脉冲涡流检测方法在裂纹分类中的应用

脉冲涡流检测方法在裂纹分类中的应用

1脉冲涡流检测脉冲轴检测方法是脉冲检测技术的一个新兴分支。与传统的单频频繁输出相比，脉冲输出具有许多优点。传统涡流采用单一频率的正弦电流作为激励,脉冲涡流则采用具有一定占空比的方波作为激励;传统涡流检测对感应磁场进行稳态分析,即通过测量感应电压的幅值和相角来确定缺陷的位置,而脉冲涡流则对感应磁场进行时域的瞬态分析,以直接测得的感应磁场最大值出现的时间来进行缺陷检测。在理论上,脉冲涡流比单频正弦涡流能提供更多信息,因为脉冲涡流可提供某一范围的连续多频激励。此外,脉冲涡流信号比多频涡流信号响应更快,因为它同时运行一列不同的电流频率。脉冲涡流检测是一种可实现定量检测导电材料表面及近表面缺陷深度的有效方法,尤其对于定量检测飞机多层结构中出现在第2层中难以检测的缺陷证实也同样有效。本文根据上述脉冲涡流的特性,设计了一套脉冲涡流无损检测系统,在铝合金板上加工缺陷来模拟飞机结构中出现的裂纹,通过数据采集卡采集裂纹信息,提取峰值及峰值时间来定量裂纹的深度,并对裂纹的分类提出了有效的识别方法。2脉冲涡流信号分析脉冲涡流系统的工作原理如图1所示。脉冲涡流的激励信号为具有一定占空比的方波,施加在探头上的激励方波会在激励线圈中感生出一个快速衰减的脉冲磁场,变化的磁场在导体试件中感应出瞬时涡流(脉冲涡流),此脉冲涡流向导体试件内部传播,又会感应出一个快速衰减的涡流磁场,随着涡流磁场的衰减,检测线圈或磁传感器就会感应出随试件变化的电压。假如有裂纹缺陷存在,势必使得磁感应强度B发生变化,导致检测线圈或磁传感器上的感应电压随之改变,由于脉冲包含很宽的频谱,感应的电压信号中就包含有关裂纹的重要信息。与常规涡流信号不同,脉冲涡流信号获得的是瞬态信号,因此其数值分析主要是在时域中进行。如果将检测线圈或磁传感器放置在被检试样的无缺陷处,所获得的基本响应信号为参考信号,被检试样的响应信号减去参考信号即为差分信号。图2为一个典型脉冲涡流的差分瞬时信号响应图。通常所采用的特征值是脉冲涡流的差分瞬时信号的峰值和峰值到达时间,由此对表面、亚表面及腐蚀裂纹进行定量检测。其中,峰值是指脉冲涡流时域瞬态波形的最大值,峰值时间是指从脉冲涡流的上升沿激励开始到脉冲涡流感应信号瞬时峰值到达的时间。3结构表面及亚表面裂纹检测脉冲涡流无损检测系统如图3所示。其中信号发生器采用方波激励信号,在本系统中,方波信号的电压为1.7V,频率为100Hz,占空比为0.5。探头包括激励线圈和磁传感器,激励线圈采用圆柱型磁芯,内径10mm,外径16mm,高为5mm,由线径0.3mm的漆包线绕制而成,共绕了400匝。磁传感器采用霍尔传感器(Hall)UGN3503,位于圆柱型磁芯底部的中心,用来对受裂纹缺陷扰动而产生的磁场垂直分量进行检测。数据采集电路采用凌华数据采集卡DAQ2010,采样频率为100kHz。为了模拟飞机结构中出现的不同类型裂纹缺陷,实验中采用一块厚度为10mm,长度为300mm,宽度为30mm的铝块(LY12)来模拟飞机结构中出现的表面及亚表面裂纹,裂纹缺陷尺寸如图4(a)所示,探头通过对A、B表面的检测来完成表面及亚表面裂纹的检测;另一块采用长度为400mm,宽度为30mm,厚度变化的铝块(LY12)来模拟飞机结构中出现的大面积腐蚀减薄的缺陷,其缺陷尺寸如图4(b)所示。4实验分析4.1缺陷输出的峰值和深度关系通过探头对A表面裂纹、B亚表面裂纹及腐蚀裂纹进行检测,实验发现,当探头在试块上没有裂纹的区域扫描时,Hall传感器上感应信号的峰值保持不变。当探头扫描到不同深度的裂纹区域时,Hall传感器上感应信号的峰值明显变化,在探头进入裂纹时,感应信号的峰值达到最大值,当探头离开裂纹时,感应信号的峰值出现最小值。由此,可以根据Hall传感器上感应信号的输出峰值变化来判断裂纹的位置。将数据采集卡采集到的数据运用MATLAB工具首先进行差分、滤波、分析、处理等环节,提取缺陷的输出峰值和峰值时间特征,从而判定裂纹的深度,结果如图5和图6所示。由图5分析可知,对于表面、亚表面及腐蚀裂纹,随着裂纹深度的加深,输出的峰值都增大。但对于表面裂纹,输出峰值与裂纹深度几乎是线性关系。而对于亚表面和腐蚀裂纹,输出峰值与裂纹深度成指数关系。