基于AMR磁阻傳感器的金屬材料表面微細裂紋定量化研究

倪潤哲，王德山，黃旭

（蘇州大學機電工程學院，江蘇 蘇州 215000）

漏磁測驗技術是按照金屬組件缺陷位置的漏磁反應來實行缺陷測驗，現今是無損測驗技術中少見的能夠實行缺陷定量化的評估技術之一。實際項目運用中，漏磁測驗技術操作方式非常多。近幾年，由于電子信息技術的進步，陣列式傳感器因為測驗速度快、信號充足和方便成像展示等優勢而得到廣泛重視。與單傳感器測驗相比，陣列式傳感器符合大面積組件迅速掃描的測驗工作要求，而且不容易出現漏檢。研究組選用AMR磁阻傳感器組成磁場測量標準探頭組件，把16個標準組件設置為4×4的陣列式構造，能夠運用探頭之間的靈便組合，開展不同位置裂紋的測驗分析。本文據此為參考平臺，進行了金屬材料表面微細裂紋的定量化試驗。

1 模塊組合式漏磁傳感器構造設計

漏磁檢測一般是指，鐵磁材料被磁化后，其表層和近表層缺陷在材質表層產生漏磁場，進行檢測漏磁場來找尋缺陷的非破壞性測驗手段。分析整體的測驗流程可以發現，漏磁測驗能夠分為四個部分：測驗件被磁化、缺陷形成漏磁場、傳感器接收信號、信號處理分析研究。

AMR磁阻傳感器hmc1021與hmc1022選用惠斯通電橋的理論測驗周圍磁場的變動。因為其擁有敏感度高、體積小、穩定性高、溫度變化小、運作頻率寬、耐用性強等優勢，近幾年在測驗工作中獲得了廣泛運用。為了完成磁場信號三維分量的一起測試，選用1個hmc1021和1個hmc1022構成1個標準測驗單元組件，其中，hmc1021為單軸傳感器，設置Z方位磁場分量，hmc1022為雙軸傳感器，設置X、Y方位磁場分量。把16個單元組件經過組裝槽安裝成一個4×4陣列構造，裝設在數控掃描臺上。運作時，能夠按照實際測驗要求，運用傳感器的不同排列，完成不同位置裂紋的測驗研究。現分析垂直于組件軸線方位的裂紋定量化試驗，而且運用和缺陷特點對應性很好的切向漏磁信號開展試驗。

2 測驗樣本的收集

現今的裂紋定量化分析，較為有效的方式是選用信息科技算法實行區別。其中測驗樣本的收集方法是一個核心問題，本文擬選用兩種方式收集樣本：第一種是運用磁偶極子原理經過運算獲得一系列樣本，用作信息科技算法的初期練習，并證實算法的效果；第二種是運用電火花手工刻蝕方式處理裂紋缺陷，并運用模擬方法添加樣本量，用作實際裂紋的定量分別。缺陷的形狀是多樣的，而漏磁測驗獲得的信號比較單一，在現實的測驗中，缺陷的形態特征和測驗的信號特點不具有緊密的關聯性，二次漏磁場測驗僅能提供缺陷的初期量化。

2.1 根據磁偶極子原理的測驗樣本收集

磁偶極子原理最初是由蘇聯科學家提出的磁學概念，可以比較好的分析漏磁測驗中的部分現象而被廣為應用。把裂紋類缺陷同化為無限長的矩形槽，槽寬為3b，深為h，P為區域中的隨意一點，假設磁化令矩形槽兩側平均裝設著極性相反、面密度相同的兩條磁荷條，并裝設在矩形槽的剩余部位都沒有磁荷分布。在區域隨意點P（x,y）處，漏磁場的的平面分量Hx表示為：

（1）缺陷寬度對漏磁信號的作用。經過磁偶極子原理研究得出，缺陷的寬度是尤為關鍵的參數，它很大地影響了漏磁信號里的幾個特征量。針對缺陷寬度的作用，深度保持在0.35mm不變，對寬度劃分為0.1mm、0.2mm、0.3mm、0.4mm、0.5mm的 5個 裂紋開展運算。伴隨著缺陷寬度的逐漸變寬，漏磁信號切向分量的高峰值均稍有提高，而且隨著寬度變寬，它的波動是非線性的。

（2）缺陷深度對漏磁信號的作用。經過磁偶極子原理研究得出，缺陷的深度是一種較為簡單的參數，其對漏磁場里的多數特征量均產生作用。針對缺陷深度的作用，寬度保持在0.35mm不變，運算缺陷深度劃分為0.1mm，0.2mm，0.3mm，0.4mm，0.5mm時的漏磁信號分布狀況。與缺陷深度的作用相似，伴隨著深度的加深，漏磁信號切向分量的高峰值一樣會提高，而且波動明顯，隨著深度加深。其波動關系是非線性的。為了更有效運用算法，選用了數個特征量，獲得了缺陷改變時數據的定量關系。這些特征量依次是，漏磁信號變化的峰谷值Y，波動面積S，波動能量Ew與一期微分峰谷值Yd，概括了特征量隨缺陷波動的定量關系。選擇遺傳—神經網絡（GA-BP）自動化方式開展練習，并且對缺陷實行區別研究，最終最大定量化評估偏差不大于5.9%，可以達到項目實際標準。

2.2 手工刻蝕測驗樣本收集

運用電火花手工刻蝕方式在15MnR組件材質上寬度和深度劃分為0.1mm、0.2mm、0.3mm、0.4mm、0.5mm，長為10mm的微細手工裂紋，總共制作了23個樣本，以上尺寸缺陷為手工方式可以穩定調整的最細微裂紋。測驗過程中擁有許多干預因素，其測驗結果比原理生成樣本結果差，現實測驗效果如圖1所示。

按照寬度、深度選取不同的數據，制作了27組研究樣本，然而從信息科技技術層面分析，以上樣本量還是較少。按照上述數據模擬組合結果，又增加了58組樣本，一共擁有85組研究樣本。選用GA算法能夠很好預防BP網絡練習流程進入局部解，獲得整體最有效結果。BP神經網絡模型采用個輸入節點，輸入量為3個特征量。選擇85組研究樣本中69組作為練習資料，其余16組作為測驗數值。預估結果如表1所示，其最大偏差出現在裂紋寬×深度為0.20mm×0.20mm的位置，其中寬度預估偏差是12.55%，深度預估偏差為18.96%。

3 結語

根據AMR磁敏組件拾取的切向漏磁向量完成了微細裂紋的定量區別，運用信息科技GA-BP算法完成了這個測驗，運用磁偶極子基礎原理認證了算法可靠性，選用手工刻蝕組件作為測驗樣本，并且運用測驗數值模擬組合的方式組建了模擬樣本，以補充測驗樣本的欠缺，預估結果雖然部分地方偏差較大，但測驗選用的實際樣本，并且預估準確度和國內外相似研究差不多，這樣的預估結果是能夠接受的。

圖1 現實樣本缺陷大小對漏磁信號的作用

表1 預估結果與偏差

[1]尹剛,張英堂,范紅波,李志寧.基于磁傳感器陣列的磁性目標跟蹤方法[J].上海交通大學學報,2015,49(12):1748-1752.

[2]張安明,虞偉喬,郭成豹.磁傳感器陣列布置形式對鐵磁目標磁場信息量獲取的影響[J].中國艦船研究,2012,7(01):86-89.

[3]高嵩,王宗和.陣列式漏磁檢測傳感器與傳統傳感器的比較[J].無損檢測,2005,(05):272-273.