作者：张统伟, 魏梦军, 于润桥, 陈靖博, 胡博

作者单位：南昌航空大学 无损检测技术教育部重点实验室，江西 南昌 330063

关键词：无损检测;弱磁技术;钢坯;缺陷;自适应防振动;自动化

摘要：

针对目前检测高铁车轴钢坯缺陷存在的难点，提出一种基于弱磁的自适应防振动钢坯缺陷检测技术。该技术采用一种直角坐标式传感器组，将两组传感器垂直交叉排布，覆盖在钢坯的两面实现钢坯缺陷检测，接着利用差分法与拉依达准判断异常信号从而定位缺陷空间位置。另外，为消除传输过程中传送带由于振动产生的噪声而造成的误判，利用在振动时同一列探头磁通量的相对幅值变化趋势一致的特点，将不同探头采集到的信号和防振动探头信号进行差分处理来过滤振动噪声。实验证明，该技术定位的缺陷位置与实际位置一致，这表明该方法能快速、方便、准确地定位出缺陷的位置，具有很高的实用性，为检测钢坯提出新思路。

Research on adaptive anti-vibration billet automatic detection algorithm based on weak magnetic theory
ZHANG Tongwei, WEI Mengjun, YU Runqiao, CHEN Jingbo, HU Bo
Key Laboratory of Nondestructive Testing Technology, Ministry of Education, Nanchang Hangkong University, Nanchang 330063, China
Abstract: According to the difficulty of detecting billet defects of high-speed rail axle, a self-adaptive vibration detection technique based on weak magnetic detection is proposed. The technique uses a right-angle coordinate sensor group, overlapping the two groups of sensors vertically, covering two sides of the billet to achieve the blank defect detection, and then uses the difference method and Laida to determine the abnormal signal to locate the spatial position of the defect. Moreover, in order to eliminate the misdiscrimination caused by the transmission process, the vibration noise uses the relative amplitude of the magnetic flux of the same series during vibration. Experiments show that the defect position located in this paper is almost consistent with the actual position, which shows that the method proposed can locate the defects quickly, conveniently and accurately, which has high practicability and proposes new ideas for detecting billet.
Keywords: nondestructive testing;weak magnetic technology;billet;defects;adaptive anti-vibration;automation
2023, 49(7):23-28,34  收稿日期: 2022-01-26;收到修改稿日期: 2022-05-25
基金项目: 国家自然科学基金资助项目(51967014)
作者简介: 张统伟(1997-),男,江苏泰兴市人,硕士研究生,专业方向为电磁无损检测研究
参考文献
[1] 潘大桐. 动车车轴方钢坯料超声波检测系统的研究[D]. 哈尔滨: 哈尔滨工业大学, 2020.
[2] 陶功明, 陈潇, 朱华林, 等. 钢坯缺陷在钢轨轧制过程中的演变规律分析[J]. 轧钢, 2018, 35(4): 50-53
[3] 何树先, 刘雅辉, 王俊, 等. 金属与合金加压凝固研究进展[J]. 铸造技术, 2017, 38(6): 1253-1257
[4] 张宏亮. 方坯直接轧制工艺及强化机理研究[D]. 北京: 钢铁研究总院, 2021.
[5] 马群. 电磁超声波自动探伤装置在钢板在线检测中的应用[J]. 金属材料与冶金工程, 2018, 46(4): 55-58
[6] 潘婷婷. 连铸钢坯电磁超声层析成像仿真研究[D]. 呼和浩特: 内蒙古科技大学, 2020.
[7] 范益, 王青峰, 杨英, 等. 低合金钢铸坯高温氧化行为探讨[J]. 物理测试, 2017, 35(2): 16-20
[8] 邱选兵. 基于脉冲涡流连铸钢坯无损检测理论与实验研究[D]. 太原: 太原科技大学, 2013.
[9] 藤村隆志, 彭惠民. 铁道车辆车轮的锻造及热处理技术[J]. 国外机车车辆工艺, 2019(2): 11-16
[10] 牛治. 连铸坯缺陷电磁超声/电涡流复合检测技术及应用研究[D]. 重庆: 重庆大学, 2017.
[11] 侯旺, 孙晓亮, 尚洋, 于起峰. 红外弱小目标检测技术研究现状与发展趋势[J]. 红外技术, 2015, 37(1): 1-10
[12] SHEN C, BAO X J, TAN J B, et al. Two noise-robust axial scanning multi-image phase retrieval algorithms based on Pauta criterion and smoothness constraint[J]. Optics express, 2017, 25(14): 16235-16249
[13] 张斌, 于润桥, 刘怡, 等. 钛合金扩散焊微小缺陷弱磁检测试验研究[J]. 中国测试, 2020, 46(3): 6-11