羅成漢,解 源,王 飛
1 引言
鋼桿已廣泛使用在冶金、礦山、油田、建筑等眾多行業。在使用過程中,設備部件長期承受交變載荷的作用,表面橫向裂紋引起的損傷程度直接影響著材料的承載能力、使用的安全和壽命。因此,對鋼材表面橫向裂紋缺陷進行定量檢測原理和方法的研究具有十分重要的意義。目前,對鋼桿進行無損檢測有超聲波檢測法、渦流檢測法和漏磁場檢測法等,最常用和可靠的方法是漏磁場檢測法[1]。
本文對鋼材設備的缺陷定量檢測方法進行探討,設計了基于LabVIEW的鋼桿裂紋缺陷漏磁信號
的定量檢測系統,通過實驗對鋼桿表面橫向裂紋缺陷產生的漏磁場進行實測,獲得裂紋缺陷信號波形,采用曲線擬合法對實驗數據進行分析、處理,初步建立了系統的數學模型。
2 系統原理及組成
2.1 定量檢測系統的原理
系統采用漏磁場檢測法,它的基本原理是利用勵磁磁場和缺陷相互作用產生的漏磁現象來檢測鐵磁性材料表面的缺陷,當將鐵磁材料磁化至深度飽和時,材料裂紋處的磁導率將降低,磁阻將增加并產生磁場畸變,導致一部分磁場從材料中向外擴散并泄漏出來,形成裂紋漏磁場。采用磁敏檢測探頭檢測這一漏磁場可獲得反映裂紋狀況的特征信號,通過對該信號即裂紋檢測信號峰峰值Vpp的定量分析,便可獲得裂紋的大小、位置等信息。
反映裂紋狀況主要有裂紋長度、裂紋寬度、裂紋深度和裂紋走向等參量。由于探傷傳感器采用聚磁檢測技術,檢測信號是裂紋漏磁場空間分布的平均量,該平均量反映了裂紋長度、裂紋寬度、裂紋深度和裂紋走向等參量對裂紋漏磁場的綜合影響。因此,系統采用裂紋引起的鋼桿橫截面積相對損失量作為定量評價裂紋大小的主要指標。橫截面積相對損失量定義為裂紋橫截面積占鋼桿總橫截面積的百分比。漏磁場理論分析和實驗數據分析表明,Vpp主要取決于鋼桿橫截面積相對損失量(DA),受裂紋寬度與裂紋橫向傾斜角度的影響很小,且Vpp與 之間具有較好的指數對應關系。從而推導出DA―Vpp的函數式為:
DA=a1+a2logVpp (1)
式(1)中a1、a2為與具體檢測對象、探傷傳感器和信號處理器有關的系數。
通過對樣品鋼桿上制成的標準表面橫向裂紋的大量檢測數據進行分析處理,用數據的最小二乘法對實驗數據進行曲線擬合,采用上述數學表達式作為擬合函數,可標定此數學關系式,作為定量檢測裂紋大小的直接依據。
在鋼材表面裂紋的定量檢測中,采用漏磁檢測法,使用霍爾探傷傳感器對其缺陷的漏磁信號進行檢測,可獲取反映裂紋狀況的特征信號。采用曲線擬合法探索建立DA―Vpp模型,以獲取裂紋缺陷的相關信息,從而實現計算機定量檢測[2][3][4]。
2.2 定量檢測系統的組成
如圖1所示,定量檢測系統由探傷傳感器、預處理電路、數據采集卡及計算機組成。探傷傳感器采用集成霍爾元件UGN-3501T,以獲取裂紋缺陷信號;信號預處理電路對檢測信號進行濾波、放大、隔離等處理,使信號達到A/D轉換輸入電平的幅度要求;調理后的信號經數據采集卡進行A/D轉換,將模擬量信號轉換成數字量信號。
圖1 檢測系統結構框圖
3 軟件設計
3.1 軟件開發平臺
本系統軟件設計采用的是美國NI公司的LabVIEW開發平臺,LabVIEW是基于圖形化編程語言的開發環境,它通過建立和連接圖標來構成程序,同時還可以通過動態連接庫調用其他語言編寫的程序,其擴展性好。用LabVIEW編程具有簡單易學、編程效率高、通用性好、交互性好等優點,是編制虛擬檢測儀器程序的強大的軟件工具[5][6]。
3.2 主要的功能模塊
3.2.1 數據采集
利用LabVIEW軟件控制數據采集卡對模擬信號進行采集有多種方法,對于LabVIEW支持的數據采集卡可以利用LabVIEW的功能模板(Functions Palette)中Date Acquisition提供的Analog Input等函數進行采集,對于LabVIEW不支持的數據采集卡還可以利用功能模板中Advanced提供的Call Library Function(CLF),Call Interface Node(CIN)和Port I/O子模板中的In Port、Out Port函數進行采集。由于系統采用的由北京中泰計算機研究所生產的PC6313數據采集卡不是LabVIEW支持的數據采集卡,所以采用In Port、Out Port函數完成數據的采集,數據采集程序框圖如2所示。
圖2 用LabVIEW實現的數據采集程序框圖
PC6313采集卡采集數據前,需要對不同端口進行讀寫,用In Port和Out Port函數可分別完成數據的讀和寫功能。
3.2.2 Vpp的測量
利用LabVIEW軟件提供的Peak Detector函數,可以得到波峰值Peak Value和波谷值Valley Value,從而得出Vpp值為:
Vpp=|Peak Value-Valley Value|
4 探傷實驗
4.1 裂紋波形
圖3 直徑為10mm鋼桿的裂紋缺陷信號波形圖
預先在直徑為10mm鋼桿上采用電火花加工工藝,制作了五處深度為0.8mm、1.2mm、1.5mm、2.0mm和2.1mm的橫向切口式模擬裂紋,通過檢測系統對它進行試驗。得到如圖3所示裂紋缺陷的信號波形圖,測得如表1所示的缺陷信號的峰峰值Vpp。
表1 缺陷信號峰峰值
序 號 |
1 |
2 |
3 |
4 |
5 |
裂紋深度 h(mm) |
2.1 |
2.0 |
1.5 |
1.0 |
0.8 |
峰峰值 Vpp(v) |
7.3 |
6.3 |
3.0 |
1.6 |
0.7 |
4.2 特征信號的提取
如何提取混雜在檢測信號中的裂紋信號,是對裂紋狀況進行定量檢測的關鍵。裂紋特征信號的提取應根據裂紋檢測信號的特征進行。
(1) 裂紋檢測信號的峰峰值Vpp
對圖3中的缺陷信號波形分析可知,得到的缺陷信號是一些疊加在直流量和噪聲背景上的局部雙峰電壓信號。采取峰峰值超門限法對該信號的特征量進行提取,當某一局部雙峰信號的峰峰值超過門限時,認為是局部異常波形。峰峰值Vpp定義為局部異常波形信號的波峰與波谷間幅值差的絕對值。
(2) 鋼桿截面積相對損失量DA
系統中鋼桿模擬裂紋截面積相對損失量DA的表達式為:
(2)
式(2)中:r為圓形鋼桿橫截面的半徑;h為模擬裂紋的深度。
4.3 數學建模
為了驗證鋼桿裂紋定量檢測的可能性,同時探索建立DA―Vpp的數學模型的方法,用數學軟件MATLAB計算出相關數據見表2。
表2 裂紋的檢測數據
序 號 |
1 |
2 |
3 |
4 |
5 |
缺陷深度 h(mm) |
2.1 |
2.0 |
1.5 |
1.0 |
0.8 |
V pp(v) |
7.3 |
6.3 |
3.0 |
1.6 |
0.7 |
D A(%) |
15.27 |
14.24 |
9.41 |
6.80 |
3.75 |
使用MATLAB軟件對實驗數據進行曲線擬合,由于Vpp與 之間具有較好的指數對應關系,因此擬合函數采用DA=a1+a2logVpp,能得到如表3所示的DA(%)的擬合值、相對誤差值。得到DA―Vpp的解析表達式為DA=4.5961+3.9243logVpp,其擬合曲線如圖4中曲線①所示。
