由于在漏磁场正问题求解、信号反演等方面还没有形成系统的理论和方法，因此漏磁检测信号的定量解释一直是无损检测技术领域的研究重点。在综述国内外漏磁信号定量解释方法研究现状的基础上，分析了由漏磁信号定量描述缺陷特征的技术特点以及模式匹配法、统计分析法的局限性，重点探讨了利用人工神经网络方法解释漏磁信号的优点和不足，并指出了可视化、多传感器信息融合等漏磁信号定量解释技术的研究发展方向。

所属栏目

综 述国家自然科学基金资助项目（50305017）；中国博士后科学基金资助项目（2005038358）；湖北省教育厅青年人才资助(2007A098)

收稿日期

2006/11/23

作者单位

宋小春:湖北工业大学 机械学院，武汉 430068清华大学 电机系 电力系统国家重点实验室，北京 100084
黄松岭:清华大学 电机系 电力系统国家重点实验室，北京 100084
康宜华:华中科技大学 机械学院，武汉 430074
赵 伟:清华大学 电机系 电力系统国家重点实验室，北京 100084

备注

宋小春(1972-)，男，博士后，副教授，研究方向为数字化无损检测技术。

引用该论文:

SONG Xiao-chun,HUANG Song-ling,KANG Yi-hua,ZHAO Wei.Quantitative Interpretation Methods for Magnetic Flux Leakage Testing Signals[J].Nondestructive Testing,2007,29(7):407～411
宋小春,黄松岭,康宜华,赵 伟.漏磁无损检测中的缺陷信号定量解释方法[J].无损检测,2007,29(7):407～411

被引情况:

【1】

仲维畅, "磁偶极子理论在无损检测中的用途",无损检测 32, 49-52(2010)
参考文献

【1】

Chen Xudong, Ni Guangzheng, Yang Shiyou. An Improved Tabu Algorithm applied to global optimization of inverse problems in electromagnetics[J]. IEEE Transaction on Magnetics,2002,38(2):1069-1072.

【2】

Mcfall G, Miracky R. A noise-tolerant solution to the magnetostatic inverse problem for nondestructive evaluation[J]. J Appl Phys,1993,174(1):2036-2045.

【3】

刘志平,康宜华,杨叔子.漏磁检测信号的反演[J].无损检测,2003,25(10):531-535.

【4】

Hwang K, Mandayam S, Udpa S S. Characterization of gas pipeline inspection signals using wavelet basis function neural networks[J]. NDT&E International,2000,33(5):531-545.

【5】

Lunin V, Barat V, Podobedov D. Neural network-based crack parameterization using wavelet preprocessing MFL signal[J]. In Review of Progress in Quantitative Nondestructive Evaluation,2001,20(6):641.

【6】

Chen Z, Preda G. Reconstruction of crack shapes from the MFLT signals by using a rapid forward solver and an optimization approach[J]. IEEE Transactions on Magnetics,2002,38(2):1025-1028.

【7】

Zhang W, Guo J T, Huang S L. Application of neural network in metal loss evaluation for gas conducting pipelines[J]. Advances in Neural Networks,2006,(3):1254-1260.

【8】

Christen R, Bergamini A. Automatic flaw detection in NDE signals using a panel of neural networks[J]. NDT & E International,2006,39(7):547-553.

【9】

Ramuhalli P, Udpa L, Udpa S S. Electromagnetic NDE signal inversion by function-approximation neural networks[J]. IEEE Transactions on Magnetics,2002,38(6):3633-3642.

【10】

Ramuhalli P, Udpa L, Udpa S S. Neural network-based inversion algorithms in magnetic flux leakage nondestructive evaluation[J]. Journal of Applied Physics,2003,93(10):8274-8276.

【11】

Gavarini H, Perazzo R P J, Reich S L,et al. Automatic assessment of the severity of cracks in steel tubes using neural networks[J]. Insight,1998,40(2):92-93.

【12】

崔 伟,黄松岭,赵 伟.基于RBF网络的漏磁检测缺陷定量分析方法[J].清华大学学报(自然科学版),2006,46(7):1216-1218.

【13】

杨理践,马凤铭,高松巍.基于神经网络及数据融合的管道缺陷定量识别[J].无损检测,2006,28(6):281.

【14】

Hwang K. 3-D defect profile reconstruction from magnetic flux leakage signatures using wavelet basis function neural networks[D]. Ames IA: Iowa State University,2000.

【15】

Katoh M, Ishio K. FEM study on the influence of air gap and specimen thickness on the detectability of flaw in the yoke methods[J]. NDT & E International,2000,33(6):333-339.

【16】

徐 晓,吴新南,张河清.输气管道缺陷及寿命评估专家系统[J].华南理工大学学报,2000,28(5):69-73.

【17】

Jarmulak J, Kerckhoffs J H. Case-based reasoning for interpretation of data from nondestructive testing[J]. Engineering Application of Artificial Intelligence,2001,14(4):401-417.

【18】

武新军,康宜华,程顺峰.基于事例推理的漏磁无损检测数据处理方法[J].无损检测,2003,25(7):365.

【19】

Jin T, Que P W, Chen L. Research on recognition algorithm of offshore oil pipeline defect inspection based on magnetic flux leakage method[J]. Journal of the Japan Petroleum Institute,2005,48(4):243.

【20】

杨 涛，王太勇，蒋 奇.人机合作式管道漏磁信号分析与缺陷定量识别［J］.中国机械工程,2004,15(6):488-500.

【21】

蒋 奇.基于小波神经网络的管道腐蚀缺陷定量识别研究[J].钢铁,2005,40(10):48-52.

【22】

Lim Jaein. Data fusion for NDE signal characterization[D]. Ames IA: Iowa State University,2001.

【23】

Ramuhalli P. Neural network based iterative algorithms for solving electromagnetic NDE inverse problems[D]. Ames IA: Iowa State University,2002.

【24】

Ramuhalli P, Udpa L, Udpa S S. Finite-element neural networks for solving differential equations［J］. IEEE Transactions on Neural Networks,2005,16(6):1381-1391.

【25】

崔 伟.油气长输管道腐蚀缺陷漏磁检测量化方法研究[D].北京：清华大学，2006.

【26】

胡 阳.漏磁计算机断层成象技术及漏磁场可视化技术的研究[D].武汉：华中科技大学,1997.

【27】

宋小春，黄松岭，赵 伟，等.水冷壁管壁厚主磁通超声波融合检测方法[J].中国机械工程,2006,17(10):1079-1082.

【28】

金建华,康宜华.多传感器信息的决策融合法及其在电磁检测中的应用[J].无损检测,2003,24(9):638.