基于脉冲交流电磁场检测的深层缺陷检测系统开发

林延浩; 李燕; 孙松; 李尔平

doi:10.12404/j.issn.1671-1815.2502829

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (6) :2403-2409 DOI: 10.12404/j.issn.1671-1815.2502829

机械、仪表工业

基于脉冲交流电磁场检测的深层缺陷检测系统开发

林延浩 ¹^,² ,
李燕 ¹^,²^,^* ,
孙松 ³^,⁴ ,
李尔平 ⁵

作者信息 +

Development of Deep Defects Inspection System Based on Pulsed Alternating Current Field Measurement

LIN Yan-hao ¹^,² ,
LI Yan ¹^,²^,^* ,
SUN Song ³^,⁴ ,
LI Er-ping ⁵

Author information +

文章历史 +

摘要

传统交流电磁场检测(alternating current field measurement,ACFM)技术因趋肤效应限制,难以有效检测导电材料的深层缺陷。为此,提出了一种脉冲交流电磁场检测(pulsed alternating current field measurement, PACFM)方法,以解决深层缺陷检测难题。建立了PACFM理论模型,通过有限元仿真分析了磁芯形状和相对磁导率对特征信号的影响,结果表明:U形磁芯通过磁场汇聚效应显著增强了Bx信号特征差异,而磁芯相对磁导率为3 000达到最佳性能。基于STM32H750微处理器设计的PACFM检测系统采用片上模数转换器(analog to digital converter, ADC)方案,取代了传统数据采集卡方案,系统成本至少降低60%。实验验证表明,该系统能够有效检测深度为3~9 mm的深层缺陷,检测信号随缺陷深度增加而更加明显,且特征量ΔB_x与深层缺陷深度呈现良好的线性正相关性,线性优度R²=0.97。所提出的PACFM技术及其嵌入式检测系统为导电物体深层缺陷的高效检测提供了一种高性价比的解决方案。

Abstract

The traditional ACFM(alternating current field measurement) technique is difficult to effectively detect deep defects in conductive materials due to the skin effect limitation. PACFM(pulsed alternating current field measurement) method was proposed to solve the problem of deep defect detection. The theoretical model of PACFM was established, and the effects of core shape and relative permeability on the characteristic signals were analyzed by finite element simulation, and the results show that the U-shaped core significantly enhances the characteristic difference of B_x signals through the magnetic field convergence effect, while the core relative permeability of 3 000 achieves the best performance. The PACFM detection system designed based on STM32H750 microprocessor adopts the on-chip ADC(analog to digital converter) scheme, replacing the traditional data acquisition card scheme, and the system cost is reduced by at least 60%. Experimental validation shows that the system can effectively detect deep defects with a depth of 3~9 mm. The detection signal becomes more obvious as the defect depth increases, and the characteristic quantity ΔB_x shows a good linear positive correlation with the depth of deep defects, with a linear goodness of fit R²=0.97. The PACFM technology and its embedded inspection system proposed in this study provide a cost-effective solution for the efficient detection of deep defects in conductive objects.

Graphical abstract

关键词

深层缺陷 / 脉冲交流电磁场检测 / 有限元仿真 / 检测系统

Key words

deep defects / PACFM / finite element simulation / detection system

引用本文

引用格式 ▾

林延浩, 李燕, 孙松, 李尔平. 基于脉冲交流电磁场检测的深层缺陷检测系统开发[J]. 科学技术与工程, 2026, 26(6): 2403-2409 DOI:10.12404/j.issn.1671-1815.2502829

LIN Yan-hao, LI Yan, SUN Song, LI Er-ping. Development of Deep Defects Inspection System Based on Pulsed Alternating Current Field Measurement[J]. Science Technology and Engineering, 2026, 26(6): 2403-2409 DOI:10.12404/j.issn.1671-1815.2502829

登录浏览全文

4963

注册一个新账户忘记密码

交流电磁场检测(alternating current field mea-surement,ACFM)技术是一种用于检测导电物体表面缺陷的电磁无损检测技术,ACFM与涡流检测(eddy current testing, ECT)技术都是基于电磁感应原理,但ACFM在进行检测时无需进行校准,并且能够同时确定缺陷的深度与长度信息^[1-3]。对于表面裂纹,Wang等^[4]研究了RCF的表面开裂角度、垂直开裂角度和集群结构对ACFM信号的影响,并且开发了检测系统,可自动识别最小深度为0.2 mm的小裂纹、斜裂纹、簇状裂纹等缺陷;Rowshandel等^[5]使用人工神经网络对确定的多个裂纹进行定量检测,其精度与单个裂纹的精度大致相同;董光辉等^[6]研究了磁芯大小、探头外壳电导率和磁导率对ACFM信号的影响,分析出最适用于深水环境的探头参数以及最佳电流频率;李晓林等^[7]研究了蝶形图与裂纹剖面的映射关系,实现了蝶形图的再利用,丰富了缺陷的风险评估方法;李勇等^[8]发现了场强分量在角度偏转过程中的信号互补规律,实现了数据增广灰色神经网络的预测,改善了非平行检测过程中裂纹重构图像的偏转问题。

上述文献都对物体表面缺陷进行了详细的研究,然而,ACFM与ECT一样都受到集肤效应的限制,无法实现对深层缺陷的检测。脉冲激励比正弦激励具备更丰富的宽带频率和更深的渗透深度,这意味着脉冲交流电磁场检测(pulsed alternating current field measurement,PACFM)技术拥有比ACFM更深的检测深度范围,并且具备检测深层缺陷的能力;胡祥超等^[9]研究结果表明,PACFM不仅与ACFM具有相同的表面缺陷检测能力,而且对1.6 mm深度的非表面缺陷的检测性能也优于ACFM;Ge等^[10]研究了用于非表面缺陷的PACFM最佳时域特征,认为1.5 ms的时间点测量值是最佳时域特征,并发现在不同缺陷情况下该特征与峰值时间特征的差异,对表面缺陷和非表面缺陷进行了有效分类;Zhao等^[11]研究了B_x信号与油管壁厚之间的关系,建立了用于连续油管壁厚测量的PACFM探头与系统,实现了对于连续油管壁厚的定量测量。

综上所述,一方面,大量研究都使用了数据采集卡进行检测信号采集,这造成了ACFM检测装置成本昂贵的窘境;另一方面,缺少PACFM深层缺陷检测装置的研究与开发。针对上述情况,现基于脉冲交流电磁场检测技术,开展深层缺陷的研究。基于ACFM理论模型与傅里叶频域变换构建PACFM理论模型,通过有限元仿真揭示磁芯关键电磁参数(形状、相对磁导率)对检测信号的调控机制,并且设计一套基于嵌入式系统的检测系统,摆脱对数据采集卡的依赖,大大降低系统的成本,最后针对不同深度的深层缺陷进行检测试验。以期为导电物体深层缺陷的高效检测提供一种高性价比的解决方案。

1 检测原理及理论模型

1.1 ACFM检测原理

ACFM检测原理如图1所示,激励线圈在物体表面感应出均匀电流。当物体表面存在缺陷,由于空气和物体电阻率的差异,感应电流会从缺陷的两端和底部绕过,平行于物体且垂直于电流的B_x磁场分量会随从底部绕过缺陷的感应电流减少而减少,因此可以表明深度信息。垂直于物体的B_z磁场分量是由缺陷两端的循环电流引起的,因此B_z的正负信号之间的距离表明长度信息。

1.2 PACFM理论模型

ACFM与ECT都遵循电磁感应原理,因此可以借助ECT的电磁感应等效电路来求解ACFM模型,电磁感应等效电路如图2所示。

根据基尔霍夫电压电流定律^[12],即

(1)

${I}_{1}{R}_{1}+\mathrm{j}\omega {I}_{1}{L}_{1}-\mathrm{j}\omega {I}_{2}M=U$

(2)

${I}_{2}{R}_{2}+\mathrm{j}\omega {I}_{2}{L}_{2}-\mathrm{j}\omega {I}_{1}M=0$

(3)

$M=K\sqrt{{L}_{1}{L}_{2}}$

式中:ω为角频率;M为L₁、L₂之间的互感量;K为耦合系数。

Zhao等^[13]和Yuan等^[14]已经借助等效电路模型以及麦克斯韦方程组求解出了ACFM的B_x与B_z数学模型为

(4)

$\mathrm{d}{B}_{x}=\frac{{\mu }_{0}{I}_{2}\mathrm{d}x}{2\mathrm{\pi }ml}$

(5)

$\mathrm{d}{B}_{z}=0$

(6)

$\mathrm{d}{B}_{z}=\frac{{\mu }_{0}{I}_{2}\mathrm{d}\tau }{4\mathrm{\pi }({r}^{2}+{l}^{2})}$

式中:μ₀为真空磁导率;l为提离高度;m为均匀电流区域的宽度;τ为微电流圆弧长度参数;r为圆弧的半径。

当无缺陷时,l为固定数值。对于B_x信号,当存在缺陷时,感应电流被缺陷阻断,感应电流沿缺陷底部绕过缺陷,增加了电流微元与传感器之间的距离l,因此B_x信号能够反映缺陷的深度信息。对于B_z信号,当不存在缺陷,均匀电流Z方向分量相互抵消,因此B_z信号为0;当存在缺陷时,式(6)中dτ表征感应电流在缺陷端点的聚集强度,因此B_z信号能够反映缺陷的宽度信息。

周期脉冲方波信号可以表示为正弦波谐波分量的傅里叶级数^[15],因此可以借助ACFM模型建立PACFM模型。脉冲方波信号傅里叶级数形式f(t)及频域形式F(ω)为

(7)

$\mathrm{f}\left(\mathrm{t}\right)={A}_{0}+\stackrel{\infty }{\sum _{n=1}}{A}_{n}\mathrm{s}\mathrm{i}\mathrm{n}(n{\omega }_{1}t+\varphi )$

(8)

$F\left(\omega \right)=\mathrm{F}\mathrm{F}\mathrm{T}\left[f\right(t\left)\right]$

式中:A₀为直流分量;n为谐波次数;A_n为谐波分量振幅;ω₁为基波角频率;ϕ为相位;FFT为快速傅里叶变换。

最后,通过卷积定理就可得出PACFM频域模型为

(9)

$\mathrm{d}{B}_{x}\left(\omega \right)=\mathrm{F}\mathrm{F}\mathrm{T}\left[\frac{-\mathrm{j}\omega {\mu }_{0}K\sqrt{{L}_{1}{L}_{2}}\mathrm{d}x}{2\mathrm{\pi }ml({R}_{2}+{L}_{2}{\omega }^{2})}\right]F\left(\omega \right)$

(10)

$\mathrm{d}{B}_{z}\left(\omega \right)=\mathrm{F}\mathrm{F}\mathrm{T}\left[\frac{-\mathrm{j}\omega {\mu }_{0}K\sqrt{{L}_{1}{L}_{2}}\mathrm{d}\tau }{4\mathrm{\pi }({r}^{2}+{l}^{2})}\right]F\left(\omega \right)$

2 仿真及结果分析

2.1 仿真模型建立

利用COMSOL软件建立了PACFM有限元模型,如图3所示。仿真模型由激励线圈、磁芯、试件、空气域和缺陷组成。激励线圈线径为0.21 mm,匝数为300匝。其余部件的模型参数和电磁参数如表1和表2所示,长、宽、高分别表示了X、Y、Z方向。

为了能有效检测出深层缺陷,PACFM的检测深度需要足够大,而检测深度取决于趋肤深度,即

(11)

$\delta =\frac{1}{\sqrt{\mathrm{\pi }\sigma \mu f}}$

式(11)中:σ为被测工件的电导率;μ为被测工件的磁导率;f为激励信号频率。

由式(11)可知,趋肤深度仅与被测工件的磁导率、电导率以及激励信号频率有关,将被测工件的电导率与磁导率代入式(11)可得到激励信号频率应≤ 50 Hz。故使用COMSOL中的电路模块产生振幅为5 V,频率为50 Hz,占空比为50%的脉冲方波信号。模型采用瞬态仿真,设置步长为0.04 ms,步数为500。

2.2 磁芯参数对PACFM信号影响分析

在2.1节的基础上,进行了磁芯参数(磁芯形状、磁芯相对磁导率μ_r)与PACFM信号的关系研究。

图4为磁芯形状与PACFM信号关系图。由图4(a)可知,U型磁芯产生的B_x信号强度比矩形磁芯产生的B_x信号强度更大,并且信号特征ΔB_x(B_x信号波峰与波谷的差值)也更大,说明U形磁芯具备更好的磁场汇聚效果,更有利于获取深层缺陷深度信息。由图4(b)可知,U形磁芯产生的B_z信号强度与矩形磁性产生的B_z信号强度相差不大,但U形磁芯的信号波峰与波谷差更大。因此采用U型磁芯更有利于增强PACFM信号强度。

图5展示了在U形磁芯条件下,磁芯相对磁导率μ_r与PACFM信号之间的关系。从图5(a)可以看出,B_x信号的整体强度与相对磁导率μ_r呈正相关关系。图5(b)进一步揭示了信号特征ΔB_x与相对磁导率μ_r之间的关系,当μ_r=3 000时,ΔB_x达到最大值。值得注意的是,图5(c)显示,磁芯相对磁导率的变化对B_z信号的强度影响甚微。基于这些结果,选择相对磁导率为3 000的U形磁芯作为激励线圈的骨架,以优化PACFM检测系统的性能。这种选择不仅能够有效增强B_x信号特征,还能避免因磁芯磁饱和效应导致的性能下降,从而确保检测系统的高效性和准确性。

2.3 深层缺陷深度对PACFM信号影响分析

在确定了磁芯参数后,需要探究在该磁芯条件下,深层缺陷的深度对PACFM信号的影响,深层缺陷深度由3 mm逐渐提高到9 mm。

图6为深层缺陷深度与PACFM信号关系图。由图6(a)可知,B_x信号强度与深层缺陷深度呈正相关关系:B_x信号波峰数值逐渐增大、波谷数值逐渐减小,信号特征ΔB_x更加明显。值得一提的是,当深层缺陷深度大于7 mm时,B_x信号的波谷数值几乎没有变化,表明此时电流绕流路径因趋肤效应达到饱和状态,电流分布不再随深度显著变化。由图6(b)可知,深层缺陷深度几乎不会影响B_z信号波峰与波谷之间的间距。

3 PACFM检测系统设计

PACFM检测系统主要包括主控电路、激励信号放大模块、传感器探头、信号处理模块等,PACFM检测系统示意图如图7所示。

主控电路以STM32H750微处理器为核心,利用微处理器内部DAC与ADC功能,实现激励信号的产生与检测信号的采集。在成本控制方面,该方案相较于传统的数据采集卡方案,成本降低了至少60%。这一低成本设计显著提升了检测系统的经济性,使其更易于在实际工程应用中推广使用。

根据2.1节仿真结果,制作了如图8所示的传感器探头,包括:U形磁芯、0.21 mm线径的激励线圈以及TMR磁传感器。TMR磁传感器参数如表3所示。

4 实验检测

利用电火花加工技术,在6061铝合金试件表面加工了多个矩形缺陷,铝合金长度为300 mm,宽度为200 mm,厚度为10 mm。缺陷分布如图9所示,①~⑦号缺陷的宽度均为1 mm,长度均为15 mm,深度为3~9 mm。实验采用传感器探头沿铝合金板的背面进行双路径扫描(路径I:缺陷①~③,路径II:缺陷④~⑦),采集到的电压如图10所示。

从图10(a)和图10(b)可以看出,当深层缺陷深度从3 mm增至9 mm时,信号波谷显著降低,信号特征ΔB_x显著增大。图10(c)进一步分析了深层缺陷深度与ΔB_x的关系:ΔB_x与深层缺陷深度呈现良好的线性正相关性,线性优度R²=0.97。实验结果表明本研究开发的检测系统能够有效识别深度范围为3~9 mm的7组人工深层缺陷,验证了PACFM模型在深层缺陷检测中的有效性,为PACFM技术在深层缺陷定量检测提供了研究基础。

5 结论

(1)提出了一种脉冲交流电磁场检测(PACFM)方法,基于ACFM理论模型与傅里叶频域变换构建了PACFM理论模型,通过有限元仿真分析了磁芯形状和相对磁导率对PACFM信号的影响,发现U形磁芯和相对磁导率为3 000的磁芯能够显著增强PACFM信号特征,优化检测性能。

(2)开发了基于STM32H750微处理器的PACFM检测系统,并且采用片上ADC方案,取代了传统数据采集卡,使系统成本至少降低60%,提升了检测系统的经济性,更利于系统在实际工程中推广使用。

(3)为验证系统有效性,在6061铝合金试件上开展了深度3~9 mm的深层缺陷检测实验。实验结果表明:该系统能够有效检测3~9 mm的深层缺陷,且ΔB_x与深层缺陷深度呈优异的线性正相关关系(R²=0.97)。这一结果证实了PACFM技术在深层缺陷定量检测中的可靠性与工程适用性,尤其在航空航天及能源管道等领域的多层结构无损评估中展现出重要应用潜力。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Song Z Q, Hou R X, Feng J. Quantitative shape discrimination of metal surface defects based on alternating current field measurement[J]. IEEE Access, 2023, 11: 136577-136589.

