基于超声TOFD法的焊缝缺陷表征研究
【摘要】:
从保证安全运行及剩余寿命预测等角度讲,大型结构焊缝中缺陷的无损表征具有重要的意义。超声衍射时差法(TOFD, time of flight diffraction)是一种适合于中厚度焊缝中缺陷的检测方法,但是受自身成像特性、检测系统和材料声学特性的影响,在该方法检测的原始图像中,缺陷的特征信息不易于获取,因此难以实施准确的定量化表征。本文通过描述声波的传播及其与缺陷体的作用过程,研究了超声TOFD法成像的正演问题;并以此为理论指导,结合相关的信号及图像处理技术,研究了无损表征的反演问题,最终提高了焊缝缺陷的量化表征精度。
在正演问题的研究中,通过对声波传播过程的分析,利用多元高斯声束理论,计算了工件中的声压分布。通过参考试验,确定了表征超声检测系统声电特性的系统效率系数。在此基础上,采用Kirchhoff近似理论建立了几种典型缺陷体的测量模型。利用测量模型正演了缺陷检测的A扫描信号,进而合成了D、B扫描前景图像。试验结果表明:正演合成结果与实际检测结果吻合较好,模拟仿真能够客观地反映不同缺陷体的检测特征,从而为检测工艺参数的优化、无损表征的反演问题分析提供理论指导。
在反演问题的研究中,首先对超声TOFD检测图像中的背景杂波进行抑制处理。根据图像的特征,提出了基于图像能量分布的杂波抑制方法。该方法的优点是算法简单,可以快速完成;其缺点是要求系统工作稳定,检测过程中时基抖动小。为了提高实际工况条件下检测图像的杂波抑制有效性,研究了递归最小二乘(RLS, recursive least-square)自适应滤波技术在杂波抑制中的应用,实现了时基抖动较大杂波的稳健去除。无损表征结果表明:RLS自适应杂波抑制方法能够有效地提取和侧向波混叠的近表面缺陷波,从而扩大系统的有效表征范围。
以杂波抑制为预处理,研究了D扫描图像的噪声抑制。在小波分析的基础上,利用缺陷信号在相邻A扫描数据序列中具有强相关性的特点,提出了基于子波相关的改进算法,该算法兼备小波多分辨分析及信号互相关两者的优点。利用改进算法,对传统的小波模极大值(WMM, wavelet modular maximum)和非线性小波阈值(NWS, nonlinear wavelet shrinkage)去噪方法进行了改进。试验结果表明:改进的WMM方法能更为有效地抑制模极大值序列中的孤立的、无规律的噪声点,准确地检测到缺陷信号的奇异点。改进的NWS方法对母小波的敏感性小,受阈值方式、阈值估计方法的影响小,算法更具鲁棒性,且对复杂成分的噪声更具适应性。改进方法的噪声信号抑制及缺陷信号恢复效果明显优于传统方法,且克服了现有小波技术对成分复杂噪声抑制效果差的问题,为表征缺陷的埋藏深度提供了准确的信息。
为了提取缺陷在焊缝中的横向位置及更为准确的埋藏深度信息,研究了B扫描图像的增强处理。根据B扫描过程中缺陷端部和探头位置的动态关系,建立了B扫描成像的几何模型及合成孔径聚焦(SAF, synthetic aperture focusing)图像重建算法的数学模型。由于受信号带限和噪声的影响,时移SAF算法存在着成像分辨力和信噪比的矛盾,因此提出了改进的Wiener滤波技术作为预处理。试验结果表明:在Wiener滤波基础上的峰值捕捉处理有效地提高了图像的时间分辨力,SAF处理有效地提高了图像的横向分辨力。在最终处理的图像中,与缺陷形态密切相关的特征信息得到显著的增强,从而实现了快速、准确的量化表征。
以杂波及噪声抑制为预处理,研究了D扫描图像中缺陷目标的提取。对于超声TOFD检测的灰度差异不明显、且目标灰度不均匀的图像,传统的阈值方法难以对其实施有效的分割。试验分析表明:基于信息熵论的图像分割是适合于D扫描图像处理的方法。为了避免因为丢失像元数目不多的集群而造成小目标的漏分割,采用了基于信息熵论的局部阈值分割方法。根据D扫描图像的特征,在子图像的划分上,提出了基于图像能量分布的自动分块方法。在图像分割的基础上采用形态学闭、开运算处理有效地填补了目标中的缝隙,去除了图像中孤立的非目标散点,实现了缺陷的自动提取。