Page 43 - 理化检验-物理分册2022年第十二期
P. 43

DOI : 10.11973 / lh jy -wl202212006

                     基于多电磁无损检测的管线钢硬度检测模型





                                            杜裕平 ,冯   雪 ,盛宏威 ,王   平          2


                                                  1
                                                                   2
                                                           1

                         ( 1. 南京钢铁股份有限公司,南京 210035 ; 2. 南京航空航天大学 自动化学院,南京 200240 )
                    摘   要: 针对材料在塑性变形或者服役过程中, 可能产生应力集中的问题, 基于 3MA 综合无损
                 检测技术所提取特征参数与管线钢表面硬度的关系, 构建逐步回归模型和 BP 神经网络模型, 实现
                 对管线钢表面硬度的检测。结果表明: 电磁特征信号与表面硬度存在相关性; 无论是逐步回归模型
                 还是 BP 神经网络模型, 在 10% 的误差范围内, 置信度可达 100% 。

                    关键词: 硬度;多电磁无损检测; BP 神经网络模型;逐步回归模型

                    中图分类号: TB31 ; TG115.5    文献标志码: A    文章编号: 1001-4012 ( 2022 ) 12-0027-04

                         Hardnessdetectionmodelof p i p elinesteelbasedonmulti p le

                                     electroma g neticnondestructivetestin g


                                                        1
                                                                       2
                                              1
                                      DUYu p in g FENGXue , SHENGHon g wei , WANGPin g 2
                                               ,

                                     ( 1.Nan j in g IronandSteelCo. , Ltd. , Nan j in g210035 , China ;

                     2.SchoolofAutomation , Nan j in gUniversit yofAeronauticsandAstronautics , Nan j in g200240 , China )


                     Abstract : Aimin gatthep roblemthatstressconcentrationcouldoccurdurin gp lasticdeformationorservice

                ofmaterials , basedontherelationshi pbetweenthecharacteristicp arametersextractedb y3MA com p rehensive

                nondestructivetestin g technolo gyandthesurfacehardnessofp i p elinesteel , theste p wisere g ressionmodelandBP

                neuralnetworkmodelwereconstructedtorealizethedetectionofthesurfacehardnessof p i p elinesteel.Theresults

                showthatthere wasacorrelationbetweenelectroma g neticcharacteristicsi g nalandsurfacehardness.Whether

                ste p wisere g ressionmodelorBPneuralnetworkmodel , inthe10% errorran g e , theconfidencecouldreach100%.


                     Ke y words : hardness ; multi-electroma g neticnondestructivetestin g ; BP neuralnetwork model ; ste p wise

                re g ressionmodel
               硬斑是钢板上的一种缺陷, 指钢板表面局部区                           学范孟豹科研团队融合涡流、 巴克豪森( MBN ) 两种
            域的硬度异常高于其他正常部位的硬度, 这些区域                            检测技术, 采用 BP ( BackPro p a g ation ) 神经网络模

            可能是成分异常区、 外来杂质或者过冷区等。这些                            型, 实现了轴承套的表面硬度检测               [ 2 ] 。北京工业大
            硬斑区域附近存在很大的硬度差, 材料在塑性变形                            学何存富科研团队融合切向磁场谐波分析和巴克豪
            或者服役过程中, 可能产生应力集中, 导致表面产生                          森 检 测 技 术,采 用 多 元 回 归 模 型,完 成 了 对
            裂纹, 严重影响管道的服役安全。                                  12CrMoV 钢板表面硬度的预测            [ 3 ] 。德国弗朗霍夫
                 基于铁磁性材料微观结构的微磁无损检 测技                          研究所研发的 3MA 综合无损检测技术, 集成了巴
            术, 可以直接提取反映材料微观结构的电磁信号, 同                          克豪森、 增量磁导率、 多频涡流、 切线磁场谐波分析
            时材料微观结构决定材料的宏观硬度                  [ 1 ] 。国内外学      等多项微磁无损检测技术, 采用多元回归模型, 对铁
            者在多电磁检测技术方面进行了研究, 中国矿业大                            磁性材料的硬度、 强度等进行检测              [ 4 ] 。
                                                                   笔者基于 3MA 设备提取了 41 个特征值, 分析
                                                               了特征参数与管线钢表面硬度的关系, 并构建了逐
                收稿日期: 2021-12-18
                                                               步回归和 BP 神经网络模型, 以对管线钢的表面硬
                作者简介: 杜裕平( 1968- ), 男, 本科, 工程师, 主要从事无损检
            测相关工作                                              度进行检测。

                通信作者: 冯 雪, 1052521311@ qq .com
                                                                                                         2 7
   38   39   40   41   42   43   44   45   46   47   48