CN118604110A - 轮辋踏面浅层裂纹复合励磁检测方法及检测探头 - Google Patents
轮辋踏面浅层裂纹复合励磁检测方法及检测探头 Download PDFInfo
- Publication number
- CN118604110A CN118604110A CN202411081115.8A CN202411081115A CN118604110A CN 118604110 A CN118604110 A CN 118604110A CN 202411081115 A CN202411081115 A CN 202411081115A CN 118604110 A CN118604110 A CN 118604110A
- Authority
- CN
- China
- Prior art keywords
- excitation
- crack
- data
- composite excitation
- composite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 186
- 238000001514 detection method Methods 0.000 title claims abstract description 102
- 239000002131 composite material Substances 0.000 title claims abstract description 84
- 239000000523 sample Substances 0.000 title claims abstract description 76
- 230000005415 magnetization Effects 0.000 claims abstract description 23
- 230000003750 conditioning effect Effects 0.000 claims abstract description 11
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 6
- 230000005291 magnetic effect Effects 0.000 claims description 49
- 238000005336 cracking Methods 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 210000004907 gland Anatomy 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000004069 differentiation Effects 0.000 abstract description 3
- 238000009659 non-destructive testing Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 10
- 238000011002 quantification Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002500 effect on skin Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 230000005347 demagnetization Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003348 petrochemical agent Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
- G01N27/87—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields using probes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/12—Measuring or surveying wheel-rims
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明属于无损检测技术领域，尤其涉及一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头。该种检测方法及检测探头可实现对轮辋踏面的表面及近表面裂纹的高效检测、区分，从而满足了技术人员对轮辋表面裂纹的精准定量评估。本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头，其中，轮辋踏面浅层裂纹复合励磁检测探头中包括有：探头壳体，以及雷莫接头、永磁体磁化模块、交流激励模块、传感器阵列、信号调理电路。
