Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Engineering
Click here for the English version

Engineering

Kvantifisere den relative tykkelsen av ledende ferromagnetisk materialer ved hjelp av detektor coil-baserte pulserende Eddy strøm sensorer

Published: January 16, 2020 doi: 10.3791/59618
Automatic Translation
1, 2, 2, 2
1Melbourne School of Engineering, University of Melbourne, 2Center for Autonomous Systems, University of Technology Sydney

Summary

Her presenterer vi en protokoll for å kvantifisere den relative tykkelsen (dvs. tykkelse som en prosentandel med hensyn til en referanse) av ledende ferromagnetisk materialer ved hjelp av detektor coil-baserte pulserende Eddy strøm sensorer, mens overvinne kalibreringen Kravet.

Abstract

Tykkelse kvantifisering av ledende ferromagnetisk materialer ved hjelp av ikke-destruktiv evaluering (NDE) er en viktig komponent i strukturelle helse overvåking av infrastruktur, spesielt for å vurdere tilstanden til stor diameter ledende ferromagnetisk rør funnet i energi, vann, olje og gass sektorer. Pulserende Eddy strøm (PEC) sensing, spesielt detektor coil-baserte PEC sensor arkitektur, har etablert seg gjennom årene som et effektivt middel for å tjene dette formålet. Tilnærminger for utforming PEC sensorer samt prosessering signaler har blitt presentert i tidligere arbeider. I de senere årene, bruk av forfallet rate av detektoren coil-basert tid domene PEC signal i den hensikt å tykkelse kvantifisering har blitt studert. Slike arbeider har fastslått at forfallet rate-baserte metoden holder det generelle til detektoren coil-basert sensor arkitektur, med en grad av immunitet til faktorer som sensor form og størrelse, antall coil svinger, og eksitasjon strøm. Videre har denne metoden vist sin effektivitet i NDE av store rør laget av grått støpejern. Etter slik litteratur, er fokuset i dette arbeidet eksplisitt PEC sensor detektor coil spenning forfall-basert ledende ferromagnetisk materiale tykkelse kvantifisering. Utfordringen som denne metoden står overfor er vanskeligheten med å kalibrere, spesielt når det gjelder applikasjoner som in situ pipe tilstand vurdering siden måle elektriske og magnetiske egenskaper av visse rørmaterialer eller oppnå kalibrering prøvene er vanskelig i praksis. Motivert av denne utfordringen, i motsetning til å estimere faktiske tykkelse som gjort av noen tidligere arbeider, presenterer dette arbeidet en protokoll for bruk av forfall-basert metode for å kvantifisere relativ tykkelse (dvs. tykkelsen på et bestemt sted med hensyn til en maksimal tykkelse), uten behov for kalibrering.

Introduction

Den pulserende Eddy gjeldende (PEC) sensing teknikken er kanskje den mest allsidige medlem av familien til Eddy nåværende (EC) ikke-destruktiv evaluering (NDE) teknikker og har mange applikasjoner i deteksjon og kvantifisering av defekter, og geometrien av metaller og metalliske strukturer1. Tykkelse kvantifisering av ledende ferromagnetisk vegg-lignende strukturer, har veggtykkelser ikke mer enn noen få millimeter til noen titalls millimeter, er en høy etterspørsel ingeniørtjenester innen strukturelle helse overvåking av infrastruktur. Kritisk infrastruktur laget av ferromagnetisk legeringer som krever denne tjenesten er allment tilgjengelig i energi-, vann-, olje-og gassindustrien. Mens PEC-sensorer kan utformes etter flere arkitekturer, var detektor coil-basert arkitektur bestemt på å være den mest effektive og brukte i tilstandsvurdering av ferromagnetisk materialer2,3,4,5. Derfor er det detektoren coil-baserte PEC sensor arkitektur som setter grunnlaget for problemet med tykkelsen kvantifisering av ledende ferromagnetisk materialer.

