基于超声相控阵的环焊缝缺陷检测方法研究

针对传统超声探头焦距固定,检测位置的改变就要更换相应焦距的探头而影响检测效率的问题,提出一种基于超声相控阵换能器的环焊缝缺陷检测方法。而超声相控阵具有电子偏转和电子聚焦特性,能在不移动的情况下发射偏转聚焦超声束,有效地解决了上述问题。首先基于超声相控线阵换能器的声场特点,采用数值分析方法,研究了影响声束偏转聚焦性能的几个主要参数。然后给出了与超声相控阵换能器相连接的多通道数据采集系统结构。介绍了单通道声信号的硬件结构及相应的信号处理方法,实现了对换能器中单个阵元的精确延时的控制。实验结果表明,优化设计的超声相控线阵换能器具有较高的检测精度和检测效率。     

B型套筒角焊缝缺陷相控阵超声检测定量方法

B型套筒修复作为油气管道修复的主要方式之一,在其修复的焊接过程中,该结构的环形角焊缝内部常常出现以气孔、夹渣为代表的孔型缺陷。这类缺陷由于角焊缝特殊的结构,在利用相控阵超声无损检测技术对其检测时,难以对其进行定量分析。通过数值模拟和实验,发现通过相控阵超声扇扫得到缺陷回波信号峰值与孔型缺陷直径呈正相关,为孔型缺陷的定量分析提供了一种可靠的手段。     

超声相控阵隧道注浆检测的阵列优化及降噪算法研究*

为了快速准确地检测盾构隧道的注浆质量,提出一种超声相控阵检测的方法。通过改进粒子群遗传算法(GA-PSO)来优化换能器的布设,并提出GA-VMD-SG集成算法对超声信号进行降噪处理,同时对超声相控阵检测注浆质量的过程进行数值模拟,结合两种算法和缺陷回波来验证检测效果。结果表明：通过GA-PSO算法优化后的超声相控阵32阵元和128阵元的最大旁瓣值分别为-40.96dB和-48.22dB,在降低换能器成本和成像数据量的情况下能保持较好的声学性能;GA-VMD-SG算法优化超声回波后的 值为16.6774, 值为0.1943,降噪效果较好;对数值模拟数据进行回波分析可以有效检验注浆缺陷,验证了基于阵列优化及降噪算法的隧道注浆超声相控阵检测是可行有效的。     

相控阵超声缺陷检测数据压缩感知

为了解决超声相控阵信号采集、存储和传输中数据量大的问题,研究了压缩感知在相控阵无损检测信号和图像压缩重构中应用的可行性。首先使用5种贪婪算法对相控阵仿真信号进行压缩重构,根据百分比均方误差选取最优算法并考虑了噪声对精度的影响,结果表明压缩感知可以用低于奈奎斯特极限的测量点数准确重构原始图像;其次用人工缺陷回波信号进行实验验证,通过稀疏度计算选择适用相控阵信号的最优稀疏基,并通过5种传感矩阵的优化选择进一步提高了重构精度。实验结果尽管达不到仿真中的理想效果,但是能以少量测量值准确恢复图像,并能保证缺陷的识别,说明压缩感知算法可以有效提高相控阵缺陷检测效率。此外,在保持测量点数相同的情况下,仿真和实验都研究了不同采样率对重构精度的影响,当测量点数超过一定值时,证实了压缩感知实际与采样率无关。     

各向异性焊缝中超声相控阵瞬态声场仿真及缺陷定位方法

针对多层各向异性奥氏体不锈钢焊缝中超声相控阵瞬态声场的仿真问题,提出应用高斯声束等效点源模型计算宽带离散化的多个单频稳态声场,通过傅里叶变换将其拓展为瞬态声场,并分析了声场转换过程的主要影响参数。该方法可快速计算焊缝内部超声相控阵聚焦声场的瞬态能量分布和任意一点的时域波形信号。在此基础上针对多层奥氏体不锈钢焊缝内部缺陷的超声相控阵成像检测问题,提出利用上述时域高斯声束法对多通道缺陷散射信号进行时间反转计算,并根据时域声场焦点确定缺陷位置。最后通过实验,验证使用此方法检测实际奥氏体不锈钢焊缝试块内部缺陷的效果。结果表明,提出的方法能够确定缺陷位置,且计算速度快、运算量小,适合作为多层介质内部缺陷实时成像的声场仿真模型。     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

超声相控阵距离幅度曲线计算方法

超声相控阵偏转聚焦声场能量分布不均匀,造成不同位置的缺陷回波幅度差异,针对该缺陷量化问题,提出超声相控阵系统距离幅度曲线理论计算方法。在非近轴近似声场模型的基础上,结合缺陷散射模型来建立相控阵系统测量模型,再利用该方法来预测不同位置横通孔缺陷的回波信号,进而获得信号幅度随位置的变化曲线。分析对比了不同偏转聚焦声束理论计算结果与实验测量结果,两者幅度在焦点附近具有较好的一致性,偏差在5%以内,验证了超声测量模型计算方法的有效性。     

奥氏体不锈钢窄间隙焊缝侧壁未熔合相控阵超声检测*

针对核电站主管道奥氏体不锈钢窄间隙焊缝侧壁未熔合超声检测困难的问题,该文开展基于电子背散射衍射技术的相控阵超声检测研究,并结合全聚焦方法和相位相干成像方法抑制结构噪声。利用电子背散射衍射技术建立壁厚69.5 mm,且同时包含母材和焊缝的奥氏体不锈钢窄间隙焊缝模型。沿焊缝熔合线设置深度26.5 mm、高度3.0 mm的侧壁未熔合,经过仿真优化确定了中心频率2.25 MHz、32阵元以及45°纵波楔块的相控阵超声检测参数。仿真和实验检测结果显示,侧壁未熔合检测信噪比相差不超过0.6 dB,验证了所建模型的有效性。在此基础上,利用全聚焦方法和相位相干成像方法削弱结构噪声,检测信噪比较相控阵扇扫描图像分别提升2.3 dB和4.7 dB,且侧壁未熔合深度与高度定量误差均不超过6.7%。     

深度学习在超声检测缺陷识别中的应用与发展*

深度学习（Deep Learning）是目前最强大的机器学习算法之一,其中卷积神经网络（Convolutional Neural Network, CNN）模型具有自动学习特征的能力,在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史,然后综述了深度学习在超声检测缺陷识别中的应用与发展,从早期浅层神经网络到现在深度学习的应用现状,并借鉴医学影像识别和射线图像识别领域的方法,分析了卷积神经网络对超声图像缺陷识别的适用性。最后,探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题,及其主要应对策略的研究方向。     

凹面相控阵聚焦声场在液固界面上的反射和折射

开展了凹面线性相控阵列辐射声场在液固界面上的反射和折射特性研究,利用射线近似方法,得到了凹面相控阵聚焦声场在液固界面上反射和折射后的声场渐近解析表达式,对声波在液固曲面上的反射和折射声场进行了分析和讨论. 利用这个解析表达式,对凹面线性聚焦声场在液固平界面和液固圆柱界面情况下固体中折射纵波和折射横波的相控阵声场进行了分析和讨论,发现凹面线阵声场在液固圆柱界面下比液固平界面具有更好的聚焦效果. 关键词：凹面阵列超声相控阵反射与折射     

固体中线性相控阵列的瞬态聚焦特性

针对线性相控阵列在固体介质中的声场聚焦特性及参数优化问题,该文给出了一个线性阵列的纵波瞬态聚焦声场模型.数值结果表明,当阵元被短时脉冲信号激励时,瞬态聚焦声场中不会形成栅瓣,突破了传统稳态理论模型中对阵元间距的限制;同时由于横纵波在聚焦区域内可完全分离,声束旁瓣的幅值也得到了抑制.其次,增大阵元间距能够显著提高聚焦性能...     

界面条件下线型超声相控阵声场特性研究

开展了界面条件下线型超声相控阵声场特性的研究.将带有楔块的超声相控阵问题合理简化为液固界面的情况进行讨论.根据射线声学理论,计算了单阵元在液固界面存在时的辐射声场,进而推导了聚焦法则,得到了超声线型阵在液固界面存在时的声场、位移场表达式.对安装在楔块上的相控阵换能器的辐射声场进行了仿真,并讨论了聚焦对换能器轴向和横向声场的影响,结果表明利用聚焦能提高分辨率和灵敏度,但聚焦区域之外声束性能更差,在实际检测中要合理利用聚焦.关键词：超声相控阵界面声场聚焦     

相控阵井壁成像仪高压电源纹波噪声抑制研究

针对超声相控阵井壁成像仪工作环境恶劣以及超声脉冲发射所需高压电源纹波噪声对超声回波信号干扰大的问题,提出一种高温环境下高压电源纹波噪声抑制方法并进行设计分析。本方法综合开关电源与线性稳压电源各自的技术优势且注重纹波噪声抑制和耐高温设计。利用开关电源完成不同电压幅值的高效转换并在电源输出端增设专门的EMI滤波电路,再利用屏蔽罩对电源进行屏蔽,最后输出电压再经过一级线性稳压电路进一步进行稳压滤波。实测结果表明,利用该方法,电源的纹波与辐射噪声得到了抑制,有效减少电源对回波信号的干扰,且输出电压稳定,提高了超声相控阵井壁成像仪井下工作的稳定性。