Description
技术领域
本发明属于无损检测技术领域，尤其涉及一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头。
背景技术
列车轮辋在运行过程中同时受到垂向和横向的复杂作用力，因此长期服役后会在轮辋踏面产生滚动接触疲劳（Rolling Contact Fatigue，RCF）裂纹，且该种滚动接触疲劳裂纹在轮辋损伤形式中占比最高。经研究后发现，轮辋踏面RCF裂纹通常沿与列车行车方向呈15度～60度（其中，45度左右的特征居多）的方向分布，且位于轮辋表面3mm的范围内，因此给列车的安全、经济、舒适和高效运行带来了严峻挑战。
为确保列车高速、平稳和安全的行驶，需要技术人员定期对轮辋等重要部件进行检查和维护显得尤为必要。作为一种现有常见的无损检测方法，漏磁（Magnetic FluxLeakage，MFL）检测方法快速且不需要耦合剂，可在不破坏工件几何特性和使用性能的前提下实现快速可靠检测，因此在铁路、石油化工、航天航空等领域中具有较为广泛应用前景。其检测原理具体可描述为，当材料中存在切割磁力线的缺陷时，材料内部的磁感应线流向会随之发生变化：除了部分磁通会直接通过缺陷或材料内部来绕过缺陷，还有部分磁通会泄漏到材料表面上空，通过空气绕过缺陷再进入材料；于是在材料表面就形成了泄露磁场。而当材料中无缺陷时，则不会产生泄露磁场。因此通过泄露磁场检测即可实现轮辋踏面裂纹的检测。
但发明人在进一步研究后发现，为了克服漏磁场检测灵敏度不足的现象，以期获得更好的漏磁检测效果，通常需要对被检试件进行饱和磁化。但轮辋尺寸巨大，难以对其进行饱和磁化；并且在检测过程中，饱和磁化会导致被检试件精确控制极为困难，检测后也需要进行额外的退磁操作，费时费力。此外，受集肤效应影响，交流激励信号仅存在表面1mm之内，因而难以满足对轮辋踏面深度范围内缺陷的全检测，无法实现对精准维修的技术需求。因而，亟待本领域技术人员提供一种可以有效充分满足轮辋踏面浅层裂纹检测所需的检测方法及检测探头，从而解决现有技术对轮辋踏面表面（3mm以内）缺陷的检测瓶颈，实现RCF裂纹精准量化，为踏面的精准维修提供数据支撑。
发明内容
本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头，该种检测方法及检测探头可实现对轮辋踏面的表面及近表面裂纹的高效检测、区分，从而满足了技术人员对轮辋表面裂纹的精准定量评估。
为解决上述技术问题，本发明采用了如下技术方案：
轮辋踏面浅层裂纹复合励磁检测方法，包括有如下步骤：
步骤一：搭建轮辋踏面浅层裂纹复合励磁检测方法所需的轮辋踏面浅层裂纹复合励磁检测探头，并完成其与被检试件之间的检测调试初始化；
步骤二：利用复合励磁，获取多路传感数据，并对其背景值进行归零处理；
步骤三：根据各路传感数据所对应的传感信号抵达同一位置时的时间先后对其排序，并计算得出其它路传感数据相对于第一路传感数据的滞后值，从而消除多路传感数据间的滞后性；
步骤四：设置最小阈值X和最大阈值Y；
步骤五：若中间路之前路的传感数据中存在有小于最小阈值X的数据值，且中间路之后路的传感数据中存在有大于最大阈值Y的数据值，则将中间路之前路的传感数据中小于最小阈值X的数据值中的最小值记作A1，并将数据A1所对应的行车距离记作B1；将中间路之后路的传感数据中大于最大阈值Y的数据值中的最大值记作A2，并将数据A2所对应的行车距离记作B2；同时将中间路传感数据中最小值数据所对应的行车距离记作B3、将中间路传感数据中最大值数据所对应的行车距离记作B4；
则计算裂纹水平开裂角度的预测值，满足：；
其中，，，a1=（A3-A1）*w，a2=（A2-A3）*w，b1=（B3-B1），b2=（B2-B4）；w为传感器阵列中相邻传感器单元的间隔距离；
步骤六：若中间路之前路的传感数据中不存在有小于最小阈值X的数据值，则将中间路之前路的传感数据中的最大值数据记作A'1，并将数据A'1所对应的行车距离记作B'1；并将中间路之后路的传感数据中最大值数据记作A'2，并将数据A'2所对应的行车距离记作B'2；
则计算裂纹水平开裂角度的预测值，满足：；
其中，A=（A'2-A'1）*w，B=（B'2-B'1）；w为传感器阵列中相邻传感器单元的间隔距离；
步骤七：获取复合励磁下的各磁场特征信号；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号不强于预设基准，则表示被检试件中不存在表面及近表面裂纹；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号强于预设基准，则表示被检试件中存在有裂纹；
在判断被检试件中存在有裂纹的情况下，若复合励磁下，复合励磁的两种激励频率中较高激励频率的磁场特征信号不强于预设基准，则表示该裂纹为近表面处裂纹，反之则表示该裂纹为表面裂纹。
较为优选的，复合励磁的两种激励频率中较低激励频率选择为2KHz激励频率；复合励磁的两种激励频率中较高激励频率选择为20KHz激励频率。
较为优选的，还包括有如下步骤：
步骤八：当检测到存在裂纹为表面裂纹时，将计算得到的裂纹水平开裂角度的预测值作为已知的物理信息，融入卷积神经网络；
所述卷积神经网络用于在进行训练后，实现对裂纹深度和垂直开裂角度的精准定量评估。
另一方面，本发明还提供了一种轮辋踏面浅层裂纹复合励磁检测探头，包括有：探头壳体，以及雷莫接头、永磁体磁化模块、交流激励模块、传感器阵列、信号调理电路；
其中，雷莫接头安装在探头壳体的一侧，用于实现信号的传输；
永磁体磁化模块由两块永磁体和一块永磁体磁轭构成；两块永磁体对称分布在传感器阵列的两侧，用于实现对被检试件进行磁化；
交流激励模块包括有交流激励线圈和交流激励U型磁芯；交流激励线圈均匀缠绕在交流激励U型磁芯的中间位置，用于产生交流激励磁场信号；
传感器阵列由多组传感器单元构成，传感器单元设置于交流激励U型磁芯下部支腿的中间位置处，且沿着交流激励U型磁芯的横梁方向均匀等距离设置；所述传感器单元选用具有Z轴敏感方向的TMR磁传感器；
信号调理电路，用于对传感器阵列输出的信号作放大滤波处理。
较为优选的，还包括有：探头压盖、车轮；
其中，通过固定螺钉，探头压盖与探头壳体固定形成成一体结构；
车轮安装在探头壳体的外部，用于滚动调节轮辋踏面浅层裂纹复合励磁检测探头。
较为优选的，永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置。
本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头，其中，轮辋踏面浅层裂纹复合励磁检测探头中包括有：探头壳体，以及雷莫接头、永磁体磁化模块、交流激励模块、传感器阵列、信号调理电路。具有上述特征的轮辋踏面浅层裂纹复合励磁检测方法及检测探头，通过复合励磁方式，增加了交流激励场在轮辋踏面内的渗透深度，提高了轮辋踏面（3mm内）表面及近表面裂纹检测的灵敏度，实现了轮辋踏面表面及近表面裂纹的区分；同时基于多路传感数据的裂纹水平开裂角度量化算法，实现了对轮辋踏面上表面裂纹深度和垂直开裂角度的精准定量评估，为工业上轮辋踏面裂纹的检测以及确定打磨用量提供了重要的技术支持。
附图说明
该附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在下述附图中：
图1为本发明提供的一种轮辋踏面浅层裂纹复合励磁检测探头的爆炸结构示意图；
图2为本发明提供的一种轮辋踏面浅层裂纹复合励磁检测探头中探头外壳的结构示意图；
图3为轮辋踏面裂纹开裂的角度示意图；
图4为本发明提供的一种轮辋踏面浅层裂纹复合励磁检测方法的流程示意图；
图5为检测探头扫查所得C扫图；
图6为表面裂纹正上方传感器所拾取2KHz激励下的Bz特征信号；
图7为表面裂纹正上方传感器所拾取20KHz激励下的Bz特征信号；
图8为近表面裂纹正上方传感器所拾取2KHz激励下的Bz特征信号；
图9为近表面裂纹正上方传感器所拾取20KHz激励下的Bz特征信号；
图10为Bx马尔可夫图像处理结果；
图11为Bz马尔可夫图像处理结果；
附图标记：10、车轮；20、探头壳体；201、壳体侧壁；202、雷莫接头孔；203、螺纹孔；204、传感器阵列槽；205、车轮轴孔；206、交流激励U型磁芯槽；207、检测方向标识；208、永磁体槽；209、加强筋；30、雷莫接头；40、传感器阵列；50、永磁体；60、交流激励模块；601、交流激励U型磁芯；602、交流激励线圈；70、永磁体磁轭；80、信号调理电路；90、探头压盖；100、固定螺钉。
具体实施方式
本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头，该种检测方法及检测探头可实现对轮辋踏面的表面及近表面裂纹的高效检测、区分，从而满足了技术人员对轮辋表面裂纹的精准定量评估。
具体的，本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法，如图4所示，包括有如下步骤：
步骤一：搭建轮辋踏面浅层裂纹复合励磁检测方法所需的轮辋踏面浅层裂纹复合励磁检测探头，并完成其与被检试件之间的检测调试初始化。
具体的，搭建形成的轮辋踏面浅层裂纹复合励磁检测探头可参考如下：其中，永磁体磁化模块，用于负责为轮辋踏面浅层裂纹复合励磁检测探头提供复合励磁中的恒定磁场，并实现对轮辋踏面的磁化。交流激励模块在信号调理电路的作用下，调制形成双频交流激励磁场信号；在复合励磁下，该双频交流激励磁场信号可实现表面及埋深感应电流的聚集，有利于实现对表面及埋深缺陷的区别。
在此可选择的，复合励磁的两种激励频率中较低激励频率选择为2KHz激励频率；复合励磁的两种激励频率中较高激励频率选择为20KHz激励频率。
此外，需要补充的一点是，在初始化轮辋踏面浅层裂纹复合励磁检测探头与被检试件的检测调试的过程中，一方面要对复合励磁的励磁方向进行优化（具体即令永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置）；另一方面要选择合适的永磁体磁化强度，从而将磁化效果聚集到轮辋踏面3mm以内的近表面处，从而实现对表面和近表面的裂纹检测。
步骤二：利用复合励磁，获取多路传感数据，并对其背景值进行归零处理；
步骤三：根据各路传感数据所对应的传感信号抵达同一位置时的时间先后对其排序，并计算得出其它路传感数据相对于第一路传感数据的滞后值，从而消除多路传感数据间的滞后性。
在完成步骤一的基础上，进一步实施步骤二、三。
具体的，在步骤二、三中，首先利用复合励磁获取多组传感器单元的多路传感数据，并对其背景值进行归零处理。而在获取多组传感器单元的多路传感数据的过程中，由于不同传感器单元传输的不同传感数据抵达同一位置时的时间不一样，为了消除各路传感数据间的滞后。在此，计算其它路传感数据相对于第一路传感数据的滞后值，从而以消除其它路传感数据（相比于第一路传感数据）的滞后性。
步骤四：设置最小阈值X和最大阈值Y；
步骤五：若中间路之前路的传感数据中存在有小于最小阈值X的数据值，且中间路之后路的传感数据中存在有大于最大阈值Y的数据值，则将中间路之前路的传感数据中小于最小阈值X的数据值中的最小值记作A1，并将数据A1所对应的行车距离记作B1；将中间路之后路的传感数据中大于最大阈值Y的数据值中的最大值记作A2，并将数据A2所对应的行车距离记作B2；同时将中间路传感数据中最小值数据所对应的行车距离记作B3、将中间路传感数据中最大值数据所对应的行车距离记作B4；
则计算裂纹水平开裂角度的预测值，满足：；
其中，，，a1=（A3-A1）*w，a2=（A2-A3）*w，b1=（B3-B1），b2=（B2-B4）；w为传感器阵列中相邻传感器单元的间隔距离。
在完成步骤二、三的基础上，进一步实施步骤四、五。之所以这样设置，是因为在实际检测中通常存在如下情况：即偏离裂纹左端点的Bz特征信号呈现一个波谷、偏离裂纹右端点的Bz特征信号呈现一个波峰、在裂纹正上端的Bz呈现出标准的波峰波谷。基于此，我们设置最小阈值X和最大阈值Y，并进一步推导基于多组传感数据的裂纹水平开裂角度的量化算法。
具体的，以图3所示裂纹水平开裂角度示意图为例，其裂纹参数选择参考如下：长18mm、宽0.5mm、深5mm、水平开裂角度60度、垂直开裂角度90度。此时，检测探头扫查所得C扫图如图5所示。在图5中，直观体现出了裂纹水平开裂的大致角度范围。需要说明的一点是，裂纹水平开裂对于裂纹深度评估至关重要，在角度定量前提下即可实现对裂纹深度的精准评估。
步骤六：若中间路之前路的传感数据中不存在有小于最小阈值X的数据值，则将中间路之前路的传感数据中的最大值数据记作A'1，并将数据A'1所对应的行车距离记作B'1；并将中间路之后路的传感数据中最大值数据记作A'2，并将数据A'2所对应的行车距离记作B'2；
则计算裂纹水平开裂角度的预测值，满足：；
其中，A=（A'2-A'1）*w，B=（B'2-B'1）；w为传感器阵列中相邻传感器单元的间隔距离。
在完成步骤五的基础上，进一步实施步骤六。值得注意的是，通过上述裂纹水平开裂角度量化算法，可以计算得到裂纹水平开裂角度的预测值为59.108°，其绝对误差仅有0.892°，相对误差为1.49%，量化精度较高，结果较为准确。
步骤七：获取复合励磁下的各磁场特征信号；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号不强于预设基准，则表示被检试件中不存在表面及近表面裂纹；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号强于预设基准，则表示被检试件中存在有裂纹；
在判断被检试件中存在有裂纹的情况下，若复合励磁下，复合励磁的两种激励频率中较高激励频率的磁场特征信号不强于预设基准，则表示该裂纹为近表面处裂纹，反之则表示该裂纹为表面裂纹。
在完成步骤五、六的基础上，进一步实施步骤七。需要说明的是，由于被检试件的轮辋踏面为铁磁性材料，其“集肤效应”是非常明显的。通过仿真模拟以及实验验证后发现，证实较高激励频率对近表面裂纹的检测能力较差。因此，通过复合励磁可有效实现轮辋踏面表面及近表面裂纹的区分，为轮辋踏面金属薄层（3mm内）裂纹的分类识别、精准量化提供可能性。其中不同交流激励下表面与近表面裂纹的特征信号如图6-图9所示。
作为本发明的一种较为优选的实施方式，如图4所示，一种轮辋踏面浅层裂纹复合励磁检测方法，还包括有如下步骤：
步骤八：当检测到存在裂纹为表面裂纹时，将计算得到的裂纹水平开裂角度的预测值作为已知的物理信息，融入卷积神经网络；
