Manyetik Kaçak Akı İşaret Gürültüsü İçin Dalgacık Dönüşümü ve Tekrarlı Gauss Filtreleme Yöntemlerinin İncelenmesi
Manyetik kaçak akı yöntemi, ferromanyetik özellikteki materyallerde oluşan çatlak, delik, korozyon gibi kusurları algılama amaçlı kullanılan tahribatsız test yöntemlerinden biridir. Manyetik akı sensörlerinden alınan işaretler test edilen materyal yapısında oluşan kusurları tanımlamakla birlikte gürültü bileşenlerini de içermektedir. Gürültü miktarı ve niteliği ise test sistemi ve materyal yapısına göre farklılıklar göstermektedir. Uygun olmayan bir filtreleme işlemi sonucunda, kusurları temsil eden işaretler, gürültü içerisinde kaybolmakta veya bozularak anlamını kaybetmektedir. Bu çalışmada manyetik kaçak akı yöntemi ile alınan işaretler üzerinde dalgacık dönüşümü ve tekrarlı gauss filtreleme yöntemlerinin etkinliği incelenmektedir. Manyetik kaçak akı işaretlerini üretmek amacıyla, ANSYS Maxwell benzetim ortamında manyetik test sistemleri tasarlanmıştır. Test materyali olarak, üzerinde farklı büyüklükte 3 yapay kusur bulunan bir çelik plaka kullanılmıştır. Manyetik sistemden alınan işaretler üzerinde, ayrık dalgacık dönüşümü ve tekrarlı Gauss fitreleri uygulanmıştır. Filtrelenen işaretler üzerinde oluşan işaret bozulmaları ve simetri bozukluğu ele alınarak incelenmiştir. Deney sonuçlarına göre, manyetik kaçak akı işaretleri üzerinde, tekrarlı Gauss fitresinin dalgacık dönüşümü yöntemlerinden daha başarılı sonuçlar ürettiği görülmektedir.
___
- [1] LiYing, S., YiBo, L., LiBo, S. ve LingGe, L. (2012). Comparison of Magnetic Flux Leakage (MFL) and Acoustic Emission (AE) techniques in corrosion inspection for pressure pipelines”, In Control Conference (CCC), Chinese, 5375-5378.
[2] Baskaran, R. ve Janawadkar, M.P. (2008). Defect localization by orthogonally projected multiple signal classification approach for magnetic flux leakage fields, NDT&E International, 41, 416– 419.
Coughlin, C. R., Clapham, L. ve Atherton, D. L. (2000). Effects of stress on MFL responses from elongated corrosion pits in pipeline steel, NDT & E International, 33(3), 181-188.
[4] Ravan, M., Amineh, R. K., Koziel, S., Nikolova, N. K., ve Reilly, J. P. (2010). Sizing of 3-D arbitrary defects using magnetic flux leakage measurements, IEEE transactions on magnetics, 46(4), 1024-1033.
[5] Li, C., Li, Z., ve Jia, W. (2019). Theoretical study on the characteristics of self-magnetic flux leakage signals from pipeline defects. Insight - Non-Destructive Testing and Condition Monitoring, 61(9), 536-541.
[6] Xiao-meng L., Hong-sheng, D. ve Shi-wu, B. (2014). Research on the stress-magnetism effect of ferromagnetic materials based on three-dimensional magnetic flux leakage testing, NDT&E International, 62, 50–54.
[7] Atzlesberger, J. ve Zagar, B. (2010). Magnetic flux leakage measurement setup for defect detection, Procedia Engineering, 5, 1401-1404.
[8] Nur, Y., Muzafir, I., Haziah, H., Mohd, R. A., Mohamad, N. K. H. R., Chai, C. Y. ve Nurul, N. A. (2016). Denoising Technique for Partial Discharge Signal : A Comparison Performance between Artificial Neural Network, Fast Fourier Transform and Discrete wavelet transform, IEEE International Conference on Power and Energy, 311-316.
[9] Daniel, J., Mohanagayathriand, R. ve Abudhahir, A. (2014). Characterization of Defects in Magnetic Flux Leakage (MFL) Images using Wavelet Transformand Neural Network, International Conference on Electronics and Communication Systems. 1-5.
[10] Kaya, M. ve Guldemir, H. (2007). Dalgacık Dönüşümü İle En Düşük Anlamlı Bit Filigran Ekleme Yöntemlerinin Kaynaştırılması, Doğu Anadolu Bölgesi Araştırmaları, 5 (4), 4-8.
[11] Yang, Z., Dai, G., Zhao, H. ve Jiang, Y. (2009). Research of Magnetic Flux Leakage Signal Processing Based on Wavelet De-noising and EMD”, 2nd International Congress on Image and Signal Processing, 1-4.
[12] Ray, B., ve Ray, K. (1995). Corner Detection Using Iterative Gaussian Smoothing With Constans Window Size, Pattern Recognition, 28 (11), 1765-1781.