王傳釗，姜秀海，晁永生，王永兵，王勇勇

〈無損檢測〉

基于渦流脈沖熱成像的焊縫表面多缺陷檢測

王傳釗1，姜秀海2，晁永生1，王永兵2，王勇勇1

（1. 新疆大學 機械工程學院，新疆 烏魯木齊 830017；2. 新疆維吾爾自治區(qū)特種設(shè)備檢驗研究院，新疆 烏魯木齊 830047）

焊縫表面氣孔缺陷的存在減少了工件的有效截面積，降低了工件抵抗外載荷的能力，嚴重時會導致工件斷裂，為此提出一種基于渦流脈沖熱成像技術(shù)的焊縫表面多缺陷檢測方法。首先，采用一種新型電磁傳感器結(jié)構(gòu)，通過渦流脈沖熱成像原理對不同直徑和深度的碳鋼缺陷進行檢測，并分析了圖像序列中缺陷區(qū)域與非缺陷區(qū)域的溫度信號；為了提高該檢測系統(tǒng)的靈敏度，采用主成分分析方法對圖像序列進行圖像重構(gòu)，增強原始圖像中缺陷特征。最后，通過實驗驗證了該方法，實驗結(jié)果表明該方法能夠減小焊縫邊緣效應(yīng)的影響，實現(xiàn)對焊縫表面缺陷的大面積檢測，并為紅外熱像儀提供一個開放的視野。

焊縫氣孔；渦流脈沖熱成像；缺陷檢測；主成分分析

0 引言

焊接作為金屬結(jié)構(gòu)中一種重要連接方式，在石油、化工、航空航天、核工業(yè)等領(lǐng)域得到了廣泛的應(yīng)用。在實際焊接與使用過程中，由于受環(huán)境與應(yīng)力作用容易產(chǎn)生表面裂紋、氣孔等缺陷，給工業(yè)設(shè)備的運行造成大安全隱患，因此對于金屬焊縫的定期無損檢測至關(guān)重要。目前在焊縫檢測方面常規(guī)無損檢測技術(shù)主要有漏磁檢測、渦流檢測、電磁超聲檢測、射線檢測等，而這些技術(shù)在實際應(yīng)用中都具有各自優(yōu)勢與局限性[1]。

紅外熱成像技術(shù)作為一種新興高效的無損檢測手段，具有非接觸、檢測速度快，缺陷信息直觀等優(yōu)點，在無損檢測中得到廣泛的應(yīng)用。此前在對紅外熱成像檢測中，通過采用激光[2]或閃光燈[3]加熱方式檢測表面缺陷，但這種加熱方式加熱時間長，檢測效率低。近年來隨著紅外熱成像技術(shù)的發(fā)展，通過采用超聲熱成像檢測[4]、激光熱成像[5]、金屬磁記憶檢測[6]進一步提高了缺陷的檢測效率。渦流脈沖熱成像技術(shù)（eddy current pulsed thermography，ECPT）是一種基于電磁感應(yīng)加熱新型檢測技術(shù)[7]，它將渦流感應(yīng)加熱與熱傳導相結(jié)合，適用于各種導電材料的檢測。此前ECPT技術(shù)多用于金屬裂紋[8]、金屬腐蝕[9]，以及復合材料裂紋、分層、沖擊損傷[2,10]等缺陷的檢測，其中在對于鐵磁性材料表面缺陷的檢測具有較高的靈敏度，而受到國內(nèi)外學者的廣泛研究與關(guān)注。