所述卷积神经网络用于在进行训练后，实现对裂纹深度和垂直开裂角度的精准定量评估。
值得注意的是，在完成裂纹检测过程后，进一步实施步骤八可实现对裂纹深度和垂直开裂角度的定量分析。在该定量分析的过程中，在裂纹分类和角度已知情况下，借助现有技术即可显著提升裂纹深度量化精度，为进一步对轮辋踏面进行精准维修提供了技术可行性。
在此，以对表面深度为1-9mm、水平开裂角度为0-90°、垂直开裂角度为10-90°、埋深深度为1-3mm的裂纹作仿真及实验为例进行说明。
具体的，融入卷积神经网络进行训练的过程可详细描述为：将一维序列数据转换为二维（图像）形式进行分析和处理；采用马尔可夫迁移场将数据集信号序列转成二维数据；构建马尔可夫转移矩阵，并将其发展为马尔可夫迁移场，实现对图像数据的有效编码。
对于时间序列X=（xt，t=1，2，…，T），其图像编码步骤如下：
1、将时间序列X(t)分成Q个分位箱（标记为1，2…，Q，每个分位箱内的数据量相同）；
2、将时间序列中的每个数据更改为其对应的分位箱的序号；
3、构造转移矩阵W（wij表示分位箱i转移到分位箱j的频率）：；
4、构造马尔可夫转移矩阵M：；
通过马尔可夫图像编码方法对Bx、Bz特征信号进行处理，处理结果如图10和图11所示，最终构建完成数据库，对图像进行卷积处理，并将裂纹水平开裂角度这一物理信息融入卷积神经网络进行辅助修正。
在对裂纹深度和垂直开裂角度进行评估时，实施例裂纹参数为长18mm、宽0.5mm、深5mm、水平开裂角度45°、垂直开裂角度70°。网络预测裂纹垂直角度75.143°、绝对误差为5.143°、相对误差为7.347%，深度5.125mm、深度的绝对误差为0.125mm、相对误差为2.5%。因此证实卷积神经网络预测结果较为准确，对深度预测准确度达97%以上，解决了表面裂纹水平角度、垂直开裂角度以及深度量化的难题。
至此，本发明提供的轮辋踏面浅层裂纹复合励磁检测方法，实现了对轮辋踏面浅层裂纹的定量定性分析；此外，借助卷积神经网络，还解决了表面裂纹水平角度、垂直开裂角度以及深度量化的技术难题，为轮辋踏面裂纹的检测与修复提供了强有力的技术支持。
另一方面，一种轮辋踏面浅层裂纹复合励磁检测探头，如图1、图2所示，包括有：探头壳体20以及雷莫接头30、永磁体磁化模块、交流激励模块60、传感器阵列40、信号调理电路80。
其中，雷莫接头30安装在探头壳体20的一侧（具体通过壳体侧壁201上的雷莫接头孔202实现固定安装），用于实现信号的传输。
永磁体磁化模块由两块永磁体50和一块永磁体磁轭70构成。其中两块永磁体50（永磁体50放置在探头壳体20的永磁体槽208内）对称分布在传感器阵列40的两侧，用于实现对被检试件进行磁化。
交流激励模块60包括有交流激励U型磁芯601和交流激励线圈602。其中，交流激励线圈602均匀缠绕在交流激励U型磁芯601的中间位置（交流激励U型磁芯601放置在探头壳体20的交流激励U型磁芯槽206内），用于产生交流激励磁场信号（交流激励信号采用2KHz激励频率、20KHz激励频率的复合励磁，满足检测方法对表面及深度缺陷检测需求）。
值得注意的是，通过永磁体磁化模块可以降低轮辋踏面的磁导率，增加交流激励模块的交流激励信号渗透深度，实现对轮辋踏面表面及亚表面缺陷检测。
传感器阵列40由多组传感器单元构成（传感器阵列40放置在探头壳体20的传感器阵列槽204内），传感器单元设置于交流激励U型磁芯601下部支腿的中间位置处，且沿着交流激励U型磁芯601的横梁方向均匀等距离设置。具体的，该传感器单元选用具有Z轴敏感方向的TMR磁传感器。
信号调理电路80，用于对传感器阵列输出的信号作放大滤波处理。
此外，作为本发明的一种较为优选的实施方式，如图1、图2所示，该轮辋踏面浅层裂纹复合励磁检测探头还包括有：探头压盖90、车轮10。
其中，通过固定螺钉100，探头压盖90与探头壳体20（探头壳体20上设置有定位固定螺钉100的螺纹孔203）固定形成成一体结构；车轮10安装在探头壳体20的外部（探头壳体20上设置有固定车轮10的车轮轴孔205），用于滚动调节轮辋踏面浅层裂纹复合励磁检测探头。
作为本发明的一种较为优选的实施方式，永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置。之所以这样设置，是因为经研究发现，如图3所示，轮辋踏面RCF裂纹通常沿列车行车方向的15°-60°方向分布，尤其是以45°居多。因此，令永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置，可以使永磁体磁化模块与交流激励模块获得尽可能多的磁场特征信号，最终提高该轮辋踏面浅层裂纹复合励磁检测探头对轮辋表面裂纹检测的准确度。
需要补充的一点是，为方便技术人员对永磁体磁化模块与交流激励模块的安装，可选择在探头壳体20内布置检测方向标识207，从而帮助技术人员实现永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置的技术目的。以及，在探头壳体20可进一步安装设置加强筋209，以增加探头壳体20结构的稳定性。
本发明提供了一种轮辋踏面浅层裂纹复合励磁检测方法及检测探头，其中，轮辋踏面浅层裂纹复合励磁检测探头中包括有：探头壳体，以及雷莫接头、永磁体磁化模块、交流激励模块、传感器阵列、信号调理电路。具有上述特征的轮辋踏面浅层裂纹复合励磁检测方法及检测探头，通过复合励磁方式，增加了交流激励场在轮辋踏面内的渗透深度，提高了轮辋踏面（3mm内）表面及近表面裂纹检测的灵敏度，实现了轮辋踏面表面及近表面裂纹的区分；同时基于多路传感数据的裂纹水平开裂角度量化算法，实现了对轮辋踏面上表面裂纹深度和垂直开裂角度的精准定量评估，为工业上轮辋踏面裂纹的检测以及确定打磨用量提供了重要的技术支持。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.轮辋踏面浅层裂纹复合励磁检测方法，其特征在于，包括有如下步骤：
步骤一：搭建轮辋踏面浅层裂纹复合励磁检测方法所需的轮辋踏面浅层裂纹复合励磁检测探头，并完成其与被检试件之间的检测调试初始化；
步骤二：利用复合励磁，获取多路传感数据，并对其背景值进行归零处理；
步骤三：根据各路传感数据所对应的传感信号抵达同一位置时的时间先后对其排序，并计算得出其它路传感数据相对于第一路传感数据的滞后值，从而消除多路传感数据间的滞后性；
步骤四：设置最小阈值X和最大阈值Y；
步骤五：若中间路之前路的传感数据中存在有小于最小阈值X的数据值，且中间路之后路的传感数据中存在有大于最大阈值Y的数据值，则将中间路之前路的传感数据中小于最小阈值X的数据值中的最小值记作A1，并将数据A1所对应的行车距离记作B1；将中间路之后路的传感数据中大于最大阈值Y的数据值中的最大值记作A2，并将数据A2所对应的行车距离记作B2；同时将中间路传感数据中最小值数据所对应的行车距离记作B3、将中间路传感数据中最大值数据所对应的行车距离记作B4；
则计算裂纹水平开裂角度的预测值，满足：；
其中，，，a1=（A3-A1）*w，a2=（A2-A3）*w，b1=（B3-B1），b2=（B2-B4）；w为传感器阵列中相邻传感器单元的间隔距离；
步骤六：若中间路之前路的传感数据中不存在有小于最小阈值X的数据值，则将中间路之前路的传感数据中的最大值数据记作A'1，并将数据A'1所对应的行车距离记作B'1；并将中间路之后路的传感数据中最大值数据记作A'2，并将数据A'2所对应的行车距离记作B'2；
则计算裂纹水平开裂角度的预测值，满足：；
其中，A=（A'2-A'1）*w，B=（B'2-B'1）；w为传感器阵列中相邻传感器单元的间隔距离；
步骤七：获取复合励磁下的各磁场特征信号；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号不强于预设基准，则表示被检试件中不存在表面及近表面裂纹；
若复合励磁下，复合励磁的两种激励频率中较低激励频率的磁场特征信号强于预设基准，则表示被检试件中存在有裂纹；
在判断被检试件中存在有裂纹的情况下，若复合励磁下，复合励磁的两种激励频率中较高激励频率的磁场特征信号不强于预设基准，则表示该裂纹为近表面处裂纹，反之则表示该裂纹为表面裂纹。
2.根据权利要求1所述的轮辋踏面浅层裂纹复合励磁检测方法，其特征在于，复合励磁的两种激励频率中较低激励频率选择为2KHz激励频率；复合励磁的两种激励频率中较高激励频率选择为20KHz激励频率。
3.根据权利要求1所述的轮辋踏面浅层裂纹复合励磁检测方法，其特征在于，还包括有如下步骤：
步骤八：当检测到存在裂纹为表面裂纹时，将计算得到的裂纹水平开裂角度的预测值作为已知的物理信息，融入卷积神经网络；
所述卷积神经网络用于在进行训练后，实现对裂纹深度和垂直开裂角度的精准定量评估。
4.轮辋踏面浅层裂纹复合励磁检测探头，所述轮辋踏面浅层裂纹复合励磁检测探头基于如权利要求1-3中任意一项所述轮辋踏面浅层裂纹复合励磁检测方法，其特征在于，包括有：探头壳体，以及雷莫接头、永磁体磁化模块、交流激励模块、传感器阵列、信号调理电路；
其中，雷莫接头安装在探头壳体的一侧，用于实现信号的传输；
永磁体磁化模块由两块永磁体和一块永磁体磁轭构成；两块永磁体对称分布在传感器阵列的两侧，用于实现对被检试件进行磁化；
交流激励模块包括有交流激励线圈和交流激励U型磁芯；交流激励线圈均匀缠绕在交流激励U型磁芯的中间位置，用于产生交流激励磁场信号；
传感器阵列由多组传感器单元构成，传感器单元设置于交流激励U型磁芯下部支腿的中间位置处，且沿着交流激励U型磁芯的横梁方向均匀等距离设置；所述传感器单元选用具有Z轴敏感方向的TMR磁传感器；
信号调理电路，用于对传感器阵列输出的信号作放大滤波处理。
5.根据权利要求4所述的轮辋踏面浅层裂纹复合励磁检测探头，其特征在于，还包括有：探头压盖、车轮；
其中，通过固定螺钉，探头压盖与探头壳体固定形成成一体结构；
车轮安装在探头壳体的外部，用于滚动调节轮辋踏面浅层裂纹复合励磁检测探头。
6.根据权利要求4所述的轮辋踏面浅层裂纹复合励磁检测探头，其特征在于，永磁体磁化模块与交流激励模块沿轮辋踏面浅层裂纹复合励磁检测探头行进方向的-45°方位设置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411081115.8A CN118604110B (zh) | 2024-08-08 | 2024-08-08 | 轮辋踏面浅层裂纹复合励磁检测方法及检测探头 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411081115.8A CN118604110B (zh) | 2024-08-08 | 2024-08-08 | 轮辋踏面浅层裂纹复合励磁检测方法及检测探头 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118604110A true CN118604110A (zh) | 2024-09-06 |
| CN118604110B CN118604110B (zh) | 2024-10-01 |
Family
ID=92548614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411081115.8A Active CN118604110B (zh) | 2024-08-08 | 2024-08-08 | 轮辋踏面浅层裂纹复合励磁检测方法及检测探头 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118604110B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1426242A (en) * | 1972-03-08 | 1976-02-25 | Pirelli | Device for detecting variations in a physical characteristic of a wheel |
| CN105021693A (zh) * | 2015-07-07 | 2015-11-04 | 中国石油大学(华东) | 基于全周向电磁场的钢管裂纹在线定量检测系统 |
| CN105181803A (zh) * | 2015-10-10 | 2015-12-23 | 株洲时代装备技术有限责任公司 | 一种车载式轮对探伤方法及系统 |
| CN107132282A (zh) * | 2017-06-26 | 2017-09-05 | 北京海冬青机电设备有限公司 | 一种车轮踏面轮辋电磁耦合超声的自动检测装置及方法 |
| CN110672718A (zh) * | 2019-07-08 | 2020-01-10 | 南昌航空大学 | 用于钢轨踏面检测的电磁超声点聚焦/发散表面波方法及其装置 |
| CN212514412U (zh) * | 2020-07-21 | 2021-02-09 | 山东省科学院激光研究所 | 一种基于电磁超声的机车车轮辋裂缺陷在线检测系统 |
-
2024
- 2024-08-08 CN CN202411081115.8A patent/CN118604110B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1426242A (en) * | 1972-03-08 | 1976-02-25 | Pirelli | Device for detecting variations in a physical characteristic of a wheel |
| CN105021693A (zh) * | 2015-07-07 | 2015-11-04 | 中国石油大学(华东) | 基于全周向电磁场的钢管裂纹在线定量检测系统 |
| CN105181803A (zh) * | 2015-10-10 | 2015-12-23 | 株洲时代装备技术有限责任公司 | 一种车载式轮对探伤方法及系统 |
| CN107132282A (zh) * | 2017-06-26 | 2017-09-05 | 北京海冬青机电设备有限公司 | 一种车轮踏面轮辋电磁耦合超声的自动检测装置及方法 |
| CN110672718A (zh) * | 2019-07-08 | 2020-01-10 | 南昌航空大学 | 用于钢轨踏面检测的电磁超声点聚焦/发散表面波方法及其装置 |
| CN212514412U (zh) * | 2020-07-21 | 2021-02-09 | 山东省科学院激光研究所 | 一种基于电磁超声的机车车轮辋裂缺陷在线检测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 季怀忠: "EMAT检测技术的研究", 安徽冶金科技职业学院学报, no. 01, 31 October 2000 (2000-10-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118604110B (zh) | 2024-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103760230B (zh) | 基于bp神经网络的焊接缺陷巨磁电阻涡流检测方法 | |
| CN103163216B (zh) | 一种基于巨磁电阻传感器的金属导体缺陷识别及估计方法 | |
| CN102759567A (zh) | 直流磁化下钢管内外壁缺陷的涡流检测识别及评价方法 | |
| CN101701934A (zh) | Acfm缺陷智能可视化检测系统 | |
| CN102735747A (zh) | 高速铁路钢轨高速漏磁巡检的缺陷定量识别方法 | |
| Deng et al. | A permeability-measuring magnetic flux leakage method for inner surface crack in thick-walled steel pipe | |
| CN110568059B (zh) | 钢丝绳无损检测方法及装置 | |
| CN103713042B (zh) | 基于k邻近算法的焊接缺陷电涡流检测方法 | |
| CN113433212B (zh) | 抗干扰强的均匀场激励方向性涡流探头及检测方法 | |
| CN103760229B (zh) | 基于支持向量机的焊接缺陷巨磁电阻涡流检测方法 | |
| Wang et al. | A novel AC-MFL probe based on the parallel cables magnetizing technique | |
| CN118604110B (zh) | 轮辋踏面浅层裂纹复合励磁检测方法及检测探头 | |
| Liang et al. | A composite testing method of homologous magnetic flux leakage and motion-induced eddy current for inner and outer defects | |
| Wang et al. | Displacement measurement for ferromagnetic materials based on the double-layer parallel-cable-based probe | |
| CN102759565B (zh) | 一种钢带纵横向缺陷检测并识别的漏磁检测装置及方法 | |
| Li et al. | A spatial broadband magnetic flux leakage method for trans-scale defect detection | |
| CN107884473A (zh) | 一种多频涡流检测系统 | |
| Tao et al. | Automatic feature extraction method for crack detection in eddy current testing | |
| CN118112094A (zh) | 差分涡流内检测探头、阵列式探头及缺陷检测装置、方法 | |
| CN205374376U (zh) | 焊缝裂纹涡流检测传感器探头 | |
| CN115343334A (zh) | 一种基于三线圈电磁传感器的非磁性金属分类装置及方法 | |
| Jia et al. | A novel method for distinguishing discontinuities in ferromagnetic materials based on eddy current testing under magnetization | |
| Enokizono et al. | Crack size and shape determination by moving magnetic field type sensor | |
| Arismendi et al. | Classification of artificial near-side cracks in aluminium plates using a GMR-based eddy current probe | |
| JPS63311165A (ja) | 磁気探傷方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |