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

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一种，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诸多应用¹。对于壁厚仅为几毫米至几十毫米的导电铁磁性壁状结构，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PEC传感器可依据多种架构进行设计，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缠绕、空气芯的导电线圈^2,3,4,5,6（通常....

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。图1 展示了以 ln[V(t)] 形式表示的典型 PEC 信号。
2. 寻找一个满足条件 的线性区域，其形式为 ，其中

结果

本节中的代表性结果使用了参考文献⁸中作为补充材料提供的PEC信号生成；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）传感器中捕获的时域信号（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，从中可提取衰减率特征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

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，以相对厚度（即相对于参考值的厚度百分比）来量化导电铁磁材料厚度的实验方案。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，识别信号后期的线性区域，对线性区域拟合直线并提取衰减速率（即β），并通过公式 计算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

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）。