Quantifizierung der relativen Dicke leitfähiger ferromagnetischer Materialien mithilfe von Detektorspulen-basierten gepulsten Wirbelstromsensoren
Summary
Hier stellen wir ein Protokoll zur Quantifizierung der relativen Dicke (d. h. der prozentualen Dicke in Bezug auf eine Referenz) leitfähiger ferromagnetischer Materialien mit Detektorspulen-basierten Wirbelstromsensoren vor, während die Kalibrierung Anforderung.
Abstract
Die Dickenquantifizierung leitfähiger ferromagnetischer Materialien mittels zerstörungsfreier Bewertung (NDE) ist ein entscheidender Bestandteil der strukturellen Gesundheitsüberwachung der Infrastruktur, insbesondere zur Beurteilung des Zustands leitfähiger Großdurchmesser ferromagnetische Rohre in den Bereichen Energie, Wasser, Öl und Gas. Die PEC-Sensorik (Pulsed eddy current), insbesondere die auf Detektorspulen basierende PEC-Sensorarchitektur, hat sich im Laufe der Jahre als wirksames Mittel für diesen Zweck etabliert. In früheren Arbeiten wurden Ansätze zur Entwicklung von PEC-Sensoren sowie zur Verarbeitung von Signalen vorgestellt. In den letzten Jahren wurde die Verwendung der Zerfallsrate des Detektors spulenbasierte Zeitdomäne PEC Signal zum Zweck der Dickenquantifizierung untersucht. Solche Arbeiten haben gezeigt, dass die zerfallsratenbasierte Methode die Allgemeine der sensorbasierten Sensorarchitektur des Detektors hält, mit einem gewissen Grad an Immunität gegenüber Faktoren wie Sensorform und -größe, Anzahl der Spulendrehungen und Anregungsstrom. Darüber hinaus hat diese Methode ihre Wirksamkeit in NDE von großen Rohren aus Grauguss gezeigt. Im Anschluss an diese Literatur liegt der Schwerpunkt dieser Arbeit explizit auf der Quantifizierung der PEC-Sensordetektor-Spulenspannung, die auf leitfähiger ferromagnetischer Materialdicke basiert. Die Herausforderung bei dieser Methode besteht jedoch in der Schwierigkeit der Kalibrierung, insbesondere wenn es um Anwendungen wie die In-situ-Rohrzustandsbewertung seit der Messung der elektrischen und magnetischen Eigenschaften bestimmter Rohrmaterialien oder der Erlangung einer Kalibrierung geht. Proben ist in der Praxis schwierig. Motiviert durch diese Herausforderung, im Gegensatz zur Schätzung der tatsächlichen Dicke, wie sie bei einigen früheren Arbeiten durchgeführt wurde, stellt diese Arbeit ein Protokoll für die Verwendung der auf Zerfallsrate basierenden Methode zur Quantifizierung der relativen Dicke dar (d. h. die Dicke eines bestimmten Ortes in Bezug auf maximale Dicke), ohne die Notwendigkeit für die Kalibrierung.
Introduction
Die Gepulste Wirbelstrom-Sensortechnik (PEC) ist vielleicht das vielseitigste Mitglied der Familie der wirbelkraftigen (EC) Zerstörungstechniken (EC) und hat viele Anwendungen bei der Erkennung und Quantifizierung von Defekten sowie der Geometrie von Metallen und metallischen Strukturen1. Die Dickenquantifizierung leitfähiger ferromagnetischer wandähnlicher Strukturen mit Wandstärken von nicht mehr als wenigen Millimetern bis zu wenigen Dutzend Millimetern ist ein gefragter Ingenieursservice im Bereich der strukturellen Gesundheitsüberwachung der Infrastruktur. Kritische Infrastrukturen aus ferromagnetischen Legierungen, die diesen Service erfordern, sind in der Energie-, Wasser-, Öl- und Gasindustrie allgemein verfügbar. Während PEC-Sensoren nach mehreren Architekturen entworfen werden können, wurde die detektorspulenbasierte Architektur als die effektivste und am häufigsten verwendete bei der Zustandsbeurteilung ferromagnetischer Materialien2,3,4,5bestimmt. Daher ist es die Detektorspulen-basierte PEC-Sensorarchitektur, die den Grundstein für das Problem der Dickenquantifizierung leitfähiger ferromagnetischer Materialien legt.
Die detektorspulenbasierte PEC-Sensorarchitektur besteht in der Regel aus zwei konzentrisch gewickelten, luftentkernten, leitfähigen Spulen2,3,4,5,6 (typischerweise Kupferspulen). Es ist durchaus üblich, diese Spulen zu winden, um in Form2,3,4,5,6, aber gelegentlich, rechteckige geformte Spulen6 verwendet wurden. Von den beiden Spulen im Sensor verhält sich eine wie eine Erregerspule, während die andere als Detektorspule fungiert. Bei einem PEC-Sensor wird die Exziterspule durch einen Spannungsimpuls angeregt – was grundsätzlich als Heaviside Step-Funktion charakterisiert werden kann. Diese gepulste Anregung erzeugt ein transientes Magnetfeld (das so genannte Primärfeld) um den Sensor. Wenn der Sensor neben einem leitfähigen Prüfstück platziert wird (z. B. eine leitfähige ferromagnetische wandähnliche Struktur), induziert dieses transiente Magnetfeld zeitunterschiedliche Wirbelströme im Prüfstück. Diese Wirbelströme erzeugen ein sekundäres Magnetfeld (das so genannte Sekundärfeld), das sich dem Primärfeld widersetzt. Als Reaktion auf die resultierende Wirkung des Primär- und Sekundärfeldes wird eine transiente Spannung in der Detektorspule induziert – was zum Zeitbereich PEC-Interessensignal für diese Arbeit wird.
Der PEC-Sensordetektor Spulenspannungs-Zerfallsrate (bezeichnet als )wurde6, 7,8 berichtet, um die Proportionalität zu zeigen, 
wenn ein Signal erfasst wird, das einen PEC-Sensor über einer leitfähigen ferromagnetischen Schicht magnetischer Permeabilität , elektrischer Leitfähigkeit undDicke dplatziert. Obwohl diese Zerfallsrate Signalfunktion erhebliche Immunität gegenüber Parametern wie Sensorgröße, Sensorform und Abheben 6,7,8, hat, was die Zerfallsrate für anspruchsvolle NDE-Szenarien wie die In-situ-Rohrzustandsbewertung9,10,11ermöglicht, macht, muss diese Funktion kalibriert werden (d. h. , , des zu prüfenden Materials), um eine Dicke zu ermöglichen (d. h. , d) Quantifizierung. Um konventionelle Methoden der zerfallsratenen Dickenquantifizierung6,8zu ermöglichen, muss diese Kalibrierung durch Extraktion der Kalibrierproben6,8 oder durch Einbeziehung von Wirbelstrom-basierten Materialeigenschaftencharakterisierungsmethoden12,13erfolgen. Alternativ kann die Komplexität der Kalibrierung vermieden werden, indem die Dicke in Form einer relativen Dicke dargestellt wird. Angenommen, es wird eine NDE-Übung durchgeführt und die Werte werden aus Signalen extrahiert, dann wird der qualitative Wert des maximalen Dickenpunkts im Prüfstück als Referenz betrachtet (d. h. die Werte von .ref. max2); dann kann die Dicke eines anderen Ortes als Prozentsatz der 
maximalen Dicke in der Form dargestellt werden, die eine relative Dicke als Ausgabe darstellt, was immer noch nützliche qualitative Informationen als NDE-Ausgabe ist, die auch die Einfachheit trägt, nicht fürdie Kalibrierung für . Das hier vorgestellte Protokoll beschreibt die Schritte, die zu diesem Zweck zu befolgen sind.
