1、压 力 容 器2024 年 1 月70 第 41 卷第 1 期 收稿日期：2023-08-27 修稿日期：2023-11-01基金项目：国家自然科学基金资助项目（11272084）；黑龙江省自然科学基金联合引导项目（LH2019A004）doi：10 3969/j issn 1001-4837 2024 01 009技 术 综 述金属磁记忆检测的关键技术研究现状与展望邢海燕，段成凯，刘长皓，徐 成，刘伟男，刘 传（东北石油大学 机械科学与工程学院，黑龙江大庆 163318）摘 要：金属磁记忆检测技术是一种绿色无污染、可检出早期应力集中、隐性损伤以及宏观缺陷的全寿命无损检测技术，经过20多年发展
2、，已取得众多研究成果并应用于压力容器、石油管道、铁路桥梁、能源电力、航空航天等重要领域。针对金属磁记忆检测技术近年来的热点与难点问题，从理论基础到工程应用中的关键技术出发，归纳总结了磁记忆检测技术的机理、信号降噪与特征提取，以及机器学习在磁记忆检测评价中的应用等方面的研究现状，并对磁记忆检测技术亟待解决的关键难点问题与未来发展方向进行了探讨。关键词：磁记忆机理；信号降噪；特征提取；定量评价；机器学习中图分类号：TH142；TG115.2；TP181 文献标志码：A Current status and prospects of key technologies in metal magneti
3、c memory testingXINGHaiyan，DUANChengkai，LIUChanghao，XUCheng，LIUWeinan，LIUChuan（SchoolofMechanicalScienceandEngineering，NortheastPetroleumUniversity，Daqing 163318，China）Abstract：Metalmagneticmemory（MMM）testingisagreen，pollution-free，lifecyclenon-destructivetestingtechnologythatcandetectearlystresscon
4、centration，hiddendamageandmacroscopicdefects Aftermorethan20yearsofdevelopment，numerousresearchresultshavebeenachievedandappliedinimportantfieldssuchaspressurevessels，oilpipelines，railwaybridges，energyandpower，aerospace ForthehotanddifficultissuesofMMMtestingtechnologyinrecentyears，startingwiththeth
5、eoreticalbasisandkeytechnologiesinengineeringapplications，thecurrentresearchstatusofMMMtestingtechnologyintheaspectsofmechanism，signaldenoisingandfeatureextraction，andtheapplicationofmachinelearningindetectionandevaluation，etc weresummarized，andthekeyanddifficultissuesthatneedtobesolvedurgentlybyMMM
6、testingtechnologyandthedirectionoffuturedevelopmentwerediscussedKey words：magneticmemorymechanism；signaldenoising；featureextraction；quantitativeevaluation；machinelearning0 引言铁磁性材料广泛应用于压力容器、石油管道、铁路桥梁、能源电力、航空航天等关系国计民生的重要领域，在服役过程中往往处于高温、高压、腐蚀等恶劣环境，加之人为因素的影响，会产生不易察觉的早期应力集中和隐性损伤，使其突然断裂或积累形成无法修复的宏观损伤，对安全运
7、行带来极大风险。因此，及时检测并发现早期异常应力集中与隐性损伤并进行修复或替换非常重要。目前常见的有磁粉检测、漏磁检测、超声检测、射线检测以及涡流检测等方法，但这些无损检测方法只对宏观缺陷有较好的检测效果，无法对早期异常应力集中进行检测，存在各种安全隐患1。金属磁记忆检测技术不仅可以发现宏观缺陷，更能有效检出早期应力集中与隐性损伤，引起无损检测领域的广泛关注。1997年，俄罗斯学者杜波夫提出，铁磁材料在外力与地磁场共同作用下，其应力变形集中区的磁畴会重新取向，进而导致材料表面形成漏磁场，即使卸除外力，该漏磁场也会继续存在2。通过检测材料表面的漏磁场信号来确定其异常应力集中区和早期隐性损伤，71
8、邢海燕，等：金属磁记忆检测的关键技术研究现状与展望从而在实际工程中达到防范于未然、避免发生重大安全事故的目的。金属磁记忆检测技术一经提出，众多学者便对其进行了大量理论与试验研究及工程应用，20余年来已取得了大量优秀研究成果，本文针对磁记忆研究中从理论基础到工程应用的关键技术，围绕近年来的难点和热点问题，综述了检测机理、信号降噪与特征提取以及机器学习在磁记忆检测评价中的应用等方面的研究现状，并提出了亟需解决的关键难点问题与未来发展方向。1 磁记忆检测技术机理磁记忆检测机理的研究是磁记忆技术的首要关键点，目前磁记忆检测机理的研究中，最常用的理论可概括为3种：（1）铁磁材料内部的磁畴组织受到外力和地
9、磁场的共同作用后，根据稳定状态处于能量最小状态的原则，发生畴壁移动和磁畴转向，即能量最小原理；（2）由于力磁耦合效应，铁磁材料内部的磁化强度随着外磁场和应力的改变而变化，即 J-A 模型；（3）磁化强度外溢到试件表面形成漏磁场，当试件出现损伤时，在缺陷附近漏磁场由一对带有相反磁荷的偶极子产生，即磁偶极子理论。1.1 能量最小原理在磁记忆检测技术发展初期，学者们尝试从能量的角度阐释磁记忆检测机理，得到了应力与磁导率关系式。铁磁材料内部磁畴的运动导致了磁记忆效应的产生，而能量最小原理解释了磁畴运动的机制。铁磁材料磁晶内部存在互相作用能量，当受到外部磁场与应力的作用，磁晶位于磁场中的总自由能为：EE
10、EEEkmsel=+（1）E=322cos（2）式中，Ek为磁晶各项异性能；Ems为磁弹性能；Eel为弹性能；E为应力能；为磁致伸缩系数；为外加应力；为应力与磁化方向的夹角。外部磁场与应力的施加会导致原有平衡被破坏，为符合最小能量原理，由式（1）（2）可知，总自由能趋于最小的途径是减小应力能，即改变大小。具体的，当0，=0或，即应力与磁化方向平行时，应力能最小；反之当0，=/2或3/2，即应力与磁化方向垂直时，应力能最小。由此可见，当材料受到外部磁场与应力作用，其内部磁畴会朝着与应力方向平行或垂直的方向转动，抵消应力能的增加，使整体能量处于最小状态，如图1所示。图1 磁畴转向示意Fig.1 S
11、chematicdiagramofmagneticdomainturning王社良等3结合磁介质磁化理论和能量最小化原理，得到了铁磁材料相对磁导率变化与应力关系的磁力学模型：=22mmB（3）式中，为磁导率；/为磁导率相对变化率；m为饱和磁致伸缩系数；Bm为饱和磁感应强度；为应力。黄炳炎4根据文献 3所提出的力磁耦合模型对管道焊缝裂纹漏磁场进行三维有限元数值分析，得到裂纹处应力与裂纹表面提离高度3mm处的漏磁场的变化规律，如图24所示。（a）应力变化（b）漏磁场变化图2 应力与漏磁场随裂纹尺寸变化曲线Fig.2 Changecurveofstressandleakagemagneticfiel
12、dwithcracksize72PRESSURE VESSEL TECHNOLOGYVol.41，No.1，2024李龙军等5也从能量角度得出了应力与磁导率的关系式：=+3222mmmB（4）式中，为应力值为时的磁导率。陈思雨6在文献5的研究基础上，建立海底管道力磁耦合模型并进行有限元分析，得到各尺寸单缺陷和双缺陷在不同情况下的磁场强度模拟结果，如图36所示。（a）2mm 深度 （b）4mm 深度 （c）6mm 深度 （d）间距10mm （e）间距30mm图3 单双缺陷各情形仿真结果Fig.3 Simulationresultsofsingleanddoubledefectscenarios以
13、上理论模型从能量最小原理得到了理想状况下的力磁耦合关系，但只适用于材料的弹性变形阶段，在实际工程应用中具有局限性。1.2 J-A 模型J-A 模型作为磁记忆检测机理研究领域重要理论，得到学者广泛关注与研究，取得大量研究成果。1984年，JILES 等7-9从热力学平衡原理出发，提出了接近原理，并最终建立了 J-A 模型，可以很好地解释磁记忆检测中的信号翻转和接近现象。J-A 模型以其简单有效的特点成为磁记忆机理研究领域的重要理论，但其只适用于研究铁磁材料在单向应力下弹性阶段的磁化情况，无法解释拉压应力下磁记忆信号不对称现象。为此，学者们从弹塑性变形、多向应力以及交变应力等方面对 J-A 模型进
14、行了大量改进。在塑性变形方面，SABLIK 等10-11在 J-A 模型提出后不久，考虑到微小塑性变形量对磁滞现象的影响，提出了可用于模拟塑性变形条件下的改进J-A模型。LO等12-13考虑了钉扎系数影响，提出了一种可解释塑性变形和外加应力联合影响磁滞回线的 J-A 模型。WANG 等14基于 J-A 模型提出了一种磁-弹-塑性模型，认为塑性变形下的磁化状况与弹性变形不同，拉伸和压缩塑性变形都会降低铁磁材料的磁化强度，且在强场中更显著。LI 等15在文献 7-11的研究基础上，将残余应力、应力退磁项和塑性变形等因素引入有效场，考虑塑性变形对钉扎系数、缩放常数和域间耦合系数的影响，提出弹塑性形变
15、综合模型，模型仿真与试验结果如图415所示。（a）模型模拟曲线 （b）A3钢试验验证 （c）AISI1045钢试验验证图4 模型与试验验证曲线Fig.4 Modelandexperimentalvalidationcurve73邢海燕，等：金属磁记忆检测的关键技术研究现状与展望值得注意的是，刘清友等16指出，不同学者对 J-A 模型中部分关键参数存在不同表述，如混淆磁化强度 M 和无磁滞磁化强度Man、不可磁化与全部磁化能量，随后对基于塑性变形的 J-A 模型进行了统一与修正。在此基础上，罗旭等17进一步结合 J-A 模型中的磁滞理论与 Z-L 模型中非线性磁致伸缩公式，改进了磁-弹-塑性模型
16、，研究了单次磁化和循环磁化条件下弹塑性拉、压应力对磁化强度的影响。上述 J-A 模型中的应力状态为静态单向应力，而实际条件下工件往往受到动态多向复杂应力，所以 J-A 模型在实际应用中会有较大误差。LIU 等18从管道实际受力出发，建立了复杂多向应力下的弹塑性 J-A 模型并进行试验验证，结果表明多向应力 J-A 模型更适用于工程实际。ZHANG 等19结合非线性磁致伸缩，针对疲劳交变应力下的单周期 J-A 模型做了进一步改进，研究了钢筋疲劳损伤与表面磁记忆信号之间的关系。MA 等20基于 J-A 磁力学理论和磁滞理论，提出了一种循环加载下不可逆磁化强度随塑性应变变化的理论模型，指出低周疲劳下
17、结构钢累积塑性损伤和磁记忆信号梯度之间存在指数相关的半定量关系，并首次从能量转换的角度阐明这一关系。经过20多年的发展，学者们从各方面对 J-A模型进行改进，秦宇等21-23从应力与缺陷尺寸、初始磁化状态、磁场与应力角度等方面对磁信号的影响，使 J-A 模型不断完善，逐渐适用于弹塑性变形及复杂应力状态下力磁耦合机理的研究，为缺陷的定量反演以及金属磁记忆检测技术的工程实际应用奠定了理论基础，但也存在一些问题：（1）目前 J-A 模型版本众多，虽然研究人员均证实了各自模型具有更好的效果，但是孰对孰错尚无定论；（2）J-A 模型中的参数以及模型的求解算法还有待优化；（3）J-A 模型主要是对检测机理
18、的定性分析，在定量分析试件表面与空气中漏磁场方面无能为力，需要与其他理论相结合，如磁偶极子理论，从而实现在工程应用上的突破。1.3 磁偶极子理论磁偶极子理论是研究缺陷漏磁场的重要方法，最早 ZATESPIN 等24在1966年提出了矩形缺陷的二维磁偶极子模型，模拟了金属材料表面矩形缺陷的漏磁情况。1972年，SHCHERBININ等25又提出了裂纹缺陷的三维磁偶极子模型，令磁偶极子模型更符合实际情况。随后在此基础上，磁偶极子模型蓬勃发展。冷建成26使用磁偶极子模型分析了裂纹尖端塑性区表面的漏磁场，与实际测得磁记忆信号吻合。时朋朋27首次给出了梯形凹槽磁偶极子模型解析表达式，然后在其基础上得到了
19、矩形、V 形和组合形凹槽（V 形和梯形）的解析表达式，4种缺陷界面图如图527所示。（a）梯形缺陷 （b）矩形缺陷（c）V 字形凹槽 （d）组合型凹槽图5 4种缺陷截面图Fig.5 Crosssectionsoffourtypesofdefects磁偶极子模型大多假设磁化方向与缺陷方向垂直的理想状态，忽略了裂纹方向、磁化方向及传感器姿态三者之间的位置关系。为此，刘志天28首次提出了任意方位缺陷的三维磁偶极子模型，可计算任意长宽比，任意方位的矩形截面缺陷上方任一点漏磁场。磁偶极子模型难以分析应力对磁信号的影响，学者们针对磁偶极子中磁荷密度这一物理量展开研究，建立起应力与磁信号的关系。由于J-A模
20、型物理意义明确，便于分析，故学者多用 J-A模型与磁偶极子模型相结合。WANG 等29-30提出了一种线性磁荷模型，给出了磁荷和应力状态的线性描述，可预测由局部应力集中引起的缺陷区中的磁记忆检测信号。徐明秀等31根据拉伸试验结果并结合改进的 J-A 模型建立了磁偶极子模型，研究认为疲劳损伤区边界和裂纹边界的磁荷密度与材料内部磁化强度 M0呈线性关系。WANG 等32提出一种改进磁偶极子模型，研究了圆柱形通孔周围的漏磁信号。时朋朋等33建立了力磁耦合型磁偶极子理论模型，以适用于分析磁记忆检测中应力对磁信号的影响，初步实现了对磁记忆检测基本实验现象和规律的解释。金煌煌等34考虑了等效磁偶极子个数、
21、分布以及74PRESSURE VESSEL TECHNOLOGYVol.41，No.1，2024磁矩大小方向的影响，建立了多磁偶极子最简等效模型，有效减少了求解计算量。罗旭等35采用微元的思想，将试件分为多个微小单元，建立起单元应力、磁化强度和磁荷密度之间的关系，避免了人为设定磁荷密度值，同时建立了一个适用于缺陷界面或应力集中区磁荷密度非均匀分布的磁偶极子模型。众多学者研究了各类磁偶极子的漏磁场分布情况，丰富了金属磁记忆检测机理并为缺陷定量化研究提供理论支撑，但磁偶极子目前还存在一些问题：（1）模型缺陷形状过于规整，针对工程实际缺陷形状研究不足；（2）材料属性设定与实际相差较大，考虑材料实际的
22、磁荷分布以及磁特性参数差异的研究较少；（3）针对存在两种以上不同磁导率的介质层，如埋地管道、套管等情况下，如何用磁偶极子理论研究磁记忆信号经过不同介质层之间界面的传导与衰减规律，是目前研究的难点问题；（4）目前研究中尚未明确缺陷尺寸、应力以及磁场强度的定量关系，使磁记忆检测技术在工程实际应用中受到掣肘。2 磁记忆检测信号降噪与特征提取磁记忆信号是一种弱磁场信号，因此对弱磁信号进行降噪与特征提取是磁记忆检测中的关键技术，是缺陷定量反演、等级定量识别以及可靠性评价的重要前提。2.1 磁记忆检测信号降噪在实际检测中的磁分量易受到异物、环境背景磁场和系统噪声等因素影响，导致磁记忆信号中包含大量的干扰噪
23、声，这些噪声严重影响后续的信号分析、缺陷的定量识别等。磁记忆信号降噪最常用的处理方法是小波变换和经验模态分解，同时还有奇异值分解、形态滤波等方法。磁记忆信号属于随机信号，而且严格意义上来说不具有平稳性，而小波分析具有局部的时域和频域分析特性36，适用于非平稳信号处理。小波变换法降噪的关键问题是小波函数及其系数阈值的选取和阈值函数的设置，众多学者围绕这些方面展开了研究。张军等37-40采用指数小波去噪、3自适应阈值法等方法对磁记忆信号进行去噪，取得较好效果，并在文献 41的对比研究中得到了证实，提出了随尺度和均方差变化的自适应噪声阈值小波降噪方法，解决了小波系数微小偏移问题。易方等42将小波分解
24、系数的平方按照升序排列，同时引入风险向量元素，提出一种新的自适应阈值计算方法，在提高信噪比的同时降低了均方根误差。王长龙等43通过构建准则函数进行迭代寻找最佳小波系数阈值，得到一种自适应阈值小波降噪方法。SHI 等44提出一种利用平移变换小波降噪法，即通过平移信号改变信号不连续性的位置，排除奇异点的干扰，再通过小波阈值进行去噪，降噪结果如图644所示。（a）原始切向梯度信号 （b）原始法向梯度信号（c）降噪切向梯度信号 （d）降噪法向梯度信号图6 平移小波降噪结果Fig.6 Translationwaveletdenoisingresults经验模态分解（EmpiricalModeDecomp
25、osition，EMD）无需选择基函数，可直接对待处理信号进行分解，利用 EMD 降噪后的信号可保留自有的非线性和非平稳特性。LENG 等45首先将经验模态分解运用到了磁记忆检测信号降噪中，发现与软阈值小波降噪方法相比，EMD 具有相同甚至更好的去噪效果。但要注意，直接使用 EMD 进行处理，可能出现模态混叠问题，降低去噪效果。为此，张雪英等46使用集成模态分解（EnsembleEmpiricalModeDecomposition，EEMD）与小波半软阈值结合进行降噪处理，避免了使用 EMD 时可能发生的模态混叠问题，得到较好去噪结果的同时保留了更多的有效信息。QIAO 等47在EEMD 算法
26、的基础上，总结了更准确的白噪声范围，同时根据相关系数差设计了自适应选择内涵模态分量（IntrinsicModeFunctions，IFM）的方法，提出了 IEEMD 降噪算法，有效提高了降噪精度，降噪效果优于传统 EEMD 和小波降噪，如图747所示。郑华林等48利用频谱分析和相似度计算选择 EEMD 最佳分解层数，然后使用分层阈值降75邢海燕，等：金属磁记忆检测的关键技术研究现状与展望噪算法完成磁记忆信号的降噪处理。图7 IEEMD 与传统 EEMD 和小波降噪对比结果Fig.7 ComparisonresultsofIEEMDwithtraditionalEEMDandwaveletden
27、oising奇异值分解（SingularValueDecomposition，SVD）是一种非线性滤波方法，对噪声具有较高敏感性，但单一 SVD 系统无法有效处理噪声污染严重的信号。YANG 等49针对该问题提出了一种级联 SVD 系统（CascadedSingularValueDecomposition，CSVD），即使用两次奇异值分解方法对齿轮齿面磁记忆信号进行处理，取得较平滑降噪信号。形态滤波是基于数学形态学的一种滤波方法，具有良好滤波性能与灵活性。陈海龙等50结合形态滤波与经验模态分解对磁记忆检测信号进行双重降噪处理。其中形态滤波主要去除随机噪声和脉冲噪声，EMD 去噪主要去除随机噪声
28、。DENG 等51通过两种不同提离值的检测信号做差，消除环境噪声，采用多尺度形态滤波去除测量噪声，取得了较好的降噪结果。但在处理不同信号时，形态滤波的结构元素尺度需要经过大量测试，才能取得较好滤波效果，目前还不能实现自适应尺度选择。近五年，针对磁记忆信号降噪方法的研究成果较少，该领域研究几乎处于停滞状态。由于磁记忆信号具有微弱、易被噪声污染、无周期性等特点，如何准确识别噪声，对其进行有效的降噪是目前亟待解决的难点问题。磁记忆信号获取方便快捷，使用机器学习算法对海量数据进行分析处理，充分利用其强大样本分析能力与高效参数寻优能力，实现磁记忆信号的自适应降噪，将成为研究热点。2.2 磁记忆信号特征提
29、取提取磁记忆信号特征值是铁磁构件缺陷尺寸反演和定量等级评价的关键，精确的特征值可以较好地表征缺陷大小与损伤程度。杜波夫教授最早利用切向磁场信号 Hp（x）有最大值和法向磁场信号 Hp（y）变向且过零点的特征，以及磁场梯度 K 突变，指示被测试件的应力集中区域，如图8所示。图8 切向与法向特征Fig.8 Tangentialandnormalfeatures梁志芳等52指出金属磁记忆信号过零点这一特征具有不稳定性，单纯使用该特征会带来应力集中位置的误判。众多学者对新的特征参数展开了积极探索，邸新杰等53-56采用磁记忆信号快速傅里叶分析后的相变位置、一阶微分后波峰-波谷距离 DL 与差值 DH、
30、小波变换后能量谱集中位置、二维幅值谱熵（CG，Hr）4种特征参数，判断焊缝裂纹位置与材料的损伤程度；王继革36提出绝对差分值 D，Lipschitz 指数、短时能量 S、短时波动能量 Sw等4种新的特征参数，通过磁记忆信号的局部特征值的奇异性，来判断信号的突变位置，从而确定被测构件的缺陷位置；任吉林等57将法向分量 Hp（y）和切向分量 Hp（x）分别作为坐标轴的横纵坐标，构建李萨如图，利用图中封闭环判断材料应力集中情况；BAO 等58效仿应力集中系数，提出了磁应力集中系数m，其随应力程度增加而增大，并通过试验验证了该系数定量检测材料应力集中的有效性；笔者所在课题组针对焊缝缺陷等级定量识别难题
31、59-61，提出了对隐性损伤状态敏感的正交梯度积分 S（K）、正76PRESSURE VESSEL TECHNOLOGYVol.41，No.1，2024交矢量合成梯度比 Kr两种特征值，基于模糊加权马尔科夫链建立了焊缝隐性损伤状态特征参数预测模型，进一步提出奇异谱熵带、功率谱熵带以及小波空间能量谱熵带等作为特征值，结合 D-S 证据理论实现焊缝等级定量评价；辛康等62提出了多方位梯度 K（i，j），将多通道信号构建为二维数据，每个检测点梯度值由其周围4个相邻点计算得出，避免了由扫描方向造成的漏检，算法示意如图962所示；刘柳等63采用切向信号畸变幅度的平均值 Ht-max、法向信号畸变的斜率
32、kn-max、切向与法向信号梯度曲线畸变部分所围面积 At和An等4种特征参数，研究试件裂纹的演变情况；苏三庆等64-65在建筑钢板以及钢箱梁的磁记忆信号研究中提出固定基线积分 Sh，该特征参数对试件的受拉面的屈服情况比较敏感，引入屈曲磁表征量 Hcom反应桥梁钢构件的易屈曲位置。图9 多方位梯度算法示意Fig.9 Schematicdiagramofmulti-directionalgradientalgorithm经过多年发展，磁记忆特征参数涵盖了形态特征、时域特征、频域特征以及时频特征量66，种类逐渐丰富，但也存在一些不足：（1）特征值普适性较低，针对不同环境、不同材质下采集的磁记忆信号
33、泛化能力差；（2）对于多维特征参数的研究需要加强，尤其是各特征参数之间的权重自适应分配问题，以提高检测精度、避免缺陷漏检。3 机器学习在磁记忆检测评价中的应用磁记忆定量检测与评价一直是工程应用中的难点与瓶颈，由于磁记忆信号是一种弱磁信号，并呈现出复杂的非线性变化，单纯利用传统判据与人工经验分析，人脑很难对海量的看似毫无规律的磁记忆数据进行精确定量评价。随着人工智能的蓬勃发展，机器学习可以很好地解决这一问题，给磁记忆检测与定量评价带来新的希望。本文将从以下3个方面，综述目前机器学习在磁记忆缺陷定量反演、缺陷等级定量识别与磁记忆可靠性评价领域的研究现状。（1）缺陷定量反演。对缺陷类型或尺寸进行反演
34、，是磁记忆检测一项重要研究内容。在缺陷类型反演方面，史小东等67利用 BP 神经网络对管道母材以及焊缝的磁记忆信号特征量进行模式识别；王贵生等66，68采用极限学习机，建立了石油管道腐蚀和应力集中两种缺陷类型识别模型，并有效避免了传统神经网络算法易陷入局部最优解的问题，进一步基于支持向量机（SupportVectorMachines，SVM）方法与多特征向量组合建立识别模型，并对现场输油管道进行缺陷类型识别，效果如图1067所示。（a）油田现场验证试验管道（b）缺陷分类识别结果图10 实地检测及识别结果Fig.10 Fieldtestingandidentificationresults在缺陷
35、尺寸反演方面，SHI 等69基于共轭梯度法和精确线搜索法建立了反演模型；王帅等70结合主成分分析法与采用遗传算法优化的 BP 神经网络，对预制平底孔状缺陷的拉伸载荷 M、宽度 L 以及深度 H 进行反演，其中对深度 H 的反演结果误差最小；邢海燕等71利用门控循环神经网络中双门结构能够有效记忆缺陷特征的特点，基于该算法建立了针对海底管道缺陷尺寸反演模77邢海燕，等：金属磁记忆检测的关键技术研究现状与展望型，并利用粒子群算法对该模型超参数进行寻优，实现对缺陷深度、直径的精确反演。机器学习算法极大推动了缺陷定量反演的发展，随着新算法的不断引入，磁记忆信号缺陷反演精度有所上升。但现有模型采用现场检测
36、信号进行缺陷反演时精度下降，如何提高反演模型的鲁棒性，以适应更加复杂的现场检测信号是目前亟需解决的难题。（2）缺陷等级定量识别。缺陷等级定量识别，对于明确构件损伤程度，及时进行维修或更换具有重要指导意义。易方等72采用基于模糊函数的向量机模型对管道缺陷展开等级分类研究，将管道状态划分为应力集中、微观缺陷和宏观缺陷3个等级，采用 X60螺旋焊管线钢质管道进行了试验验证；LIU 等73根据实际油井套管安全要求将其划分为不影响使用、需要定期检查、采取防护措施、必须更换4个等级，采用最小二乘支持向量机建立等级定量识别模型；笔者所在课题组74-76采用机器学习算法，针对再造抽油杆等级定量识别问题，引入基
37、于 K-近邻隶属度的模糊支持向量机多分类算法，建立了再造抽油杆等级多分类磁记忆模型，另一方面针对焊缝异常应力集中和隐性损伤等级的磁记忆定量识别难题，提出一种基于免疫算法优化动态模糊聚类模型，分类过程如图1175所示，解决了因磁记忆特征参数模糊性带来的缺陷定量识别困难的问题，为实际工程焊缝临界状态识别提供新思路。图11 动态模糊聚类图Fig.11 Dynamicfuzzyclusteringgraph机器学习算法在磁记忆检测领域的等级定量识别效果显著，但目前的研究主要采用单一的有监督或无监督算法，存在标签数据代价高昂、数据质量苛刻、结果不准确等问题77。对此，半监督算法的引入尤为重要，其可以利用
38、全部数据中的少量带标签数据，完成模型训练，减少大量数据的标注压力并提高结果准确率，真正将海量磁记忆检测数据充分利用。（3）可靠性评价。铁磁构件所在现场工况复杂，影响因素多，对其进行准确的可靠性评价与寿命预测，可有效防止重大事故发生。GAO 等78针对再造抽油杆的疲劳损伤评估与寿命预测问题，采用支持向量机与粒子群优化算法，提出了一种基于机器学习的预测评估模型；XING 等79-80基于应力强度干扰理论，建立了焊缝裂纹的磁记忆可靠性模型，进一步结合 ModifiedB31G 评价标准，在蒙特卡洛法的基础上引入马尔科夫链算法，建立了埋地管道可靠度定量计算模型，并进行了模型的有效性验证。随着数据处理技
39、术与计算机算力的提高，基于大数据驱动的大模型蓬勃发展，其具有训练同一模型完成不同工件、不同工作环境下任务的能力。将大模型应用于磁记忆可靠性评价，提高模型对不同实际工况的应用能力、准确度与求解速度是今后的重要发展趋势。4 结论与展望金属磁记忆检测技术作为一种新兴检测技术，以其绿色无污染、能够快速便捷地检测应力集中与隐性损伤的优势，受到广大学者关注并取得了快速发展。本文从理论基础到工程应用中的关键技术出发，综述了检测机理、信号降噪与特征提取以及机器学习在磁记忆检测评价中的应用等方面的研究现状，该技术目前存在亟待解决的难题如下。（1）磁记忆检测机理有待明确、统一。目前各学者关于磁记忆效应的机理研究比
40、较割裂，应充分考虑现实状况下的复杂应力状态与形变类型，建立含有缺陷参数-磁场强度-应力相关的统一机理模型，形成有机的磁记忆检测机理体系。（2）磁记忆信号降噪研究不够深入。目前磁记忆信号降噪方法以及所考虑的噪声来源比较单一、不能根据信号自身特点进行自适应降噪。应充分考虑来自环境磁场、检测误差、被测物体自身材质等方面的影响，分析磁记忆信号本身特点，利用合适的机器学习或深度学习算法对磁记忆信号进行自适应降噪处理。（3）磁记忆信号的特征参数普适性较低。目前所提出的特征参数主要针对某类缺陷，且主要是在实验室预制缺陷，对于实际缺陷的特征参数研究78PRESSURE VESSEL TECHNOLOGYVol
41、.41，No.1，2024较少。磁记忆检测技术投入实际使用，必须对实际情况下的不同受载情况、不同种类缺陷的磁记忆信号进行分析研究，从概率论和数理统计的角度设计出适用于现场复杂检测信号的特征参数。（4）机器学习算法在缺陷定量反演、等级定量识别与磁记忆可靠性评价中的应用需要加强。充分利用人工智能的最新研究成果与海量磁记忆检测数据，利用生成式算法构建定量反演模型，考虑现场检测信号的复杂性，引入 AI 大模型提高不同工况的适应能力、建模与求解速度。参考文献：1 苏三庆，刘馨为，王威，等 金属磁记忆检测技术研究新进展与关键问题 J 工程科学学报，2020，42（12）：1557-1572SUSQ，LIU
42、XW，WANGW，etal ProgressandkeyproblemsintheresearchonmetalmagneticmemorytestingtechnologyJ ChineseJournalofEngineering，2020，42（12）：1557-15722 DUBOVAA AstudyofmetalpropertiesusingthemethodofmagneticmemoryJ MetalScienceandHeatTreatment，1997，39（9）：401-4053 王社良，王威，苏三庆，等 铁磁材料相对磁导率变化与应力关系的磁力学模型J 西安科技大学学报，20
43、05，25（3）：288-291WANGSL，WANGW，SUSQ，etal Amagneto-mechanicalmodelondifferentialpermeabilityandstressofferromagneticmaterialJ JournalofXianUniversityofScienceandTechnology，2005，25（3）：288-2914 黄炳炎 焊接裂纹磁记忆效应力磁耦合的数值模拟研究 D 天津：天津大学，2007HUANGBY Numericalsimulationstudyofcouplingbetweenstressandmagnetismforma
44、gneticmemoryeffectoftheweldingcrackD Tianjin：TianjinUniversity，20075 李龙军，王晓锋，杨宾峰，等 铁磁构件金属磁记忆效应仿真与试验 J 无损检测，2012，34（12）：37-40LILJ，WANGXF，YANGBF，etal SimulationandexperimentalstudyoftheferromagneticmetalmagneticmemoryeffectJ NondestructiveTesting，2012，34（12）：37-406 陈思雨 单层海底管道缺陷磁记忆特征信号提取与分析 D 大庆：东北石油大学
45、，2019CHENSY Magneticmemorysignalextractionandanalysisofdefectsinsingle-layersubmarinepipelineD Daqing：NortheastPetroleumUniversity，20197 JILESDC，ATHERTONDL TheoryofthemagnetisationprocessinferromagnetsanditsapplicationtothemagnetomechanicaleffectJ JournalofPhysicsD：AppliedPhysics，1984，17（6）：12658 JI
46、LESDC，ATHERTONDL TheoryofferromagnetichysteresisJ JournalofMagnetismandMagneticMaterials，1986，61（1-2）：48-609 JILESDC Theoryofthemagnetomechanicaleffect J JournalofPhysicsD：AppliedPhysics，1995，28（8）：1537-154610 SABLIKMJ，YONAMINET，LANDGRAFFJGModelingplasticdeformationeffectsinsteelonhysteresisloopswit
47、hthesamemaximumfluxdensityJ IEEETransactionsonMagnetics，2004，40（5）：3219-322611 SABLIKMJ，RIOSS，LANDGRAFFJG，etalModelingofsharpchangeinmagnetichysteresisbehaviorofelectricalsteelatsmallplasticdeformationJ JournalofAppliedPhysics，2005，97（10）：9412 LOCCH，LEESJ，LIL，etal Modelingstresseffectsonmagnetichyst
48、eresisandBarkhausenemissionusingahysteretic-stochasticmodelJ IEEETransactionsonMagnetics，2002，38（5）：2418-242013 LOCCH，KINSERE，JILESDC ModelingtheinterrelatingeffectsofplasticdeformationandstressonmagneticpropertiesofmaterialsJ JournalofAppliedPhysics，2003，93（10）：6626-662814 WANGZD，DENGB，YAOK Physica
49、lmodelofplasticdeformationonmagnetizationinferromagneticmaterialsJ JournalofAppliedPhysics，2011，109（8）：08392815 LIJ，XUM，LENGJ，etal ModelingplasticdeformationeffectonmagnetizationinferromagneticmaterialsJ JournalofAppliedPhysics，2012，111（6）：06390916 刘清友，罗旭，朱海燕，等 基于 Jiles-Atherton 理论的铁磁材料塑性变形磁化模型修正J 物
50、理学报，2017，66（10）：297-306LIUQY，LUOX，ZHUHY，etal ModelingplasticdeformationeffectonthehysteresisloopsofferromagneticmaterialsbasedonmodifiedJiles-AthertonmodelJ ActaPhysicaSinica，2017，66（10）：297-30617 罗旭，朱海燕，丁雅萍，等 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）：295-306LUOX，ZHUHY，DINGYP，etal Amodifiedmodelofmagnet
