漏磁检测及其数据处理

宋妍++孙少欣

摘 要：为了保证被测铁磁材料安全运行、延长其使用寿命、以及防止泄漏和环境污染，需要对被测铁磁材料进行故障诊断。电磁检测方法目前被公认为是最有效的铁磁材料无损检测方法。研究数据预处理是漏磁检测的重点研究内容，为准确快速进行缺陷定位、特征提取及寿命预测奠定了坚实的基础，具有极大的研究价值。

关键词：电磁检测；数据处理；信息识别；异常点剔除

中图分类号：TG115.28 文献标识码：A 文章编号：1671-2064（2017）12-0066-02

1 电磁检测技术概述

电磁检测方法[1]主要广泛应用于诸如埋地管道、钢结构件、输油气管、钢棒、链条、钢丝绳等铁磁性材料表面及近表面的夹杂、焊缝、凹坑、腐蚀、气孔、裂纹等检测。漏磁检测方法具有很多优势，诸如灵敏度高、探头简单方便、不易发生漏检、易于实现自动化、无污染、无需对表面进行清洗等。我国的电磁检测技术发展相对滞后[2]，导致我国对于电磁探伤设备的市场需求与日俱增。因此，对于当前我国无损检测业界来说，赶超国外电磁探伤设备制造技术是重要且迫在眉睫的任务。

2 漏磁检测技术原理

漏磁检测器的检测装置结构由磁化装置、轭铁、铁刷、霍尔传感器及相关电路组成。当用磁化器磁化材质均匀连续的被测铁磁材料时，那么磁感应线将会被约束在被测铁磁性材料中，磁通与材料表面相平行，均匀分布，无大量电磁通溢出，可以说被检表面是不存在磁场的[3]。但当材料中有缺陷时，缺陷就会切割磁力线，磁导率会因为铁磁材料的组织状态变化或者缺陷而发生变化。因为缺陷的磁阻很大，磁导率很小，这将导致磁路中的磁通畸变，磁感应线路径发生变化，其中磁通一些会绕过缺陷而通过材料内部，一部分会直接通过缺陷，另一些会穿出材料表面，通过介质空气避开缺陷，然后重新进入材料，进而在材料表面的缺陷部位产生漏磁场。霍尔传感器采集并记录磁场的磁感强度数值，完成检测。缺陷大小相同，处于表面上与表面下的电磁场却不同：表面上缺陷产生的电磁场大；缺陷在表面下形成的电磁场显著变小。

整个检测过程为：首先磁化被检测的铁磁性材料，使其表面及其周围形成电磁场；然后利用霍尔传感器组成的漏磁内检测器进行数据检测采集；根据检测到的电磁场的变化，对信号进行预处理即基线校正，异常点剔除和滤波；最后呈现漏磁图像。

3 漏磁数据预处理

3.1 漏磁数据信息识别

在进行铁磁性材料进行检测时，所采集漏磁信号一般为比较平稳的低频信号，但同时在采集到的包含有有用信号的数据中包含着无法肉眼精确识别的不同程度、不同类型的噪声，其引起的幅度不大。因此在检测过程中，所得到的漏磁检测信号具有非常小的幅值，从而所检测到的数据曲线相对平坦，在基值附近会有小幅度的上下浮动。但在有缺陷的部位，漏磁信号的幅值会突然变大，产生很大的畸变。因此在数据预处理之前首先要对所采集获得的漏磁信号的有用信息进行识别。缺陷信号分为标准缺陷信号和非标准缺陷信号。标准缺陷信号分为单峰缺陷和双峰缺陷，一般双峰缺陷左峰值比右峰值高，如图1所示。其曲线的显示与长宽深实际值之间一般具有线性关系。非标准缺陷的形成可以看成多种标准缺陷的叠加，一般具有多峰，并且单单从其曲线的显示不能看出其长宽深的实际值。

3.2 基线校正

采用每个传感器在该段的中值输出信号作为基准，可以有效地滤除缺陷信号，更加突出无缺陷处信号，具体的校正方法如式（1）所示：

式中，

—第j个传感器在第i个里程点处检测到的电压值；

—第j个传感器在第i个里程点处检测到的校正前电压值；

—传感器的总个数；

—第j个传感器检测到的电压值的中值；

3.3 异常点剔除

有些是由于数据采集程序的设计原因，致使每个固定的时间就会产生一个或连续几个较大值的数据点，有些是因为数据在采集、放大、存储和传输等过程中因为外界环境温度、流量变化或设备震动等因素导致数据的某一个或一些数据是错误的，这种数据和一般数据行为或者特征不同，被称作异常点[4]，也叫孤立点。常见的异常点有两种，一种为奇异点，其特点为突然有一个值或连续几个值幅值突然增大很多，一种为缺失点，其特点为连续几个值幅值等于基值，见图2。

通过设计一个多尺度滑动窗，将滑动窗从数据首端到数据末端进行滑动，通过滑动窗中的数据差值利用三次样条差值方法拟合出下一点，再和实际的点进行比较，和规定的阈值进行比较，如果比规定的阈值大，则判定为是异常点，并用拟合点代替异常点，反之，则为正常点。图3为变尺度窗差值拟合算法对比效果图。

3.4 自适应滤波

高斯滤波可以使信号平坦光滑，使漏磁信号曲线更加柔和。小波分析滤波方法[5]可以在时、频两域同时进行滤波处理，对有用信号即缺陷和干扰信号即噪声有较强的辨别能力，因此可以在保证信号不失真的情况下进行去噪。所以通过选取合适的参数，利用高斯滤波算法[6]和小波分析滤波算法对漏磁信号进行处理，既能保证缺陷信号不失真，又能成功进行去噪，完成自适应滤波，如图4所示，其中下面的图是。可看出，滤波效果较好，信号畸变度低，信号可辨识程度高。缺陷信號峰值信噪比增高，信噪改善比增大，波形失真率低。

4 电磁信号图像的呈现

漏磁检测领域里三种常见的数据显示方式是A-扫， B-扫和C-扫。对应于三种视图：曲线视图、灰度视图和彩色视图，如图5、图6、图7所示。每种呈现方式对被检测材料区域的显示形式与缺陷检测方式均不同。现代技术可以用三种显示形式对同一漏磁数据进行同时呈现[7]。

5 结语

本文主要研究了漏磁检测原理，并针对漏磁数据特点，分析了缺陷信号的特点，设计出一套能够在漏磁内检测器平台上进行实时数据预处理的自适应算法，包括基线校正、异常点剔除与补偿、滤波等部分，并且实现了漏磁信号三种视图的自由切换[8]。

参考文献

[1]黄松岭.电磁无损检测新技术[M].北京：清华大学出版社，2014，14-17.

[2]沈功田.中国无损检测进展[J].NDT无损检测，2005，45（2）：67-89.

[3]Lord W，Bridges， J M， Yen， W. Residual and active leakage fields around defects inferromagnetic materials[J].Materials Evaluation.1978， 36（8）：47-54.

[4]王洪春，彭宏.一种基于主成分分析的异常点挖掘方法[J]，计算机科学，2007，10（2）：192-194.

[5]潘泉，张磊，孟晋丽，等.小波滤波方法及应用[M]，北京：清华大学出版社，2005，8-9.

[6]Bouman C，Sauer K. A generalized Gaussian image model of edge preserving map estimation[J]. IEEE Trans Image Processing，2001，2（3）：296-310.

[7]周峥.图像增强算法及应用研究[D].北京：北京工业大学，2012.

[8]Lischinski D，Weiss Y.Colorization using optimization[J].Proc.ACM SIGGR-APH，2004，14（9）： 689-693.