CN111222651A - 基于电磁传感器的报废汽车金属分类装置及方法 - Google Patents
基于电磁传感器的报废汽车金属分类装置及方法 Download PDFInfo
- Publication number
- CN111222651A CN111222651A CN201911407283.0A CN201911407283A CN111222651A CN 111222651 A CN111222651 A CN 111222651A CN 201911407283 A CN201911407283 A CN 201911407283A CN 111222651 A CN111222651 A CN 111222651A
- Authority
- CN
- China
- Prior art keywords
- coil
- metal
- mutual inductance
- electromagnetic sensor
- upper computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Sustainable Development (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
本发明涉及一种基于电磁传感器的报废汽车金属分类装置,包括电磁传感器阵列、信号发生单元、功率放大器、信号调理和采集单元、上位计算机,用于测量放置于输送带上的报废汽车金属,所述的电磁传感器阵列包括位于输送带上方或下方的与输送带平行的同一个平面上的多个矩形线圈,所述的矩形线圈至少为两个,矩形线圈以相同间隔排列成阵列,每个线圈与所述平面的夹角相同;由上位计算机选通一个矩形线圈作为激励线圈,与此激励线圈相对的矩形线圈作为接收线圈,信号调理和采集单元用于采集接收线圈的感应信号,输送至上位计算机;上位计算机用于对所采集的感应信号进行处理得到互感值,根据互感值进行金属分类。本发明还给出采用上述装置实现的分类方法。
Description
技术领域
本发明属于电磁传感器技术领域,涉及一种基于电磁传感器的报废汽车金属分类装置及方法。
背景技术
汽车产业是资源密集型产业。在一辆报废汽车中,高达85%的钢铁、金属零件等是可以重新回收利用的。随着经济的稳步发展和群众生活水平的提高,汽车成为人们不可或缺的生活用品。伴随汽车保有量快速增加而来的,是汽车报废量的大幅度增长,我国正逐步进入汽车报废高峰期。对报废汽车金属进行有效的分类回收,可节省能源和自然资源并产生可观的经济效益。
目前金属分类的主流方法中,重介质分离法的水处理设施比较昂贵,并且通常情况下浆料具有剧毒,如果处理不当将对环境造成严重污染,具有比较高的风险;光学方法中图像识别方法对照明***的要求比较苛刻,精度容易受到实际工业环境中机器振动以及周围光线变化等因素的影响;而激光诱导击穿光谱方法以及X-射线束吸收方法被认为是金属检测的“黄金标准”,但是这些方法实施起来却非常昂贵,对操作环境有非常严格的要求,并且难以承受实际工业条件下的业务吞吐量及严苛的工业环境。
发明内容
本发明的目的是克服现有技术的不足,提供一种稳定、高效、适应性好的的适用于报废汽车金属分类装置与方法。本发明采用如下的技术方案:
一种基于电磁传感器的报废汽车金属分类装置,包括电磁传感器阵列、信号发生单元、功率放大器、信号调理和采集单元、上位计算机,用于测量放置于输送带上的报废汽车金属,其特征在于,所述的电磁传感器阵列包括位于输送带上方或下方的与输送带平行的同一个平面上的多个矩形线圈,所述的矩形线圈至少为两个,矩形线圈以相同间隔排列成阵列,每个线圈与所述平面的夹角相同;由上位计算机选通一个矩形线圈作为激励线圈,与此激励线圈相对的矩形线圈作为接收线圈,将激励信号通入激励线圈,信号调理和采集单元用于采集接收线圈的感应信号,输送至上位计算机;上位计算机用于对所采集的感应信号进行处理得到互感值,根据互感值进行金属分类。
进一步地,构成电磁传感器的矩形线圈由绝缘导线绕制而成。绕线直径为0.01mm-10mm,绕线的匝数为1-1000匝。
所述的电磁传感器阵列包括8个矩形线圈,8个矩形线圈以相同间隔排列成正八边形传感器阵列。电磁传感器的8个矩形线圈包围的区域不小于报废汽车金属的尺寸。
信号发生单元包括直接数字合成DDS芯片AD7008及其***电路。信号发生单元生成的激励信号为正弦激励信号。
本发明同时提出报废汽车金属分类方法,其特征在于,包括下列步骤:
(1)将废弃汽车压扁切割成小碎片,将成为小碎片的报废汽车金属输送至待检测传送带。
(2)由矩形线圈阵列构成的电磁传感器水平放置于待检测传送带下方。
(3)上位计算机控制模拟开关,选通一个线圈作为激励线圈,其余某个线圈作为接收线圈,对激励线圈施加激励信号。
(4)通过信号调理和采集单元将从电磁传感器采集的数据传输至上位计算机。
