Summary
Här presenterar vi ett protokoll för att kvantifiera den relativa tjocklek (dvs. tjocklek som en procentsats med avseende på en referens) av ledande ferromagnetiska material med hjälp av detektor spole-baserade pulsade virvelströmsensorer, samtidigt övervinna kalibrering Krav.
Abstract
Tjocklek kvantifiering av ledande ferromagnetiska material med hjälp av oförstörande utvärdering (NDE) är en viktig del av strukturell hälsoövervakning av infrastrukturen, särskilt för att bedöma tillståndet hos stor diameter ledande ferromagnetiska rör som finns i energi-, vatten-, olje-och gassektorerna. Pulsad virvelström (PEC) avkänning, speciellt detektor spole-baserade PEC sensor arkitektur, har etablerat sig genom åren som ett effektivt sätt att tjäna detta ändamål. Metoder för att designa PEC-sensorer och process signaler har presenterats i tidigare verk. Under de senaste åren har användningen av sönderfalls frekvensen hos den detektor-baserade tidsdomänen PEC-signalen för att kvantifiera tjockleken har studerats. Sådana verk har fastställt att den sönderfalls hastighet-baserade metoden har allmän giltighet för detektor spole-baserade sensor arkitektur, med en grad av immunitet mot faktorer som sensorns form och storlek, antal spole varv, och excitation ström. Dessutom har denna metod visat sin effektivitet i NDE av stora rör gjorda av grått gjutjärn. Efter sådan litteratur, fokus i detta arbete är uttryckligen PEC sensor detektor spole spänning förfall Rate-baserade ledande ferromagnetiska material tjocklek kvantifiering. Den utmaning som denna metod står inför är dock svårigheten att kalibrera, särskilt när det gäller tillämpningar som in situ-bedömning av rör förhållanden, eftersom mätning av elektriska och magnetiska egenskaper hos vissa rör material eller erhållande av kalibrerings prover är svåra i praktiken. Motiverad av denna utmaning, i motsats till uppskattning av faktisk tjocklek som gjorts av vissa tidigare verk, detta arbete presenterar ett protokoll för att använda den sönderfalls frekvens-baserade metoden för att kvantifiera relativ tjocklek (dvs. tjocklek av en viss plats med avseende på en tjocklek), utan krav på kalibrering.
Introduction
Den pulsade virvelström (PEC) sensing teknik är kanske den mest mångsidiga medlemmen i familjen av Eddy Current (EG) icke-förstörande utvärdering (NDE) tekniker och har många tillämpningar för detektering och kvantifiering av defekter, och geometri av metaller och metalliska strukturer1. Tjocklek kvantifiering av ledande ferromagnetiska väggliknande strukturer, med väggtjocklekar på högst några millimeter till några tiotals millimeter, är en hög efterfrågan ingenjörstjänster på området strukturell hälsa övervakning av infrastrukturen. Kritisk infrastruktur gjord av ferromagnetiska legeringar som kräver denna service är allmänt tillgängliga inom energi, vatten, olja och gas industrier. Medan PEC-sensorer kan utformas efter flera arkitekturer, var detektor spolen-baserad arkitektur fast beslutna att vara den mest effektiva och vanligt förekommande i Tillståndsbedömning av ferromagnetiska material2,3,4,5. Därför är det detektor spole-baserade PEC sensor arkitektur som sätter grunden till problemet med tjocklek kvantifiering av ledande ferromagnetiska material.
Den detektor spole-baserade PEC sensor arkitektur består vanligtvis av två koncentriskt sår, luft cored, ledande spolar2,3,4,5,6 (typiskt koppar spolar). Det är ganska vanligt att vinden dessa spolar vara cirkulär i form2,3,4,5,6, men ibland, rektangulära formade spolar6 har använts. Från de två spolar i sensorn, en uppför sig som en magnetiseringsspole medan den andra fungerar som detektor spole. I en PEC-sensor är exciterarspolen upphetsad av en spännings puls-något som kan karakteriseras som en Artillarsidostegfunktion i princip. Denna pulsade excitation genererar ett övergående magnetfält (kallas det primära fältet) runt sensorn. När sensorn är placerad i anslutning till ett ledande provstycke (t. ex. en ledande ferromagnetisk väggliknande struktur) inducerar detta transienta magnetfält tids varierande virvelströmmar i provstycket. Dessa virvelströmmar genererar ett sekundärt magnetfält (kallas det sekundära fältet) som motsätter sig det primära fältet. Som svar på den resulterande effekten av den primära och sekundära fält, en övergående spänning induceras i detektor spole-som blir den tid domänen PEC signal av intresse för detta arbete.
PEC-sensorns detektor spole spänning sönderfalls frekvens (betecknas som β) har rapporterATS 6,7,8 för att Visa proportionaliteten β 
μσd2, när en signal förvärvas som placerar en PEC-sensor över ett ledande ferromagnetiskt skikt av magnetisk permeabilitet μ, elektrisk ledningsförmåga σ, och tjocklek d. Även om denna funktion för sönderfalls frekvens signal har avsevärd immunitet mot parametrar som sensor storlek, sensor form, och lyft-off6,7,8, vilket gör sönderfalls frekvensen mycket önskvärt för utmanande NDU scenarier såsom in situ pipe Condition Assessment9,10,11, denna funktion måste kalibreras (dvs μ, σ av det material som inspekteras uppskattas) för att möjliggöra tjocklek (dvs. , d) kvantifiering. För att möjliggöra konventionella metoder för sönderfalls frekvens-baserad tjock Leks beräkning6,8, måste denna kalibrering göras genom att extrahera kalibreringsprov6,8 eller genom att involvera virvelströmsbaserade material egenskaps karakteriseringsmetoder12,13. Alternativt kan komplexiteten i kalibrering undvikas genom att representera tjocklek i form av relativ tjocklek. Antag att en NDU-övning utförs och β -värden extraheras från signaler, därefter anses β -värdet kvalitativt representativt för den maximala tjock Leks punkten i provstycket som referens (dvs. βRef μσdMax2). sedan kan tjockleken på någon annan plats representeras som en procentandel av den maximala tjockleken i form 
, presentera en relativ tjocklek som produktionen, som fortfarande är användbar kvalitativ information som en nde-utgång som också bär enkelheten att inte behöva kalibrera för μ, σ. Det protokoll som presenteras häri beskriver de åtgärder som ska följas för att åstadkomma detta.
Eftersom sönderfalls frekvensen β visar allmän till detektor spole-baserade PEC sensor arkitektur samtidigt visar immunitet mot parametrar av sensorn design samt lyft-off6,7,8,14, kan utövare använda någon detektor spole-baserade PEC Sensing system efter eget val på en lämplig ledande ferromagnetiska material för att utföra relativ tjocklek kvantifiering efter protokollet här. Ett PEC-sensordesignexempel för ett ledande ferromagnetiskt material finns tillgängligt för intresserade läsare15. De signaler och resultat som presenteras i detta arbete förvärvades med hjälp av PEC-systemet som utvecklats av University of Technology Sydney6,8. Det ledande ferromagnetiska materialet som används för representativa resultat som erhållits av PEC-systemet är grått gjutjärn som utvinns ur ett rörtest-Bed9,10,11 i Sydney Australia.
Det bör noteras att de metoder, resultat och diskussioner som presenteras i denna publikation uttryckligen fokuserar på användningen av detektor spole-baserade PEC sensor arkitekturens tid domän signalens sönderfalls frekvens för tjocklek kvantifiering av ledande ferromagnetiska material. Publikationen omfattar inte en bredare diskussion om allmänna konventioner om PEC-analysprinciper och sensorkonfigurationer. Annat publicerat arbete16,17,18 kan vara användbart för läsarna att få mer insikt om PEC sensorkonfigurationer än detektor spole-baserade sensor arkitektur.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. extrahera sönderfalls hastigheten β från en tillgänglig detektor-baserad PEC-signal
- Express en tillgänglig experimentellt fångas PEC signal (dvs en tid domän detektor spole spänning (betecknas som V(t))) i den logaritmiska formen av LN [v(t)]. En typisk PEC-signal uttryckt i form av LN [V(t)] visas i figur 1.
- Hitta en linjär region i form av
sådan att signalen uppfyller villkoret 
där. 
Per signalen i figur 1, 
råkar vara en tillfredsställande och praktiskt möjligt linjär region. - Som illustreras i figur 2, anpassa den linjära modellen
till de experimentella signaldatan inom det identifierade lineära området och uppskatta värdet av β.
sådan att signalen uppfyller villkoret 
där. 
