązania problemu kwantyfikacji grubości przewodzących materiałów ferromagnetycznych.

Architektura czujnika PEC oparta na cewce detektora zazwyczaj składa się z dwóch koncentrycznie nawiniętych, przewodzących cewek z rdzeniem powietrznym2,3,4,5,6 (zazwyczaj cewki miedziane). Dość często nawijanie tych zwojów ma kształt okrągły2,3,4,5,6, ale czasami używano prostokątnych cewek6. Z dwóch cewek w czujniku jedna zachowuje się jak cewka wzbudzenia, podczas gdy druga działa jak cewka detektora. W czujniku PEC cewka wzbudnicy jest wzbudzana impulsem napięciowym - coś, co w zasadzie można scharakteryzować jako funkcję krokową Heaviside'a. To impulsowe wzbudzenie generuje przejściowe pole magnetyczne (zwane polem pierwotnym) wokół czujnika. Gdy czujnik jest umieszczony w pobliżu przewodzącego elementu testowego (np. przewodzącej ferromagnetycznej struktury przypominającej ścianę), to przejściowe pole magnetyczne indukuje zmieniające się w czasie prądy wirowe w badanym elemencie. Te prądy wirowe generują wtórne pole magnetyczne (zwane polem wtórnym), które przeciwstawia się polu pierwotnemu. W odpowiedzi na wynikowy efekt pola pierwotnego i wtórnego, w cewce detektora indukowane jest napięcie przejściowe - które staje się sygnałem PEC w dziedzinie czasu, który jest przedmiotem zainteresowania tej pracy.

Szybkość zaniku napięcia cewki detektora czujnika PEC (oznaczona jako β) została zgłoszona6,7,8 aby pokazać proporcjonalność β figure-introduction-1 μσd2, gdy odbierany jest sygnał, umieszczając czujnik PEC nad przewodzącą ferromagnetyczną warstwą pola magnetycznego przepuszczalność μ, przewodność elektryczna σ i grubość d. Chociaż ta funkcja sygnału szybkości zaniku ma znaczną odporność na takie parametry, jak rozmiar czujnika, kształt czujnika i start6,7,8, co sprawia, że szybkość zaniku jest wysoce pożądana w trudnych scenariuszach NDE, takich jak ocena stanu rury in situ9,10,11, ta funkcja musi być skalibrowana (tj. μ należy oszacować σ kontrolowanego materiału) w celu umożliwienia ilościowego określenia grubości (tj. d). Aby umożliwić konwencjonalne metody kwantyfikacji grubości na podstawie szybkości zaniku6,8, kalibrację tę należy przeprowadzić poprzez ekstrakcję próbek kalibracyjnych6,8 lub poprzez zastosowanie metod charakterystyki właściwości materiału opartych na prądach wirowych12,13. Alternatywnie, złożoności kalibracji można uniknąć, przedstawiając grubość w postaci grubości względnej. Załóżmy, że przeprowadza się ćwiczenie NDE i β wartości są wyodrębniane z sygnałów, wówczas wartość β jakościowo reprezentatywna dla maksymalnego punktu grubości w badanej próbce jest uważana za odniesienie (tj. βref figure-introduction-2 μσdmax2); następnie grubość dowolnego innego miejsca może być przedstawiona jako procent maksymalnej grubości w postaci figure-introduction-3, przedstawiając względną grubość jako wynik wyjściowy, który nadal jest przydatną informacją jakościową jako wynik NDE, który niesie ze sobą również prostotę polegającą na tym, że nie trzeba kalibrować dla μ, σ. Przedstawiony w niniejszym dokumencie protokół opisuje kroki, które należy wykonać, aby to osiągnąć.

Ponieważ szybkość zaniku β pokazuje ogólność architektury czujnika PEC opartego na cewce detektora, wykazując jednocześnie odporność na parametry konstrukcji czujnika, jak również na start6,7,8,14, praktycy mogą korzystać z dowolnego systemu wykrywania PEC opartego na cewce detektora, który wybierzą, na odpowiednim przewodzącym materiale ferromagnetycznym, aby wykonać względne Kwantyfikacja grubości zgodnie z protokołem tutaj. Przykładowy projekt czujnika PEC dla przewodzącego materiału ferromagnetycznego jest dostępny dla zainteresowanych czytelników15. Sygnały i wyniki przedstawione w tej pracy zostały uzyskane przy użyciu systemu PEC opracowanego przez Uniwersytet Techniczny w Sydney6,8. Przewodzący materiał ferromagnetyczny używany do uzyskania reprezentatywnych wyników uzyskanych przez system PEC to żeliwo szare ekstrahowane ze stanowiska testowego rur9,10,11 w Sydney w Australii.

Należy zauważyć, że metody, wyniki i dyskusje przedstawione w tej publikacji wyraźnie koncentrują się na wykorzystaniu szybkości zaniku sygnału w dziedzinie czasu architektury czujnika PEC opartego na cewce detektora do ilościowego oznaczania grubości przewodzących materiałów ferromagnetycznych. Publikacja nie zawiera szerszego omówienia ogólnych konwencji zasad detekcji PEC i konfiguracji czujników. Inne opublikowane prace16,17,18 może być przydatne dla czytelników, aby uzyskać więcej informacji na temat konfiguracji czujników PEC innych niż architektura czujnika opartego na cewce detektora.

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Wyodrębnianie szybkości zaniku β z dostępnego sygnału PEC opartego na cewce detektora

  1. Wyrazić dostępny, eksperymentalnie przechwycony sygnał PEC (tj. napięcie cewki detektora w dziedzinie czasu (oznaczone jako V(t))) w postaci logarytmicznej ln[V(t)]. Typowy sygnał PEC wyrażony w postaci ln[V(t)] jest pokazany w Rysunek 1.
  2. Znajdź obszar liniowy w postaci figure-protocol-1 tak, aby sygnał spełniał warunek figure-protocol-2 where figure-protocol-3. Zgodnie z sygnałem w Rysunek 1, figure-protocol-4 jest zadowalającym i praktycznym regionem liniowym.
  3. Jak pokazano na rysunku Rysunek 2, dopasuj model liniowy figure-protocol-5 do eksperymentalnych danych sygnału w zidentyfikowanym obszarze liniowym i oszacuj wartość β.

2. Kwantyfikacja względnej grubości

  1. Załóżmy, że istnieje wiele sygnałów (Rysunek 3) uzyskanych z zadania NDE wykonanego na przewodzącym ferromagnetycznym elemencie testowym o różnej grubości. Najpierw zidentyfikuj obszar liniowy wspólny dla wszystkich sygnałów i wyodrębnij β wartości. Zgodnie z sygnałami w Rysunek 3, figure-protocol-6 wydaje się być odpowiednim i praktycznym obszarem liniowym.
  2. Wybierz maksymalną wartość β i oznacz ją jako βref, ponieważ maksymalna wartość β powinna w zasadzie odpowiadać maksymalnej grubości zgodnie z β figure-protocol-7 μσd2 proporcjonalność6,7,8.
  3. Wyraź procentowy procent względnej grubości w postaci figure-protocol-8, gdzie indeks figure-protocol-9 odpowiada figure-protocol-10 pomiaru.

3. PEC_Signal_Processor instalacji

  1. Znajdź plik PEC_Signal_Processor.exe. Kliknij dwukrotnie plik i pozwól na wykonanie.
  2. Gdy pojawi się poniższy interfejs, kliknij Dalej. Gdy pojawi się interfejs, określ lokalizację pliku do instalacji i zaznacz pole wyboru Dodaj skrót do pulpitu, aby dodać ikonę oprogramowania do pulpitu. Następnie kliknij przycisk Dalej.
  3. Określ lokalizację instalacji wymaganego środowiska wykonawczego, a następnie kliknij przycisk Dalej. Jeśli wymagane środowisko wykonawcze jest już zainstalowane, po prostu kliknij przycisk Dalej.
  4. Przeczytaj i zaakceptuj monitowane postanowienia licencyjne. Następnie kliknij przycisk Zainstaluj.
  5. Kliknij przycisk Zakończ po zakończeniu instalacji. Pojawi się ikona na pulpicie.

4. Przygotowanie sygnałów

  1. Upewnij się, że wyjścia czujnika PEC [surowe sygnały, tj. V(t)] są ułożone w tabelę.
  2. Skopiuj tabelę zawierającą sygnały na pulpit (lub do folderu znajdującego się w katalogu nadrzędnym, w którym zainstalowana jest aplikacja). Dla wygody zalecany jest komputer stacjonarny.