(5)预先建立“金属—斜率库”数据库,方法如下:对于已知种类的报废汽车金属,根据互感值,制作互感变化轨迹图,轨迹图的横轴是互感实部,纵轴是互感虚部;通过最小二乘法求得互感轨迹图的一次线性拟合函数,金属种类不同,此一次线性拟合函数的斜率也不同,根据此种原理,预先建立“金属—斜率库”数据库;
(6)上位计算机根据采集的感应信号进行处理得到多组互感值,选定与激励线圈和接收线圈对应的一组互感值进行复平面变化轨迹作图,制得互感变化轨迹图,将所求得的互感轨迹图的一次线性拟合函数的斜率数据与进行数据库里的数据进行比对,如果有匹配数据,从而得知待测的报废汽车金属为哪种金属。
本发明的装置和方法,能够得到金属样品对应的互感变化轨迹图及金属图像信息,进而分析辨别金属的材料及形状。目前,在废钢行业,对于废弃汽车的金属碎片还未有有效的辨别分类方法。由于废弃汽车的数量庞大及金属碎片数量之多,无法做到人工进行分类回收,机械化的分类利于废钢等有效的回收加以利用。采用电磁层析技术探测金属属性,在非接触的情况下能够得到金属的有效信息,对资源高效合理的循环利用,汽车产业的可持续发展具有很大的现实意义。
附图说明
图1本发明的基于电磁传感器的报废汽车金属分类装置原理图。
图2包含8线圈电磁传感器俯视图。
图3单个线圈示意图。
图4传输带及线圈阵列模型示意图。
图5剖面图几何简化模型。
图6复平面界面的斜率的示意图。
图7通过最小二乘法求得互感轨迹图的一次线性拟合函数的示意图。
图8分类算法流程图。
图9钛和铜两种金属的互感变化轨迹图以及一次线性拟合函数示意图。
具体实施方法
建立一个稳定、高效的金属分类装置,利用电磁传感器的感应原理辨别金属材质,从而改善现状。电磁传感技术的基本原理是将不同频率的交变激励磁场作用于被检测的金属样品,通过电磁感应在样品表面及内部产生涡流,进而产生二次感应磁场,该磁场随样品的电导率、几何形状以及激励磁场的频率不同而不同。通过测量不同激励频率下的二次感应磁场,获得不同金属样品的特征响应曲线,从而可以将不同金属进行分类。
本发明的基于电磁传感器的报废汽车金属分类装置,包括电磁传感器、信号发生单元、功率放大器、模拟开关、信号调理和采集单元、上位计算机。其特征在于,所述的电磁传感器由开口在同一水平面的矩形线圈阵列构成,放置于传输带9下方;八个矩形线圈以相同间隔排列成正八边形传感器阵列,同时每个线圈与底座的夹角相同,此夹角保证八个线圈包围的区域略微大于金属块并使得接收信号最大化,当夹角为九十度时,八个线圈的开口都朝向正八边形的中心;由上位计算机选通任意一个线圈作为激励线圈,以与其相对于正八边形中心点对称的线圈作为接收线圈,将激励信号通入激励线圈,当传输带9上的一个金属样品在传感器上方划过时,信号调理和采集单元将持续采集各个接收线圈的感应信号,输送至上位计算机;上位计算机对所采集的信号进行处理得到多组互感值,选中与激励线圈和接收线圈对应的一组互感值,此互感值为复数,在上位机的复平面界面会动态地出现随金属块滑动近似于直线的互感变化轨迹图,轨迹图的横轴是互感实部,纵轴是互感虚部,互感实部与电磁传感器测得的电压虚部对应,互感虚部与电磁传感器测得的电压实部对应;当所测电压分量与激励电压同相时,此电压分量为实部;当所测电压分量与激励电压相位差为90度时,此电压分量为虚部。通过最小二乘法求得互感轨迹图的一次线性拟合函数,如图7所示,此时金属钛对应的一次线性拟合函数的斜率为1.3764;如果后续传输带9上出现其他金属的话,那么互感变化轨迹图的一次线性拟合函数的斜率会发生明显变化;将得到的斜率与事先建立的“金属—斜率库”里面的数据进行匹配,从而得知是哪种金属来进行金属分类,分类算法如图8所示,图9为钛和铜两种金属的互感变化轨迹图以及一次线性拟合函数,从图中可以清晰的看出两种金属对应的一次线性拟合函数的斜率有明显不同。
下面结合实施例对本发明进一步说明。
图1是本发明采用的基于电磁传感器的报废汽车金属分类装置原理图。电磁传感器是一个由8个矩形线圈构成的电磁传感器阵列。整个检测装置由信号发生单元、功率放大器、模拟开关、8线圈电磁传感器、信号调理和采集单元和上位计算机组成。信号发生单元由直接数字合成(DDS)芯片AD7008产生不同幅值和相位的正弦激励信号,信号的幅值和相位可由上位计算机调节。此信号通过功率放大器放大后经过模拟开关的选择通入激励线圈中。模拟开关的电流承受值为10mA至1A之间,模拟开关采用MAXIUM公司的大电流开关芯片(如MAX4656)。
图2为8线圈电磁传感器俯视图,电磁传感器包括位于同一平面的8个矩形线圈,八个线圈以相同间隔摆放,构成一个正八边形的电磁传感器阵列,每个线圈标号如图所示。图3为单个线圈示意图,其中,Ⅰ为矩形的磁芯,Ⅱ为线圈绕线,Ⅲ和Ⅳ为线圈引出接头,接至模拟开关。图4为传输带9及线圈阵列示意图。图5为图4中剖面图的几何简化模型,图中线圈为1号线圈和5号线圈,分别作为激励线圈和接收线圈,此时根据线圈参数,长为a,宽为b,传输带9高度为h,以及线圈与底座的交点构成的正八边形的外接圆半径r,可得到最佳角度θ,此时金属块与线圈1或5的距离l1最短,由下列关系式可求得θ和l1:
信号调理和采集单元将采集各个接收线圈的感应电压信号,输送至上位计算机。上位计算机处理测量的数据得到互感值,通过互感值的变化轨迹图辨别金属材料,达到金属分类的效果。
表1
此处给出了一种电磁传感器的实施例,实际使用时,还有其它的实施方式。例如,在传输带9上为铜的情况下,选择1号线圈作为激励线圈,5号线圈作为接收线圈,那么上位机端的复平面界面就会动态地显示出1-5互感的变化轨迹图;然后换上另外一种金属,例如铁,依旧显示1-5互感,此时复平面界面的互感变化轨迹图的斜率会发生明显变化;将得到的斜率与事先建立的“金属—斜率库”里面的数据进行匹配,从而得知是哪种金属,最终进行金属分类,表1为金属—斜率库示意表格。图6为复平面界面的斜率的示意图,图中曲线为金属铁对应的互感变化轨迹曲线,其斜率为
此外,作为其他的实施方式,还可以利用MFIA阻抗分析仪采集和分析互感数据,互感实部与MFIA阻抗分析仪测得的阻抗虚部对应,互感虚部与由MFIA阻抗分析仪测得的阻抗实部对应。
Claims (8)
1.一种基于电磁传感器的报废汽车金属分类装置,包括电磁传感器阵列、信号发生单元、功率放大器、信号调理和采集单元、上位计算机,用于测量放置于输送带上的报废汽车金属。其特征在于,所述的电磁传感器阵列包括位于输送带上方或下方的与输送带平行的同一个平面上的多个矩形线圈,所述的矩形线圈至少为两个,矩形线圈以相同间隔排列成阵列,每个线圈与所述平面的夹角相同;由上位计算机选通一个矩形线圈作为激励线圈,与此激励线圈相对的矩形线圈作为接收线圈,将激励信号通入激励线圈,信号调理和采集单元用于采集接收线圈的感应信号,输送至上位计算机;上位计算机用于对所采集的感应信号进行处理得到互感值,根据互感值进行金属分类。
2.根据权利要求1所述的分类装置,其特征在于,构成电磁传感器的矩形线圈由绝缘导线绕制而成。
3.根据权利要求2所述的分类装置,其特征在于,绕线直径为0.01mm-10mm,绕线的匝数为1-1000匝。
4.根据权利要求1所述的分类装置,其特征在于,所述的电磁传感器阵列包括8个矩形线圈,8个矩形线圈以相同间隔排列成正八边形传感器阵列。
5.根据权利要求3所述的分类装置,其特征在于,电磁传感器的8个矩形线圈包围的区域不小于报废汽车金属的尺寸。
6.根据权利要求1所述的分类装置,其特征在于,信号发生单元包括直接数字合成DDS芯片AD7008及其***电路。
7.根据权利要求1所述的分类装置,其特征在于,信号发生单元生成的激励信号为正弦激励信号。
8.采用权利要求1所述的装置实现的报废汽车金属分类方法,其特征在于,包括下列步骤:
(1)将废弃汽车压扁切割成小碎片,将成为小碎片的报废汽车金属输送至待检测传送带。
(2)由矩形线圈阵列构成的电磁传感器水平放置于待检测传送带下方。
(3)上位计算机控制模拟开关,选通一个线圈作为激励线圈,其余某个线圈作为接收线圈,对激励线圈施加激励信号。
(4)通过信号调理和采集单元将从电磁传感器采集的数据传输至上位计算机。
(5)预先建立“金属—斜率库”数据库,方法如下:对于已知种类的报废汽车金属,根据互感值,制作互感变化轨迹图,轨迹图的横轴是互感实部,纵轴是互感虚部;通过最小二乘法求得互感轨迹图的一次线性拟合函数,金属种类不同,此一次线性拟合函数的斜率也不同,根据此种原理,预先建立“金属—斜率库”数据库;
(6)上位计算机根据采集的感应信号进行处理得到多组互感值,选定与激励线圈和接收线圈对应的一组互感值进行复平面变化轨迹作图,制得互感变化轨迹图,将所求得的互感轨迹图的一次线性拟合函数的斜率数据与进行数据库里的数据进行比对,如果有匹配数据,从而得知待测的报废汽车金属为哪种金属。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911407283.0A CN111222651B (zh) | 2019-12-31 | 2019-12-31 | 基于电磁传感器的报废汽车金属分类装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911407283.0A CN111222651B (zh) | 2019-12-31 | 2019-12-31 | 基于电磁传感器的报废汽车金属分类装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222651A true CN111222651A (zh) | 2020-06-02 |
CN111222651B CN111222651B (zh) | 2022-09-16 |
Family
