摘要: 影响涡流热成像检测效果的激励因素有多种，而不同激励参数的选择会导致不同检测效果，为了充分发挥涡流热成像检测技术的检测结果直观、检测速度快等优势，研究激励参数的激励规律和优化激励参数的激励水平很有必要。 研究以45号钢板为对象，构建... 展开 影响涡流热成像检测效果的激励因素有多种，而不同激励参数的选择会导致不同检测效果，为了充分发挥涡流热成像检测技术的检测结果直观、检测速度快等优势，研究激励参数的激励规律和优化激励参数的激励水平很有必要。 研究以45号钢板为对象，构建内部含缺陷的钢板电磁-热耦合场有限元仿真模型，对激励参数的因素和水平进行设计，结合实验分析仿真模型的可靠性，在此基础上采用遗传算法优化仿真模型的激励条件，使钢板缺陷区与正常区温度差异度最大化，使钢板缺陷更易检测。 首先设计了线圈匝数、激励时间、提离距离三个激励参数的正交实验，基于正交实验数据建立并修正三维感应加热模型，结果表明：实验数据与仿真数据的最高温度、最低温度和平均温度的误差均小于6.60%。此外，利用偏最小二乘回归方法构建了各参数与激励热效应指标（温度差值）的回归方程，定量分析了影响电磁激励热效应的三个激励参数对激励热效应的影响程度，由偏最小二乘方法得出的模型观测值与钢板背面平均温度的预测值之间误差都在8.91%以内，表明所构建的数学模型可以比较准确的表征电磁激励参数与激励热效应之间的关系。 其次，由于三维模型网格数量较大，后续遗传算法结合有限元仿真优化激励参数时耗时较多，所以对三维感应加热模型进行降维，建立含缺陷的二维感应加热模型，与四因素四水平的16组正交实验进行对比，结果表明：对比五个不同区域的温度和钢板表面的平均温度，仿真和实验结果的误差均小于7.23%，验证了模型的有效性，可用于后续激励参数优化中目标函数的构建。 最后，以缺陷与正常区域温度差异最大为目标建立遗传算法优化模型，确定参数优化的约束条件，并基于前期建立的有限元仿真模型构建目标函数。优化结果表明：经历30次迭代后，获得最优激励参数为匝数为8匝、位置为0.005米、提离为0米、时间为70秒。并通过多组对比实验，验证了该优化结果的效果。 收起