Two-dimensional Defect Localization and Qua ntification in Steel-cord Conveyor Belts via C ross-cord Eddy Current Testing

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, einen winzigen, verborgenen Fehler in einem massiven, sich bewegenden Stahlseil zu finden. Dies ist nicht einfach nur ein Seil; es ist das Rückgrat eines Bergbaubetriebs, ein Stahlseil-Förderband, das jeden Tag Tonnen an schwerem Material transportiert. Wenn im Inneren auch nur wenige Drähte reißen, könnte das gesamte Band reißen und einen massiven Unfall verursachen. Um diese verborgenen Brüche zu finden, nutzen Wissenschaftler eine Technik namens Wirbelstromprüfung. Stellen Sie sich das wie das Leuchten mit einer speziellen magnetischen Taschenlampe auf den Stahl vor. Wenn das Licht auf das Metall trifft, erzeugt es unsichtbare, wirbelnde Ströme (Wirbelströme). Wenn das Metall perfekt ist, sind die Wirbel glatt. Wenn ein Draht gebrochen ist, werden die Wirbel chaotisch und das Signal der Taschenlampe verändert sich. Diese Änderung sagt dem Detektiv: „Etwas ist nicht in Ordnung hier!“

Lange Zeit konnten diese Detektive das Seil nur aus einer Richtung betrachten, als würde man ein Buch Zeile für Zeile lesen. Sie konnten zwar feststellen, wann ein Bruch passierte, während das Band an ihnen vorbeizog, aber sie konnten nicht bestimmen, wo über die Breite des Bandes hinweg der Bruch lag. Es war, als würde man ein Geräusch in einem dunklen Raum hören, aber nicht wissen, ob es von links, rechts oder aus der Mitte kam. Dieses Papier, verfasst von einem Forscherteam der Taiyuan University of Technology, versucht, dieses Rätsel zu lösen. Sie wollen dieses eindimensionale „Zeilenlesen“ in eine voll zweidimensionale Karte verwandeln, die exakt punktgenau bestimmt, wo die gebrochenen Drähte sich verstecken – sowohl entlang der Länge als auch über die Breite des Bandes.

Das Zwei-Schritte-Detektivspiel

Die Forscher erkannten, dass sie eine neue Strategie brauchten, um die verborgenen Brüche zu finden. Anstatt das Band einfach nur gerade nach unten zu scannen (was wir als X-Achse bezeichnen), beschlossen sie, einen zweiten Scan über die Breite des Bandes hinzuzufügen (die Y-Achse). Stellen Sie sich das Förderband wie eine riesige Pizza vor. Die alte Methode war es, nur den Rand von vorne nach hinten zu prüfen. Die neue Methode ist wie das Herausnehmen eines Stücks aus der Pizza und das Betrachten von der Seite, um genau zu sehen, welches Salami-Stück verbrannt ist.

Zuerwert bewegt sich der Roboter entlang der Länge des Bandes, um den allgemeinen Bereich zu finden, in dem etwas nicht stimmt. Sobald er ein „Tal“ (einen Einbruch im Signal) entdeckt, das sagt: „Hey, hier gibt es ein Problem!“, hält er an. Dann bewegt er sich nicht vorwärts, sondern seitlich über die Breite des Bandes. Dies ist der „Quer-Scan“ (Cross-Cord Scan). Durch die Seitwärtsbewegung kann die Sonde sehen, wie die gebrohenen Drähte angeordnet sind. Wenn ein Draht gebrochen ist, sinkt das Signal einmal ab. Wenn zwei Drähte nebeneinander gebrochen sind, sinkt das Signal zweimal ab oder erzeugt ein tieferes, breiteres Tal.

Das „Geister“-Problem und der magische Radiergummi

Es gab jedoch ein kniffliges Problem. Die Stahldrähte im Band sind nicht fest miteinander verklebt; es gibt winzige Lücken zwischen ihnen. Während die Sonde sich seitwärts bewegt, erzeugen diese Lücken ihre eigenen kleinen Wellen im Signal, die fast genau wie gebrochene Drähte aussehen. Es ist, als würde man versuchen, ein Flüstern in einem Raum zu hören, in dem der Wind ständig die Vorhänge rascheln lässt. Das Rascheln (die Lücken) klingt fast wie das Flüstern (der gebrochene Draht), was es schwierig macht, zu unterscheiden, was real ist und was nur Hintergrundrauschen.

Um dies zu beheben, nutzte das Team einen cleveren Trick namens Referenzdifferenzierung. Stellen Sie sich vor, Sie haben eine Aufnahme des Bandes, als es perfekt gesund wäre, ohne gebrochene Drähte. Sie spielen diese „gesunde“ Aufnahme in Ihrem Kopf ab, während Sie das echte Band scannen. Wenn Sie die „gesunde“ Aufnahme von der echten Aufnahme subtrahieren, hebt sich das „Rascheln“ der Lücken gegenseitig auf, da es in beiden Fällen identisch ist. Aber das „Flüstern“ des gebrochenen Drahtes wird nicht herausgerechnet, da es in der gesunden Aufnahme nicht vorhanden war. Plötzlich sticht der gebrochene Draht klar gegen einen stillen Hintergrund hervor.

Der Gauß-Zaubertrick

Nachdem das Rauschen beseitigt war, hatten die Forscher noch ein kleines Problem. Ihr Roboter bewegt sich in winzigen Schritten, wie eine Person mit einem Lineal. Wenn ein gebrochener Draht genau zwischen zwei Schritten liegt, könnte der Roboter die exakte Mitte verpassen. Um dies zu lösen, verwendeten sie ein mathematisches Werkzeug namens Gauß-Anpassung (Gaussian Fitting).

Betrachten Sie den durch einen gebrochenen Draht verursachten Signalabfall als einen glatten, glockenförmigen Hügel. Selbst wenn der Roboter nur wenige Stichproben von diesem Hügel nimmt, kann die Mathematik eine perfekte Kurve durch diese Punkte zeichnen. Dies ermöglicht es dem Roboter, die exakte Mitte des Hügels mit unglaublicher Präzision zu erraten, selbst wenn er nicht direkt auf dem Gipfel gelandet ist. Es ist, als würde man auf ein paar Fußabdrücke im Sand schauen und in der Lage sein, genau zu sagen, wo die Mitte des Fußes war, selbst wenn man den ganzen Fuß nicht gesehen hat.

Was sie fanden

Das Team testete ihre Idee mithilfe von Computersimulationen und realen Experimenten an einem Stahlseil-Förderband. Sie erzeugten künstliche Brüche, um zu sehen, ob ihre Methode diese finden konnte.

• Die Wahl der Sonde: Sie testeten zwei Arten von Sensoren. Einer war eine „differentielle“ Sonde (die zwei Seiten vergleicht), und der andere eine „absolute“ Sonde (die nur das Gesamtsignal misst). Sie fanden heraus, dass die absolute rechteckige Doppelspulensonde viel besser darin war, das Rauschen der Lücken und der Umgebung zu ignorieren. Sie war der zuverlässigere Detektiv.
• Die Ergebnisse: Als sie das Band mit einer Schrittweite von 1,5 mm scannten, war ihre neue Methode unglaublich genau. Sie fanden heraus, dass der durchschnittliche Fehler bei der Lokalisierung des gebrochenen Drahtes nur 0,0988 mm betrug. Um das einzuordnen: Das ist weniger als die Breite eines menschlichen Haares!
• Das Zählen der Brüche: Die Methode fand nicht nur den Ort, sondern zählte die gebrochenen Drähte auch perfekt. Wenn es einen Bruch gab, sah sie einen Einbruch. Wenn es zwei waren, sah sie zwei. Die Erfolgsquote beim Zählen der Defekte lag bei 100 %.
• Die Mathematik: Der Teil mit der „Gauß-Anpassung“ war das Geheimrezept, das es ihnen ermöglichte, diesen winzigen Fehlermargenbereich zu erreichen. Ohne sie wären sie an die größere Schrittweite des Roboters gebunden gewesen.

Warum es wichtig ist

Dieses Papier zeigt, dass wir über das bloße Wissen, dass ein Band beschädigt ist, hinausgehen können, um genau zu wissen, wo es beschädigt ist – und zwar in zwei Dimensionen. Die Forscher haben demonstriert, dass sie durch die Kombination eines Seitwärts-Scans mit intelligenter Mathematik zur Rauschunterdrückung die Gesundheit eines Förderbandes mit hoher Präzision kartieren können.

Es ist jedoch wichtig anzumerken, dass diese Ergebnisse aus kontrollierten Experimenten und Simulationen stammen. Das Team testete Szenarien mit bis zu zwei gebrochenen Drähten gleichzeitig. Obwohl die Methode sehr vielversprechend aussieht, legt das Papier nahe, dass zukünftige Arbeiten notwendig sein werden, um sie an Bändern mit wesentlich mehr gebrochenen Drähten und unter den chaotischen, realen Bedingungen eines geschäftigen Bergbaus zu testen. Aber für den Moment bietet diese neue „Quer-Scan“-Technik eine leistungsstarke neue Möglichkeit, unsere schweren Förderbänder sicher und einsatzbereit zu halten.