基于声压反射系数幅度谱匹配分析的薄层厚度和超声纵波声速双参数反演

针对薄层材料超声测厚过程中回波信号混叠、超声纵波声速未知导致薄层厚度无法测量的问题,提出一种基于声压反射系数幅度谱（Ultrasonic Reflection Coefficient Amplitude Spectrum,URCAS）匹配分析技术同时测量薄层厚度和超声纵波声速的方法。采用相关系数法对薄层试样实测声压反射系数幅度谱和理论声压反射系数幅度谱在超声检测有效频带范围内逐一进行匹配分析,通过反演计算得到相关系数最大值点对应的超声检测参数,最终实现薄层厚度和超声纵波声速的同时表征。利用该方法对铝合金基体上的雷达吸波涂层（Radar Absorbing Coatings,RAC）进行实验测试及信号分析。结果表明：该方法可以有效实现混叠信号中超声特征参量的提取,反演得到吸波涂层厚度与千分尺测量厚度间相对误差为2.53%-3.72%、纵波声速测量相对误差为2.51%-3.75%。

基于卷积神经网络的白蚀缺陷超声探测

不同于经典滚动接触疲劳形成的缺陷,亚表面白蚀缺陷会引起轴承零件的早期失效,严重缩短零件的寿命.它位于金属亚表面且尺寸微小,难以使用常规手段实现检测.白蚀缺陷成因尚不明确,不同演化阶段的缺陷样品制备耗时费力.本文建立了白蚀缺陷演化模型,基于k空间伪谱法开展了水浸超声检测过程数值实验.对于含裂纹的白蚀缺陷演化后期,可以忽略内部晶粒结构建立均匀层状模型,使用经典声压反射系数幅度谱获取裂纹深度,误差为1.5%.对于不含裂纹的其他白蚀缺陷状态,则存在内部声阻抗差异较小,频谱特征不再明显等问题.基于维诺图(Voronoi)建立轴承晶粒模型,利用晶粒对超声的背散射效应来放大微观结构信号.高频情况下,基于深度卷积神经网络的训练准确率达92%,验证准确率为97%.即使在较低检测频率下,背散射信号较弱,仍能获得81%的准确率.为白蚀缺陷的早期检测提供了有效方案.