欢迎您访问长沙鹏翔电子科技有限公司官方网站

业界动态

您当前的位置: HOME中文新闻资讯业界动态

PCIE高速声发射仪/千兆网络声发射仪

业界动态

新无损检测技术:磁巴克豪森噪声技术国内外研究现状

发布日期:2016-07-26 13:51    浏览次数:

       磁巴克豪森噪声(Magnetic Barkhausen Noise,MBN)技术作为一种新的无损检测技术,可实现对铁磁性材料早期性能退化及微损伤的检测和评估,能够在材料使用早期确定材料表面应力状态、疲劳损伤状况及微观组织变化特性,从而能够及早发现材料早期损伤的部位,为重要设备或构件的安全评价和剩余寿命评估提供可靠依据。

  1. 国外研究现状

  目前已有多国的研究人员开展了MBN技术的研究,如德国弗劳恩霍夫研究所、英国纽卡斯尔大学、牛津大学、美国爱荷华州立大学、芬兰Stresstech公司、坦普雷科技大学、巴西圣保罗大学、伊朗马什哈德菲尔多西大学以及印度科技大学等。

  国际上对于MBN效应的研究及应用主要集中在应力检测、疲劳状态分析、硬度检测、微观组织分析、晶粒度测量及表面热处理工艺评价等方面,并提出了许多改善MBN信号的处理方法。

  (1)材料应力检测

  材料所受应力主要有两大方面:

  一是外界加载应力,涵盖压应力与拉应力、单向应力与周期应力、低应力和超限应力等;

  二是材料内部残余内应力,包括残余拉应力和残余压应力等。

  对于外加应力,英国的M. Blaow等研究人员在探究铁磁性材料受外力加载弯曲过程中的MBN信号变化时,指出应力会影响材料的磁化能力,改变MBN信号的波峰幅值和波峰位置,并且指出拉应力下的MBN信号多为单峰信号,而压应力下的MBN信号会出现多个峰值。2014年,德国的M.S. Amiri等研究人员指出应力的各向异性和晶体的各向异性对材料的磁化起决定性作用,在铁磁性材料的易磁化轴方向上,应力对MBN信号的影响大于其他方向,并通过磁致伸缩曲线和磁化曲线进行了验证说明。

  对于材料内部的残余应力,目前已有较多的研究成果。如印度的M. Vashista长期研究材料表面残余应力和MBN信号的关系,并指出材料在弹性范围内,MBN磁响应信号与残余应力成正相关的关系。

  (2)疲劳状态检测

  目前非常急需铁磁性材料疲劳状态的全生命周期无损检测和评估技术,特别是针对疲劳裂纹形成前和形成初期的检测技术,而MBN技术为解决这一问题提供了有效的理论支撑和技术支持。目前疲劳过程中的MBN信号变化的研究主要集中在位错密度的增加、滑移带的形成、裂纹的萌生等微观结构的变化,以及缺陷数目、畴壁与MBN峰值电压的相互作用等方面。

  金属在循环载荷的作用下,MBN信号变化显著,为了探究循环载荷和单向载荷对MBN信号影响的区别,2004年英国的V.Moorthy研究了En36钢在超限应力(最大达1700MPa)循环作用下的MBN信号特性,指出与单向载荷相比,高应力下的循环载荷会增加材料的位错密度,会使MBN信号峰值减小,加速材料疲劳。

  对于部分非磁性的金属材料,利用MBN技术也可进行疲劳检测。2005年,Vincent等研究人员将MBN技术用于304L奥氏体不锈钢低周疲劳的检测,由于不具有磁性的γ铁在冷轧及循环载荷作用下会产生形变,诱导马氏体产生,所以研究人员提出了α’-马氏体内应力计算的复合模型,通过MBN技术可以测得马氏体体积分数,评估非铁磁性奥氏体不锈钢的疲劳损伤特性。

  (3)金属微观组织和晶粒度分析

  关于金属内元素化学成分对MBN信号的影响,巴西的M.F.Campos等研究人员于2011年重点研究了合金钢中镍含量对材料硬度和MBN信号幅值的影响,总结出镍含量少的合金磁畴更易发生偏转。英国的V.Moorthy在2014年比较了碳含量不同(含碳量分别为0.20%和0.41%)钢的MBN信号的差异,并对试件进行了金相组织分析,指出碳含量的变化只会影响波峰的位置,对波峰的高度影响不大,还指出低频激励下的碳钢MBN信号存在两个波峰,而高频激励时只有一个波峰。

  材料中的相含量(如马氏体、铁素体等)不同会影响MBN信号。2014年,伊朗的S. Ghanei详细研究了双相钢中马氏体含量和MBN信号峰值的关系,得出马氏体含量的增大会使MBN信号峰值增大的结论。VINCENT A等研究人员通过研究奥氏体和马氏体相互转换前后MBN信号的差异,来判断材料中的马氏体含量。

  在晶粒度方面,S. Ghanei等研究人员于2014年分析了铁素体-马氏体双相钢中晶粒各向异性、晶体边界等微观结构对MBN信号的影响,指出晶粒尺寸的减小会使晶界密度增大,导致MBN信号增加。墨西哥的P. Martínez-Ortizyan等研究人员于2014年研究了晶粒的易磁化轴和MBN信号主峰之间的关系,通过转动试样对其进行360°的MBN检测,通过MBN信号能量的不同来确定材料的易磁化轴方向。

  目前对于金属内部化学成分、相含量和晶粒度的研究,大多结合金属材料的金相组织分析进行,虽然得出了MBN信号与相含量相关的定性规律,但是实际工程中通过MBN信号来反向估测相含量的应用或仪器甚少。主要原因在于:

  ①MBN信号受多种因素的影响,相含量改变往往伴随着其他影响因素的改变,缺乏通用的定量结论来描述相含量与MBN之间的关系,若单从MBN信号来推测相含量往往精度不高,有失偏颇。

  ②在进行化学成分和含量检测时,往往需要通过和已知含量的标准试样MBN信号进行参考比对,实际工程中获取一致的标准试样难度较大。

  (4)材料硬度测量

  为了探究由温度变化引起材料硬度不同对MBN信号的影响,2003年,英国的V.Moorthy等研究人员将En36钢加热至不同温度(192℃~900℃)后进行MBN检测实验。结果表明En36钢的MBN信号对材料温度的变化十分灵敏,材料温度越高,其表面硬度越小,测得的MBN信号幅值越大,实验中可检测到的MBN信号的最大深度为425μm。材料热处理后的冷却速率对硬度的影响也较大。2012年,巴西的F.A.Franco等研究人员探究了冷却速率对MBN信号的影响,用顶端淬火的方法设计出材料中不同区域的不同冷却梯度,指出材料冷却速度越快MBN信号越弱。

  国外许多学者都总结得到材料硬度越大MBN信号越弱这一结论,这对于材料硬度测量有很好的指导作用。由于MBN技术只能检测材料表面硬度,而对内部不同的硬度梯度无法进行有效检测,因此无法实现材料内部深度较大区域的硬度检测。

  (5)材料表面处理工艺评价

  德国弗劳恩霍夫研究所在金属表面处理和表面残余应力的MBN研究方面有较为显著的成果。2009年利用MBN对不同热处理的合金进行了微残余应力的检测研究,重点比较了室温(20℃)和居里温度(230℃)下残余应力趋于饱和时MBN信号之间的差异,发现材料处于居里温度下的MBN信号远小于室温下的MBN信号。2011年,通过MBN设备对齿轮表面质量进行检测,通过表面(50μm内)MBN信号的特征,推断出材料表面硬度和硬化层深度。

  芬兰的Suvi Santa-aho等研究人员近年来将研究方向聚焦在探究铁磁性材料表面激光加工工艺和MBN信号的关系上,分析了硬化钢渗碳层深度、残余应力等表面质量与激光工艺之间的关系,提出了避免材料重淬火和应力饱和的铁磁性材料表面控制热损伤的技术。

  MBN技术是评价材料表面加工工艺的有效方法之一。目前,通过MBN技术进行表面处理工艺的检测已有成熟的商业化设备,已经应用于一些金属零部件的表面加工工艺检测中,如芬兰Stresstech公司的Rollscan 300检测仪可实现对材料表面加工工艺、残余应力的检测。

  2. 国内研究现状

  国内对MBN技术的研究始于20世纪80年代中期,近年来开展MBN信号研究的机构主要有南京航空航天大学、北京化工大学、上海交通大学、沈阳工业大学、吉林大学等。

  1988年,原北京钢铁学院的穆向荣等研究人员开展了对双相钢的MBN效应的研究,指出利用MBN技术,可以实现对材料组织结构和组织性能的研究。1994年,华中理工大学的马咸尧等研究人员研究了MBN效应受应力影响的规律,还将MBN技术和磁声发射(MAE)技术进行了对比,指出MBN信号特征依赖于铁磁材料的组织结构和应力状态,拉应力降低了MAE信号强度,而增加了MBN信号强度;压应力可降低MBN信号强度,提出将两效应结合测量,既可提高测量拉应力的灵敏度,又可判别应力的正负值。

  2003年,上海交通大学的陈立功等研究人员开始研制MBN传感器及信号采集处理系统,研究了残余应力和MBN信号的关系,建立了结合虚拟仪器技术的MBN残余应力检测系统,利用该系统进行了铁磁材料热处理后残余应力的分析,指出热处理后的板材MBN强度呈下降趋势。2008年,他们改进了针对各向异性及非均匀残余应力的MBN传感器。

  从20世纪90年代初至今,北京化工大学的祁欣等研究人员持续开展了巴克豪森效应在残余应力检测、硬度和晶粒度分析、相含量的检测及疲劳寿命的预测这四个方面的研究,结果指出:在利用MBN效应进行铁磁性材料内部应力的测量时,激励信号不能过大,否则材料处于饱和磁场中时,会降低MBN信号对内部应力变化的敏感度。2011年,他们设计了抗干扰、输出信号信噪比高的MBN传感器。

  南京航空航天大学的王平等研究人员于2008年开始对MBN现象进行研究。2010年,提出了在高速运行条件下,利用MBN效应,用直流电源作为线圈的激励信号来进行钢轨应力检测。2011年,比较了三角波和正弦波对MBN信号的影响,总结出用三角波作为激励信号时MBN信号的特征值呈现出更好的线性度。2012年,研制了第一代便携式MBN铁轨应力检测仪。2013年,将BP神经网络算法引入了MBN信号处理中,得到应力测量值和真实值的平均误差为1.0618%,检测可靠度较高。2015年,丁松提出了一种名为“偏度skweness”的新的MBN信号特征值评估方法,利用该方法可以获得比均方根电压(RMS)评价法更多的MBN信息。
(转自中国机械网)