Da die Zerfallsrate der Detektorspulen-basierten PEC-Sensorarchitektur die Allgemeingültigkeit zeigt und gleichzeitig Immunität gegenüber Parametern des Sensordesigns sowie abhebt6,7,8,14zeigt, können Praktiker jedes Detektorspulen-basiertes PEC-Sensorsystem ihrer Wahl auf einem geeigneten leitfähigen ferromagnetischen Material verwenden, um eine relative Dickenquantifizierung nach dem Protokoll hier durchzuführen. Für interessierte Leser steht ein PEC-Sensor-Designbeispiel für ein leitfähiges ferromagnetisches Material zur Verfügung15. Die in dieser Arbeit vorgestellten Signale und Ergebnisse wurden mit dem PEC-System der University of Technology Sydney6,8erworben. Das leitfähige ferromagnetische Material, das für repräsentative Ergebnisse des PEC-Systems verwendet wird, ist Grauguss, das aus einem Rohrprüfstand9,10,11 in Sydney Australien extrahiert wird.
Es sei darauf hingewiesen, dass sich die in dieser Publikation vorgestellten Methoden, Ergebnisse und Diskussionen explizit auf die Verwendung der Zeitdomänensignalrate des Detektors, der spulenbasierten PEC-Sensorarchitektur für die Dickenquantifizierung leitfähiger ferromagnetischer Materialien konzentrieren. Die Veröffentlichung enthält keine breitere Diskussion über allgemeine Konventionen der PEC-Sensorprinzipien und Sensorkonfigurationen. Andere veröffentlichte Arbeiten16,17,18 können für Leser nützlich sein, um mehr Einblick in andere PEC-Sensorkonfigurationen als die auf Detektorspule basierende Sensorarchitektur zu erhalten.
Protocol
Representative Results
Discussion
Es wurde ein Protokoll zur Quantifizierung der relativen Dicke (d. h. der prozentualen Dicke in Bezug auf eine Referenz) leitfähiger ferromagnetischer Materialien mit Detektorspulen-basierten PEC-Sensoren vorgestellt. Der Hauptvorteil dieser Methode ist die Fähigkeit, die Kalibrierungsanforderung zu überwinden (d. h. die Notwendigkeit zu überwinden, die magnetische Durchlässigkeit und elektrische Leitfähigkeit des zu prüfenden Materials zu messen oder zu schätzen, um eine Dickenquantifizierung zu ermöglichen). D…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Die Autoren würdigen die Beiträge von Michael Behrens und Damith Abeywardana bei der Konzeption und Implementierung mehrerer Sensor-Hardwarekomponenten. Forschungsaufsichtsrollen von Alen Alempijevic, Teresa Vidal-Calleja, Gamini Dissanayake und Sarath Kodagoda sowie Beiträge aller Personen und Organisationen, die das Critical Pipes Project finanziert und mit ihnen kooperiert haben, werden ebenfalls anerkannt. .
Materials
| A Detector Coil-based PEC Sensing System. | N/A | The representative results in this work were generated using the PEC system developed by University of Technology Sydney (UTS), Australia and published in works 6,8. This system may be accessible to readers via collaborating with UTS. | |
| A suitable conductive ferromagnetic material of varying thickness. | N/A | The representative results in this work were generated by acquiring PEC measurements on grey cast iron test pieces extracted from a pipe test-bed located in Sydney Australia, whose location and vintage details are available in references 9-11. The pipe test-bed as well as the extracted calibration samples may be accessible to readers via collaborating with UTS. | |
| A computation platform for PEC signal processing | MathWorks, Natick, MA, USA. | A computation platform in which the PEC signal processing algorithm can be coded and executed is required. In this publication, PEC signal processing was done using a software executable named "PEC_Signal_Processor", produced using MATLAB R2017b, Publisher: MathWorks, Natick, MA, USA. | |
| An application that can produce a table containing raw PEC signals (e.g., Microsoft Office Excel). | Microsoft Corporation, One Microsoft Way, Redmond, Washington, USA. | Microsoft Office Excel (Office 16) was used for the work of this publication. |
References
- García-Martín, J., Gómez-Gil, J., Vázquez-Sánchez, E. Non-destructive techniques based on eddy current testing. Sensors. 11 (3), 2525-2565 (2011).
