微分交流电场测量与深度学习用于裂检测和评估
Chenxu Fan1,2, Zhenhu Jin1,2, Jiamin Chen1,2,3
1State Key Laboratory of Transducer Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100190, China.
Micromachines
|March 27, 2025
概括
一个新的微分道磁阻 (TMR) 探头与深度学习相结合,提供了改进的裂检测. 这种具有成本效益的方法提高了信号质量,并准确地测量了用于结构完整性评估的裂尺寸.
科学领域:
- 材料科学 材料科学 材料科学
- 非破坏性测试 不破坏性测试
- 人工智能的人工智能
背景情况:
- 裂纹检测对于结构完整性至关重要.
- 传统方法面临着噪音和升空效应的挑战.
- 准确的裂尺寸评估通常是困难的.
研究的目的:
- 引入一种基于道磁阻 (TMR) 的新型差分ACFM探头,用于增强裂纹检测.
- 整合深度学习,以精确评估裂尺寸.
- 为了减轻TMR-ACFM传感器中升起效应和外部噪声.
主要方法:
- 微型差分TMR探头的制造,采用惠斯通桥架配置.
- 开发和培训一个卷积神经网络 (CNN) 与卷积块注意模块 (CBAM) 用于裂分析.
- 实验验证将差分探头与传统探头进行比较.
主要成果:
- 不同的TMR探测器表明质量因子的改善超过一个数量级.
- 与传统探测器相比,信号噪声比率提高了超过3dB.
- CNN+CBAM网络实现了高精度裂尺寸预测,相对误差较低 (例如,长度为0.201%,深度为0.709%,宽度为7.224%).
结论:
- 拟议的微分TMR-ACFM探测器与深度学习集成,为裂检测提供了具有成本效益和高性能的解决方案.
- 该系统显著提高了信号质量,并使裂尺寸的定量评估成为可能.
- 这种方法显示了先进的结构健康监测应用的巨大潜力.
更多相关视频
06:17Quantifying the Relative Thickness of Conductive Ferromagnetic Materials Using Detector Coil-Based Pulsed Eddy Current Sensors
Published on: January 16, 2020
5.6K
00:05Crack Monitoring in Resonance Fatigue Testing of Welded Specimens Using Digital Image Correlation
Published on: September 29, 2019
8.1K
