钛焊缝的对置串列PCI与脉冲回波TFM组合检测

随着近年来PCI技术及TFM技术的发展与应用,与FMC及PWI所对应的数据处理方式已日渐丰富,从原先优化定性的辅助工具逐步转变为可用于实际检测的整套先进技术。针对钛焊缝检测中PCI技术与TFM技术的组合使用开展了相关分析,进行了二者与FMC和PWI配合使用的不同结合方式的对比试验。结果表明,采用PWI-TFM与对置串列PWI/FMC-PCI组合检测方式,能够优化钛焊缝检测效率与成像质量。

基于分割环阵的CFRP分层缺陷超声全聚焦成像

碳纤维复合材料在钻孔加工时易产生分层缺陷,分层缺陷严重影响了构件的力学性能,存在严重的安全隐患。针对碳纤维复合材料孔边分层缺陷的检测,提出一种基于分割环形阵列的1/4矩阵全聚焦成像方法。设计了R4×S8、R3×S12、R3×S16和R4×S12四种分割环形阵列结构,通过数值仿真对比分析了各阵列的聚焦声场特点,最终确定分割环阵探头为5 MHz的R4×S12探头。使用该探头对碳纤维复合材料孔边分层试块的上层、中层、下层缺陷进行全矩阵采集,利用VTK工具包分别进行全矩阵三维成像和1/4矩阵三维成像。结果表明,1/4矩阵方法比全矩阵方法三维成像的缺陷对比度更高,1/4矩阵方法的缺陷尺寸表征误差更小,误差不超过6%。与全矩阵成像相比,1/4矩阵成像信噪比提升范围为3.43~7.61 dB,有效提升了图像质量。

大型螺栓阵列超声全聚焦成像的场能强化算法研究

大型螺栓大多用于连接需要承受重载和剧烈振动的构件,由于处于关键承载位置,其可靠性和稳定性对于工业结构的安全至关重要。阵列超声全聚焦成像能够提供高灵敏度、高分辨率的三维成像,为螺栓监测/检测提供了更好的质量和可靠性评价能力。但对于大型螺栓监测/检测而言,由于常规全聚焦方法使用单个阵元发射,造成在远离探头的部分超声能量较小,检测灵敏度下降。针对上述问题,提出了一种多反射场能量叠加强化的方法,针对所有反射能量场进行场能重建,将多层声场能量累加,使得缺陷处的信号增强。实验结果表明,随着声场能量层数增加,缺陷处的信号逐步增强,缺陷信噪比提高,可以检出常规全聚焦方法无法检出的小缺陷,证明该方法可以有效提高对微小缺陷的检测能力,提高全聚焦技术对螺栓的检测深度。

滤波预处理对提高全聚焦算法重建图像质量的比较研究

针对超声波无损检测方法中全聚焦算法重建缺陷图像伪影严重的问题,提出在全聚焦算法中加入滤波处理来进行压制,以提高图像质量和成像分辨率。首先分析了全聚焦算法重建缺陷图像的不足之处,然后提出分别使用R-L、S-L、Cosine和Hamming四种滤波函数对超声反射实验系统采集的全矩阵数据进行处理,最后将原始信号和分别经过四种滤波函数处理的回波信号通过全聚焦算法进行缺陷图像重建。成像结果表明,由经过四种滤波后重建的缺陷图像信噪比均优于由原始信号重建的图像,且R-L和S-L在四种滤波函数中对于提高图像重建质量的效果最好。试件Ⅰ经过R-L和S-L滤波重建的图像信噪比较未滤波的分别提高了8.99 dB和8.96 dB,试件Ⅱ分别提高了9.56 dB和9.55 dB。

TFM实时成像技术在缺陷检测中的应用

在压力容器的超声检测中,为解决传统相控阵(PA)二维成像存在缺陷图像畸变,难以准确定性等问题,采用1种基于全聚焦法(TFM)的实时超声成像技术,使用一维线阵和二维面阵分别对孔等典型实际缺陷进行扫查,获得缺陷的二维和三维图像,从定量角度对比分析2者的准确度。结果表明:该方法获得的三维图像测量误差在8%以内,具有更高的精确度和检出率,对于孔类缺陷的还原度更高,这对于缺陷检测与评估以及和特种设备的安全生产具有重要意义。

基于AR-TFM方法的超声成像分辨力提升

将多频带自回归(AR)谱外推和全聚焦方法(TFM)相结合,提出了一种AR-TFM方法,可将超声成像分辨力从波长级提升至亚波长级。采用基于高阶累积量的奇异值分解方法确定AR阶数,选择多组有效频带外推处理全矩阵数据中的阵列信号,并对结果进行平均加权,最后实施延时叠加和逐点成像,提高该方法的适用性和鲁棒性。分别采用TFM和AR-TFM方法对碳钢试块进行检测,并对其检测结果进行对比。仿真和试验结果表明,AR-TFM方法能够突破瑞利准则的限制,有效提高超声成像分辨力,实现了碳钢试块3个中心距为0.7λ(λ为超声波长)的相邻圆孔的分离,缺陷深度定位误差不超过1.8%,中心距定位误差不超过15%。

基于人工蜂群遗传算法的稀疏全聚集成像方法研究

稀疏阵列设计是一种可提高相控阵成像实时性的有效途径。遗传算法能较好解决线性阵列稀疏这种典型的约束优化问题。但此算法的局部搜寻能力较弱,且在后期搜寻效率较差。为此,论文通过构建人工蜂群-遗传算法的阵列稀疏方法,把蜂群寻找最优解的过程引入到传统遗传算法中,增加全局最优解的搜索能力。结果显示,人工蜂群-遗传算法优化后得到的稀疏阵列比遗传算法优化后得到的稀疏阵列具有更高的旁瓣抑制力,阵列的峰值旁瓣水平达到-11.40 dB。而在阈值为-6 dB时,两种算法优化得到的稀疏阵列主瓣宽度都等同于全阵列2.8°的主瓣宽度。最后,论文通过相控阵检测系统在钢轨试样上采集超声信号,利用人工蜂群-遗传算法设计得到的稀疏矩阵进行全聚焦成像。实验结果显示,当阵元数为32的线性阵列在稀疏率达到75%时,稀疏阵列的阵列性能指标分辨率、信噪比与满阵相差不大,但成像效率却提高了53.04%。

航空机匣环件曲面结构超声全聚焦检测与缺陷定量方法

航空发动机机匣所用环形锻件的沟槽和圆角部位容易产生各类缺陷。针对环形锻件的曲面结构,提出了超声全聚焦检测与缺陷定量方法。在待测区域建立圆柱坐标系并划分网格点,设计了Φ0.8 mm当量缺陷对比试块,采集了网格点处缺陷最大幅值数据集,将数据集在深度和角度两个方向拟合,建立了距离-角度-幅值曲面缺陷定量评价方法。某机匣环件试样实验结果表明缺陷定量方法的误差小于1 dB。

基于二维等效声速的频域全聚焦超声成像研究

为了提高对碳纤维增强复合材料分层缺陷定位定量的精度,提出了一种基于二维等效声速映射的精准频域全聚焦方法三维成像技术。该技术首先将子矩阵的划分标准从激励点位置变为激励-接收间距,获得了一个新的全矩阵数据;然后将变换后的二维子矩阵变换至频域,根据深度和空间频率的变化推导出精准的二维等效声速映射,来匹配子矩阵数据中的收发分离信号,并结合角谱运算得到子矩阵频域重构图;运用快速傅里叶逆变换得到子矩阵聚焦图并将其融合得到全聚焦图像;最后运用多平面三维重构技术得到最终三维图像。结果表明,与传统F-TFM和F-SAFT算法相比,所提算法有效抑制了旁瓣效应的产生,双缺陷间距的定量误差缩减了20.31%,缺陷宽度定量误差分别缩减了5.43%和6.3%;当缺陷深度和双缺陷间距发生变化时仍可保证较高的检测灵敏度。

基于Omega-K算法的快速全聚焦超声成像研究

针对现有超声全聚焦技术难以实时成像的问题,提出基于w-k算法的快速全聚焦技术。首先将用于全聚焦方法（TFM）成像的三维全矩阵数据分解为N个二维子矩阵;利用快速傅里叶变换,将1～N号子矩阵由时域I（t,x）转换为频域D（kZ,kx）;基于w-k算法构建波数迁移因子F（kZ,kx）,对D（kZ,kx）进行加权得到ID（kx,kz）,实现频域中的声束聚焦;通过快速傅里叶逆变换得到子矩阵聚焦图像,并将其进行图像融合,最终获得全聚焦图像。结果表明,单核测试条件下,快速全聚焦方法获得具有200×300像素点的64阵元图像所需平均时间仅为0.65 s,而常规全聚焦算法需要1 467.36 s。综上,基于ω-k算法的全聚焦技术具有成像速度快、对硬件要求低等优点,为实时的高精度在线无损检测提供了一种可行方法。