表3 擬合數據
序號 |
1 |
2 |
3 |
4 |
5 |
缺陷深度 h(mm) |
2.1 |
2.0 |
1.5 |
1.0 |
0.8 |
V pp(v) |
7.3 |
6.3 |
3.0 |
1.6 |
0.7 |
D A(%) |
15.27 |
14.24 |
9.41 |
6.80 |
3.75 |
D A(%)擬合值(v) |
14.7480 |
14.0182 |
10.3425 |
7.2284 |
3.1329 |
相對誤差 (%) |
3.42 |
1.56 |
9.91 |
6.30 |
16.46 |
表4 擬合數據
序號 |
1 |
2 |
3 |
4 |
5 |
缺陷深度 h(mm) |
2.1 |
2.0 |
1.5 |
1.0 |
0.8 |
V pp(v) |
7.3 |
6.3 |
3.0 |
1.6 |
0.7 |
D A(%) |
15.27 |
14.24 |
9.41 |
6.80 |
3.75 |
D A(%)擬合值(v) |
14.7480 |
14.0182 |
10.3425 |
7.2284 |
3.1329 |
相對誤差 (%) |
3.42 |
1.56 |
9.91 |
6.30 |
16.46 |
從表3中可知,DA擬合值與實際值之間存在偏差,有的誤差值較大(特別在Vpp值較小時),為了減少擬合誤差,系統采用擬合函數為DA=a1+a2logVpp+a3Vpp,使用MATLAB軟件對實驗數據進行曲線擬合,能得到如表4所示的DA(%)的擬合值、相對誤差值。得到DA―Vpp的解析表達式為:DA=4.1726+2.6821logVpp+0.7983Vpp其擬合曲線如圖4中曲線②所示。
圖4 檢測系統的DA―Vpp關系曲線
5 結語
(1) 通過實際測量獲取裂紋輸出信號Vpp值,依據所建立的數學模型,通過評價Vpp可以得到反映裂紋狀況的定量檢測結果。
(2) 由于實驗條件的限制(如探傷傳感器與鋼桿相對運動時存在較大晃動及速度不均等因素),造成測量誤差值較大,有待進一步采取措施,減少測量誤差。
(3) 要獲得具有實用價值的數學模型,需要對被檢測鋼桿進行取樣(相同的直徑和材質),在樣品鋼桿上制成大小不同的標準橫向裂紋,通過對大量檢測數據的分析及模型參數計算,建立DA―Vpp的準確數學模型,從而提高檢測靈敏度和定量準確性。
參考文獻:
[1] 金建華,等. 漏磁場法在線定量檢測鋼絲裂紋的研究[J]. 儀器儀表學報, 1999,20(3):285-286.
[2] 金建華, 康宜華,等. 用集成霍耳元件定量檢測缺陷漏磁場的特點[J]. 無損檢測, 1998,20(2):34-38.
[3] 楊叔子, 康宜華,等. 鋼絲繩斷絲定量檢測原理與技術[M]. 北京: 國防工業出版社, 1995.
[4] 孫曉云, 袁斌, 盛劍霓. 神經網絡方法在渦流無損檢測定量分析中的應用[J]. 西安交通大學, 2000,34(6):517-522.
[5] National Instruments Corporation. LabVIEW user'smanual. 1998,1-8.
[6] National Instrument Inc. LabVIEW Manuals. 2002.
[7] National Instrument Inc. Peak Detection Using LabVIEW and Measurement Stdio. 2002.