[发明专利]基于漏磁信号的缺陷轮廓反演方法

说明书

本发明公开了一种基于漏磁信号的缺陷轮廓反演方法，包括：获取待求解的目标缺陷漏磁信号；通过边缘检测得到目标缺陷漏磁信号对应的缺陷开口轮廓形状；得到N个沿垂直于磁化方向排列的矩形；构成N个长方体的子缺陷；获取各子缺陷对应的缺陷漏磁信号；对各子缺陷对应的缺陷漏磁信号进行位移变换操作；得到在当前预测深度序列下的预测缺陷漏磁信号；获取预测缺陷漏磁信号与目标缺陷漏磁信号的误差，且在误差大于或等于预设阈值时，更新当前预测深度序列，并返回步骤S5继续迭代，否则停止迭代，当前预测深度序列作为最终反演的缺陷深度序列；得到最终反演的缺陷轮廓。该方法大大减少了计算时间，具有计算模型简单，计算速度快、精度高等优点。

技术领域

本发明涉及无损检测技术领域，特别涉及一种基于漏磁信号的缺陷轮廓反演方法。

背景技术

漏磁检测是常用的一种无损检测技术，广泛应用于铁磁性构件的缺陷检测与安全评估中。对检测到的漏磁信号进行分析处理，可以实现对缺陷的定性分析甚至是轮廓反演，其中，对缺陷的定性分析主要是对缺陷的位置、类型进行简单判断，而缺陷的轮廓反演可以得到缺陷的具体几何信息，对于铁磁性构件的安全评估具有重要意义。

在现有的相关技术中，基于漏磁检测信号的缺陷轮廓反演方法主要分为开环逆向法和闭环伪逆法两大类。前者主要采用公式法或机器学习法等构建逆向模型，直接将检测到的漏磁信号代入逆向模型中得到缺陷的轮廓信息，如发明专利ZL201410799732.1管道三维漏磁成像缺陷量化方法，通过提取漏磁信号特征，并将特征值代入量化公式中以获取缺陷的尺寸和分别情况；发明专利ZL201410261496.8一种基于极限学习机的管道漏磁缺陷检测方法，基于训练样本建立极限学习机模型，从而实现对管道缺陷长宽深的智能反演。

上述方面能够快速对缺陷形状进行反演，但反演精度较低且仅限于对简单几何缺陷的长宽深进行量化。闭环伪逆法通过构建高精度的前向模型对已知缺陷轮廓的漏磁信号进行计算，并通过迭代对缺陷轮廓进行优化更新，从而实现对待求解缺陷轮廓的最佳预测，如发明专利ZL201510239389.X三维漏磁检测缺陷轮廓重构方法及装置，构建正向有限元计算模型，并通过启发式优化算法更新缺陷轮廓参数，以获取缺陷轮廓参数期望值实现缺陷重构；发明专利ZL201510368744.3三维漏磁检测缺陷神经网络迭代反演成像方法，构建正向径向基函数神经网络模型，在迭代过程中对深度向量进行修正，以实现反演成像。这类方法相对于开环逆向法具有更高的反演精度，但有限元计算等步骤计算量大、计算周期长，难以得到较快的求解速度。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于漏磁信号的缺陷轮廓反演方法，该方法大大地减少了计算时间，具有计算模型简单，计算速度快、精度高等优点。

为达到上述目的，本发明一方面实施例提出了一种基于漏磁信号的缺陷轮廓反演方法，包括以下步骤：步骤S1：获取待求解的目标缺陷漏磁信号；步骤S2：通过边缘检测得到所述目标缺陷漏磁信号对应的缺陷开口轮廓形状；步骤S3：将所述缺陷开口轮廓形状进行近似划分操作，以得到N个沿垂直于磁化方向排列的矩形；步骤S4：对所述N个沿垂直于磁化方向排列的矩形设置初始的预测深度，以构成N个长方体的子缺陷；步骤S5：根据所述N个长方体的子缺陷对缺陷漏磁信号数据库的数据进行索引操作，以获取各子缺陷对应的缺陷漏磁信号；步骤S6：对所述各子缺陷对应的缺陷漏磁信号进行位移变换操作；步骤S7：对位移变换后的所述各子缺陷对应的缺陷漏磁信号进行组合操作，以得到在当前预测深度序列下的预测缺陷漏磁信号；步骤S8：获取所述预测缺陷漏磁信号与所述目标缺陷漏磁信号的误差，且在所述误差大于或等于预设阈值时，更新所述当前预测深度序列，并返回所述步骤S5继续迭代，否则停止迭代，所述当前预测深度序列作为最终反演的缺陷深度序列；步骤S9：根据所述缺陷开口轮廓和所述最终反演的缺陷深度序列得到最终反演的缺陷轮廓。