机器学习在磁记忆无损检测领域的应用及展望

磁记忆检测作为一种新兴的无损检测技术,具有快速、便捷地检测应力集中和微观缺陷的优点,而机器学习具有强大的学习能力和自适应能力,适用于磁记忆检测产生的大量非线性数据的处理。主要综述了机器学习算法在磁记忆无损检测领域的应用现状,考虑将机器学习应用于桥梁内部钢筋损伤的磁记忆检测当中,最终展望了机器学习在此领域的发展趋势。结果表明：以支持向量机、神经网络、聚类算法为代表的各种机器学习算法目前在磁记忆检测中得到了广泛应用,主要用于各类钢试件缺陷的损伤等级评估和缺陷尺寸反演,在桥梁钢筋损伤的磁记忆检测中尚无相关应用;单一算法具有较大的局限性,多种算法结合可以提高预测准确率;要实现磁记忆在桥梁结构内部钢筋损伤检测中的突破发展,需进一步考虑复杂结构和检测环境,结合机器学习算法建立各类影响因素与磁信号之间的关系模型,机器学习中的回归算法也可进一步应用到缺陷程度的评估当中。     

基于金属磁记忆的铁磁构件裂纹定位方法研究

金属磁记忆检测的量化问题一直是一个未解决的难题,文中采用基于模拟进化原理的奇异值分解方法和进化的思想,根据磁偶极子的影响量,通过多次淘汰影响量小的偶极子,最后确定了裂纹的位置,为金属磁记忆检测的量化提供了新的方法.     

磁弹性方法无损测试钢轨残余应力分布的实验研究

磁弹性法测量残余应力是一种新型的无损检测方法，利用磁弹性方法测定了U71Mn60kg／m钢轨的磁声特性，并以此为基础对钢轨矫直残余应力进行了现场实测，得到了钢轨的残余应力分布情况，为钢轨残余应力测试提供了一种可行的检测技术．     

红外热成像无损探伤技术的应用研究

本文介绍了红外热成像无损探伤技术的基本原理和检测方法。采用该技术对机车辆的一些部件进行了探伤，并给出了检测结果的红外热图像，表明该技术在铁路部门具有广阔的应用前景。     

埋地金属管道非接触式磁记忆检测系统研究

对磁记忆检测技术原理及技术难点进行了介绍,通过阵列探头设计和信号处理手段解决了磁信号微弱的问题.采用阵列探头能够排除外界磁信号干扰,同时确保信号之间的一致性.经验证,这种设计能够获得埋地管道的地表磁场分布图,确定异常磁信号来源.所研制检测仪器能够有效进行埋地管道弱磁信号检测.     

现代检测技术在城市快速路交通流特性研究中的应用

结合应用实践，介绍了现代交通流检测技术——视频检测技术、磁映像技术、橡胶气压管传感器技术和远程微波传感器技术的工作原理及在城市快速路交通流检测巾的应用，对每种检测设备的适应条件、安装要求以及数据分析进行了详细论述。实践证明，以上四种检测技术能为城市快速路交通流特性研究提供所有交通流参数，为城市快速路交通流特性研究提供有力的数据支持。     

磁弹性法在测量高速客车车轴表面残余应力中的应用

磁弹性法是一种快速、简便的表面残余应力无损检测技术。它利用Ｂａｒｋｈａｕｓｅｎ Ｎｏｉｓｅ（巴氏噪声）的强度与材料的内应力呈现单调关系，从而由巴氏噪声的强度来测量表面残余应力。本文介绍了磁弹性法测定构件表面残余应力的基本原理、测试方法及其在高速客车空心车轴表面滚压强化后，在车轴表面残余应力测量中的应用。     

脉冲涡流参数对金属测厚影响的仿真分析

脉冲涡流（PEC）检测技术是近年发展起来的新型无损检测技术,可以进行金属板材或金属设备的厚度测量,具有频谱宽、信号穿透能力强及精确度高等优点．文中建立了脉冲涡流测厚系统的有限元分析模型,仿真分析脉冲涡流探头参数对金属测厚的影响,包括激励和检测线圈的高度、厚度、内径、匝数等,从而为脉冲涡流检测设备的国产化研究和提高精度提供理论依据．     

钢丝绳漏磁通应力效应的研究

钢比绳张力对钢丝绳电磁检测精度的影响是有待深入研究的问题，文中通过对研究了钢丝绳轴向漏磁场在不同受力状态的表现特征，研究结果揭示了钢丝绳轴向漏磁密度，断丝的峰峰值随张力大小而变化的规律。     

基于小波变换的斜拉桥索双轴漏磁检测方法

针对在役斜拉桥索只能进行无损检测的特点,提出了基于漏磁检测的缆索缺陷探伤方法以及检测电路.由于检测现场空间磁场噪声较强,导致漏磁信号特征不明显,为此,应用二进小波变换的方法,对周向漏磁信号采用基于高斯白噪声的快速离散软阈值算法进行信噪分离,以确定缆索缺陷程度;对轴向漏磁检测信号进行奇异性检测处理,以获取缺陷的精确位置信息.实验结果表明,该方法可实时获取缆绳索缺陷程度和位置信息.     