根据涡流检测原理(1)可知,被测导体中感应的涡流密度随着深度的加深成指数下降,而Hall传感器所测磁场为激励线圈产生磁场与涡流产生磁场矢量和,这就证实了实验结果与理论相一致。对于定量,在相同裂纹深度条件下,由于亚表面裂纹损失的面积更小,因此它的峰值在相同深度下比腐蚀裂纹的小。J涡流(z)=J0(z)exp(-z/√2ωσμ)(1)J涡流(z)=J0(z)exp(−z/2ωσμ−−−√)(1)式中:J是涡流密度,z是裂纹深度,ω=2πf是激励角频率,σ是被测导体电导率,μ是被测导体磁导率。由图6分析可知,对于表面裂纹,随着裂纹的深度加深,峰值时间几乎相同,集中出现在110μs附近,根据涡流检测原理,这是因为试块导体中产生的涡流最大密度J0集中在表面。而对于亚表面和腐蚀裂纹,随着缺陷的深度加深,峰值时间逐渐减小,这是因为涡流在试块中传播的速度随着深度的加深成指数下降。由于亚表面和腐蚀裂纹的缺陷损失具有一定的相似性,因此它们的峰值时间和深度之间的关系定性来说是相似的。因此,首先可根据脉冲涡流信号输出的峰值变化来判断裂纹的位置,然后根据脉冲涡流差分信号的输出峰值及峰值时间来完成对3种裂纹深度的定量检测。4.2识别裂缝分类4.2.1流差分时信号的峰值和峰值时间传统的缺陷信号分析方法主要是在时域中进行,通常所采用的特征值是脉冲涡流差分瞬时信号的峰值和峰值时间。图7为利用峰值及峰值时间两个特征值对3种裂纹进行了分类识别,表明利用峰值及峰值时间两个特征值能够成功地分离出表面裂纹、亚表面裂纹及腐蚀裂纹,但亚表面裂纹与腐蚀裂纹分离得不够好。4.2.2主成分分析方法主成分分析也叫做主成分变换、主分量分析或K-L(Karhunen-Loeve)变换,是建立在统计特征基础上的多维(如多波段)正交线性变换。主成分分析是在最小平方误差损失前提下把多个特征转化为几个综合特征的多元统计方法,通常把转化生成的综合特征称为主成分,其中每个主成分都是原始特征的线性组合,并且各个主成分之间互不相关,这就使得主成分比原始特征具有某些更优越的性能。其主要应用在人脸识别、语音信号识别、信号压缩等方面。主分量分析主要通过以下步骤来实现:1)样本数据来源于不同缺陷的差分数据,每一组缺陷数据构成一列矢量Γn,因此样本矩阵可表示为:Γ=[Γ1,Γ2,…,ΓM](2)式中:M为样本数。2)对原始样本差分数据进行平均,有:ˉΓ=1Μ.Μ∑n=1Γn(3)Γ¯¯¯=1M.∑n=1MΓn(3)3)对原始样本差分数据中心化,得到:Φi=Γi-ˉΓ(4)Φi=Γi−Γ¯¯¯(4)4)计算协方差矩阵:C=1ΜΜ∑n=1Φn⋅ΦΤn=1ΜA⋅AΤ(5)式中:A=[Φ1,Φ2,…,ΦM]。5)求协方差矩阵C的特征值λi和与其相对应的特征矢量νi。按特征值λi的大小(降序)对特征矢量νi进行排序,并重新编号。如果认为最大的特征值对应的特征矢量为ν1,第二大的特征值对应的特征矢量为ν2,那么就得到一特征矢量序列ν1,ν2,ν3,…,νn。该特征矢量序列就是待求的基函数序列。因为计算上的需要,可把基函数写成n×n维基函数矩阵ν:ν=(ν1,ν2,ν3…,νn)(6)6)利用所得基函数矩阵ν和第3步构造出来的矩阵Φ,求出矩阵Φ用基函数ν表示的系数矩阵ω,即:ω=νTΦ(7)矩阵ω中包含了测试信息在由特征矢量组成的空间中的各阶分量(即主分量)。其中第i个特征值(或特征矢量)对应的行即为第i阶分量。因为首先对特征值进行了从大到小的排序,所以阶数较小的主分量对应于较大的特征值,描述信号的主要特征。阶数较大的主分量对应的特征值较小,描述信号的细微特征。采用主分量分析方法,按照上述步骤,对表面、亚表面、腐蚀裂纹缺陷差分信号进行了分析处理。从图8中可以看出,采用主成分分析法能够成功的将3种裂纹进行分类。利用峰值和峰值时间和主成分分析法都可以将3种裂纹分离出来,但根据分类识别评判标准:1)每一类应尽可能聚集在一起;2)不同类的距离应该足够大。比较图7与图8,主成分分析方法具有更好的分类性能。主成分分析法具有多尺度的性质,可很好地提取缺陷的特征,这为判定缺陷和建立缺陷特征库提供了一种有效的方法。5表面裂纹检测与分类通过实验和分析得出:根据脉冲涡流输出信号的峰值变化可以判断裂纹的位置;脉冲涡流检测