Detektoren coil-baserte PEC sensor arkitekturen består vanligvis av to konsentrisk sår, luft kjerne, ledende spoler2,3,4,5,6 (typisk kobber spoler). Det er ganske vanlig å vind disse spoler å være sirkulær i form2,3,4,5,6, men noen ganger, rektangulær formet spoler6 har blitt brukt. Fra de to spoler i sensoren, en oppfører seg som en radiosender coil mens den andre fungerer som detektoren coil. I en PEC-sensor er radiosender-spolen begeistret av en spennings puls-noe som kan karakteriseres som en Heaviside trinn funksjon i prinsippet. Denne pulserende eksitasjon genererer et forbigående magnetfelt (kalt primærfeltet) rundt sensoren. Når sensoren er plassert ved siden av en ledende test brikke (f. eks en ledende ferromagnetisk vegg-lignende struktur), dette forbigående magnetfelt induserer tid varierende Eddy strømninger i test stykket. Disse Eddy strømninger generere en sekundær magnetfelt (kalt sekundær feltet) som motsetter hovedfeltet. Som svar på den resulterende effekten av den primære og sekundære felt, en forbigående spenning er indusert i detektoren coil-som blir tids domene PEC signal av interesse for dette arbeidet.

Den PEC sensor detektor coil Voltage Decay rate (betegnet som β) har blitt rapportert6,7,8 for å vise den prosent β Equation 7 μσd2, når et signal er ervervet plassere en PEC-sensor over en ledende ferromagnetisk lag av magnetisk permeabilitet μ, elektrisk ledningsevne σ, og tykkelse d. Selv om dette Decay rate signal funksjonen har betydelig immunitet mot parametre som sensor størrelse, sensor form, og lift-off6,7,8, noe som gjør forfallet rate svært ønskelig for utfordrende NDE scenarier som in situ pipe condition vurdering9,10,11, denne funksjonen må kalibreres (dvs. μ, σ av materialet som inspiseres anslås) for å aktivere tykkelse (dvs. , d) kvantifisering. For å aktivere konvensjonelle metoder for forfall-basert tykkelse kvantifisering,må denne kalibreringen gjøres ved å trekke ut kalibrerings prøver6,8 eller ved å involvere Eddy nåværende basert materiale eiendom karakterisering metoder12,13. Alternativt kan kompleksiteten av kalibrering unngås ved å representere tykkelse i form av relativ tykkelse. Anta at en NDE øvelse utføres og β verdier er Hentet fra signaler, da er β verdi kvalitativt representant for den maksimale tykkelsen punktet i testen brikken anses som en referanse (dvs., βREF Equation 7 μσdMax2); da kan tykkelsen på andre steder representeres som en prosentandel av den maksimale tykkelsen i skjemaet Equation 1 , og presenterer en relativ tykkelse som output, som fortsatt er nyttig kvalitativ informasjon som en NDE utgang som også bærer enkelheten av ikke å måtte kalibrere for μ, σ. Protokollen som presenteres her, beskriver trinnene som skal følges for å oppnå dette.

Siden forfallet rate β viser generelle til detektoren coil-baserte PEC sensor arkitektur mens viser immunitet til parametere av sensoren design samt lift-off6,7,8,14, kan utøvere bruke noen detektor coil-baserte PEC sensing system av sine valg på en egnet ledende ferromagnetisk materiale for å utføre relative tykkelse kvantifisering følgende protokollen her. En PEC sensor design eksempel for en ledende ferromagnetisk materiale er tilgjengelig for interesserte lesere15. Signalene og resultatene som presenteres i dette arbeidet ble anskaffet ved hjelp av PEC-systemet utviklet av University of Technology Sydney6,8. Det ledende ferromagnetisk-materialet som brukes til representative resultater ervervet av PEC-systemet, er grått støpejern Hentet fra en pipe test-seng9,10,11 i Sydney Australia.

Det bør bemerkes at metodene, resultatene, og diskusjonene som presenteres i denne publikasjonen eksplisitt fokus på bruk av detektoren coil-baserte PEC sensor arkitektur tid domene signal ' s forfall rate for tykkelse kvantifisering av ledende ferromagnetisk materialer. Publikasjonen inkluderer ikke en bredere diskusjon om generelle konvensjoner i PEC sensing prinsipper og sensor konfigurasjoner. Annet publisert arbeid16,17,18 kan være nyttig for leserne å få mer innsikt om PEC sensor konfigurasjoner enn detektor coil-basert sensor arkitektur.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. utpakking av forråtnelse rate β fra en tilgjengelig detektor coil-baserte PEC-signal

  1. Express et tilgjengelig eksperimentelt fanget PEC-signal (dvs. en tid domene detektor spole spenning (betegnet som V(t))) i logaritmisk form av ln [V(t)]. Et typisk PEC-signal uttrykt i form av ln [V(t)], vises i figur 1.
  2. Finn en lineær region i form av Equation 2 slik at signalet tilfredsstiller tilstanden Equation 3 der. Equation 4 Som per signalet i figur 1, Equation 5 skjer for å være en tilfredsstillende og mulig lineær region.
  3. Som illustrert i figur 2, passer den lineære modellen Equation 6 til den eksperimentelle signal data innenfor den identifiserte lineære regionen og anslå verdien av β.

2. kvantifisering av relativ tykkelse

  1. Anta at det er flere signaler (Figur 3) ervervet fra en NDE oppgave utført på en ledende ferromagnetisk test brikke med varierende tykkelse. Først identifisere en lineær region felles for alle signaler og trekke β verdier. PR signalene i Figur 3, Equation 8 synes å være en tilstrekkelig og praktisk lineær region.
  2. Velg maksimal β -verdi og Merk den som βREF siden den maksimale β -verdien bør i prinsippet tilsvare maksimal tykkelse i henhold til β Equation 7 μσd2 ,7,8.
  3. Uttrykt relativ tykkelse i prosent i skjemaet Equation 9 , der indeksen Equation 10 tilsvarer th -målingen.

3. PEC_Signal_Processor installasjon

  1. Finn filen PEC_Signal_Processor. exe. Dobbel falle i staver filen og tillate å effektuere.
  2. Når grensesnittet nedenfor vises, klikker du neste. Når grensesnittet dukker opp, angi filplasseringen for installasjon, og kryss av i boksen legge til en snarvei til skrivebordet for å legge til programvaren ikonet til skrivebordet. Deretter klikker du neste.
  3. Angi installasjonsplasseringen for det nødvendige kjøretidsmiljøet, og klikk deretter neste. Hvis det nødvendige Runtime Environment er allerede installert, klikker du bare neste.
  4. Les, og godta lisensvilkår og-betingelser. Deretter klikker du Installer.
  5. Klikk Fullfør når installasjonen er fullført. Skrivebordsikonet vises.

4. utarbeidelse av signaler

  1. Sørg for at PEC-sensorens utganger [rå signaler, dvs. V(t)] er ordnet som en tabell.
  2. Kopier tabellen som inneholder signaler, til skrivebordet (eller til en mappe i den overordnede mappen der programmet er installert). Skrivebordet anbefales for enkelhets skyld.

5. utføring av programmet

  1. Dobbeltklikk på skrivebordsikonet for å kjøre programmet. Grensesnittet vil åpnes.
  2. Last signaler ved å klikke på Last signaler -fanen og velg filen som inneholder signalene for å importere signalene til programvaregrensesnittet.
  3. Vent til antall signaler som finnes i tabellen inneholder rå signaler vises foran antall signaler =.
  4. Klikk på plot signaler og observere signalene plottet i logaritmisk skala.
  5. Klikk på Zoom tab og justere plottet vinduet for den lineære regionen for å være godt synlig.
  6. Etter observasjon, bestemme rimelig nedre og øvre marginer for den lineære regionen og skriv inn verdiene i den redigerbare tekst mellomrom.
  7. Klikk på plott marger , og vent til margene er tegnet inn i grønt.
  8. Klikk på trekk ut funksjoner og observere hvordan lineære segmenter er plottet i rødt.
  9. Klikk på Beregn relativ tykkelse og Observer hvordan et histogram med beregnede relative tykkelse verdier tegnes inn.
  10. Klikk på Lagre relativ tykkelse for å lagre de beregnede relative tykkelse verdiene. Angi et filnavn, og klikk OK.
  11. Bekreft filnavnet ved å klikke på OK igjen for å bekrefte filnavnet. De relative tykkelse verdiene vil bli lagret som en tabell på skrivebordet.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Representative resultater i denne delen er generert ved bruk av PEC-signalene levert som tilleggsmateriale med referanse8; som nevnt ovenfor, signalene har blitt fanget på grått støpejern prøvene Hentet fra røret test seng i Sydney Australia, hvis plassering og vintage detaljer er gitt i referanser9,10,11.

Figur 1 viser typisk form av en tid domene signal (uttrykt i logaritmisk form) tatt fra en detektor coil-baserte PEC-sensor mens figur 2 viser en indikasjon lineær region av logaritmisk signal som t > > 0 som forfallet rate funksjonen β er ekstrahert. Flere PEC-signaler vises i Figur 3. et signal som viser en indicatively maksimal β -verdi er inkludert. En slik maksimal β -verdi kan brukes som referanse- β -verdier for å kvantifisere relativ tykkelse ved Equation 9 hjelp av ligningen.

Tabell 1 viser noen utpakkede β -verdier sammen med relative tykkelse verdier som er kvantifisert bruker dem. Resultatene i tabell 1 er produsert for lift-off-saken på 14 mm, som presenteres i figur 20 i referanse8; de tilsvarende rå PEC-signalene som fanges opp på grått støpejern, er tilgjengelige i Tilleggsmaterialet som leveres med referanse8. Den første kolonnen i tabell 1 gir den faktiske tykkelsen (i millimeter) av de grå støpejern test BRIKKENE som PEC-signaler ble tatt mens den andre kolonnen inneholder de tilsvarende β -verdiene. Maksimal β -verdi (dvs. β = 0,010078491) regnes som referanse- β -verdien (dvs. βREF). Angitt i den tredje kolonnen er de tilsvarende relative tykkelse verdiene som resulterer når kvantifisert Equation 12 som og den siste kolonnen viser tilsvarende faktiske relative tykkelse verdier beregnet ved hjelp av de faktiske tykkelse verdiene som er oppført i den første kolonnen. Et plott av de faktiske relative tykkelse verdiene mot relative tykkelse verdier beregnet fra PEC-signaler (dvs. beregnet ved hjelp av β -verdier) er vist i Figur 4. En korrelasjon på over 99% mellom estimater og realitet observert på dette datasettet indikerer effektiviteten av den relative tykkelsen kvantifisering metoden.

Figure 1
Figur 1: typisk form av et PEC-signal, det vil si, spole spenningen i indusert detektor (dvs. V(t)) uttrykt i form av ln [V(t)]. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 2
Figur 2: en representativ linier område av en detektor coil-baserte PEC-signal uttrykt i formen ln [V(t)], som t > > 0, hvorfra forfallet rate-funksjonen (dvs., β) bør trekkes ut. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 3
Figur 3: flere PEC-signaler som skyldes en NDE øvelse (utført på grått støpejern) som viser et signal indicatively som viser en maksimal β -verdi, som i prinsippet bør være kvalitativt representerer en maksimal tykkelse i henhold til forhold6,15: β Equation 7 μσd2. Vennligst klikk her for å se en større versjon av dette tallet.

Figure 4
Figur 4: korrelasjon mellom relativ tykkelse% kvantifisert fra faktisk tykkelse og relativ tykkelse% kvantifisert fra β (basert på målinger utført på grått støpejern). Vennligst klikk her for å se en større versjon av dette tallet.

Faktisk tykkelse av test Piece (mm) β verdi Hentet fra PEC signal Relativ tykkelse% kvantifisert fra β Relativ tykkelse% kvantifisert fra faktisk tykkelse
3 0,000228395 15,05379428 15
5 0,000538137 23,10728068 25
7 0,001018941 31,79631773 35
9 0,001701758 41,09141494 45
11 0,003091023 55,38005157 55
15 0,005853939 76,2125254 75
20 0,010078491 100 100

Tabell 1: noen utpakkede β -verdier sammen med kvantifisert relative tykkelse av grått støpejern.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

En protokoll for å kvantifisere den relative tykkelsen (dvs. tykkelse som en prosentandel med hensyn til en referanse) av ledende ferromagnetisk materialer ved hjelp av detektor coil-baserte PEC sensorer ble presentert. Den største fordelen med denne metoden er evnen til å overvinne kalibreringen kravet (dvs. overvinne behovet for å måle eller anslå magnetisk permeabilitet og elektrisk ledningsevne av materialet som inspiseres for å aktivere tykkelse kvantifisering). Protokollen innebærer logaritmisk representasjon av tids domene PEC-signal, identifisering av en lineær region på signal ' s senere stadier, som passer en rett-linje til den lineære regionen og utdrager forfallet rate (dvs. β), og kvantifisere den relative tykkelsen med hensyn til en referanse gjennom Equation 9 ligningen, som avbryter ut materialets egenskaper (dvs. μσ) og produserer en relativ tykkelse på grunn av β Equation 7 μσd2 . Eksperimentelle resultater (tabell 1 og Figur 4) viser effekten av den relative tykkelsen kvantifisering metoden fra protokollen i dette arbeidet.

Sørg for at retningslinjene i del 4 følges når du klargjør data for import til programvaregrensesnittet. For å unngå en tung byrde for databehandling og grafikkmaskinvare, ordner du signalene i flere tabeller slik at datafiler av mindre størrelse kan behandles separat. Det er ikke lett å innføre faktiske restriksjoner på størrelsen på datafiler som det avhenger av beregningen strøm tilgjengelig for brukerne. Noen prøve-og feil tester anbefales for å identifisere begrensninger for filstørrelse som kan gjelde i henhold til behandlingskraften som er tilgjengelig for brukerne. Inne pris av modifiseringer, brukernes kanskje være i stand til program deres egen programvarepakkene med mangfoldig, eller alle PEC signal bearbeiding algoritmer av deres valget, benytter alle beregning plattform av deres valget. En gjennomgang av nylig publiserte PEC signalbehandling algoritmer for tykkelse kvantifisering av ledende ferromagnetisk materialer er tilgjengelig19.

En avgjørende faktor som vil påvirke nøyaktigheten av de estimerte relative tykkelse verdiene er tilstrekkelighet av eksitasjon styrke. Referanse8 har rapportert hvordan for lite eksitasjon styrke kan begrense dybden av penetrasjon redusere følsomheten til høy tykkelse verdier mens for mye eksitasjon styrke kan begrense følsomheten til lav tykkelse verdier. Dette problemet med eksitasjon styrke betyr at hvis en bestemt tykkelse område av et bestemt materiale er vurdert med en utilstrekkelig eksitasjon styrke, selv om den resulterende forfallet rate kan fortsatt være følsomme for tykkelse, kan det være unøyaktig i verdi for å universelt følge prinsippet β Equation 7 μσd2, som til slutt kan føre til feilaktige relative tykkelse verdier kvantifisert Equation 9 som. Denne begrensningen må tas notat av utøvere i situasjoner der strenge presisjon i kvantitative NDE resultater saken. Men dette blir ikke et problem i situasjoner der kvantitative utganger er ikke avgjørende og kvalitativ representasjon av test brikken tilstand tilstrekkelig. Siden definere en prosedyre for å tune eksitasjon styrke uten bruk av kalibrering prøver å ha kjent tykkelse er triviell, en god praksis for å motvirke eventuelle tvetydighet med eksitasjon styrke vil være å samle signaler under en rekke eksitasjon styrker. Slike tilnærminger vil generere rike datasett som danner baser for noen avanserte post prosessering og kan være nyttig for NDE oppgaver utført av Robotic betyr10,11. Videre, de elektriske og magnetiske egenskaper av visse inhomogen ledende ferromagnetisk materialer, slik som grått støpejern oppstått i noen alderen kritiske vannrør, viser en betydelig varians8. Denne variansen pålegger at egenskapene være forskjellige innenfor en kohort av rør, eller til tider selv innenfor et enkelt rør fra ett sted til et annet, noe som gjør kalibrering desto mer utfordrende. En slik variasjon i materielle egenskaper vil også fungere som en feil kilde for metoden foreskrevet i dette arbeidet når NDE utføres på slike inhomogen materialer.

Nyere arbeid har vist hyppig og fortsatt bruk av PEC sensing for tilstandsvurdering av kritiske rør8,9,10,11,20,21,22. Slike arbeider har en tendens til å produsere store mengder PEC data og vil ha nytte av signal analyse protokoller og rammeverk lik den som presenteres i dette arbeidet. Parallelt med å arbeide med kritiske rør har det vært en økt interesse for forskning på tilstandsvurdering av betong kloakk så vel i de senere år23,24,25,26,27,28,29,30,31. Sammen med slikt arbeid, har PEC sensing teknikken funnet bruk i stand vurdering av stål armert kloakk samt32. PEC signal analyse protokoller som den som presenteres i dette arbeidet kan være nyttig for analyse av store mengder PEC data produsert som et resultat av en slik tilstand vurderings relatert arbeid.

Kritiske trinn i metoden kan være oppført som: (1) arrangering av rå PEC-signaler [V (t)] som en tabell; (2) lasting av rå signaler til programvaren grensesnittet; (3) plotting signalene i logaritmisk skala og visualisering (dvs. plotting signaler i ln [V (t)] skjema); (4) visuelt inspisere plottet signaler og identifisere en passende lineær rekkevidde; (5) utføre funksjonen utvinning; (6) utføre relativ tykkelse kvantifisering; og (7) lagre resultatene. Del 3 inneholder mer detaljerte, trinnvise retningslinjer for hvordan du utfører oppgavene som er oppført ovenfor.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfattere har ingen interessekonflikter å avsløre. Forfattere vil gjerne anbefale Works2,6,7,8,9,10,11 som ekstra lesestoff.

Acknowledgments

Forfatterne vil gjerne erkjenne bidrag gjort av Michael Behrens og Damith Abeywardana i å designe og implementere flere sensing hardware komponenter. Forskning tilsyn roller spilt av alen Alempijevic, Teresa Vidal-Calleja, Gamini Dissanayake, og Sarath Kodagoda, samt bidrag gjort av alle personer og organisasjoner som har finansiert og inngått samarbeid med kritiske rør Project, er også anerkjent .

Materials

Name Company Catalog Number Comments
A Detector Coil-based PEC Sensing System. N/A The representative results in this work were generated using the PEC system developed by University of Technology Sydney (UTS), Australia and published in works 6,8. This system may be accessible to readers via collaborating with UTS.
A suitable conductive ferromagnetic material of varying thickness. N/A The representative results in this work were generated by acquiring PEC measurements on grey cast iron test pieces extracted from a pipe test-bed located in Sydney Australia, whose location and vintage details are available in references 9-11. The pipe test-bed as well as the extracted calibration samples may be accessible to readers via collaborating with UTS.
A computation platform for PEC signal processing MathWorks, Natick, MA, USA. A computation platform in which the PEC signal processing algorithm can be coded and executed is required. In this publication, PEC signal processing was done using a software executable named "PEC_Signal_Processor", produced using MATLAB R2017b, Publisher: MathWorks, Natick, MA, USA.
An application that can produce a table containing raw PEC signals (e.g., Microsoft Office Excel). Microsoft Corporation, One Microsoft Way, Redmond, Washington, USA. Microsoft Office Excel (Office 16) was used for the work of this publication.

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Engineering detektor coil ferromagnetisk NDE NDT pulserende Eddy Current sensing signal behandling tykkelse kvantifisering
Kvantifisere den relative tykkelsen av ledende ferromagnetisk materialer ved hjelp av detektor coil-baserte pulserende Eddy strøm sensorer
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ulapane, N., Thiyagarajan, K., Hunt, … More

Ulapane, N., Thiyagarajan, K., Hunt, D., Valls Miro, J. Quantifying the Relative Thickness of Conductive Ferromagnetic Materials Using Detector Coil-Based Pulsed Eddy Current Sensors. J. Vis. Exp. (155), e59618, doi:10.3791/59618 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter