论文部分内容阅读
铁磁性构件应用于各个工业领域，例如钢丝绳、油气管道等，长时间大负荷使用，构件容易发生断裂、腐蚀、变形等缺陷。课题以钢丝绳为例，实现其快速无损检测(Nondestructive Testing, NDT)及其定量化为目标进行了研究。为了设计出检测速度快精确度高的钢丝绳检测系统，实现断丝数目定量识别，为估计钢丝绳剩余寿命提供可靠参考，本文主要完成了以下研究： 针对传统检测设备体积大、不便携、可靠性差、精度低、污染大及维护代价高等缺点，提出了两种弱磁钢丝绳检测法：首先提出了一种剩磁(Residual Magnetic Field, RMF)检测方法，利用铁磁性物质在外磁场作用下将产生剩磁场特性，通过检测分析剩磁场分布，可获取表面或亚表面损伤。由于 RMF 检测可靠性较低，本文在该基础上提出了一种非饱和激励(Unsaturated Magnetic Excitation, UME)检测方法，该方法是基于铁磁性物质局部受微磁场激励产生表面漏磁场特点而提出的。采用磁偶极子理论建立了 RMF 和 UME 表面弱磁场(Magnetic Flux Leakage, MFL)分布模型，分析了不同断丝参数对MFL的影响。仿真和实验结果表明 UME 信号可靠性好，信噪比高，检测结果更有利于区分小断丝缺陷。 为了抑制剩磁信号噪声，提出了一种基于压缩感知的小波降噪办法，提取出最稀疏的缺陷信号。针对小波基选择的不确定性问题，采用 Hilbert-Huang 变换(Hilbert-Huang Transformation, HHT)去除信号中的噪声与直流分量，均衡信号，提高信噪比。为了获取更多图像细节，提出了一种基于Tikhonv正则化多帧图像超分辨率重建方法，获取了弱磁高分辨图像。提取出缺陷图像纹理、区域和不变矩特征作为图像描述，研究了反向传播神经网络(Back Propagation, BP)和径向基神经网络(Radial Basis Function, RBF)在断丝数中的识别应用，取得了1丝误差下91.43%的识别率。