Исследование режимов работы экспериментальной установки для магнитопорошкового контроля

D I Shkolina; K V Vlasov; A L Bobrov; M A Gulyaev; P E Astakhova

doi:10.22213/2413-1172-2026-1-78-84

Authors

D. I. Shkolina Siberian State Transport University
K. V. Vlasov Siberian State Transport University
A. L. Bobrov Siberian State Transport University
M. A. Gulyaev Siberian State Transport University
P. E. Astakhova PAO “Novosibirsk Chemical Concentrates Plant”

DOI:

https://doi.org/10.22213/2413-1172-2026-1-78-84

Keywords:

detection of defects, magnetic powder control, magnetic field strength, Magnetization parameters

Abstract

The problem of non-destructive testing production process automation is currently relevant. Automation allows not only control productivity increasing, but also significantly increases its reliability, owing to the influence of human factor reduction. The difficulties in magnetic powder control automation lie in the fact that it is necessary to realize the possibility of combined magnetization or sequential magnetization in several directions due to the different orientation of defects in the developed system. The aim of the work is to develop a mechanized magnetic powder control stand for cylindrical parts with a maximum size of up to 120 mm, having a central symmetry with respect to the axis of the part. The experimental stand for magnetic powder control consists of two solenoids that are fixed relative to each other on a base made of non-magnetic material. A magnetic core made of electrical steel is used to increase the magnetic flux and localize it in the center of the stand. The magnetization modes of the experimental stand are investigated and the input parameter values (input current and borehole) of the magnetizing device are determined to define sufficient magnetic field strength on the surface of the control object and the coil temperature of the device. The results obtained made it possible to provide for defect detection and reduce the solenoid coil heating up to acceptable values of 40° C and can be used to design and manufacture of stands for continuous monitoring of products made of ferromagnetic materials in the large-scale production.

Author Biographies

D. I. Shkolina, Siberian State Transport University

PhD in Engineering

K. V. Vlasov, Siberian State Transport University

PhD in Engineering

A. L. Bobrov, Siberian State Transport University

DSc in Engineering

M. A. Gulyaev, Siberian State Transport University

ведущий инженер научно-исследовательской лаборатории «Физические методы контроля качества»

P. E. Astakhova, PAO “Novosibirsk Chemical Concentrates Plant”

инженер по метрологии 3-й категории

References

Долгов В. А., Никишечкин П. А., Долгов Н. В. Обоснование применения метода литья по выплавляемым моделям в позаказном многономенклатурном производстве // Вестник Московского государственного технического университета имени Н. Э. Баумана. Серия: Машиностроение. 2023. - № 2 (145). С. 47-60. DOI: 10.18698/0236-3941-2023-2-47-60. EDN JPIBUF

Идентификация внутренних дефектов в поковке роторного вала из стали марки 35ХН1МА / Ю. М. Шелухина, Д. В. Руцкий, Н. А. Зюбан [и др.] // Известия Волгоградского государственного технического университета. 2024. № 7 (290). С. 31-34. DOI: 10.35211/1990-5297-2024-7-290-31-34. EDN FOOFMQ

Gupta M. (2022) Advances in applications of Non-Destructive Testing (NDT): A review. Advances in Materials and Processing Technologies, vol. 8, is. 2, pp. 2286-2307.

Леднев И. С., Ходакова Е. А. Перспективы развития магнитопорошкового контроля деталей авиационной техники // Труды ВИАМ. 2023. № 9(127). С. 132-144. DOI: 10.18577/2307-6046-2023-0-9-132-144. EDN MYEXTX

Отока А. Г., Икака Р. Р., Холодилов О. В. Применение нейронных сетей в распознавании индикаций при магнитопорошковом контроле деталей железнодорожного транспорта // Наука и техника транспорта. 2025. № 1. С. 98-108. EDN AEOTJK

Mariani S., Rendu Q., Urbani M., Sbarufatti C. (2021) Causal dilated convolutional neural networks for automatic inspection of ultrasonic signals in non-destructive evaluation and structural health monitoring. Mechanical Systems and Signal Processing. Elsevier, p. 21. DOI: 10.1016/j.ymssp.2021.107748

Сухих Н. Н., Рукавишников В. Л., Соколов О. А. Методы и средства снижения влияния человеческого фактора в гражданской авиации с использованием информационно-управляющих систем // Автоматика на транспорте. 2022. Т. 8, № 1. C. 7-16.

Разработка алгоритма движения измерительного модуля автоматизированной установки неразрушающего контроля / В. В. Малый, М. С. Губин, А. С. Костюхин [и др.] // Автометрия. 2024. Т. 60, № 3. С. 120-128. DOI: 10.15372/AUT20240312. EDN YPARMN

Kanzler D., Bertovic M. (2025) Human-in-the-Loop: Decision Making in AI-Supported Non-Destructive Testing. Research and Review Journal of Nondestructive Testing, no. 3. DOI: 10.58286/31937

Шэнь Ц., Цаплин А. Е. Применение технологии неразрушающего контроля на подвижном составе и перспективы ее развития // Бюллетень результатов научных исследований. 2025. № 1. С. 31-44. DOI: 10.20295/2223-9987-2025-1-31-44. EDN VPQIAM

Musiał K., Xavior M.A., Butdee S., Burduk A. (2025). Machine Learning Approach in Quality Control Problem. In: Innovations in Mechatronics Engineering IV. icieng 2025. Lecture Notes in Mechanical Engineering. Springer, Cham. Machado J., Trojanowska J., Soares F., Rea P., Butdee S., Gramescu B. (eds.). DOI: 10.1007/978-3-031-94223-5_2

Краснояров Н. А., Дмитриева Т. Л. Современное состояние методов неразрушающего контроля и возможности их автоматизации // Ученые записки Комсомольского-на-Амуре государственного технического университета. 2022. № 3 (59). С. 35-42. DOI: 10.17084/20764359-2022-59-35. EDN DCYHAH

Шелихов Г. С., Глазков Ю. А., Клейзер П. Е. Дефекты, обнаруживаемые при магнитопорошковом контроле // Контроль. Диагностика. 2022. Т. 25, № 3(285). С. 34-44. DOI: 10.14489/td.2022.03.pp.034-044. EDN XEGYLD

Возможности идентификации дефектов в массивных литых конструкциях методами неразрушающего контроля / С. П. Шляхтенков, М. А. Гуляев, В. С. Выплавень [и др.] // Контроль. Диагностика. 2022. Т. 25, № 8 (290). С. 36-43. DOI: 10.14489/td.2022.08.pp.036-043. EDN CJCJPQ

Бобров В. Т., Сляднев А. М. Роботизированные системы неразрушающего контроля и технической диагностики промышленных объектов // Контроль. Диагностика. 2018. № 2. С. 16-31. DOI: 10.14489/td.2018.02.pp.016-031. EDN YQNJSL

Реутов Ю. Я. О комплексном применении постоянного и переменного полей при магнитной дефектоскопии толстостенных стальных изделий // Дефектоскопия. 2022. № 12. С. 46-58. DOI: 10.31857/S0130308222120053. EDN BUYAOB

Tout K. (2021) Automated vision system for magnetic particle inspection of crankshafts using convolutional neural networks. The International Journal of Advanced Manufacturing Technology, vol. 112, is. 11-12, pp. 3307-3326. EDN: JQLRDQ

Qi Gao, Mengwu Wu, Xunpeng Qin, Lin Hua (2026) Machine vision driven magnetic particle inspection technology: principles, applications and trends. Measurement Science and Technology, no. 37(3). DOI: 10.1088/1361-6501/ae2d81

Игнатьев М. А. Применение машинного обучения и интеллектуального анализа данных в автоматизированной системе неразрушающего вихретокового контроля поверхностного слоя деталей подшипников // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2024. № 3. С. 26-34. DOI: 10.24143/2072-9502-2024-3-26-34. EDN YLIXKC

Рисс Н., Линк Р. НК 4.0 и его роль и применение на примере автоматического магнитопорошкового контроля // В мире неразрушающего контроля. 2019. Т. 22, № 1. С. 55-58. DOI: 10.12737/article_5ca32c4a796141.37575932. EDN ZBNZDV