- Huang, C., Wu, X., Xu, Z., Kang, Y. Ferromagnetic material pulsed eddy current testing signal modeling by equivalent multiple-coil-coupling approach. Non-Destructive Testing and Evaluation International. 44 (2), 163-168 (2011).
- Xu, Z., Wu, X., Li, J., Kang, Y. Assessment of wall thinning in insulated ferromagnetic pipes using the time-to-peak of differential pulsed eddy-current testing signals. Non-Destructive Testing and Evaluation International. 51, 24-29 (2012).
- Huang, C., Wu, X. An improved ferromagnetic material pulsed eddy current testing signal processing method based on numerical cumulative integration. Non-Destructive Testing and Evaluation International. 69, 35-39 (2015).
- Chen, X., Lei, Y. Electrical conductivity measurement of ferromagnetic metallic materials using pulsed eddy current method. Non-Destructive Testing and Evaluation International. 75, 33-38 (2015).
- Ulapane, N., Alempijevic, A., Valls Miro, J., Vidal-Calleja, T. Non-destructive evaluation of ferromagnetic material thickness using Pulsed Eddy Current sensor detector coil voltage decay rate. Non-Destructive Testing and Evaluation International. 100, 108-114 (2018).
- Ulapane, N., Nguyen, L., Valls Miro, J., Dissanayake, G. A Solution to the Inverse Pulsed Eddy Current Problem Enabling 3D Profiling. IEEE Conference on Industrial Electronics and Applications. , (2018).
- Ulapane, N., Alempijevic, A., Vidal Calleja, T., Valls Miro, J. Pulsed Eddy Current Sensing for Critical Pipe Condition Assessment. Sensors. 17 (10), 2208 (2017).
- Valls Miro, J., et al. A live test-bed for the advancement of condition assessment and failure prediction research on critical pipes. Proceedings of the Leading-Edge Strategic Asset Management Conference (LESAM13). , (2013).
- Valls Miro, J., Ulapane, N., Shi, L., Hunt, D., Behrens, M. Robotic pipeline wall thickness evaluation for dense nondestructive testing inspection. Journal of Field Robotics. 35 (8), 1293-1310 (2018).
- Valls Miro, J., Hunt, D., Ulapane, N., Behrens, M. Towards Automatic Robotic NDT Dense Mapping for Pipeline Integrity Inspection. Field and Service Robotics. , 319-333 (2018).
- Chen, X., Lei, Y. Electrical conductivity measurement of ferromagnetic metallic materials using pulsed eddy current method. Non-Destructive Testing and Evaluation International. 75, 33-38 (2015).
- Desjardins, D., Krause, T. W., Clapham, L. Transient eddy current method for the characterization of magnetic permeability and conductivity. Non-Destructive Testing and Evaluation International. 80, 65-70 (2016).
- Chen, X., Lei, Y. Excitation current waveform for eddy current testing on the thickness of ferromagnetic plates. Non-Destructive Testing and Evaluation International. 66, 28-33 (2014).
- Ulapane, N., Nguyen, L., Valls Miro, J., Alempijevic, A., Dissanayake, G. Designing a pulsed eddy current sensing set-up for cast iron thickness assessment. 12th IEEE Conference on Industrial Electronics and Applications (ICIEA). , 901-906 (2017).
