---

团队关于缺陷检测量化的研究成果发表在 Journal of Magnetism and Magnetic Material

[2021-12-11]

---

团队在ACFM无损检测领域取得了新的研究进展，提出极限学习机神经网络进行次表层裂纹尺寸反演的新方法，相关研究成果以‘Extreme learning machine based sub-surface crack detection and quantification method for ACFM’为题目，于2021年11月24日收录于国际知期刊Journal of Magnetism and Magnetic Material上，第一作者为博士研究生赵述祥，高俊奇教授和毛智能老师为论文的通讯作者。

次表层裂纹通常出现在换热器管道、石油运输管线、压力容器的内表面，且难以从内部实现检测。该研究利用有限元法分析了次表层裂纹尺寸对ACFM信号的影响，找出了用以表征缺陷的4个特征，并以此为基础搭建了极限学习机神经网络。实验结果表明，该网络的最大预测误差为6.27%，能够达到工程要求。该方法在缺陷检测量化方面，具有重要实际意义。