复杂结构焊缝缺陷双线阵全聚焦超声成像方法

某型航空发动机高温合金盘由涡轮盘本体和外层整体叶片环焊接而成,采用常规单通道超声方法检测焊接面缺陷时,存在检测分辨率低、信噪比差等问题,为此,提出了一种采用两组线性阵列换能器的检测方案。利用全聚焦方法(TFM)对焊接面缺陷进行成像表征,与常规全聚焦方法不同,阵列孔径和波形模式均能随检测深度动态变化,其最优参数通过理论仿真确定。制备了含预埋缺陷的航空发动机高温合金盘试样,开展了检测实验。结果表明:提出的双线阵全聚焦超声成像方法能有效提高高温合金盘未焊合面积型缺陷的检测能力,是一种可行的检测方案。

超声相控阵全聚焦成像算法比较分析

先进的成像算法推动了超声相控阵技术的发展,全聚焦方法(Total Focusing Method,TFM)是一种基于全矩阵捕获的虚拟聚焦后处理及缺陷图像重构算法。文章基于一维线阵相控阵纵波探头全矩阵数据模式,利用Matlab软件结合Field II自带开源函数包编写了算法程序,比较了TFM和1/2矩阵方法成像效果并对缺陷分辨率影响因素进行分析,最后用标准试块对算法进行实验验证。仿真结果表明,TFM和1/2矩阵方法都能用于缺陷重构且效果无明显差异,激励脉冲的宽度和频率对图像分辨率影响较大;实验表明,1/2矩阵的成像方法虽可有效降低计算数据量,但同时也丢失了检测区边缘处缺陷的部分信息,因而成像效果较TFM稍差。

基于深度学习和导波阵列的高精度损伤成像方法

为提升超声导波技术在板状结构中对损伤位置、大小和形状的精确检测能力,将全聚焦成像算法的低分辨率成像结果和多尺度深度学习算法模型相结合,研究了圆孔和裂纹两种损伤的高精度成像方法。基于深度学习的高精度成像算法由卷积神经网络和反卷积神经网络两部分构成,利用神经网络的多尺度分析、非线性增强和多层级融合功能提升分辨率。在全聚焦成像算法成像结果的基础上构建网络训练数据库,对板中包含圆孔-裂纹双损伤以及圆孔-圆孔双损伤两种情况进行检测验证。结果表明:该方法成像精度高,在精确定位损伤的基础上可以进一步获得损伤的精细特征。

超声相控阵全聚焦法成像检测

超声相控阵全聚焦法(TFM)是用全矩阵捕获模式(FMC)获取的数据来进行信号处理的,所有计算均以30帧/s的刷新率完成。与标准相控阵法相比,全聚焦法成像分辨力甚高,能优化缺陷的定位、定量、表征等,并可对形状复杂试件进行检测。综述了超声相控阵全聚焦法成像检测的典型工业应用,并作了相关讨论,以供国内同行借鉴。

航空铝试块疲劳裂纹相控阵超声成像检测

表面疲劳裂纹扩展可导致结构失效,利用相控阵超声成像技术监测疲劳裂纹,获取结构完整性评价所需裂纹信息,可及时对结构失效提出安全预警。采用三点弯曲疲劳试验法在航空铝试块上生长疲劳裂纹,对裂纹开口面材料进行逐步切削来获得不同长度的疲劳裂纹,利用相控阵超声全矩阵采集(FMC)和全聚焦方法(TFM)获得的裂纹尖端和开口图像信息来监测裂纹扩展和测量裂纹长度,并测试了相控阵超声探头放置位置、裂纹张开/闭合、裂纹表面粗糙度对超声成像检测效果的影响。研究结果表明:相控阵超声探头从裂纹侧面入射检测能更好地对裂纹进行超声成像,并真实反映材料内部裂纹扩展前缘形貌。当疲劳裂纹长度大于3倍超声波长时,裂纹尖端和开口图像完全分离,相控阵超声全矩阵采集和全聚焦成像技术可有效测量裂纹长度,测量误差小于0.2 mm。相比裂纹张开时,疲劳裂纹闭合效应会使裂纹尖端超声图像信号减弱4.5 dB,长度测量值小0.6 mm。

基于全聚焦算法的混凝土超声阵列探测成像方法

混凝土结构内含有大量的砂石、骨料以及钢筋,形成多样性的声学界面,超声在混凝土结构中的信号成分复杂,且超声能量易衰减。为了提高混凝土检测分辨率与信噪比,提出基于全聚焦算法的混凝土超声阵列检测方法。首先通过建立混凝土有限元模型,开展混凝土超声阵列仿真研究,模拟一发多收方式依次激励阵列探头,并获得检测信号;然后,为了避免噪声以及相位带来的误差,对检测信号依次进行卷积滤波、波形包络分析及信号锐化处理,获得全矩阵数据;最后,按照全聚焦算法对全矩阵数据进行处理成像,显示模型检测结果。仿真实验结果显示,与合成孔径聚焦算法比较,提出的成像算法可以取得更高的分辨率与信噪比。

基于超声全聚焦成像的输气管线焊接缺陷高度测量技术

介绍了一种通过全聚焦图像评价焊缝内部缺陷高度的超声阵列方法。利用超声相控阵全矩阵捕获数据的时域信息对缺陷进行重构,通过对所获缺陷图像的归一化、背景噪声消除等处理,并按照实际板厚对图像进行标定后,直接利用缺陷图像进行缺陷自身高度测量,并将其结果与手工超声、超声衍射时差法及阵列扇扫结果进行对比。结果表明,缺陷全聚焦成像具有较高的成像质量和横向分辨率,缺陷高度定量精度也较基于相位控制的常规阵列超声技术高。

基于全聚焦算法的骨折超声成像研究

为研究便捷、安全、无电离辐射的骨折检测方法,提出了超声双层折射修正全聚焦算法。首先从信号处理入手,通过回波信号与标准发射信号进行互相关计算,得出噪声含量极低的回波信号。继而利用Filed-Ⅱ裂纹仿真实验验证全聚焦成像对均匀介质检测的可行性,仿真结果显示裂纹宽度平均相对误差为5.60%;最后对离体牛胫骨进行全矩阵数据采集,并分别使用传统全聚焦算法和双层折射修正全聚焦算法对贯通骨折裂纹成像,前者的裂纹平均相对误差为8.33%,但不能显示骨板厚度,而后者不仅可以清晰地显示出裂纹的宽度(相对误差为6.98%),并且可以准确地显示出骨板下底面的位置,从而可以对骨板厚度进行准确评估(骨板厚度相对误差为5.75%)。因此,基于全聚焦成像的超声检测方法在骨折检测上具有较好的发展潜力。

复合粘接结构脱粘缺陷全聚焦成像模拟及算法优化研究

针对材料声学参数差异较大的复合粘接结构脱粘缺陷检测困难的问题,研究了复合粘接结构的检测原理及难点,分析了脱粘尺寸对回波幅值的影响,提出了将全聚焦算法应用于复合粘接结构的成像检测方法。分别建立了复合粘接结构的常规PA成像检测和全聚焦算法成像检测的有限元检测模型,提出了基于指向性理论的分序列局部全聚焦加速算法,通过设定角度阈值筛选有效阵元序列来提高计算效率。研究结果表明:对于复合粘接结构脱粘缺陷的检测,全聚焦算法成像检测相对常规PA成像检测具有更高的检测精度;应用加速算法后,对于32阵元的相控阵探头,[-4 mm,4 mm]和[4 mm,8 mm]之间矩形目标区域的全聚焦成像检测,计算量降低了34.7%,且未降低成像质量。

相控阵超声全聚焦成像算法的有限元仿真研究

基于超声相控阵基本理论和全聚焦成像算法(Total Focus Method,TFM),以30 mm厚的Q235钢板中的孔缺陷检测为研究对象,使用ABAQUS有限元软件,建立了相控阵TFM有限元检测模型。根据模拟结果,在MATLAB软件中编写了相控阵TFM成像算法。同时,采用超声多通道实验平台,对构建的TFM有限元检测模型和编写的相控阵TFM算法进行实验验证。实验结果与有限元模拟结果有较好的一致性。