Per signalen i figur 1, 
råkar vara en tillfredsställande och praktiskt möjligt linjär region.
till de experimentella signaldatan inom det identifierade lineära området och uppskatta värdet av β.2. kvantifiering av relativ tjocklek
- Antag att det finns flera signaler (figur 3) som erhållits från en nde uppgift utförs på en ledande ferromagnetiska provpjäs med varierande tjocklek. Först identifiera en linjär region som är gemensam för alla signaler och extrahera β värden. Enligt signalerna i figur 3,
verkar vara en lämplig och genomförbar linjär region. - Välj det maximala β -värdet och Märk det som βRef eftersom det maximala β -värdet bör i princip motsvara den maximala tjockleken enligt β
μσd2 proportionalitet6,7,8. - Uttrycka relativ tjocklek i procent i form
, där indexet 
motsvarar den 
th mätningen.
verkar vara en lämplig och genomförbar linjär region.
motsvarar den 
th mätningen.3. PEC_Signal_Processor installation
- Leta reda på filen PEC_Signal_Processor. exe. Dubbelklicka på filen och låt den köras.
- När gränssnittet nedan visas klickar du på Nästa. När gränssnittet dyker upp, ange filens plats för installation, och kryssa i kryssrutan Lägg till en genväg till skrivbordet för att lägga till ikonen programvara på skrivbordet. Klicka sedan på Nästa.
- Ange installationsplatsen för den körningsmiljö som krävs och klicka sedan på Nästa. Om den nödvändiga körningsmiljön redan är installerad klickar du bara på Nästa.
- Läs och godkänn licensvillkoren. Klicka sedan på Installera.
- Klicka på Slutför när installationen är klar. Skrivbordsikonen visas.
4. förberedelse av signaler
- Se till att PEC-sensorutgångarna [RAW-signaler, d.v.s. V(t)] är ordnade som en tabell.
- Kopiera tabellen som innehåller signaler till skrivbordet (eller till en mapp som finns i den överordnade katalogen där programmet är installerat). För enkelhetens skull rekommenderas skrivbordet.
5. exekvera ansökan
- Dubbelklicka på skrivbordsikonen för att köra programmet. Gränssnittet öppnas.
- Ladda signaler genom att klicka på fliken laddnings signaler och välj den fil som innehåller signalerna för att importera signalerna till programvarugränssnittet.
- Vänta tills antalet signaler som finns i tabellen som innehåller RAW-signaler visas framför antalet signaler =.
- Klicka på Plot signaler och observera de signaler plottas i logaritmisk skala.
- Klicka på fliken Zooma och justera ritfönstret för att det linjära området ska synas tydligt.
- Efter observation, besluta om rimliga lägre och övre marginaler för den linjära regionen och ange värdena i de redigerbara text utrymmen.
- Klicka på Rita marginaler och vänta på att marginalerna ritas i grönt.
- Klicka på extrahera funktioner och observera hur raka linjesegment ritas i rött.
- Klicka på Beräkna relativ tjocklek och observera hur ett histogram av beräknad relativ tjocklek värden ritas.
- Klicka på Spara relativ tjocklek för att spara de beräknade relativa tjock Leks värden. Ange ett filnamn och klicka på OK.
- Bekräfta filnamnet genom att klicka på OK igen för att bekräfta filnamnet. De relativa tjock Leks värdena kommer att sparas som en tabell på skrivbordet.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Representativa resultat inom detta avsnitt har genererats med hjälp av PEC-signalerna som tillhandahålls som tilläggsmaterial med referens8. som nämnts ovan har signalerna fångats på grå gjutjärn prover extraheras från röret testbädd i Sydney Australien, vars läge och Vintage Detaljer finns i referenser9,10,11.
Figur 1 visar den typiska formen för en tidsdomän signal (uttryckt i den logaritmiska formen) som fångas från en detektor-baserad PEC-sensor medan figur 2 visar en indikativ linjär region av den logaritmiska signalen som t > > 0 från vilken sönderfalls frekvensen har extraherats. Flera PEC-signaler visas i figur 3. en signal som visar ett preliminärt maximalt β -värde ingår. Ett sådant högsta β -värde kan användas som referens- β -värden för att kvantifiera relativ tjocklek 
med hjälp av ekvationen.
Tabell 1 visar några extraherade β -värden tillsammans med relativa tjocklek värden som har kvantifierats med hjälp av dem. Resultaten i tabell 1 har tagits fram för 14 mm lyft fall som presenteras i Figur 20 i referens8. de motsvarande råa PEC-signalerna som fångas på grått gjutjärn finns i det kompletterande material som medföljer referens8. Den första kolumnen i tabell 1 ger den faktiska tjocklek (i millimeter) av de grå gjutjärnsprovsbitarna på vilka PEC-signalerna fångades medan den andra kolumnen innehåller motsvarande β -värden. Det maximala β -värdet (dvs. β = 0,010078491) betraktas som referens- β -värdet (dvs. βRef). Som anges i den tredje kolumnen är motsvarande relativa tjocklek värden som resulterar när kvantifieras som 
och den sista kolumnen visar motsvarande faktiska relativa tjocklek värden som beräknats med hjälp av de faktiska tjocklek värden som anges i den första kolumnen. En tomt med de faktiska relativa tjock Leks värdena mot de relativa tjock Leks värden som beräknats utifrån PEC-signaler (dvs. beräknade med β -värden) visas i figur 4. En korrelation på över 99% mellan uppskattningar och verklighet som observerats på denna datamängd indikerar effektiviteten av den relativa tjock Leks kvantifieringsmetoden.
