使用GMR探头和人工神经网络检测和表征缺陷.docxVIP

使用GMR探头和人工神经网络检测和表征缺陷 这项工作提出基于巨磁阻（GMR）传感装置上的涡流检测系统。在铝板无损检测应用，以提取有关可能存在的缺陷的信息：裂缝，孔洞等机械损伤。涡流检测（ECT）呈现主要优点，例如成本低，高检测速度，鲁棒性和高灵敏度，以大的类的缺陷。线圈基础的架构的探针或线圈磁阻的探针通常用在ECT。在我们的应用GMR传感器用于检测磁场成分平行于板面，当垂直于板的激励场施加。的神经网络处理架构，其中包括一多层感知和有竞争力的神经网络，被用于分类使用涡流探针（ECP）和其操作频率的输出振幅的缺陷。裂缝检测，分类和估计的几何特性，对不同类别的缺陷，在该论文中描述。 关键词：无损检测;涡流;磁阻传感器;神经网络分类器 1.介绍 X射线，超声波检测和涡流检测[1] 是现今进行使用不同的方法使用非破坏性测试的机械部件的预期寿命的评估瑕疵不同类型的准确的评估[2]。 涡流检查是快速和有效地发生在导电材料检测缺陷，如疲劳裂纹，夹杂物，气泡和腐蚀[3]，[4]和[5]。随时间变化的磁场的应用引起的导电试样涡流的缺陷，它作为高电阻的障碍的存在，被关联到了在使用不同种类的探针检测到的涡电流的流动扰动。涡流探针（ECP）的最简单的形式是用于诱导磁场中的导电材料，其阻抗的变化，测定这种方式所造成的缺陷[6]所述扰动的单一激磁线圈。简单的励磁线圈探头代表一个强大的解决方案。然而，低的灵敏度和分辨率低表征该探针。这些缺点是过度通过，基于涡流探针的架构，包括激发和检测线圈开发新的线圈[7]和[8]。这种探针是一种良好的解决方案，以检测在考虑到所述导电材料表面上的缺陷，对于良好的敏感性，他们需要一个相对高的激励正弦信号频率[9]。在导电材料深埋缺陷是难以用全线圈涡流探头架构来检测。为了克服单一频率的限制，脉冲涡流被使用并且报道为具有稍微更好的结果[10]和[11]一个有趣的解决方案。在这种技术中，探头很高兴与重复的宽带脉冲。所得的瞬态电流通过线圈诱导的试验片，其与所述高度降低磁脉冲穿过材料传播相关联的瞬态涡流。 对深埋地下的缺陷检测效果更佳使用敏感的磁场传感器获得或磁阻传感器。既能提高的涡流检测技术的效率，因为这种类型的传感器当前频率无关的灵敏度开始在0赫兹。磁阻传感器的特征在于电阻值的变化大时，接触到的磁场。现今最广泛使用的是那些基于所述隧道磁阻效应（TMR），各向异性磁阻（AMR）和巨磁电阻（GMR）[13]，[14]和[15]。只有AMR和GMR目前的商业实现（如飞利浦KMZ10，NVE AA002）。高灵敏度和定向性推荐GMR传感器被包括在涡流探针（ECP）对裂纹和缺陷检测中的应用，允许检测在样品边缘[16]，或检测腐蚀裂纹。 GMR传感器是优选的用于开发高效的传感器阵列，在考虑高频率无关的灵敏度的磁场，小的几何尺寸（在具有相同的灵敏度的电感式传感器的比较），简单起见，在使用中，和低功耗（与其他传感器的比较技术）。 ECP探针结合的励磁线圈和单个或多个GMR传感器，测量磁场的振幅和相位由涡流产生的。这些数据被用于提取有关的缺陷，如长度和深度的尺寸的信息。测得的值取决于材料，磁导率，激励频率，电流强度，距探针和样品（剥离效应）之间[17]和不连续性或非均匀性材料的导电性。推断缺陷的几何特性是困难的，因为这种大量的参数，并在非破坏性测试上下文逆问题变得难以解决[18]。 关于相关联的精确逆问题的解决为不同的技术被用于导电材料的非破坏性检验（NDT）所测量的涡流处理。在这些中，使用的技术良好的结果，如2D-平稳小波变换[19]和[20]，2D-连续小波变换[21]必须转交。不像其他的信号分析技术小波分析能够揭示一样的趋势，击穿点，在较高的衍生物的不连续性，以及自相似性数据的方面。它提供了不同的看法比传统的技术数据。小波分析可以不受其功能明显退化和定位[22]经常降噪信号输出2D图像。 过滤和特征提取之后施加于缺陷分类的重要技术通常通过人工神经网络（ANN）[23]和[24]表示。不同类型的神经网络架构通常用来实现缺陷分类。良好的结果文献报道的多层感知器和径向基函数神经网络[25]和[26]。 这项工作提出的自动测量系统，其包括用于检测缺陷直人为加工中的铝板和表征一个GMR基于涡流探头。关于GMR校准和涡流传感系统实现一个实用的方法进行。所测量的信号参数，如磁场振幅沿着穿过缺陷和激励信号的频率轴，被用来作为进行孔和裂缝之间的分类的神经网络处理架构的输入。一个附加的神经网络处理方案是用来制造根据本显著几何特征检测的裂缝和孔洞的分类。 本文分为几个部分：第2节介绍了测量系统，第3节利用人工神经网络（ANN）和第4所获得的实验结果的处理方案。在第2节第描述涡流探针（ECP），测量系统和开发已列入该软件，但探针的实验特性和缺陷的评价列于第4节。 2.