改进了EMAT传感器设计,用于在钢丝绳中增强超声波信号检测

科学领域:

• 材料科学与工程 材料科学与工程
• 非破坏性测试是指非破坏性测试.
• 信号处理 信号处理

背景情况:

• 钢缆是关键基础设施,需要可靠的检查方法.
• 检测电缆损坏的传统方法可能具有侵入性或范围有限.
• 无接触式超声波引导波测试为结构健康监测提供了一个有希望的替代方案.

研究的目的:

• 优化电磁声传感器 (EMAT) 传感器在钢电缆中产生和接收超声波引导波.
• 开发和验证使用EMAT检测电缆损坏 (电线断裂,磨损) 的系统.
• 使用机器学习算法来提高损坏检测的准确性,特别是在信号噪声的存在下.

主要方法:

• 使用CAD和现代制造技术设计和制造优化的EMAT传感器.
• 建立一个具有先进测量和数据处理能力的实验室测试装置.
• 机器学习算法的应用,包括视觉转换器掩盖自编码架构 (ViTMAE) 与生成预训练,用于损坏检测.
• 在各种条件下评估传感器性能,包括模拟绳子污染和移动.

主要成果:

• 通过无接触EMAT成功生成和接收钢缆中的超声波引导波信号.
• 该系统已证明能够检测模拟的电缆损坏,例如电线断裂和磨损.
• 通过机器学习实现了损坏检测精度的显著提高,超过了以前的磁强度测量方法.
• ViTMAE模型显示出可靠的损坏检测能力,尽管绳子运动引起的信号波动很大.

结论:

• 优化的EMAT传感器和先进的信号处理为无接触钢缆检查提供了强大的解决方案.
• 机器学习,特别是ViTMAE,在具有挑战性的环境中显著提高了损坏检测的准确性和可靠性.
• 这项研究为基于EMAT的电缆结构健康监测的未来发展制定了新的标准.