- Sophian, A., Tian, G., Fan, M. Pulsed eddy current non-destructive testing and evaluation: A review. Chinese Journal of Mechanical Engineering. 30 (3), 500 (2017).
- Sophian, A., Tian, G. Y., Taylor, D., Rudlin, J. Design of a pulsed eddy current sensor for detection of defects in aircraft lap-joints. Sensors and Actuators A: Physical. 101 (1-2), 92-98 (2002).
- Li, P., et al. System identification-based frequency domain feature extraction for defect detection and characterization. Non-Destructive Testing and Evaluation International. 98, 70-79 (2018).
- Ulapane, N., Nguyen, L. Review of Pulsed-Eddy-Current Signal Feature-Extraction Methods for Conductive Ferromagnetic Material-Thickness Quantification. Electronics. 8 (5), 470 (2019).
- Nguyen, L., Valls Miro, J., Shi, L., Vidal-Calleja, T. Gaussian Mixture Marginal Distributions for Modelling Remaining Pipe Wall Thickness of Critical Water Mains in Non-Destructive Evaluation. arXiv. , 01184 (2019).
- Ulapane, N., et al. Gaussian process for interpreting pulsed eddy current signals for ferromagnetic pipe profiling. 2014 9th IEEE Conference on Industrial Electronics and Applications. , 1762-1767 (2014).
- Ulapane, A. M. N. N. B. . Nondestructive evaluation of ferromagnetic critical water pipes using pulsed eddy current testing (Doctoral dissertation). , (2016).
- Thiyagarajan, K., Kodagoda, S., Alvarez, J. K. An instrumentation system for smart monitoring of surface temperature. 2016 14thInternational Conference on Control, Automation, Robotics and Vision (ICARCV). , 1-6 (2016).
- Thiyagarajan, K., Kodagoda, S., Van Nguyen, L. Predictive analytics for detecting sensor failure using autoregressive integrated moving average model. 2017 12th IEEE Conference on Industrial Electronics and Applications (ICIEA). , 1926-1931 (2017).
- Thiyagarajan, K. . Robust sensor technologies combined with smart predictive analytics for hostile sewer infrastructures (Doctoral dissertation). , (2018).
- Thiyagarajan, K., Kodagoda, S., Van Nguyen, L., Ranasinghe, R. Sensor failure detection and faulty data accommodation approach for instrumented wastewater infrastructures. IEEE Access. 6 (56), 562-574 (2018).
- Thiyagarajan, K., Kodagoda, S., Ranasinghe, R., Vitanage, D., Iori, G. Robust sensing suite for measuring temporal dynamics of surface temperature in sewers. Scientific Reports. 8, 16020 (2018).
- Thiyagarajan, K., Kodagoda, S., Van Nguyen, L., Wickramanayake, S. Gaussian Markov random fields for localizing reinforcing bars in concrete infrastructure. 35th International Symposium on Automation and Robotics in Construction. , 1052-1058 (2018).
- Thiyagarajan, K., Kodagoda, S., Ulapane, N. Data-driven machine learning approach for predicting volumetric moisture content of concrete using resistance sensor measurements. 2016 IEEE 11th Conference on Industrial Electronics and Applications. , 1288-1293 (2016).
- Giovanangelia, N., et al. Design and Development of Drill-Resistance Sensor Technology for Accurately Measuring Microbiologically Corroded Concrete Depths. 36th International Symposium on Automation and Robotics in Construction. , (2019).
- Wickramanayake, S., Thiyagarajan, K., Kodagoda, S., Piyathilaka, L. Frequency Sweep Based Sensing Technology for Non-destructive Electrical Resistivity Measurement of Concrete. 36th International Symposium on Automation and Robotics in Construction. (771), (2019).
- Ulapane, N., Wickramanayake, S., Kodagoda, S. Pulsed Eddy Current Sensing for Condition Assessment of Reinforced Concrete. 14th IEEE Conference on Industrial Electronics and Applications. , (2020).
