摘要:石化设备为保温会包裹一层由隔热层与金属保护层组成的包覆层，应用脉冲涡流检测技术可实现不拆包覆层条件下设备的壁厚检测。但在实际检测中由于金属保护层材质与厚度不一致，会对检测结果与检测误差产生影响。本文搭建了脉冲涡流实验平台，分析不同类型、厚度金属保护层在不同隔热层厚度下对脉冲涡流检测信号影响，结果表明：当金属保护层为铝板与不锈钢板时，其厚度或隔热层厚度增加会增大特征值离散程度，但不影响特征曲线趋势，可通过特征曲线计算被测试件厚度；当金属保护层为镀锌钢板时，其高磁导率特性产生的屏蔽效应与感生涡流会对检测信号衰减及特征曲线产生影响。随着镀锌钢板厚度增加，不同厚度试件检测信号后期衰减差异越小。当隔热层厚度增大到50 mm时，检测信号基本重合，无法通过特征曲线计算被测试件厚度。

摘要:脉冲涡流检测中激励参数与传感器参数对检测信号影响较大，分析不同参数对检测信号的影响规律，进而优化设计可提高检测系统的性能。基于脉冲涡流检测原理，建立脉冲涡流铁磁性试件测厚试验系统，分析激励线圈匝数与线圈内径对检测信号的影响规律。试验结果表明：增大激励线圈匝数与线圈内径可提高检测信号分辨率；线圈内径与激励线圈匝数的增加可提高检测信号最小值数量级；通过增加激励线圈匝数与线圈内径可提高传感器的检测厚度范围。

摘要:目前冷轧带钢屈服强度的检测主要依赖于有损检测，大大增加了检测成本。将BP神经网络引入基于脉冲涡流的冷轧带钢屈服强度预测，首先提取脉冲涡流响应信号的时域、频域特征，分析了各个脉冲涡流信号特征的稳定性，然后建立信号特征与材料屈服强度的BP神经网络模型，最后用建立的模型对材料的屈服强度进行预测。实验表明，采用BP神经网络对冷轧带钢进行屈服强度预测的误差为6%及以下，这种方法对于降低工业生产的检测成本、提高检测效率有一定的实用价值。