Figur 1: typisk form för en PEC-signal, d.v.s. inducerad detektor spole spänning (dvs. v(t)) uttryckt i form av LN [v(t)]. Vänligen klicka här för att se en större version av denna siffra.
Figur 2: en representativ linier region för en detektor spole-baserad PEC-signal uttryckt i form LN [V(t)], som t > > 0, varifrån sönderfalls frekvensen (dvs β) skall extraheras. Vänligen klicka här för att se en större version av denna siffra.
Figur 3: flera PEC-signaler till följd av en NDU-övning (utförd på grått gjutjärn) som uppvisar en signal som visar ett maximalt β -värde, som i princip kvalitativt bör motsvara en maximal tjocklek enligt proportionaliteten6,15: β μσd2. vänligen klicka här för att se en större version av denna siffra.
Figur 4: korrelation mellan relativ tjocklek% kvantifierad från faktisk tjocklek och relativ tjocklek% kvantifierad från β (baserat på mätningar utförda på grått gjutjärn). Vänligen klicka här för att se en större version av denna siffra.
| Provets faktiska tjocklek (mm) | β-värde extraherat från PEC-signalen | Relativ tjocklek% kvantifierad från β | Relativ tjocklek% kvantifierad från faktisk tjocklek |
| 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: vissa extraherade β -värden tillsammans med kvantifierad relativ tjocklek av grått gjutjärn.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Ett protokoll för att kvantifiera den relativa tjocklek (dvs. tjocklek som en procentsats med avseende på en referens) av ledande ferromagnetiska material med hjälp av detektor spole-baserade PEC sensorer presenterades. Den största fördelen med denna metod är förmågan att övervinna kalibrerings kravet (dvs., övervinna behovet av att mäta eller uppskatta magnetisk permeabilitet och elektrisk ledningsförmåga av materialet som inspekteras för att möjliggöra tjocklek kvantifiering). Protokollet inbegriper logaritmisk representation av tidsdomänen PEC-signalen, identifiering av en linjär region i signalens senare skeden, montering av en rät linje till den linjära regionen och extrahering av sönderfalls hastigheten (dvs. β) och kvantifiera den relativa tjockleken med avseende på en referens genom ekvationen, som upphäver de materiella egenskaperna (dvs. μσ) och ger en relativ tjocklek på grund av den β μσd2 proportionalitet. Experimentella resultat (tabell 1 och figur 4) visar hur effektiv den relativa tjock Leks kvantifieringsmetoden är från protokollet i detta arbete.
Se till att riktlinjerna i avsnitt 4 följs när du förbereder data för import till programvarugränssnittet. För att undvika en tung börda på beräkning och grafikhårdvara, ordna signaler i flera tabeller så att datafiler av mindre storlek kan bearbetas separat. Det är inte lätt att införa faktiska restriktioner för storleken på datafiler som beror på beräkningskraften tillgängliga för användarna. Ett par test-och Feltest rekommenderas för att identifiera eventuella filstorleksbegränsningar som kan gälla enligt beräkningskraften som är tillgängliga för användarna. När det gäller ändringar, kan användare kunna programmera sina egna mjukvarupaket med flera, eller någon PEC signalbehandling algoritmer som de själva väljer, med någon beräkningsplattform som de själva väljer. En översyn av nyligen publicerad PEC signalbehandling algoritmer för tjocklek kvantifiering av ledande ferromagnetiska material finns19.
En avgörande faktor som kommer att påverka noggrannheten av den uppskattade relativa tjock Leks värden är lämpligheten av excitationseghet. Referens8 har rapporterat hur för lite excitation styrka kan begränsa penetrationsdjupet minska känsligheten för höga tjocklek värden medan för mycket excitation styrka kan begränsa känsligheten för låg tjocklek värden. Denna fråga med excitation styrka innebär att om en viss tjocklek område av ett visst material bedöms med en otillräcklig excitation styrka, även om den resulterande sönderfalls hastigheten kan fortfarande vara känslig för tjocklek, kan det vara felaktiga i värde för att universellt följa principen β μσd2, som så småningom kan resultera i Felaktiga relativa tjocklek värden kvantifieras som . Denna begränsning måste beaktas av utövare i situationer där strikt precision i kvantitativa NDE resultat fråga. Detta blir dock inte ett problem i situationer där kvantitativa resultat inte är nödvändiga och en kvalitativ representation av test biten är tillräcklig. Eftersom definiera ett förfarande för att finjustera excitation styrka utan användning av kalibrering prover med känd tjocklek är nontrivial, en god praxis att motverka någon tvetydighet med excitation styrka kommer att samla insignaler under en rad excitation styrkor. Sådana metoder kommer att generera rika datamängder som bildar baser för vissa avancerade postprocessing och kan vara användbara för NDE uppgifter som utförs av Robotic betyder10,11. Vidare, de elektriska och magnetiska egenskaperna hos vissa inhomogena ledande ferromagnetiska material, såsom grått gjutjärn stött på i vissa äldre kritiska vattenledningar, uppvisar en avsevärd avvikelse8. Denna avvikelse innebär att egenskaperna vara olika inom en kohort av rör, eller ibland även inom ett enda rör från en plats till en annan, vilket gör kalibreringen desto mer utmanande. Sådan variation i materialegenskaper kommer också att fungera som en källa till fel för den metod som föreskrivs i detta arbete när NDE utförs på sådana ohomogena material.
Nyligen arbete har visat frekvent och fortsatt användning av PEC Sensing för Tillståndsbedömning av kritiska rör8,9,10,11,20,21,22. Sådana arbeten tenderar att producera stora mängder PEC-data och skulle gynnas av signal analysprotokoll och ramverk som liknar den som presenteras i detta arbete. Parallellt med arbetet med kritiska rör har det skett ett ökat intresse för forskning om Tillståndsbedömning av betong avlopp samt de senaste åren23,24,25,26,27,28,29,30,31. Tillsammans med sådant arbete har PEC sensing teknik funnit användning i Tillståndsbedömning av stål förstärkta avlopp samt32. PEC-signalanalysprotokoll som det som presenteras i detta arbete kan vara användbart för analys av de stora mängder PEC-data som produceras som ett resultat av sådant tillstånds bedömningsarbete.
Kritiska steg i metoden kan anges som: (1) ordna rå PEC-signaler [V (t)] som en tabell; (2) lastning RAW-signaler till programvara gränssnitt; (3) plottning av signalerna i logaritmisk skala och visualisering (dvs. plottning signaler i LN [V (t)] form); 4. inspektera de plottade signalerna visuellt och identifiera ett lämpligt linjärt intervall. (5) utföra funktionen extraktion; 6. kvantifiering av relativ tjocklek. och (7) Spara resultaten. Avsnitt 3 innehåller mer detaljerade steg-för-steg-anvisningar för att utföra de uppgifter som anges ovan.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Upphovsmännen har inga intressekonflikter att avslöja. Författarna skulle vilja rekommendera Works2,6,7,8,9,10,11 som ytterligare läsmaterial.
Acknowledgments
Författarna skulle vilja erkänna de bidrag som Michael Behrens och Damith Abeywardana i utformningen och genomförandet av flera Sensing hårdvara komponenter. Forsknings tillsyn roller som spelas av Alen Alempijevic, Teresa Vidal-Calleja, Gamini Dissanayake, och Sarath Kodagoda, samt bidrag från alla personer och organisationer som finansieras och samarbetar med kritiska rör projektet, erkänns också .
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. |
References
- García-Martín, J., Gómez-Gil, J., Vázquez-Sánchez, E. Non-destructive techniques based on eddy current testing. Sensors. 11 (3), 2525-2565 (2011).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ulapane, N., Alempijevic, A., Vidal Calleja, T., Valls Miro, J. Pulsed Eddy Current Sensing for Critical Pipe Condition Assessment. Sensors. 17 (10), 2208 (2017).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Ulapane, N., Nguyen, L. Review of Pulsed-Eddy-Current Signal Feature-Extraction Methods for Conductive Ferromagnetic Material-Thickness Quantification. Electronics. 8 (5), 470 (2019).
- 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).
- 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).
- 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).
- 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).
- 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).
- Thiyagarajan, K. Robust sensor technologies combined with smart predictive analytics for hostile sewer infrastructures (Doctoral dissertation). , University of Technology Sydney. (2018).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
