储罐壁板缺陷的漏磁场信号研究

为实现储罐壁板腐蚀缺陷检测,保障储罐安全运行,开展罐壁腐蚀缺陷漏磁检测技术研究。基于漏磁检测原理,利用ANSYS仿真分析在壁板外侧周向励磁与轴向励磁方式下,不同位置(内壁、外壁)不同形状(圆柱形、圆锥形、半球形)的罐壁腐蚀缺陷漏磁场信号;并在实验室条件下开展缺陷检测试验,对仿真结果进行验证。研究表明:试验与仿真结果相同,周向励磁和轴向励磁2种励磁方式下所产生的缺陷漏场信号无明显差异;缺陷均能被检出;外壁缺陷的漏磁场信号强于内壁缺陷;缺陷直径、深度相同时,体积越大漏磁场信号越强。

基于三维漏磁场信号的储罐底板水平凹槽形缺陷量化方法研究

针对油气储罐底板上可能存在的水平凹槽形缺陷,采用漏磁检测技术实施测量,提出了基于贝叶斯算法的BP神经网络缺陷量化方法。方法将贝叶斯算法引入BP神经网络基本架构中,控制网络复杂度并优化网络参数,从而建立了缺陷漏磁场信号与缺陷长度、宽度、深度的映射关系,且使缺陷量化方法可节约网络计算时间之同时,还提高了对水平凹槽形缺陷的量化精度。为获取更多的缺陷信息,采用三维漏磁场信号对水平凹槽形缺陷进行量化,进一步提高了对缺陷长度和宽度的量化精度。仿真结果表明,提出的方法在网络训练时间和缺陷量化精度上均具优于已有方法,具有很好的应用优势。

磁光成像漏磁特征在焊接缺陷轮廓重构中的应用

为了实现焊接缺陷的检测与评估,提出将交变磁场激励下磁光成像的漏磁特征应用于焊接缺陷的轮廓重构当中,建立漏磁重构模型,研究焊接缺陷的二维轮廓特征。首先根据交变磁场下的漏磁场的形成机理,讨论漏磁场分量B y,B z两种漏磁信号与缺陷轮廓存在的关系。再利用数值模拟方法获取数据,训练其广义回归神经网络(Generalized Regression Neural Network,GRNN)来确定该模型并说明漏磁场信号可以实现缺陷轮廓重构。最后,将磁光成像漏磁特征的数据应用于模型训练,确定重构的可行性。试验结果表明,应用磁光成像漏磁特征的图像数据与仿真获得的轮廓重构规律一致,能够实现焊接缺陷二维轮廓重构。在一定范围内,缺陷深度越大(不小于0.45 mm),重构效果越好。