压力容器缺陷磁记忆检测机理研究

doi:10.3969/j.issn.1000-1565.2026.05.006

河北大学学报(自然科学版) ›› 2026, Vol. 46 ›› Issue (5): 506-513.DOI: 10.3969/j.issn.1000-1565.2026.05.006

压力容器缺陷磁记忆检测机理研究

庞彬^1,2,董瑞兴¹,刘岩鹤¹,张博维¹,李犇¹,李浩东¹

收稿日期:2026-05-07 出版日期:2026-09-25 发布日期:2026-09-15
通讯作者: 河北省省级科技计划项目(235A1801D)

Study on magnetic memory detection mechanism of pressure vessel defects

PANG Bin^1,2,DONG Ruixing¹,LIU Yanhe¹,ZHANG Bowei¹,LI Ben¹,LI Haodong¹

1. College of Quality and Technical Supervision, Hebei University, Baoding 071002, China; 2. Hebei Technology Innovation Center for Lightweight of New Energy Vehicle Power System, Baoding 071002, China

Received:2026-05-07 Online:2026-09-25 Published:2026-09-15

摘要/Abstract

摘要： 针对压力容器缺陷磁记忆检测问题,本文采用理论分析、有限元仿真与实验相结合的方式,探究缺陷类型、缺陷几何参数对磁记忆信号特征的影响机理.首先,剖析压力容器缺陷产生的应力集中与磁致伸缩效应的物理关联机制,为磁记忆技术应用于压力容器缺陷检测奠定理论基础;其次,采用COMSOL软件构建压力容器缺陷的力磁耦合有限元模型,通过有限元仿真获取不同压力容器缺陷的磁记忆信号;最后,开展压力容器缺陷模拟及磁记忆检测实验,分析压力容器缺陷的磁记忆信号特征.有限元仿真及实验分析结果表明:压力容器缺陷的几何参数与类型对磁记忆信号特征具有显著影响;缺陷深度增大使应力集中区的磁记忆信号幅值近似线性增长,且缺陷深度对信号的影响效果显著大于缺陷半径;相较于圆柱凹坑缺陷,矩形槽缺陷的磁记忆信号幅值更高、增长趋势更平缓.该特征规律可为基于磁记忆的压力容器缺陷检测提供理论依据.

关键词: 压力容器, 磁记忆检测, 应力集中, 缺陷识别

中图分类号:

TK83

庞彬, 董瑞兴, 刘岩鹤, 张博维, 李犇, 李浩东. 压力容器缺陷磁记忆检测机理研究[J]. 河北大学学报(自然科学版), 2026, 46(5): 506-513.

PANG Bin, DONG Ruixing, LIU Yanhe, ZHANG Bowei, LI Ben, LI Haodong. Study on magnetic memory detection mechanism of pressure vessel defects[J]. Journal of Hebei University(Natural Science Edition), 2026, 46(5): 506-513.

参考文献

[1] 谢阳,赵波,龙伟,等.基于衰减路径时变性的压力容器疲劳裂纹安全裕度研究[J].四川大学学报(自然科学版), 2021, 58(6): 103-110. DOI:10.19907/j.0490-6756.2021.064003.
[2] 陈奔,嵇玉辰,梁一恒,等.变压器油箱含缺陷角焊缝疲劳寿命分析[J].机械强度, 2023, 45(1): 209-217. DOI:10.16579/j.issn.1001.9669.2023.01.026.
[3] 肖正衍,王学生,苏智彬,等.多层包扎容器焊缝疲劳分析及结构改进[J].华东理工大学学报(自然科学版), 2025, 51(5): 713-721. DOI:10.14135/j.cnki.1006-3080.20241112001.
[4] 俞翔,梁俊杰,刘功祥.压力容器定期检验中风险识别典型案例[J].中国设备工程, 2026(6): 188-190. DOI:10.3969/j.issn.1671-0711.2026.06.076.
[5] 段伟明,李庆东.化工常压容器超压爆炸事故致因分析与安全防控体系构建[J].化工生产与技术, 2026, 32(1): 30-34. DOI:10.3969/j.issn.1006-6829.2026.01.006.
[6] 曾凯,田海,邢保英,等.自冲铆机械内锁结构形态的超声无损检测方法[J].机械工程学报, 2024, 60(2): 10-16. DOI:10.3901/JME.2024.02.010.
[7] 刘飞云,王国庆,杨理践,等.基于空气耦合超声波斜入射的钢板缺陷检测方法[J].管道保护, 2025, 2(6): 32-38. DOI:10.26949/j.issn.2097-5260.2025.06.003.
[8] 刘昶辰,王守龙,应凯迪,等.基于工业CT和激光剪切散斑干涉的复合材料气瓶分层缺陷检测[J].复合材料学报, 2025, 42(7): 4141-4149. DOI:10.13801/j.cnki.fhclxb.20240910.006.
[9] 何健,张佶,王航,等.基于红外热成像的钢管混凝土脱空缺陷检测研究[J].建筑钢结构进展, 2025, 27(7): 73-80. DOI:10.13969/j.jzgjgjz.20240224001.
[10] 李建宇,程姣姣,朱和明,等.基于卷积神经网络的涡流热成像检测技术[J].河北大学学报(自然科学版), 2025, 45(6): 653-660. DOI:10.3969/j.issn.1000-1565.2025.06.011.
[11] 王朝霞,宋金刚,陈克,等.基于金属磁记忆方法的压力容器检测技术[J].压力容器, 2006, 23(12): 42-44. DOI:10.3969/j.issn.1001-4837.2006.12.009.
[12] 邢海燕,段成凯,刘长皓,等.金属磁记忆检测的关键技术研究现状与展望[J].压力容器, 2024, 41(1): 70-82. DOI:10.3969/j.issn.1001-4837.2024.01.009.
[13] Bao S, Li Y. Evaluation of cracks in wire and arc additive manufacturing components using magnetic memory technology[J]. Measurement, 2026, 257: 118615. DOI:10.1016/j.measurement.2025.118615.
[14] Wang Z D, Yao K, Deng B, et al. Theoretical studies of metal magnetic memory technique on magnetic flux leakage signals[J]. NDT E Int, 2010, 43(4): 354-359. DOI:10.1016/j.ndteint.2009.12.006.
[15] 罗旭,朱海燕,丁雅萍.基于力磁耦合效应的铁磁材料修正磁化模型[J].物理学报, 2019, 68(18): 271-282. DOI:10.7498/aps.68.20190765.
[16] 杨晓惠,陈龙,何长春,等.利用能量守恒定律的力磁耦合模型研究[J].机械科学与技术, 2025, 44(2): 352-360. DOI:10.13433/j.cnki.1003-8728.20230174.
[17] 王慧鹏,李海航,石家龙,等.拉伸应力激励时铁磁性材料表面三维金属磁记忆信号变化规律[J].中国表面工程, 2025, 38(4): 198-207. DOI:10.11933/j.issn.1007-9289.20240417001.
[18] 邢海燕,王松弘泽,弋鸣,等.基于IPSO-GRU深度学习算法的海底管道缺陷尺寸磁记忆定量反演模型[J].工程科学学报, 2022, 44(5): 911-919. DOI:10.13374/j.issn2095-9389.2020.11.06.001.
[19] 冷建成,田洪旭,郭亚光,等.拉压不同应力对磁记忆信号的影响及机理[J].工程科学学报, 2018, 40(5): 565-570. DOI:10.13374/j.issn2095-9389.2018.05.006.
[20] Ji S H, Yan J, Liu Y, et al. ICEEMDAN-VMD denoising method for enhanced magnetic memory detection signal of micro-defects[J]. Front Signal Process, 2025, 5: 1518558. DOI:10.3389/frsip.2025.1518558.

压力容器缺陷磁记忆检测机理研究

Study on magnetic memory detection mechanism of pressure vessel defects

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价