ID=70807965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911407283.0A Active CN111222651B (zh) | 2019-12-31 | 2019-12-31 | 基于电磁传感器的报废汽车金属分类装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222651B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637794A (zh) * | 2020-06-08 | 2020-09-08 | 中北大学 | 一种基于垂直耦合线圈的地下未爆弹频域探测装置及方法 |
CN112649587A (zh) * | 2020-12-01 | 2021-04-13 | 中北大学 | 一种结合电磁传感器和光电传感器的金属分类装置及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840002A (zh) * | 2010-06-10 | 2010-09-22 | 尹武良 | 一种基于电磁传感器的鞋内可疑金属物检测装置与方法 |
WO2014159126A1 (en) * | 2013-03-14 | 2014-10-02 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Apparatus for the detection and classification of buried unexploded ordnance |
CN105842739A (zh) * | 2016-06-15 | 2016-08-10 | 大同市快安科技有限公司 | 通过式特定金属探测门 |
CN108767681A (zh) * | 2018-07-11 | 2018-11-06 | 江苏威尔萨芙电气科技有限公司 | 一种安全性高的固定式金属封闭式开关柜 |
US20190011591A1 (en) * | 2015-06-29 | 2019-01-10 | Ebara Corporation | Metal detection sensor and metal detection method using same |
CN112649587A (zh) * | 2020-12-01 | 2021-04-13 | 中北大学 | 一种结合电磁传感器和光电传感器的金属分类装置及方法 |
CN112958488A (zh) * | 2021-02-11 | 2021-06-15 | 中北大学 | 一种基于电涡流传感器的有色金属分类装置及方法 |
-
2019
- 2019-12-31 CN CN201911407283.0A patent/CN111222651B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840002A (zh) * | 2010-06-10 | 2010-09-22 | 尹武良 | 一种基于电磁传感器的鞋内可疑金属物检测装置与方法 |
WO2014159126A1 (en) * | 2013-03-14 | 2014-10-02 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Apparatus for the detection and classification of buried unexploded ordnance |
US20190011591A1 (en) * | 2015-06-29 | 2019-01-10 | Ebara Corporation | Metal detection sensor and metal detection method using same |
CN105842739A (zh) * | 2016-06-15 | 2016-08-10 | 大同市快安科技有限公司 | 通过式特定金属探测门 |
CN108767681A (zh) * | 2018-07-11 | 2018-11-06 | 江苏威尔萨芙电气科技有限公司 | 一种安全性高的固定式金属封闭式开关柜 |
CN112649587A (zh) * | 2020-12-01 | 2021-04-13 | 中北大学 | 一种结合电磁传感器和光电传感器的金属分类装置及方法 |
CN112958488A (zh) * | 2021-02-11 | 2021-06-15 | 中北大学 | 一种基于电涡流传感器的有色金属分类装置及方法 |
Non-Patent Citations (5)
Title |
---|
DU,YUE, ET AL.: "A Novel Conductivity Classification Technique for", 《IEEE ACCESS》 * |
DU,YUE, ET AL.: "Conductivity Classification of Non-Magnetic Tilting Metals by", 《SENSORS》 * |
KAI ZHANG: "Pulsed Eddy Current Nondestructive Testing for Defect Evaluation and Imaging of Automotive Lightweight Alloy Materials", 《SENSORS》 * |
杜月: "基于电磁感应的有色金属分类研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
潘文龙: "基于闭合式矩形线圈***金属探测仪传感器的研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637794A (zh) * | 2020-06-08 | 2020-09-08 | 中北大学 | 一种基于垂直耦合线圈的地下未爆弹频域探测装置及方法 |
CN112649587A (zh) * | 2020-12-01 | 2021-04-13 | 中北大学 | 一种结合电磁传感器和光电传感器的金属分类装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111222651B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
O’Toole et al. | Classification of nonferrous metals using magnetic induction spectroscopy | |
CN106483569B (zh) | 平衡差动式金属探测传感器及绝缘纸检测装置 | |
CN111222651B (zh) | 基于电磁传感器的报废汽车金属分类装置及方法 | |
US4954777A (en) | Device for defect testing of non-ferromagnetic test samples and for ferromagnetic inclusions | |
CN110308200A (zh) | 一种差动式的漏磁与涡流复合的高速轨道探伤方法 | |
CN103235036B (zh) | 基于电磁检测信号的区分内外壁缺陷的检测装置及方法 | |
CN103163211B (zh) | 一种金属导体表面和亚表面缺陷分类识别方法 | |
CN109916786B (zh) | 一种双线圈电感式磨粒监测装置及其制作方法 | |
CN103196989A (zh) | 一种基于旋转磁场的acfm不同角度裂纹检测*** | |
CN101650211B (zh) | 一种基于双线圈的导电液位及电导率测量方法和装置 | |
CN103196996B (zh) | 一种用于进行金属缺陷检测的涡流检测装置及其涡流探头 | |
Zhang et al. | A method of steel ball surface quality inspection based on flexible arrayed eddy current sensor | |
CN203698310U (zh) | 基于感应环线的车辆高精度定位装置 | |
CN104049031B (zh) | 一种基于交流电磁场的亚表面缺陷检测装置及检测方法 | |
Liu et al. | A novel conductivity classification technique for nonmagnetic metal immune to tilt variations using eddy current testing | |
CN113640374A (zh) | 用于管道无损检测的涡流检测*** | |
CN112649587A (zh) | 一种结合电磁传感器和光电传感器的金属分类装置及方法 | |
CN112958488B (zh) | 一种基于电涡流传感器的有色金属分类装置及方法 | |
CN205538817U (zh) | 磁巴克豪森噪声信号和磁性参数的检测装置 | |
CN111879446A (zh) | 一种铁磁构件无方向交流电磁场应力测量传感器 | |
Tao et al. | Automatic feature extraction method for crack detection in eddy current testing | |
CN216285061U (zh) | 用于管道无损检测的涡流检测探头及*** | |
CN102841130A (zh) | 一种检测金属材料内外裂纹缺陷的装置和方法 | |
CN203124290U (zh) | 不同成分钕铁硼磁体的区分装置 | |
CN102831691A (zh) | 基于电磁传感器的硬币分拣与辨伪装置及其分拣辨伪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |