漏磁检测的仿真和实验研究

　　0　引　言

　　随着我国国民经济的不断增长,我国对石油能源的需求也逐年升高,油气管道的里程也随之增加。而且,我国现有的油气管道70%以上都已经运营了20年以上,已经进入了事故多发期。因此,定期对油气管道进行检修,及时发现并排除隐患,对国计民生都有着重要的意义。管道无损检测技术主要用于检测长距离油/气等输送管道在使用数年后是否有腐蚀、磨损、裂纹等安全隐患。目前,主要有漏磁检测、超声检测、远场涡流检测、射线检测等。相比较而言,漏磁检测法检测效率较高,对于金属材料,它不仅能提供金属材料表面缺陷的信息,还能提供材料裂纹深度的信息,且不需要耦合剂,因此,该方法已被广泛用于油气管道的无损检测中。对于漏磁检测磁路的设计问题,传统的计算和实验方法精度及效率并不理想,而且,成本高、开发周期长。本文将介绍漏磁检测的实验平台,并用ANSYS软件对标准缺陷检测结果进行分析。

　　1　漏磁缺陷检测原理

　　当被测工件上有缺陷时,会导致缺陷处及其附近的磁阻增加,而使缺陷附近的磁场发生畸变。磁通折射入磁导率较小的空气之中产生漏磁场,被磁体之间的磁敏传感器检测到。漏磁场的强弱、分布特征与缺陷的大小、形状及分布相关。

　　得到了检测数据,漏磁无损评估中的一个最终的问题就是信号逆问题,即从测量信号中恢复出缺陷轮廓及其参数。求解逆问题的一个普遍使用的方法是使用迭代方法,然而,使用基于数值前向模型的迭代方法的计算量很大。为降低计算量,人们提出了利用神经网络(NN)作为前向模型的求解无损评估中逆向问题的迭代方法[1]。使用NN的方法有许多好处:NN是一种学习机器,它可以学习影射于输入/输出的任意函数;NN即可以用硬件实现也可以软件仿真,是一种具有大量连接的并行分布式处理器。Hwang等人[2]使用小波基函数(WBF)NN预测三维缺陷轮廓。Ramuhalli等人[3]提出在一个反馈配置中使用2个NN。经过软件优化的NN的算法移植到硬件之中便可极大地节约硬件的成本和提高硬件的效率。

　　2　漏磁信号检测试验平台

　　实验检测系统平台的原理框图如图1所示,霍尔传感器探头固定在由电机驱动的滑车上,将测量到的漏磁磁感应强度转换为电压值,经过温度误差补偿及调理放大后,输入到多通道数据采集系统,经过A/D转换后传入上位机进行数据的保存及显示。

　　在对管道进行放大与展开后,近似的采用平面钢板代替管道。永磁体选用新型钕铁硼材料, 2块永磁体以相反的极性固定在衔铁上。衔铁选用工业纯铁,它具有高的磁感应强度、小的矫顽力、价格较低、加工性能好、适应检测时的导磁要求。霍尔传感器阵列并排固定在2块永磁体之间,提离值为2mm,以保证能有效测量到漏磁信号。整个系统在电动机的牵引下,匀速水平移动,传感器阵列扫过整个钢板,记录数据。滑车部分三维示意图2所示.