5. Uruchamianie aplikacji

  1. Kliknij dwukrotnie ikonę na pulpicie, aby uruchomić aplikację. Otworzy się interfejs.
  2. Załaduj sygnały, klikając zakładkę Załaduj sygnały i wybierz plik zawierający sygnały, aby zaimportować sygnały do interfejsu oprogramowania.
  3. Poczekaj, aż liczba sygnałów zawarta w tabeli zawierającej surowe sygnały pojawi się przed liczbą sygnałów =.
  4. Kliknij na Plot Signals (Wykres sygnałów) i obserwuj sygnały wykreślone w skali logarytmicznej.
  5. Kliknij kartę Powiększenie i dostosuj okno wykresu, aby obszar liniowy był wyraźnie widoczny.
  6. Po obserwacji zdecyduj o rozsądnych dolnych i górnych marginesach obszaru liniowego i wprowadź wartości w edytowalnych przestrzeniach tekstowych.
  7. Kliknij Marginesy działki i poczekaj, aż marginesy zostaną wykreślone na zielono.
  8. Kliknij opcję Wyodrębnij obiekty i obserwuj, jak segmenty linii prostych są wykreślane na czerwono.
  9. Kliknij Oblicz grubość względną i obserwuj, jak wykreślany jest histogram obliczonych wartości grubości względnej.
  10. Kliknij Zapisz grubość względną, aby zapisać obliczone wartości grubości względnej. Podaj nazwę pliku i kliknij przycisk OK.
  11. Potwierdź nazwę pliku, klikając ponownie przycisk OK, aby potwierdzić nazwę pliku. Względne wartości grubości zostaną zapisane jako tabela na pulpicie.

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Reprezentatywne wyniki w tej sekcji zostały wygenerowane przy użyciu sygnałów PEC dostarczonych jako materiał uzupełniający z odniesieniem8; jak wspomniano powyżej, sygnały zostały zarejestrowane na próbkach żeliwa szarego pobranych ze stanowiska testowego rur w Sydney w Australii, których lokalizacja i szczegóły dotyczące rocznika są podane w referencji9,10,11.

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Przedstawiono protokół ilościowego określania względnej grubości (tj. grubości w procentach w stosunku do odniesienia) przewodzących materiałów ferromagnetycznych przy użyciu czujników PEC opartych na cewce detektora. Główną zaletą tej metody jest możliwość przezwyciężenia wymogu kalibracji (tj. pokonania konieczności pomiaru lub oszacowania przenikalności magnetycznej i przewodności elektrycznej badanego materiału w celu umożliwienia ilościowego określenia grubości). Protokół obejmuje logarytmiczną reprezentację sygnału...

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają konfliktu interesów, który mogliby ujawnić. Autorzy polecają utwory 2,6,7,8,9,10,11 jako dodatkowy materiał do lektury.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy chcieliby podziękować za wkład Michaela Behrensa i Damith Abeywardana w projektowanie i implementację kilku komponentów sprzętowych do czujników. Docenia się również role nadzorujące badania pełnione przez Alena Alempijevica, Teresę Vidal-Calleję, Gamini Dissanayake i Sarath Kodagoda, a także wkład wszystkich osób i organizacji, które sfinansowały i współpracowały z Critical Pipes Project.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
System wykrywania PEC oparty na cewce detektora.Nie dotyczyReprezentatywne wyniki tej pracy zostały wygenerowane przy użyciu systemu PEC opracowanego przez Uniwersytet Techniczny w Sydney (UTS) w Australii i opublikowanego w pracach 6,8. System ten może być dostępny dla czytelników poprzez współpracę z UTS.
Odpowiedni przewodzący materiał ferromagnetyczny o różnej grubości.Nie dotyczyReprezentatywne wyniki tej pracy zostały wygenerowane poprzez uzyskanie pomiarów PEC na próbkach testowych z żeliwa szarego wyekstrahowanych ze stanowiska testowego rur zlokalizowanego w Sydney w Australii, którego lokalizacja i szczegóły dotyczące zabytków są dostępne w odniesieniach 9-11. Stanowisko do testowania rur, jak również pobrane próbki kalibracyjne mogą być dostępne dla czytelników dzięki współpracy z UTS.
Platforma obliczeniowa do przetwarzania sygnałów PECMathWorks, Natick, MA, USA.Wymagana jest platforma obliczeniowa, na której można zakodować i wykonać algorytm przetwarzania sygnału PEC. W niniejszej publikacji przetwarzanie sygnału PEC zostało wykonane za pomocą programowego pliku wykonywalnego o nazwie "PEC_Signal_Processor", wyprodukowanego przy użyciu MATLAB R2017b, Wydawca: MathWorks, Natick, MA, USA.
Aplikacja, która może utworzyć tabelę zawierającą nieprzetworzone sygnały PEC (np. Microsoft Office Excel).Microsoft Corporation, One Microsoft Way, Redmond, Waszyngton, Stany Zjednoczone.Do pracy nad tą publikacją wykorzystano program Microsoft Office Excel (Office 16).

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Pulsed Eddy CurrentDetector Coil SensorRelative Thickness QuantificationDecay Rate MethodFerromagnetic MaterialsNon Destructive EvaluationSignal ProcessingCalibration Free ProtocolGray Cast IronCorrosion Assessment

Related Articles