铁磁性套管脉冲涡流检测的时域解析解

脉冲涡流检测因具有低功耗、响应频谱宽、对不同深度缺陷具有较高灵敏度等特点而愈发受到重视。然而当前多数套管检测研究均使用电流源作为激励,由于激发线圈存在自感,其在电流脉冲激励信号的上升和下降沿将产生一个极大的反向瞬时感应电压。因此在这类研究中,对电流源激励的功率和稳定性提出了极高的要求。为解决电流型脉冲激励的上述问题,给出一种电压型脉冲激励套管涡流检测方法并推导了其时域解析解。首先,分析了激发线圈自感及套管涡流对激励电流的影响。然后,使用了更为准确的脉冲激励函数进行解析计算,并通过磁场叠加推导了激励、涡流磁场在接收线圈中的时域感应电压解析解。实验表明,得出的解析计算结果与实验电流、感应电压的相对误差分别为2.9%和9.6%,提升了理论数据的准确性。

铁磁性套管脉冲远场涡流检测激励参数优化

利用脉冲远场涡流检测对于铁磁性双层套管腐蚀缺陷的检测优势,针对双层套管内管外壁、外管内壁和外管外壁三处腐蚀缺陷,就激励参数变化对于系统灵敏度影响程度进行了研究,通过仿真和实验手段选择最佳激励参数,实现了脉冲远场涡流检测系统的参数优化,并弥补了前期缺少相关研究的不足。

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。