[2]	Li X, Tian G Y, Li K Y, et al. Investigation of rolling contact fatigue cracks using the transmitter-receiver eddy current testing under moving conditions[J]. Nondestructive Testing and Evaluation, 2024, 39: 614-633.

[3]	Xu P, Chen Y X, Liu L L, et al. Study on high-speed rail defect detection methods based on ECT, MFL testing and ACFM[J]. Measurement, 2023, 206.DOI: 10.1016/j.measurement.2022.112213.

[4]	Wang Y C, Yuan X N, Li W, et al. Design and development of automatic detection system for locomotive wheel Rims RCF Cracks ased on ACFM[C]// IEEE 11th International Conference on Information, Communication and Networks. Xi’an: IEEE, 2023: 776-781.

[5]	Rowshandel H, Nicholson G L, Shen J L, et al. Characterisation of clustered cracks using an ACFM sensor and application of an artificial neural network[J]. NDT & E International, 2018, 98: 80-88.

[6]	董光辉, 高辉, 周灿丰. 基于交流电磁场检测的深水无损检测探头设计与关键参数分析[J]. 科学技术与工程, 2022, 22(16): 6563-6569.

[7]	Dong Guanghui, Gao Hui, Zhou Canfeng. Design and analysis of key parameters of deep water nondestructive testing probe based on ACFM[J]. Science Technology and Engineering, 2022, 22(16): 6563-6569.

[8]	李晓林, 高辉, 李勇, 等. 交流电磁场检测中蝶形图与裂纹剖面的映射方法[J]. 科学技术与工程, 2024, 24(21): 8934-8941.

[9]	Li Xiaolin, Gao Hui, Li Yong, et al. Exploration of the mapping method between dutterfly diagram and crack profile in ACFM[J]. Science Technology and Engineering, 2024, 24(21): 8934-8941.

[10]	李勇, 高辉, 周灿丰, 等. 基于数据增广灰色神经网络的ACFM裂纹角度预测[J]. 科学技术与工程, 2023, 23(15): 6425-6433.

[11]	Li Yong, Gao Hui, Zhou Canfeng, et al. Prediction of ACFM crack angle based on data augmented grey neural network[J]. Science Technology and Engineering, 2023, 23(15): 6425-6433.

[12]	胡祥超, 罗飞路, 何赟泽, 等. 脉冲交变磁场测量技术缺陷识别与定量评估[J]. 机械工程学报, 2011, 47(4): 17-22.

[13]	Hu Xiangchao, Luo Feilu, He Yunze, et al. Pulsed alternating current field measurement technique for defect identification and quantification[J]. Journal of Mechanical Engineering, 2011, 47(4): 17-22.

[14]	Ge J h, Li W, Chen G M, et al. Investigation of optimal time-domain feature for non-surface defect detection through a pulsed alternating current field measurement technique[J]. Measurement Science and Technology, 2017, 29(1). DOI:10.1088/1361-6501/aa9134.

[15]	Zhao J M, Li W, Ge J H, et al. Coiled tubing wall thickness evaluation system using pulsed alternating current field measurement technique[J]. IEEE Sensors Journal, 2020, 20(18): 10495-10501.

[16]	徐大川. 基于COMSOL仿真的薄壁不锈钢焊管焊缝缺陷涡流检测与缺陷类型识别[D]. 上海: 上海应用技术大学, 2022.

[17]	Xu Dachuan. Eddy current detection and identification of defect types for thin-walled stainless steel welded pipe welds based on COMSOL simulation[D]. Shanghai: Shanghai Institute of Technology, 2022.

[18]	Zhao J C, Li W, Yuan X, et al. Lift-off point of intersection for eliminating lift-off noise in alternating current field measurement[J]. IEEE Transactions on Instrumentation and Measurement, 2023, 72: 1-9.

[19]	Yuan X N, Li W, Chen G M, et al. Visual and intelligent identification methods for defects in underwater structure using alternating current field measurement technique[J]. IEEE Transactions on Industrial Informatics, 2022, 18(6): 3853-3862.

[20]	Wen D D, Fan M B, Cao B H, et al. Adjusting LOI for enhancement of pulsed eddy current thickness measurement[J]. IEEE Transactions on Instrumentation and Measurement, 2020, 69(2): 521-527.