ECPT檢測系統(tǒng)中傳感器結(jié)構(gòu)決定檢測試件表面電磁場分布，并直接影響檢測結(jié)果。近年來部分研究通過調(diào)整ECPT檢測中激勵參數(shù)，激勵線圈位置與結(jié)構(gòu)來優(yōu)化檢測結(jié)果[11]。閆會朋等人提出了一種利用平行激勵熱傳導方式檢測近表面微裂紋的檢測方法[12]。Natali Baraka等人推導出一維熱傳導模型，分析遠離線圈時熱傳導在缺陷與非缺陷區(qū)域溫度梯度的差異[13]。Tsopelas等人研究激勵線圈直徑影響，通過改變線圈位置對鋁板表面不同方向裂紋的檢測[14]。Tian等人提出一種U鐵氧體傳感器檢測鋼軌表面微裂紋，并與赫姆霍茲線圈、常規(guī)激勵線圈進行檢測性能的比較[15]。Gao等人通過設(shè)計不同結(jié)構(gòu)鐵氧體模型，實現(xiàn)對于復雜幾何表面微裂紋缺陷檢測[16-17]。Hansen等人提出一種非對稱結(jié)構(gòu)的線圈實現(xiàn)對檢測試件均勻加熱[18]。然而ECPT技術(shù)在實際檢測中檢測范圍有限，且激勵線圈容易造成遮擋影響對缺陷特征的識別。此外焊縫邊緣效應(yīng)對渦流密度分布存在顯著影響，導致對于焊縫表面較小缺陷檢測效果較差，對于焊縫表面多缺陷的檢測效率較低。因此，為增強焊縫缺陷熱響應(yīng)特征，提高ECPT技術(shù)的檢測效率，本文基于一種新型電磁渦流熱成像技術(shù)將渦流技術(shù)與漏磁技術(shù)相結(jié)合，實現(xiàn)對于焊縫表面大面積檢測。

1 渦流熱成像檢測原理

1.1 ECPT檢測系統(tǒng)配置

圖1所示為渦流熱成像檢測系統(tǒng)的原理圖。該系統(tǒng)中激勵結(jié)構(gòu)是由鐵氧體鐵芯和空心銅線圈組成。當脈沖信號發(fā)生器產(chǎn)生電信號激活檢測系統(tǒng)時，線圈中通入高頻交流電并產(chǎn)生交變的磁場。同時鐵氧體將產(chǎn)生磁場聚集，并通過兩磁極之間磁路傳送到被檢測試件。當檢測試件表面存在缺陷時，會影響渦流密度的分布與熱傳導過程，并在試件表面產(chǎn)生局部畸變的溫度區(qū)域，通過紅外熱像儀記錄試件表面溫度圖像，實現(xiàn)對缺陷的檢測。

圖1 渦流熱成像的檢測原理

1.2 電磁傳感器結(jié)構(gòu)的磁通量路徑

圖2是電磁傳感器結(jié)構(gòu)的磁通量路徑在空間中的分布圖。激勵結(jié)構(gòu)的磁通量路徑可分為3部分。第一部分為由線圈產(chǎn)生并流入空氣中的磁通量，磁通量路徑的平均長度為1，在圖中用綠色橢圓虛線表示。第二部分是流入L形磁芯和兩極之間的空氣的磁通量，流入磁芯中的磁通量用淺藍色虛線標記，空氣中的磁通量用紅色虛線表示，磁芯兩極之間的長度為2，L形磁芯中的磁通量路徑平均長度為3。第三部分表示經(jīng)過磁芯及其下方試件中的磁通量，分別由紅色虛線和黃色虛線表示，試件中的磁通量路徑平均長度為4。

圖2 結(jié)構(gòu)中的磁通量路徑

本文提出的新型激勵結(jié)構(gòu)的磁路簡化模型如圖3所示，是當線圈通入高頻電流時產(chǎn)生的磁通量。第一部分、第二部分和第三部分中的磁通量分為1、2和3。根據(jù)磁路理論[19]，可以導出磁通量和磁路中磁阻之間的關(guān)系如下所示：

式中：mmf是磁動勢，由匝線圈中的電流產(chǎn)生；表示磁通量；是磁路中的磁阻。此外，磁阻可由下式計算得出：

式中：R表示各部分的磁阻；l表示磁通量路徑的平均路徑。

圖3 結(jié)構(gòu)的磁路模型

1.3 ECPT感應(yīng)加熱理論

在ECPT檢測中主要涉及物理過程是電磁感應(yīng)加熱與熱傳導。而電磁場和熱場之間通過熱傳導方程相互聯(lián)系。依據(jù)Maxwell方程組，可以得出渦流場的控制方程：

式中：為梯度算子；為材料磁導率；為矢量磁勢；為試件的電導率；為時間；為介電常數(shù)；s為渦流密度。

在ECPT檢測中，高頻激勵電流在導體內(nèi)產(chǎn)生感應(yīng)渦流會存在趨膚效應(yīng)，由式(4)可以計算：

式中：為激勵電流頻率,由于材料本身的電阻，當渦流在鐵磁性材料的流動過程中會產(chǎn)生焦耳熱，產(chǎn)生的熱量與被測試件電場強度之間關(guān)系可表示為：

式中：電導率依賴于溫度的變化，其關(guān)系可表示為：

式中：0為參考溫度0時的電導率；為電阻溫度系數(shù)。由于受趨膚效應(yīng)導致產(chǎn)生的焦耳熱主要集中在材料表面，然后隨時間變化逐漸從高溫區(qū)域向材料內(nèi)部低溫區(qū)域傳導。通過考慮焦耳熱與熱傳導，可計算出試件溫度分布為：

式中：＝(,,,)表示溫度分布；為材料的導熱系數(shù)；(,,,)表示感應(yīng)渦流在單位體積與單位時間內(nèi)產(chǎn)生的熱量。

經(jīng)上述分析可知，ECPT技術(shù)能夠?qū)崿F(xiàn)對缺陷的檢測主要由趨膚效應(yīng)和熱傳遞過程決定。在本文中使用的鐵磁性材料試件具有較高的電導率，磁導率相對較低，當激勵頻率為200kHz時，趨膚深度為0.012mm，磁通量主要集中在試件表面，因此ECPT技術(shù)對表面缺陷有較高的靈敏度。在使用ECPT技術(shù)對試件檢測過程中，缺陷會改變均勻的渦流分布和熱傳導過程，導致熱量在缺陷處聚集。因此通過得到的溫度＝(,,,)的值以及瞬態(tài)溫度分布可實現(xiàn)樣品表面缺陷的檢測與表征。

2 主成分分析對紅外圖像處理

主成分分析（Principal Component Analysis，PCA）是一種常用的盲源分離方法，在紅外熱圖像無損檢測中被用于紅外熱圖像特征提取[20]。在對焊縫ECPT檢測中，由于焊縫表面、焊縫邊緣、焊縫表面缺陷等區(qū)域表面熱發(fā)射率的不同，導致各區(qū)域在紅外熱圖像中呈現(xiàn)不同熱分布趨勢。采用PCA算法對熱圖像序列處理的過程中，利用不同的熱分布區(qū)域所對應(yīng)不同的特征向量，通過計算不同熱響應(yīng)區(qū)域的主分量重構(gòu)出圖像矩陣，以實現(xiàn)對檢測區(qū)域中缺陷特征增強。如圖4所示為PCA對焊縫表面缺陷進行紅外圖像序列處理的原理圖。

圖4 PCA熱圖像序列處理

圖像序列中的任意一幀圖像可由一個×維的矩陣表示：

式中：表示圖像序列的總幀數(shù)，則圖序列可由一個××維的矩陣表示。為了將PCA算法應(yīng)用于紅外圖像序列的處理，需將圖像序列由三維矩陣轉(zhuǎn)化為×的二維矩陣，即通過向量化處理將熱圖像序列中每一幀數(shù)據(jù)處理為矩陣￠中的一列。

為得到較好的紅外熱圖像檢測結(jié)果，對矩陣￠按照式(10)進行標準化處理得到矩陣，該過程可使數(shù)據(jù)盡可能分布在原點附近，以提高數(shù)據(jù)的可視化和算法的效率。

利用PCA的原理，可得到協(xié)方差矩陣：

3 實驗設(shè)置

3.1 實驗裝置介紹

實驗采用的ECPT系統(tǒng)如圖5所示，激勵線圈通過感應(yīng)加熱系統(tǒng)（Easyheat224，Ambrell）激勵。該系統(tǒng)激勵頻率范圍為150～400kHz，最大激勵電流400A。實驗中采用FLIR紅外熱像儀記錄試件表面溫度，分辨率為728×514。實驗激勵線圈采用直徑6mm的空心銅管，磁芯選用具有較高磁導率的錳鋅鐵氧體材料，其總體結(jié)構(gòu)和參數(shù)如圖6和表1所示，圖6(a)和圖6(b)分別是結(jié)構(gòu)的俯視圖和側(cè)視圖，為抵消線圈的直接加熱，利用水冷卻裝置為激勵線圈循環(huán)冷卻。

圖5 渦流熱成像試驗系統(tǒng)

圖6 磁芯結(jié)構(gòu)圖

表1 激勵結(jié)構(gòu)參數(shù)

實驗采用的焊縫缺陷試件如圖7所示，缺陷試件為平板對接焊縫，材質(zhì)為Q235碳鋼，平板尺寸為130mm×130mm×6mm,焊縫寬度為10mm。在焊縫表面加工4個不同尺寸的圓孔缺陷，模擬焊縫表面氣孔缺陷，缺陷間距為25mm，各缺陷參數(shù)如表2所示。

圖7 焊縫檢測試件

表2 圓孔缺陷參數(shù)

3.2 實驗結(jié)果分析

在ECPT檢測實驗中，設(shè)置Easyheat224系統(tǒng)激勵頻率200kHz，電流幅值為380A。紅外熱相機采樣頻率為60Hz，連續(xù)記錄檢測過程中99幀紅外圖像。加熱時間設(shè)置為1s，熱像儀記錄總時間為4s。如圖8所示為選取檢測過程中試件1在不同時刻的熱圖像。

如圖8(a)，(b)所示在加熱階段，由于受焊縫邊緣效應(yīng)的影響，焊縫邊緣區(qū)域形成高溫區(qū)域，而導致焊縫缺陷區(qū)域溫升相對較小。從圖中可看出，位于鐵氧體中間區(qū)域的孔D2，D3與周圍區(qū)域溫度差異較為明顯，而對于直徑4mm孔D1與深度較小且距離線圈較遠的孔D4缺陷特征較為模糊。從圖8(c)，(d)可看出在冷卻階段，由于缺陷對熱傳導的阻礙導致熱量在缺陷區(qū)域聚集，在缺陷處形成較高溫度，且隨著冷卻時間增加，相比于加熱階段得到熱圖像，缺陷特征更加明顯。由此可見，對于焊縫表面圓孔缺陷的檢測，在冷卻階段可更好地識別缺陷的特征。

圖8 焊縫表面不同時刻熱圖像

為直觀地分析焊縫區(qū)域缺陷的溫度變化，如圖9所示提取不同深度缺陷邊緣與無缺陷區(qū)域溫度信號。從圖中可以看出，在加熱初期，各缺陷與周圍無缺陷區(qū)域的溫度差異較小，隨著時間的增加，缺陷區(qū)域溫度迅速增加。此外，由于缺陷孔D4缺陷深度較小，且距離線圈較遠導致溫度變化率相對較小，而孔D2，D3受檢測位置的影響在檢測過程溫度差異較小，因此難以通過溫度差異同時識別不同深度孔缺陷。

如圖10所示為缺陷區(qū)域與周圍無缺陷區(qū)域的溫度差異。從圖中可看出，在加熱階段缺陷與無缺陷之間溫度差異較小。而在冷卻初期時，與圖8熱圖像結(jié)果相對應(yīng)缺陷與周圍無缺陷區(qū)域達到最大溫度差，且在整個冷卻階段缺陷與周圍區(qū)域仍保持較大的溫差。如圖11所示提取沿圖8中L1方向焊縫缺陷的溫度信號，從圖中可看出焊縫區(qū)域缺陷對溫度分布存在顯著的影響，在缺陷處出現(xiàn)明顯的溫度突變。

圖9 缺陷處的溫度曲線

為探究激勵結(jié)構(gòu)對尺寸較小孔缺陷檢測的有效性，如圖12所示，為焊縫試件(b)在不同時刻時的熱圖像。從圖中可看出，在加熱階段缺陷區(qū)域的溫升相對較小，與背景區(qū)域重合，缺陷特征較為模糊。在冷卻階段，與圖8試件(a)檢測結(jié)果相一致，缺陷在冷卻階段信息更為明顯，但由于缺陷孔D5深度較小，導致缺陷的溫升相對較小。綜上分析得出，鐵氧體激勵結(jié)構(gòu)的渦流熱成像檢測系統(tǒng)對于焊縫表面較小缺陷仍具有較好的檢測效果，表明該結(jié)構(gòu)可實現(xiàn)對焊縫表面多缺陷快速檢測與全面表征。

圖10 缺陷與周圍區(qū)域的溫度差異

圖11 沿焊縫缺陷L1方向的熱分布

圖12 不同時刻焊縫小孔缺陷的熱圖像

3.3 熱圖像主成分分析

本文在對帶有缺陷的平板試件進ECPT實驗時，利用紅外熱像儀以60Hz的頻率采集一組紅外圖像序列，其大小為972像素×780像素×99幀。由于PCA在處理圖像序列過程中運算量過大，且渦流紅外熱像主要檢測范圍為焊縫區(qū)域，分析時采用的圖像數(shù)據(jù)是從原始圖像序列中截取焊縫區(qū)域大小為200像素×700像素×70幀的一組數(shù)據(jù)。

如圖13所示為主成分分析對原始熱圖像序列的處理結(jié)果。由于在截取的圖像中焊縫邊緣面積較大，且表面粗糙度不均勻，在實驗過程中能夠聚集較多的熱量。特征值1在整體特征值中占比較大，包含了圖像序列的大部分信息，由其對應(yīng)的特征向量1所重構(gòu)出的圖像為存在溫度突變且面積最大的區(qū)域，即焊縫邊緣區(qū)域及缺陷邊緣區(qū)域，其結(jié)果如圖13(a)所示。從圖13(a)可看出孔D1，D4缺陷特征明顯增強，可清楚識別出缺陷的大小。缺陷區(qū)域在圖像中面積較小，但該區(qū)域溫度存在突變，特征值2所對應(yīng)的特征向量2重構(gòu)出的圖像即為缺陷區(qū)域。從圖13(b)可看出，焊縫邊緣效應(yīng)的影響明顯減小，僅保留焊縫缺陷區(qū)域，但由于孔D4由于距離線圈較遠導致產(chǎn)生溫度差異較小。磁芯在檢測過程中起到聚磁作用，因此焊縫區(qū)域、背景區(qū)域在檢測過程中溫升最小，最后兩個主成分重構(gòu)圖像分別為焊縫區(qū)域、背景區(qū)域。在圖13(c)，(d)中缺陷特征不完整，且部分缺陷特征逐漸消失，可用于缺陷檢測的特征信息較少。綜上分析可知，通過PCA圖像處理方法可減小焊縫邊緣效應(yīng)與缺陷位置導致熱對比度低的影響，有效增強原始紅外圖像中缺陷特征，顯著提高鐵氧體感應(yīng)加熱系統(tǒng)對焊縫表面缺陷檢測效果。

圖13 主成分重建圖像

4 結(jié)論

本文基于漏磁技術(shù)與渦流熱成像技術(shù)相結(jié)合，通過分析磁芯和試件中的磁通量路徑在空間中的分布，并利用設(shè)計的ECPT激勵傳感器結(jié)構(gòu)對焊縫表面不同大小缺陷進行實驗驗證，得到主要結(jié)論如下：

①通過分析激勵傳感器結(jié)構(gòu)中的磁路分布，并結(jié)合感應(yīng)加熱原理，本文提出的磁芯激勵裝置能夠?qū)崿F(xiàn)對缺陷試件的檢測，并能提供給紅外攝像儀開闊的視野，同時能夠增強缺陷區(qū)域的熱對比度。

②通過對焊縫表面不同大小圓孔缺陷進行實驗驗證，從原始熱圖像中可識別鐵氧體檢測區(qū)域中焊縫缺陷，且在檢測區(qū)域中心位置缺陷熱對比度較大。此外對于直徑較大與距離激勵線圈較遠的缺陷特征相對較模糊。

③采用主成分分析（PCA）處理紅外圖像序列，可減小邊緣效應(yīng)與表面粗糙度的影響，并從主成分分析的第一、第二主成分重建圖像中增強了原始圖像中的缺陷特征。所設(shè)計的ECPT激勵結(jié)構(gòu)可實現(xiàn)對焊縫表面的大面積檢測，進一步提高ECPT技術(shù)的檢測效率。

[1] 沈功田.承壓設(shè)備無損檢測與評價技術(shù)發(fā)展現(xiàn)狀[J]. 機械工程學報, 2017, 53(12): 1-12.

SHEN Gongtian. Development status of nondestructive testing and evaluation technology for pressure equipment[J]., 2017, 53(12): 1-12.

[2] 王強, 胡秋平, 邱金星, 等. 航空復合材料內(nèi)部缺陷差動式激光紅外熱成像檢測[J]. 紅外與激光工程, 2019, 48(5): 127-133.

WANG Qiang, HU Qiuping, QIU Jinxing, et al. Differential laser infrared thermal imaging detection of internal defects in aviation composites[J]., 2019, 48(5): 127-133.

[3] Broberg P. Surface crack detection in welds using thermogra-phy[J]., 2013, 57: 69-73.

[4] 胡松濤, 石文澤, 盧超, 等. 鋼軌踏面裂紋電磁超聲表面波同步擠壓小波快速成像檢測研究[J]. 儀器儀表學報, 2020, 41(1): 35-46.

HU Songtao, SHI Wenze, LU Chao, et al. Study on electromagnetic ultrasonic surface wave synchronous extrusion wavelet rapid imaging detection of rail tread crack [J]., 2020, 41(1): 35-46.

[5] 寇光杰, 楊正偉, 賈庸, 等.復雜型面葉片裂紋的超聲紅外熱成像檢測[J]. 紅外與激光工程, 2019, 48(12): 101-109.

KOU Guangjie, YANG Zhengwei, JIA Yong, et al. Detection on cracks in blades with complex profile based on ultrasonic infrared thermal imaging[J]., 2019, 48(12): 101-109.

[6] 張軍, 朱晟楨, 畢貞法, 等. 基于金屬磁記憶效應(yīng)的高鐵輪對早期故障檢測[J]. 儀器儀表學報, 2018, 39(1): 162-170.

ZHANG Jun, ZHU Shengzhen, BI Zhenfa, et al. Early fault detection of high-speed rail wheelsets based on metal magnetic memory effect[J]., 2018, 39(1): 162-170.

[7] YANG Ruizhen, HE Yunze. Logarithmic analysis of eddy current thermo-graphy based on longitudinal heat conduction for subsurface defect evaluation[J]., 2014, 67: 467-472.

[8] 王曉娜, 胡楊, 侯德鑫, 等. 基于方向調(diào)制原理的渦流熱成像漆層下裂紋檢測技術(shù)[J]. 儀器儀表學報, 2019, 40(12): 56-63.

WANG Xiaona, HU Yang, HOU Dexin, et al. Eddy current thermal imaging under paint crack detection technology based on direction modulation principle[J]., 2019, 40(12): 56-63.

[9] HE Y, TIAN G Y, PAN M, et al. An investigation into eddy current pulsed thermography for detection of corrosion blister[J]., 2014, 78: 1-6.

[10] XU Changhang, ZHANG Wuyang, WU Changwei, et al. An improved method of eddy current pulsed thermography to detect subsurface defects in glass fiber reinforced polymer composites[J]., 2020, 242: 112145.

[11] YANG Z W, YAN H P, LI Y, et al. A novel inclined excitation method for crack detection of non-ferromagnetic materials using eddy current thermography[J]., 2019, 51(4): 558-568.

[12] 閆會朋, 楊正偉, 田干, 等. 基于渦流熱成像的鐵磁材料近面微裂紋檢測[J]. 紅外與激光工程, 2017, 46(3): 238-243.

YAN Huipeng, YANG Zhengwei, TIAN Gan, et al. Near surface microcrack detection of ferromagnetic materials based on eddy current thermal imaging[J]., 2017, 46(3): 238-243.

[13] Barakat N, Mortadha J, Khan A, et al. A one-dimensional approach towards edge crack detection and mapping using eddy current thermography[J].:, 2020, 309: 111999.

[14] Tsopelas N, Siakavellas N J. Experimental evaluation of electromagnetic-thermal non-destructive inspection by eddy current thermography in square aluminum plates[J]., 2011, 44(7): 609-620.

[15] TIAN Guiyun, GAO Yunlai, LI Kongjing, et al. Eddy current pulsed thermography with different excitation configurations for metallic material and defect characterization[J]., 2016, 16(6): 843.

[16] ZHAO Jian, GAO Bin, Woo W L, et al. Crack evaluation based on novel circle-ferrite induction thermography[J]., 2017, 17(17): 5637-5645.

[17] LIU Zewei, GAO Bin, TIAN Guiyun. Natural crack diagnosis system based on novel L-shaped electromagnetic sensing thermography[J]., 2019, 67(11): 9703-9714.

[18] Hansen K A, Weisberg E C. Asymmetric induction work coil for thermoplastic welding: US, US5444220 A[P]. 1994-12-05

[19] ZHU Z Q, PANG Y, Howe D, et al. Analysis of electromagnetic performance of flux-switching permanent-magnet machines by nonlinear adaptive lumped parameter magnetic circuit model[J]., 2005, 41(11): 4277-428.

[20] 萬李濤, 熊楠菲, 王棟, 等. 信賴域方法在紅外圖像序列處理中的應(yīng)用[J]. 紅外與激光工程, 2020, 49(7): 258-264.

WAN Litao, XIONG Nanfei, WANG Dong, et al. Application of trust region method in infrared image sequence processing[J]., 2020, 49(7): 258-264.

Multi-defect Detection of Welding Surface Based on Eddy Current Pulse Thermography

WANG Chuanzhao1，JIANGXiuhai2，CHAO Yongsheng1，WANG Yongbing2，WANG Yongyong1

(1.,,830017,;2.,830047,)

The existence of porosity defects on the weld surface reduces the effective cross-sectional area of the workpiece and the ability of the workpiece to resist external loads, which leads to workpiece fracture in serious cases. Therefore, a multi-defect detection method for weld surfaces based on eddy current pulse thermography technology is proposed. First, a new electromagnetic sensor structure is adopted to detect carbon steel defects with different diameters and depths through the principle of eddy current pulse thermography, and the temperature signals of the defect and non-defect areas in the image sequence are analyzed. To improve the sensitivity of the detection system, principal component analysis (PCA) is used to reconstruct the image sequence and enhance the defect features in the original image. Finally, the proposed method was verified experimentally. The experimental results show that this method can reduce the influence of the weld edge effect, realize large-area detection of weld surface defects, and provide an open field of vision for infrared thermal imaging.

weld porosity, eddy current thermography, defect detection, principal component analysis

TH811.2

A

1001-8891(2023)01-0084-07

2021-10-20；

2021-12-28.

王傳釗（1996-），男，新疆額敏人，碩士研究生，主要從事紅外圖像處理方面的研究。E-mail：1456911714@qq.com。

晁永生（1976-），男，新疆烏魯木齊人，副教授，博士，主要從事智能制造方面的工作。E-mail：cys21st@163.com。

新疆維吾爾自治區(qū)自然科學基金項目（2020D01A104）。