斜拉桥索无损检测信号的滤波处理方法

针对在役斜拉桥索只能进行无损检测的特点,设计了基于漏磁检测的缆索缺陷检测系统。实测结果表明,缺陷产生的漏磁信号往往附有大量的噪声信号,导致信号特征不显著。为此,应用信号平滑、小波包差分超限滤波和BP神经网络模式识别等信号分析方法,对采集信息进行滤波处理,以获取比较显著的特征量化信号。仿真结果表明,经过滤波处理后的漏磁信号特征明显,为桥梁斜拉索的断丝缺陷检测和分析提供了可靠依据。     

TFLSRM换相位置检测方法的仿真研究

针对横向磁场直线开关磁阻电机(TFLSRM)的特殊结构,利用各相绕组磁链在凸极结构磁极中随位置不同而产生的差异,提出了一种TFLSRM换相位置间接检测方法.该方法无需在TFLSRM次级加任何装置,而只需在初级附加一套具有独立磁路的三相检测磁极.由于直线电机的气隙较大,在恒定小值的激磁绕组电流下,各检测绕组的电感只是位置的函数,其磁链与电感成正比.因此,在上述激磁电流情况下,通过求取各磁链的递增变化区与递减变化区,即可方便地获得各相换相位置参考点.为了克服电机启动前各检测绕组磁链恒定不变而无法确定上升区与下降区的不足,提出了初始位置检测方案.仿真研究结果表明,所提方法可方便地实现对TFLSRM换相位置的检测.     

腐蚀-疲劳荷载耦合作用下桥梁拉索高强钢丝自漏磁信号变化规律

为增强桥梁拉索高强钢丝漏磁检测的实用性,开展了腐蚀、应力单一因素作用试验与预腐蚀-疲劳-腐蚀、预疲劳-腐蚀-疲劳三阶段交互作用试验,阐述了腐蚀-疲劳耦合作用对自漏磁信号的影响机制。研究结果表明：腐蚀区域的自漏磁信号极值随腐蚀时间的增加而增加,且变化特征越发明显,腐蚀缺陷引起的异常自漏磁信号最大变化可达50 000 nT;随着疲劳加载循环次数的增加,无锈蚀高强钢丝自漏磁信号整体呈现先增加后稳定的趋势,当疲劳加载循环次数大于10 000时,磁场强度的增加速率降低且趋于平缓;预腐蚀后施加的交变应力场会削弱腐蚀缺陷引起的自漏磁信号,再次腐蚀后的磁场信号变化与预腐蚀程度有关,预腐蚀9 h后施加疲劳荷载,之后再腐蚀3 h,与单一腐蚀12 h相比,自漏磁信号强度削弱了32%;施加预疲劳交变应力场可强化磁场,导致腐蚀后自漏磁信号极值增加,当预疲劳加载循环次数从1 000增加至100 000时,自漏磁信号强度增大了30%。由此可见,早期腐蚀引起的高强钢丝异常自漏磁信号可被疲劳作用掩盖,考虑单一腐蚀与应力变化难以反映高强钢丝自漏磁检测效果,需综合考虑腐蚀-疲劳的耦合效应,以获得桥梁拉索高强钢丝自漏磁信号变...     

铁路车辆钩舌故障分析

通过对某铁路车辆故障钩舌进行断口分析、钩舌钢中非金属夹杂物检测、补焊处金相组织检测、断面金相组织检测、钩舌基体组织检测以及钩舌基体硬度检测,结果表明:钩舌原始组织中非金属夹杂物晶粒粗大,热处理不良,补焊后存在微裂纹,抗裂纹能力较差是导致钩舌发生断裂的原因。     

基于小波变换的钢丝绳缺陷信号检测与分析

应用漏磁通检测法,采用磁敏检测元件-霍尔感元件可以获得该磁场的变化情况,缺陷信号是一随机出现的局部异常信号,即奇异信号。通常它叠加于背景噪声信号之上,是一空间域变信号,小波分析能满足“信号频率越高,相应的窗口越小”的这一时频局部化分析要求,如果选择小波为光滑函数的一阶导数,则由小波变换的幅值（模值）极大点就可以检测到缺陷信号的突变点（奇点）,即缺陷,由模极大值的位置也就确定了钢丝绳缺陷所在的位置。     

一汽马自达M6轿车自动空调系统电气元件的检测

介绍了一汽马自达M6轿车自动空调系统主要部件的位置和电气元件的检测方法。     

关于高速公路试验检测工作的探索

科技文化的不断成熟与发展，推动了高速公路试验检测技术的发展。随着当前国家对高速公路试验检测工作重视的迅速提升，公路试验检测也正处于不断完善的过程中。但在当前的高速公路检测实践中．依然存在一些亟待改善的问题，需引起广泛重视。本文首先介绍了当前高速公路试验检测工作的现状．然后提出了合理化的完善建议。     

路面无损检测技术的现状与发展

路面检测数据是路面使用性能评价和路面养护管理决策的基础。本文对国内外路面快速检测技术及检测数据处理技术的现状及发展动态进行了介绍与评述，指出了存在的问题，并探讨了公路路面自动检测技术未来可能的发展方向。     

现役矮塔斜拉桥检测与评定

对某矮塔斜拉桥进行检测与评定,分析了其主要部件病害及产生的原因,同时对矮塔斜拉桥的维修、养护、管理提出了建议。该项目的检测过程、检测结果可为矮塔斜拉桥的检测与评定提供参考。     

斜拉索病害检测机器人研究进展

机器人检测具有全面、准确、及时、可靠的特点,是最合适的桥梁斜拉索病害检测手段。通过论述机器人在桥梁斜拉索病害检测中的应用现状,对机器人的机械爬升系统、病害检测系统进行了分析,并展望了发展趋势。分析结果表明：轮式爬升方式存在夹持力过大的问题,且无法穿越斜拉索上的特殊障碍物;视觉检测系统可对光滑表面的斜拉索表观病害进行快速准确地自识别检测,但缺乏对非光滑表面斜拉索的自识别检测研究,且表观病害自识别模型还需改进;基于漏磁法的钢丝损伤检测系统则可实现对斜拉索内部钢丝损伤的定量化表征,但还缺乏统一、普适的漏磁检测评定指标,且缺乏能自动识别斜拉索钢丝损伤病害的模型。