基于雙傳感器差分機制的鐵磁性金屬板件亞表面腐蝕缺陷脈沖渦流可視化檢測

摘要：針對鐵磁性金屬板件亞表面腐蝕缺陷，提出了一種基于雙傳感器差分機制的脈沖渦流可視化檢測方法。該方法利用雙傳感器差分探頭拾取脈沖渦流檢測信號，提取檢測信號下降沿對數曲線斜率和歸一化差分信號峰值作為信號特征，用于對不同尺寸缺陷進行可視化檢測。通過仿真及實驗研究，建立了所提信號特征與缺陷尺寸間的關聯規律，并驗證了雙傳感器差分探頭相較于傳統單傳感器探頭在降低噪聲干擾和提高檢測靈敏度方面具有優勢。此外，提出了對兩種信號特征進行融合的方法，結果表明，使用融合信號特征的缺陷圖像信噪比更高。所提方法為鐵磁性金屬板件亞表面腐蝕缺陷的可視化檢測提供了一種有效且可靠的解決方案。

關鍵詞：電磁無損檢測；脈沖渦流檢測；亞表面腐蝕缺陷；信號特征融合；可視化檢測

中圖分類號：TG115.28

Visual Detection of Subsurface Corrosions in Ferromagnetic Metal Plates Using Pulsed Eddy Current Based on Dual-sensor Differential Mechanism

WANG Jin1 LI Yong^1* SU Bingjie1 GAO Wenlong1 XIANG Yi^1，2LIU Zhengshuai1 CHEN Zhenmao1

1.School of Aerospace Engineering，Xi’an Jiaotong University，Xi’an，710049

2.Northwest Branch of State Grid Corporation of China，Xi’an，710048

Abstract： A pulse eddy current visual detection method was proposed based on a dual-sensor differential mechanism for subsurface corrosions in ferromagnetic metal plates. In this method， a dual-sensor differential probe was used to pick up the pulsed eddy current testing signals， and the slope of the logarithmic curve along the falling edge of the testing signals and the peak value of the normalized differential signals were extracted as signal features， which were used for visual detection of defects of different sizes. Through simulation and experimental research， the correlation laws between the proposed signal features and the sizes of defects were established， and it is verified that the dual-sensor differential probe has the advantages of reducing noise interference and improving the detection sensitivity compared with traditional single-sensor probes. In addition， a method was proposed to fuse the two signal features， and the results indicate that the defect images using fused signal features have a higher image signal-to-noise ratio. The research method proposed herein provides an effective and reliable solution for the visual detection of subsurface corrosions in ferromagnetic metal plates.

Key words： electromagnetic nondestructive evaluation; pulsed eddy current detection; subsurface corrosion; signal feature fusion; visual detection

0 引言

鐵磁性金屬構件在工業中的應用非常廣泛，如管道、鐵軌、特種壓力設備、建筑橋梁等^［1-3］，由其制成的鐵磁材料設備在服役過程中受多種因素影響，可能形成減薄、局部孔洞等腐蝕缺陷，對設備的安全性和可靠性構成威脅。因此，對鐵磁性金屬構件定期進行有效的無損檢測和評估至關重要。目前，針對鐵磁性金屬構件的無損檢測方法有漏磁檢測^［4-6］、磁記憶檢測^［7］、紅外熱成像檢測^［8］、脈沖渦流檢測^［9-11］等。其中，脈沖渦流檢測采用方波激勵信號，其顯著特點在于，該信號包含豐富的諧波成分，特別是低頻諧波成分能夠有效克服趨膚效應的影響，從而使檢測系統具有探測更深層缺陷的能力，為鐵磁性金屬構件表面及亞表面缺陷的檢測提供了堅實的理論基礎。

目前，針對脈沖渦流檢測方法已有很多研究。針對鐵磁性金屬管道壁厚減薄缺陷的檢測，李建^［12］和NAFIAH等^［13］證明了檢測信號下降沿部分反映了渦流在試件中的衰減規律。CHENG等^［14］提出了將軸向雙AMR傳感器拾取的磁場z矢量之差作為檢測信號，可以提高檢測信噪比。張超等^［15］證明了歸一化差分信號負峰值與缺陷尺寸之間存在定量關系。另外，任淑廷等^［16］利用基于勻強激勵磁場梯度的脈沖渦流檢測方法，提高了非鐵磁性金屬亞表面腐蝕缺陷檢測靈敏度和成像精度。為進一步提高腐蝕缺陷檢測靈敏度，LIU等^［17］基于脈沖調制渦流檢測技術（pulse-modulation eddy current， PMEC），提出了一種融合PMEC信號諧波特性和脈沖特性的融合信號特征，進一步提高了檢測的靈敏度和信噪比。

本文圍繞脈沖渦流檢測技術，針對鐵磁性金屬板件亞表面腐蝕缺陷的可視化檢測技術，利用脈沖渦流雙傳感器差分探頭拾取脈沖渦流檢測信號，提取檢測信號下降沿對數曲線斜率以及歸一化差分信號峰值作為信號特征，對缺陷進行可視化處理。通過建立有限元仿真模型開展仿真分析，探究所提信號特征與缺陷尺寸間的關聯規律，同時搭建實驗平臺，結合實驗研究，對不同形貌缺陷進行可視化處理，驗證所提方法的可行性。

1 鐵磁性金屬板件亞表面腐蝕缺陷脈沖渦流檢測的數值仿真

1.1 仿真模型設置

針對鐵磁性金屬板件亞表面腐蝕缺陷的脈沖渦流檢測方法，利用自主開發的快速有限元仿真程序^［18-19］進行分析。建立二維仿真模型，見圖1。

仿真中，以磁場傳感器拾取的磁場z分量（Bz）作為檢測信號。值得一提的是，所提探頭中引入了雙磁場傳感器，用于同時實現兩種磁場感測機制：①傳統絕對磁場感測；②軸向梯度磁場感測。其中，軸向梯度磁場感測將傳感器1以及傳感器2所拾取的檢測信號做差，將做差結果作為雙傳感器差分檢測信號。該方法有提高檢測信噪比^［14］和提高檢測靈敏度^［16］的潛在優勢。在本文中，將對兩種磁場感測機制的檢測效果進行對比。

線圈中所加載的激勵電流重復頻率為15 Hz，最大幅值為1 A，占空比為50%。為比較仿真模型中兩種磁場感測機制在降低噪聲干擾方面的效果差異，將激勵電流依次設置為理想激勵電流以及受三種不同強度隨機噪聲干擾的激勵電流。引入信噪比（SNR）用以評估激勵電流受噪聲干擾的程度：

RSNR=10lg（Ps/Pn）

式中：Ps為激勵電流的功率；Pn為隨機噪聲的功率。

仿真中，SNR分別為48 dB、42 dB、38 dB。四種激勵電流信號如圖2所示。

二維仿真模型中，被測試件按缺陷類型分為兩組：第一組模擬不同深度缺陷（缺陷長度d為25 mm，缺陷深度h取0，2，3，4，6 mm）；第二組模擬不同長度缺陷（缺陷深度h為4 mm，缺陷長度d取0，10，20，30，40 mm）。兩組被測試件厚度均為7 mm，模型各部分參數如表1所列。

1.2 仿真結果與分析

1.2.1 檢測信號的處理與特征提取

通過系列仿真，能夠得到不同缺陷情況下傳感器1和傳感器2所拾取的檢測信號。在此基礎上，通過對兩個傳感器拾取的檢測信號做差，獲得雙傳感器差分檢測信號。以無缺陷模型為例，繪制傳感器1與傳感器2在不同噪聲情況下拾取到的檢測信號以及雙傳感器差分檢測信號，如圖3所示。由圖3可知，當激勵信號受噪聲干擾時，傳感器1與傳感器2拾取到的檢測信號以及差分檢測信號均會受到噪聲的干擾，噪聲強度越大，檢測信號波動越明顯。

本文著重討論兩種磁場感測機制的檢測效果差異，因此，后續檢測信號的處理不再贅述傳感器2單獨輸出的結果。為研究缺陷尺寸不同對檢測信號的影響，以理想激勵為例，研究典型情況下檢測信號與缺陷尺寸之間的規律，分別繪制被測試件無缺陷處與不同尺寸缺陷處，兩種磁場感測機制下的檢測信號，見圖4a。另外，由于檢測信號同時與鐵磁性金屬的相對磁導率和電導率相關，為抑制相對磁導率對檢測信號的影響，將檢測信號進行歸一化處理，見圖4b。

由圖4a可知，當缺陷不同時，檢測信號存在明顯差異。這是因為鐵磁性金屬有聚磁能力，當被測試件有缺陷時，其磁導率下降，聚磁能力減弱，信號平緩區域幅值產生變化，表現為在一個檢測周期中，檢測信號幅值呈現整體下降趨勢。由圖4b可以看出，缺陷尺寸越大，歸一化檢測信號從零上升至平緩區域的速率越大。

基于此，為研究缺陷尺寸參數與檢測信號的映射關系，本文提出兩種信號特征：①檢測信號下降沿對數曲線斜率（SK）；②歸一化差分信號峰值（SP）。所用歸一化差分信號峰值為負峰值的絕對值^［15］。對于信號特征SK，為了突出信號的衰減規律，將檢測信號下降沿部分進行單對數處理，得到檢測信號下降沿對數曲線，見圖5a。對于信號特征SP，將無缺陷處對應的歸一化檢測信號作為參考信號（reference signal， RS），將不同缺陷處的歸一化檢測信號與參考信號做差，得到歸一化差分信號，見圖5b。

由圖5a可知，缺陷越大，檢測信號下降沿對數曲線斜率越大。這是因為被測試件缺陷越大，渦流在被測試件中的衰減速率越快，導致檢測信號衰減越快。由圖5b可知，缺陷越大，歸一化差分信號的峰值越大，這是因為被測試件缺陷越大，歸一化檢測信號與參考信號的差異越大。

1.2.2 不同尺寸缺陷檢測與磁場感測機制評估

以無缺陷模型為例，繪制不同噪聲條件下的檢測信號，如圖6所示。

由圖6可以看出，當激勵信號受到噪聲干擾時，檢測信號中會存在噪聲，但是，雙傳感器差分檢測信號較傳感器1所輸出的檢測信號，噪聲波動較小。

為進一步比較傳統單傳感器探頭與雙傳感器差分探頭在對不同尺寸缺陷檢測時的抗噪性能差異，繪制不同磁場感測機制下的信號特征缺陷尺寸關聯曲線，如圖7所示。

可知，檢測信號下降沿對數曲線斜率與歸一化差分信號峰值均與缺陷尺寸成單調關系，缺陷越大，信號特征量越大。將無噪聲激勵條件下獲取的信號特征缺陷尺寸關聯曲線作為理想條件下的關聯曲線，對比激勵信號受不同強度噪聲干擾條件下的關聯曲線發現，噪聲越大，檢測得到的信號特征缺陷尺寸關聯曲線偏離理想條件下的關聯曲線越多，甚至失去信號特征與缺陷尺寸之間的單調關系。而使用雙傳感器時的關聯規律，相比于僅使用傳感器1單獨檢測時，更接近理想條件下的關聯規律，說明使用雙傳感器差分探頭檢測具有更好的抗噪性能。另外，觀察圖7b可知，使用雙傳感器時，信號特征缺陷尺寸關聯曲線的斜率明顯增大，說明使用雙傳感器差分探頭檢測能夠使檢測靈敏度明顯提高。

2 實驗研究

2.1 實驗系統以及參數設置

所搭建的鐵磁性金屬板件亞表面腐蝕缺陷檢測實驗系統如圖8所示。該系統主要包括：由信號發生器AFG3022C和功率放大器HSA4011組成的探頭激勵模塊，由激勵線圈、磁場傳感器和聚磁鐵芯構成的雙傳感器差分探頭，以及由多通道系統、采集卡和計算機組成的檢測信號拾取模塊。

其中多通道系統用于對檢測信號進行放大濾波處理。

檢測探頭的激勵線圈由0.4 mm的漆包線繞制而成。兩個磁場傳感器均采用TMR2584隧道磁阻傳感器，傳感器1與傳感器2同軸放置，傳感器1放置于線圈底部，傳感器2放置于線圈頂部。鐵芯材料為Ni-Zn鐵氧體，探頭幾何參數如表2所列。

實驗中，探頭放置于被測試件上方，向激勵線圈中通入重復頻率為15Hz、占空比為50%、周期內電壓幅值為200mV的脈沖方波信號。激勵信號如圖9a所示，探頭所拾取的檢測信號如圖9b所示。

實驗所用被測試件為Q235板，其背面預制有11種不同尺寸的平底孔，用于模擬局部腐蝕缺陷，如圖10所示。

其中試件1的缺陷為一系列直徑相同、深度不同的圓形平底孔，試件2的缺陷為一系列深度相同、直徑不同的圓形平底孔，試件3的缺陷為單個圓形平底孔，試件4和試件5的缺陷是由兩個直徑以及深度均不相同的圓形平底孔組成，用于模擬復雜形貌腐蝕缺陷。Q235板的厚度均為7 mm。亞表面腐蝕缺陷具體尺寸如表3所示。

2.2 信號特征討論及局部腐蝕缺陷掃查結果分析

實驗中，探頭放置于被測試件上方，對亞表面腐蝕缺陷進行檢測。針對試件1以及試件2的系列平底孔缺陷，首先，將探頭分別放置于無缺陷處以及各缺陷中心處，獲得不同磁場感測機制下的檢測信號下降沿對數曲線以及歸一化差分信號，如圖11所示。 由圖11可知，缺陷越大，檢測信號下降沿對數曲線斜率越大，歸一化差分信號峰值也越大。實驗中檢測信號處理結果與仿真中檢測信號處理結果規律一致，驗證了兩種信號特征均能對不同尺寸缺陷進行有效檢測。另外，值得一提的是，由圖11b可以看出，在實驗當中，歸一化差分信號的負峰值絕對值相比于正峰值的絕對值更大，因此，選擇歸一化差分信號負峰值的絕對值作為信號特征，能夠提高檢測靈敏度。

在明確所提檢測信號特征能夠有效地對Q235板中不同尺寸的腐蝕缺陷進行檢測的基礎上，對試件1以及試件2進行局部缺陷掃查，獲取的信號特征掃查曲線如圖12所示。

由圖12可以看出，兩種信號特征均存在缺陷深度越大，信號特征量越大，缺陷直徑越大，信號特征量越大的規律，與仿真結果一致。另外，對比兩種信號特征的掃查曲線可知，當檢測缺陷較小時，使用SK作為信號特征時，缺陷處的信號特征量相比于非缺陷處的信號特征量突出得更明顯，說明信號特征SK對缺陷檢測具有更高的靈敏度；而使用SP作為信號特征時，非缺陷處的信號特征量波動更小，說明信號特征SP具有更好的抗噪性能。

由上文仿真分析可知，使用雙傳感器差分探頭檢測能夠使檢測靈敏度提高。為直觀對比兩種磁場感測機制在實驗中檢測靈敏度的差異，提取不同缺陷中心處的信號特征量作為缺陷標定值，繪制信號特征標定曲線如圖13所示。由圖13可以看出，使用雙傳感器差分探頭檢測的標定曲線斜率更大，說明使用雙傳感器的軸向梯度磁場感測機制檢測比使用傳統單傳感器檢測能夠提高檢測靈敏度。

2.3 缺陷成像及融合信號特征的提出

2.3.1 缺陷成像

為了顯示缺陷外觀形貌，對局部缺陷進行面掃成像。首先，將兩種信號特征進行歸一化處理，便于在同一水平下對比不同磁場感測機制以及基于不同信號特征的檢測效果。歸一化信號特征定義為

NSK=SK－min（SK）max（SK）

NSP=SP－min（SP）max（SP）（1）

式中：NSK為信號特征SK歸一化處理后的結果；NSP為信號特征SP歸一化處理后的結果。

對試件3、試件4以及試件5在圖10所示的掃查范圍內進行掃查，基于歸一化信號特征的缺陷成像結果如圖14～圖16所示。

由圖14～圖16成像結果能夠明顯看出局部腐蝕缺陷的形貌，對試件4、試件5亦能識別出復雜形貌腐蝕缺陷概貌。另外，由缺陷成像圖可以看出，對于兩種信號特征，使用雙傳感器差分探頭檢測時，在無缺陷區域的信號特征量波動更小，說明使用雙傳感器差分探頭檢測的軸向梯度磁場感測機制的抗噪性能更好。

為評估不同磁場感測機制下缺陷成像圖的圖像質量，引入圖像信噪比（RSNRimg）的計算方法：RSNRimg=10 lg（PDA/PNDA）。式中，PDA是缺陷區域（defective areas， DA）的歸一化信號特征平均功率，PNDA是非缺陷區域（non-defective areas， NDA）的歸一化信號特征平均功率。圖像信噪比越大，說明圖像質量越好。不同磁場檢測機制下的缺陷圖像信噪比如圖17所示。

可以看出，無論是基于NSK還是基于NSP，使用雙傳感器的缺陷圖像信噪比均大于僅使用傳感器1的缺陷圖像信噪比，且使用雙傳感器后，缺陷圖像信噪比增長率均在5%以上。因此能夠得出結論：使用雙傳感器差分探頭的軸向梯度磁場感測機制檢測，可以使可視化處理結果的缺陷圖像信噪比增大，即缺陷成像圖的圖像質量更高。

2.3.2 融合信號特征的提出

由之前討論分析，兩種信號特征均與缺陷尺寸存在相同的單調映射關系。在此規律的基礎上，通過對圖12掃查曲線分析，發現了兩種信號特征存在各自的優勢，即信號特征SK對缺陷檢測具有更高的靈敏度，信號特征SP具有更好的抗噪性能。

因此，考慮將兩種信號特征進行有效融合，形成融合信號特征NSF，旨在實現缺陷圖像信噪比更高的缺陷成像效果。根據上文初步掃查結果，將信號特征掃查矩陣分為缺陷區域ADA與非缺陷區域ANDA。將兩種信號特征進行融合：

NSF（m，n）=max（NSK（ADA），NSP（ADA））+min（NSK（ANDA），NSP（ANDA））（2）

式中：NSF（m，n）為融合信號特征掃查結果矩陣，m和n分別為融合信號特征掃查結果矩陣中的行號和列號。

在融合過程中，于缺陷區域取信號特征NSK與NSP中的較大值，非缺陷區域取信號特征NSK與NSP中的較小值，最后形成融合信號特征。基于融合信號特征所得的缺陷掃查圖像如圖18所示。

為定量評估融合信號特征NSF的優勢所在，分別計算基于NSK、NSP、NSF進行缺陷成像的缺陷圖像信噪比，結果如圖19所示。

由圖19可知，對于兩種磁場感測機制，基于NSF所得的缺陷圖像信噪比均比基于NSK和NSP所得的缺陷圖像信噪比更大。由此，通過定量分析，進一步體現了融合信號特征可以有效提高缺陷成像圖的圖像質量。

3 結論

針對鐵磁性金屬板件亞表面腐蝕缺陷的可視化檢測，本文提出利用雙傳感器差分探頭拾取脈沖渦流檢測信號，獲得檢測信號下降沿對數曲線斜率以及歸一化差分信號峰值，將兩者作為信號特征對缺陷尺寸進行評估。通過仿真分析以及實驗驗證，建立了信號特征與缺陷尺寸間的關聯規律。結果表明，兩種信號特征均與缺陷尺寸存在單調關系，缺陷尺寸越大，信號特征量越大。同時，通過兩種磁場感測機制檢測結果的比較得出結論，使用雙傳感器差分探頭的軸向梯度磁場感測機制相較于傳統單傳感器探頭的絕對磁場感測機制在提高檢測靈敏度以及降低噪聲干擾方面具有優勢。在缺陷可視化處理方面，基于兩種信號特征，分別對缺陷進行成像，發現雙傳感器差分探頭的應用能夠提高缺陷成像圖的信噪比。基于兩種信號特征與缺陷尺寸間的映射關系以及兩種信號特征各自存在的優勢，提出了融合信號特征。研究發現，所提融合信號特征的缺陷成像圖相較上述兩種信號特征的缺陷成像圖具有更高的圖像信噪比。

參考文獻：

［1］ 徐志遠. 帶包覆層管道壁厚減薄脈沖渦流檢測理論與方法［D］. 武漢：華中科技大學， 2012.

XU Zhiyuan. Theory and Method of Pulsed Eddy Current Detection for Wall Thickness Reduction of Pipeline with Coating［D］. Wuhan：Huazhong University of Science and Technology， 2012.

［2］ LOU Weimin， SHEN Changyu， ZHU Zhouhong， et al. Internal Defect Detection in Ferromagnetic Material Equipment Based on Low-frequency Electromagnetic Technique in 20# Steel Plate［J］. IEEE Sensors Journal， 2018， 18（16）：6540-6546.

［3］ WANG Rui， KAWAMURA Y. An Automated Sensing System for Steel Bridge Inspection Using GMR Sensor Array and Magnetic Wheels of Climbing Robot［J］. Journal of Sensors， 2016， 2016：8121678.

［4］ AL-NAEMI F I， HALL J P， MOSES A J. FEM Modelling Techniques of Magnetic Flux Leakage-type NDT for Ferromagnetic Plate Inspections［J］. Journal of Magnetism and Magnetic Materials， 2006， 304（2）：e790-e793.

［5］ EGE Y， CORAMIK M. A New Measurement System Using Magnetic Flux Leakage Method in Pipeline Inspection［J］. Measurement， 2018， 123：163-174.

［6］ SHI Mingjiang， NI Mao， QIN Liansheng， et al. Quantification Method of Tubing Defects Based on Machine Learning Algorithm and Magnetic Flux Leakage Signals［J］. The Review of Scientific Instruments， 2023， 94（1）：015111.

［7］ SUN Bingcai， CHU Shengli. Design of a Magnetic Memory Detecting Sensor for Oil Well Casing Well Damage［C］∥Proceedings of the International Field Exploration and Development Conference 2018（IFEDC 2018）. Xi’an， 2018：1463-1471.

［8］ LAHIRI B B， BAGAVATHIAPPAN S， SOUMYA C， et al. Infrared Thermography Based Defect Detection in Ferromagnetic Specimens Using a Low Frequency Alternating Magnetic Field［J］. Infrared Physics amp; Technology， 2014， 64：125-133.

［9］ YANG Binfeng， XU Junmin， WU Hao， et al. Magnetic Field Shielding Technique for Pulsed Remote Field Eddy Current Inspection of Planar Conductors［J］. NDT amp; E International， 2017， 90：48-54.

［10］ SHE Saibo， CHEN Yifang， HE Yunze， et al. Optimal Design of Remote Field Eddy Current Testing Probe for Ferromagnetic Pipeline Inspection［J］. Measurement， 2021， 168：108306.

［11］ LIU Changzan， DANG Bo， WANG Haiyan， et al. Synthesized Magnetic Field Focusing for the Non-destructive Testing of Oil and Gas Well Casing Pipes Using Pulsed Eddy-current Array［J］. IEEE Transactions on Magnetics， 2022， 58（9）：6201710.

［12］ 李建. 鐵磁構件脈沖渦流測厚中磁通量檢測模型與方法［D］. 武漢：華中科技大學， 2015.

LI Jian. Magnetic Flux Detection Model and Method in Pulsed Eddy Current Thickness Measurement of Ferromagnetic Components［D］. Wuhan：Huazhong University of Science and Technology， 2015.

［13］ NAFIAH F， TOKHI M O， MAJIDNIA S， et al. Pulsed Eddy Current：Feature Extraction Enabling In-situ Calibration and Improved Estimation for Ferromagnetic Application［J］. Journal of Nondestructive Evaluation， 2020， 39（3）：52.

［14］ CHENG Weiying. Pulsed Eddy Current Testing of Carbon Steel Pipes’ Wall-thinning through Insulation and Cladding［J］. Journal of Nondestructive Evaluation， 2012， 31（3）：215-224.

［15］ 張超， 李勇， 閆貝， 等. 雙層異質金屬套管缺陷的脈沖渦流檢測研究［J］. 傳感器與微系統， 2019， 38（11）：8-10.

ZHANG Chao， LI Yong， YAN Bei， et al. Research on Defect Detection in Double-casing Tube with Layers of Different Materials via PEC［J］. Transducer and Microsystem Technologies， 2019， 38（11）：8-10.

［16］ 任淑廷， 李勇， 張曦郁， 等. 基于磁場梯度脈沖渦流檢測的航空結構亞表面腐蝕缺陷可視化方法［J］. 空軍工程大學學報（自然科學版）， 2019， 20（3）：84-89.

REN Shuting， LI Yong， ZHANG Xiyu，et al. Visualization of Subsurface Corrosion in Aviation Structures Based on Gradient-field Pulsed Eddy Current Testing［J］. Journal of Air Force Engineering University（Natural Science Edition）， 2019， 20（3）：84-89.

［17］ LIU Zhengshuai， LI Yong， SU Bingjie， et al. Feature Fusion for Pulse-modulation Eddy Current Imaging and Evaluation of Defects in Layered Conductors［J］. International Journal of Applied Electromagnetics and Mechanics， 2023， 71（S1）：S283-S293.

［18］ CHEN Zhenmao， TAKASHIMA H， MIYA K. A Hybrid Database Approach for Simulating Signals of Remote Field Eddy Current Testing［J］. International Journal of Applied Electromagnetics and Mechanics， 2004， 19（1/2/3/4）：219-223.

［19］ XIE Shejuan， CHEN Zhenmao， TAKAGI T， et al. Efficient Numerical Solver for Simulation of Pulsed Eddy-current Testing Signals［J］. IEEE Transactions on Magnetics， 2011， 47（11）：4582-4591.

（編輯 王旻玥）

基金項目：國家磁約束核聚變能發展研究專項（2019YFE03130003）；國家自然科學基金（52177007，52311540018，11927801）

作者簡介：

王 瑾，女，1998年生，碩士研究生。研究方向為電磁無損檢測。E-mail：wangjin123@stu.xjtu.edu.cn。

李 勇*（通信作者），男，1978年生，教授、博士研究生導師。研究方向為機械結構無損定量檢測及完整性評估。E-mail：yongli@mail.xjtu.edu.cn。

本文引用格式：

王瑾，李勇，蘇冰潔，等.基于雙傳感器差分機制的鐵磁性金屬板件亞表面腐蝕缺陷脈沖渦流可視化檢測［J］. 中國機械工程，2025，36（3）：381-390.

WANG Jin， LI Yong， SU Bingjie， et al. Visual Detection of Subsurface Corrosions in Ferromagnetic Metal Plates Using Pulsed Eddy Current Based on Dual-sensor Differential Mechanism［J］. China Mechanical Engineering， 2025， 36（3）：381-390.