← 最新论文
🔬 physics

A Large Lift-off Laser-Electromagnetic Ultrasonic Resonance Method with Magnetic Flux Concentration

本文提出并优化了一种具有磁场集中器的新型激光电磁超声换能器(EMAT)配置,该配置显著增强了信号幅度,并将用于复杂环境下金属材料检测的离体距离扩展至 30 mm。

原作者: Jing Hu, Wenze Shi, Chao Lu, Shiwen Cheng, Weiwei Chen

发布于 2026-08-25
📖 1 分钟阅读☕ 轻松阅读

原作者: Jing Hu, Wenze Shi, Chao Lu, Shiwen Cheng, Weiwei Chen

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在工业领域,保护金属结构免受时间、热量和振动的威胁是一场持久战。从飞机引擎到炼油厂的管道,金属部件始终承受着压力,这往往会导致由腐蚀引起的壁厚变薄或隐藏裂纹。为了在这些问题导致失效之前捕捉到它们,工程师需要实现非接触式金属厚度测量,尤其是在金属过热无法触摸或振动过大导致标准传感器无法固定到位的情况下。几十年来,科学家们一直依赖一种称为电磁超声换能器(EMAT)的技术,它利用磁铁和电流在金属内部产生声波。与需要粘合或压在表面上的传统传感器不同,EMAT可以从较短的距离进行工作。然而,这种距离一直是主要的局限性;如果传感器离金属太远,信号就会变得太弱无法读取,导致该方法失效。这在检查极端环境下关键机械的能力方面留下了一个危险的空白。

南昌航空大学和中南大学的一个研究小组开发了一种新的方法来填补这一空白。他们创造了一种升级版的EMAT传感器,其“视距”比以往任何时候都大得多,即使传感器在距离金属几厘米远的地方,也能检测到金属变薄的情况。其创新的核心是一个简单而巧妙的添加物:磁场集中器。想象一下传感器使用的磁场就像一束光。在标准设置中,这束光会随着远离金属而扩散并迅速减弱。研究人员在传感器和金属之间放置了一个特殊形状的磁性材料,使其起到透镜的作用,收集散射的磁力并将其紧紧聚焦在表面上。这种能量的集中使得金属内部产生的声波变得更强,并允许传感器从更远的距离接收回波。

为了找到磁透镜的完美形状,研究人员并没有依靠猜测。他们为集中器设计了两种截然不同的方案:一种是环形设计,另一种是阶梯形设计。随后,他们进行了数百次计算机模拟,系统地改变这些设计的每一个部分的宽度、高度和位置,以观察哪种组合能产生最强的磁场。模拟结果显示,磁性组件的大小和形状至关重要。对于环形设计,中心部分的高度是最关键的因素;而对于阶梯形设计,集中器与金属表面之间的距离是最重要的变量。通过以这种特定的、有组织的方式测试这些变量,他们确定了能够最大化到达金属的磁力的精确尺寸。

一旦在计算机上确定了最佳设计,团队便制作了物理原型以证明该概念在现实世界中可行。他们使用强力激光在铝合金块中产生初始声波,以模拟高温检测中的非接触式产生过程。激光脉冲极快地加热了金属上的一个微小点,使其发生膨胀并产生振动,从而在材料中发送声波。配备了优化后的磁集中器的新型传感器被放置在金属上方,以捕捉该波的回波。结果令人瞩目。性能最好的环形传感器可以探测到26毫米外的金属,而性能最好的阶梯形传感器则可以达到30毫米。从这个角度来看,这类标准传感器通常很难在超过几毫米的距离内工作。

研究人员还测试了这些新传感器与没有磁集中器的旧版本相比的表现如何。改进是巨大的。优化后的传感器产生的信号比未优化版本强了数百个百分点,且更加清晰。在一次测试中,阶梯形设计产生的信号几乎是其表现最差配置时的十倍。更重要的是,即使在这些较大距离下,传感器仍能保持清晰的信号,这对于检测腐蚀变薄等微小缺陷至关重要。团队验证了他们可以准确测量包括不同类型钢材和镍合金在内的金属样品厚度,且误差非常小。他们发现,即使在传感器与金属之间的距离发生变化时,该方法依然可靠,这证明了磁集中器成功稳定了信号。

这项工作表明,极端环境下非接触式检测的局限性并不像此前认为的那样固定不变。通过更有效地聚焦磁能,研究人员已经证明,即使在那些正在振动或过热到无法触摸的部件上,也可以从安全距离进行金属检测。研究证实,磁集中器的几何形状是解锁这一能力的钥匙,其中阶梯形设计提供了最大的探测范围。虽然目前的研究重点是铝和特定的钢合金,但此处展示的原理最终可以应用于广泛的工业检测。能够从30毫米外进行非接触式金属厚度测量,为实时监测关键基础设施打开了大门,这对于安全至上的航空航天和能源领域具有潜在的预防失效作用。未来的路径包括进一步完善这些模型,并探索机器学习如何帮助传感器针对不同的材料和温度进行自动调节,但基础已经牢固奠定。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →