北京工业大学无损检测与评价研究所成立于1998年，拥有机械工程一级学科博士点、控制科学与技术一级学科博士点、仪器科学与技术一级学科硕士点招生方向，秉承“专注创新、探索前沿”的理念，致力于先进无损检测技术与仪器的开发。
研究所现有专任教师16名，其中教授6名、副教授2名、讲师7名、在站博士后1名，在校研究生100余名。团队成员中获得国家优青1名、北京市拔尖创新人才3名，北京市科技新星4名、北京市创新团队1个、北京市科协青年人才托举工程1人。
自成立以来，先后承担科技部（国家重点研发计划、863计划）专项项目与课题，国基金（国家重大科研仪器、重点、仪器专项等）70余项，科研经费累计达7000余万元。
截至目前，研究所已培养博士研究生50余人，硕士研究生270余人，出版专（译）著6部；在国内外学术期刊及会议上发表论文700余篇，其中SCI和EI检索500余篇，多篇获国际会议最佳论文奖，申请专利百余项，授权发明专利70余项。
研究所在无损检测和结构健康监测新技术、新型传感器测试技术、高端检测设备及仪器开发等方面取得了丰硕的成果。
2023年，北京工业大学无损检测与评价研究所围绕国家重大工程、需求领域中的关键构件开展了一系列无损检测与评估的技术研究及装置开发，涉及重型机械、轨道交通、新能源（氢能、风能、锂离子电池）等多个领域，发表学术论文15篇，获批专利及软件著作权16项，获批国家、省部级项目3项，横向课题若干项。
创新性研究成果
基于PPM EMAT的U形臂缺陷检测方法
腐蚀和裂纹缺陷严重威胁着U形臂架的起重性能和安全生产。针对U形臂的超声导波检测问题，提出了一种改进的周期永磁电磁声换能器（PPM EMAT）用于U形臂的缺陷检测。
传统PPM EMAT的声场分布范围约为20°，能量分布相对集中。通过调整传统PPM EMAT相邻磁体和线圈之间的倾斜角，提出了一种改进的PPM EMAT。
改进的PPM EMAT的声场分布范围约为30°，该范围内的能量分布相对均匀。仿真和试验结果表明，改进的PPM EMAT具有优越的频率响应特性和声场指向性，适用于检测大型复杂结构。
此外，基于传统的PPM EMAT和改进的PPM EMAT阵列，结合损伤概率检测（RAPID）的重构算法，研究了U形臂架双孔缺陷的损伤位置。
结果表明，采用改进的PPM EMAT的缺陷定位成像效果优于传统PPM EMAT的效果。改进型PPM EMAT仿真模型与实物如图1和2所示，常规型与改进型PPM EMAT成像结果如图3和4所示。
图1 改进型PPM EMAT仿真模型 (a) 改进跑道线圈 (b) PPM (c) 改进型PPM EMAT 图2 改进型PPM EMAT实物 图3 常规型PPM EMAT成像结果 图4 改进型PPM EMAT成像结果
多通道磁致伸缩传感器和旋转全聚焦成像研究
针对大型储罐底板多个缺陷检测问题，设计并开发了一种多通道磁致伸缩传感器（图5），有效地激发了SH0模态导波。对多通道传感器的线圈宽度、线圈间距和整体尺寸进行了优化，确定线圈宽度为24 mm，线圈间距为1.0 mm。考虑到传感器的激励能量、耦合效率和制造工艺，确定传感器通道数为8个、有效检测范围为60°。
图5 多通道磁致伸缩传感器 提出了一种旋转全聚焦成像方法，并利用多通道磁致伸缩传感器实现了对整个区域多个缺陷的SH0模态导波成像（图6）。随着旋转次数的增加，缺陷定位更加准确。当旋转次数为8次时，最小相对位置误差可达4.32%，最小绝对角度误差可达2.16°。该研究成果为储罐底板的超声波检测提供了一种有效的解决方案，该方法也适用于其他大型结构件的缺陷检测。 图6 旋转全聚焦成像结果
道岔尖轨缺陷的磁致伸缩SH导波监测
针对道岔尖轨缺陷的超声导波检测技术难题，提出了一种精确建立道岔尖轨的有限元建模方法，仿真道岔尖轨模型如图7所示，综合分析了尖轨缺陷部位网格划分方式、转辙机构设置方法以及根端变截面网格设置对模型的影响，利用试验结果对有限元模型进行了校准。校准后的模型可以用于模拟任意位置、任意类型缺陷的SH导波检测。
图7 道岔尖轨缺陷导波检测的仿真模型示意 在有限元模型仿真结论指导下，利用开发的磁致伸缩超声导波远程监测系统，对道岔尖轨开展了轨底缺陷监测试验。通过温度补偿后的特征波包能量值变化曲线，实现了缺陷尺寸逐步扩大过程的有效监测。道岔尖轨缺陷导波检测有限元模型和试验结果对比如图8所示。 图8 道岔尖轨缺陷导波检测有限元模型和试验结果对比
基于磁声复合的耐热钢热老化脆性检测和评价
材料的热老化影响部件的使用寿命和结构安全。因此，对材料进行无损检测和评估是极其必要和关键的。
研究选取耐热钢Cr12MoV作为试件，通过加速热老化试验获得了耐热钢Cr12MoV的脆性周期。分析了服役温度和服役时间对耐热钢力学性能的影响。采用基于电磁声传感器的磁声复合检测技术对耐热钢进行无损检测。研究提取了检测信号的电磁特征参数和超声特征参数，对耐热钢的力学性能和热老化进行评价。
与单一涡流检测方法或单一超声波检测方法相比，采用磁声复合检测技术提高了耐热钢热时效脆性的定量评价能力。
筒状磁屏蔽型脉冲涡流传感器研制
为了克服传统脉冲涡流传感器受背景磁场干扰影响的问题，研制了一种新颖的具有磁屏蔽的筒状结构和磁芯的PEC传感器（图9）。
图9 磁屏蔽型涡流传感器结构示意 根据涡流检测机理和电磁屏蔽原理，通过建立三维有限元仿真模型，分析了PEC传感器结构和尺寸对其检测性能的影响，并采用正交法优化了传感器的尺寸。仿真和试验结果表明，带有磁屏蔽的脉冲涡流传感器可以获得更高的信号幅度，更适用于金属材料表面和亚表面缺陷的检测。
双主激励模式电磁EMAT研制
在铁磁性材料力学性能的EMAT检测中，超声波的主要激励机制有洛伦兹力机制和磁致伸缩机制。洛伦兹力机制超声波主要检测材料的导电特性，磁致伸缩机制超声波主要检测材料的磁滞特性。然而，传统EMAT不能同时表征铁磁性材料的这两种特性。
设计了一种具有双主激励模式的电磁型电磁声换能器 (DM-E-EMAT)，通过添加或去除空心方形垫片，可以实现主洛伦兹力机制和主磁致伸缩机制的双模式切换。
基于DM-E-EMAT两种主要机制的铁磁性材料超声检测方法可以同时表征铁磁性材料的电导率和磁致伸缩性能，提高了材料力学性能的电磁超声检测效率。
锂离子电池荷电状态的超声体波检测
利用超声体波时域信号随锂离子电池循环过程中特征参数的变化，准确预测锂离子电池荷电状态，开展了超声体波的仿真与试验研究。
基于Voronoi多边形提出了锂离子电池的多层多孔有限元模型。对其不同充电状态（SOC）下的超声波传输特性进行了时域模拟，并探讨了声学参数随SOC的变化。
然后，在试验中通过提取时域特征参数，发现幅值和渡越时间（TOF）与SOC具有很强的相关性，试验中的慢波（SPW）速度与模拟结果非常吻合（图10）。频域分析表明频谱振幅与SOC之间具有线性关系。
图10 锂离子电池模型不同荷电状态时的体波时域信号 此外，通过反复试验发现超声波传输方法在探测SOC方面具有良好的可重复性，试验获得的SPW速度几乎可以覆盖根据模拟结果形成的95%置信区间（图11）。 图11 锂电池电池模型中慢波波速测量结果比较 根据试验结果，基于粒子群优化-模拟退火的灰度模型实现了小样本数据条件下的SOC预测。基于GM-PSO-SA的定制锂离子电池SOC评估结果如图12所示。 图12 基于GM-PSO-SA的定制锂离子电池SOC评估结果 研究成果可为建立锂离子电池多层多孔结构的综合有限元模型提供参考，同时为SOC的监测提供了检测和评估工具。
锂离子电池荷电状态的超声导波检测
提出了一个声学模型用以研究锂离子电池的荷电状态（SOC）与超声导波传播特性之间的相互作用机理。同时，针对锂离子电池的多层多孔结构特点，引入Biot理论和传递矩阵法，构建了锂离子电池多层多孔结构声学理论模型。
在循环过程中，电极的机械性能（模量和密度）是动态变化的，这将影响锂离子电池中超声导波的扩散特性。在此基础上，数值分析了锂离子电池SOC与导波频散曲线之间的内在联系。
建立了具有相同结构特征的频域仿真模型以验证上述理论结果的正确性。对定制电池的仿真结果表明，导波A0模态的群速度变化导致的渡越时间变化与电池电量密切相关。
搭建了一个超声导波检测试验系统，以提取导波信号在循环过程中的渡越时间和幅值变化，从而准确验证了理论飞行时间的范围。
此外，还通过不同温度和电流工作条件下的电池试验验证了所提方法的适用性。结果表明，超声导波检测方法是确定锂离子电池SOC的有效手段。各仿真与试验结果如图13~15所示。
图13 锂离子电池不同荷电状态下的电压、电流信号与导波时域信号 图14 不同频率下锂离子电池SOC的群速度频散曲线 图15 锂离子电池导波试验与理论计算的TOF比较 9 有障碍物燃料电池客车的氢气扩散规律研究 针对氢燃料电池客车的氢气泄漏等安全隐患，对不同通风条件下有障碍物的燃料电池客车的氢气扩散规律进行对比。 研究结果表明，在通风空间中，障碍物对氢气扩散行为的影响更加显著。当自然通风空间中障碍物靠近泄漏口且通风口位于泄漏口正上方时，障碍物对氢气扩散行为影响作用突出。空间有障碍物一侧氢气浓度高于无障碍物一侧的氢气浓度，障碍物不利于氢气向外排出。强制通风的引入会放大障碍物对氢气扩散的影响。在有障碍物空间中，空间中无障碍物一侧氢气浓度为有障碍物一侧的2~3倍，障碍物利于氢气向外排出。而随着障碍物与泄漏口间距的增加，空间中有障碍物一侧与无障碍物一侧的氢气分布差异逐渐缩小。有、无障碍物情况下氢气体积分数为1%的等浓度面如表1所示。自然双通风口空间中障碍物位于不同位置情况下氢气浓度监测曲线对比如图16所示。 表1 有、无障碍物情况下氢气体积分数为1%的等浓度面 图16 自然双通风口空间中障碍物位于不同位置情况下氢气浓度监测曲线对比 该研究可为典型场景的氢安全监测以及结构布置提供数据参考，例如氢燃料客车的氢气泄漏检测以及车椅排布等。
