靳朋飛，張艷花，楊 錄

(中北大學信息與通信工程學院，電子測試技術國家重點實驗室，山西太原 030051)

0 引言

內梅花彈體，如圖1所示，它左端是內壁有六個圓弧槽的小徑薄壁管，中間為一段小徑棒，右端是壁厚稍大的一截小徑薄壁管。這種結構區(qū)別于單一的筒形，棒形結構，屬于小徑薄壁異形構件。針對此類構件，一般采取復合超聲無損檢測技術［1］，采取多探頭組合每一探頭只針對單一類型或特定區(qū)域缺陷檢測，最后依據實際情況將多組數據融合形成聯合判據實現對缺陷的識別和類型判定。

圖1 內梅花彈體結構圖

由于工件內壁結構復雜，針對外表面缺陷(如圖1，缺陷A)檢測的軸向探頭［2］會受到工件內部臺階的影響，形成一組高回波脈沖信號—臺階波，同理，周向探頭若要檢測工件內弧頂處的傷信號，必然會接受到工件內棱角反射的超聲波—棱波。

工業(yè)現場的在線檢測過程中，由于這兩種干擾信號的存在，使得回波信號變得復雜，極大地增加了缺陷的判定難度。由于使用單一帶寬的濾波方法很難將這兩種干擾消除，因此本文提出了一種基于動態(tài)包絡提取的方法來實現在這種復雜背景噪聲的情況下缺陷信號的識別。

1 掃描信號特征分析及數據處理過程

1.1 信號頻域特征分析

超聲信號的處理過程可以認為根據不同類型信號頻域特征設計不同帶寬的濾波器將信號分離提取的過程。

對筒形，棒形等單一結構工件，其掃描數據結構可以被認為式(1)所示:

其中，F(i)為探頭獲取的掃描數據，F(i)可以被認為是由S(i)—傷信號，B(i)—背景噪聲，Q(i)—趨勢項疊加而成，σ1，σ2為背景噪聲與趨勢項的系數，其初始值為1。這三種類型數據一般在頻率上區(qū)分性很大，可以通過設定合適帶寬的濾波器提取S(i)。

內梅花彈體結構的工件，對其掃描數據進行A型顯示，如圖2曲線tjhs所示，其數據結構為:

或

T(i)為臺階信號，L(i)為棱波信號，這兩種信號是由于工件內表面結構特殊所產生的，在這些區(qū)域若存在傷，則它們的回波信號會相互“疊加”，而且T，Q在頻率上區(qū)分性很小，給傷信號的提取判定增加了難度。

1.2 基于滑動平均的包絡提取方法

設信號樣本長度為N，相鄰點的時間間隔為τ，函數值為f(iτ)，(0≤i≤N)。第 i點的滑動平均值為其所在區(qū)間［im，i+m］的平均值，即:

其方差

針對當 i處于區(qū)間［0，m－1］，［N－m+1，N］時的端點效應，采取端點延拓的方法，延拓長度取決于滑動平均的點數m，即左右端點各延拓m點。延拓后的信號樣本長度為N+2m，原信號所處區(qū)間為［m，N－m］，且

然后根據公式(4)，對區(qū)間［m，N－m］的信號樣本求滑動平均值。

滑動平均其本質相當于低通濾波器［3，4］，隨著滑動點數m增大其低通截止頻率fc會減小，實際應用中滑動平均用來抑制高頻噪聲，而不是用來分頻?；瑒狱c數m往往需要根據實際情況進行選取，本文中針對臺階波和棱波的數據處理過程就是基于滑動平均算法，它利用了滑動平均的低通濾波特性，同時也針對滑動平均的平滑效果所產生的損耗進行了補償。

圖2 數據預處理

1.3 針對臺階波的數據處理過程

如圖3所示:

(1)數據對齊:臺階波產生都是由其內壁結構引起，會出現在每一通道數據的固定位置，因此只需將包含臺階波部分的數據提取后單獨處理。

(2)去除背景噪聲:數據的預處理如圖2，曲線xsu2，過程完成對背景噪聲的濾除，此過程對原始信號進行十點滑動平均處理，相當于將背景噪聲等高頻干擾濾除。

(3)大包絡提取及損耗補償:臺階波所處數據區(qū)域是固定的，這里將臺階波區(qū)域的大包絡看作“趨勢項”，利用滑動平均的低通特性通過選取合適的滑動點數m(這里選取m=100)可以將趨勢項提取，但是這一過程會產生損耗，如圖3，曲線xsu3，需要通過滑動平均前后臺階波區(qū)域數據均值計算損耗比，將其作為系數對有損耗的曲線進行補償得到被認為沒有損耗的趨勢項xsu4。

(4)傷信號提取:這里依據誤差理論，傷信號看作“粗大誤差”，這里通過設定閾值g，對偏離“趨勢項”超過閾值部分判定為“粗大誤差”，只不過這里采取的不是剔除而是提取，相當于將包含兩個頻率特征的信號去除了其中的低頻部分，這一過程相當于對信號的高通濾波，但是提取的傷信號已經去除了低頻的趨勢項和高頻部分的背景噪聲，因此提取后的信號只包含了傷信號。

(5)信號的還原:針對提取后的傷信號設定合適的閾值，根據滿足要求的傷信號的分布，計算原信號的系數分布σi，i∈(0，N)，其中有傷部分 σi，i∈(0，N)(或大于 1)，無傷部分σi=0，將這一系數分布數組乘入T(i)處理后的信號xsu2可以得到濾除背景噪聲B(i)及臺階波T(i)的傷信號S(i)，即圖3，曲線ysu。最后將消除臺階波后信號還原到原來數組，通過選取合適帶寬的濾波方法對數據進行整體處理。

圖3 包絡提取與信號還原過程

1.4 針對棱波的數據處理過程

由圖4可以看出，包含棱波的數據其可讀性很差，無法直接對原始數據進行傷判定?？梢苑治龀?，棱波只在內棱角處產生，其幅值雖然高，但是其連續(xù)時間短，可以認為其具有高頻特性，因此采取這種基于低通濾波器的方法進行數據處理時，會達到很理想的效果。

圖4 棱波處理結果

1.5 超聲數據的B型成像

若只通過A型數據顯示(時間幅度顯示)，很難判定顯示在工件表面的分布位置及缺陷類型，而實際應用中往往需要直觀的將缺陷的分布和缺陷類型進行顯示，將數據轉換為灰度值并對其進行二維成像是一種快捷有效的方法。

圖5 棱波去除前

圖6 棱波去除后

由A型顯示到B型顯示的轉換規(guī)則由工件形狀和探頭掃描路徑及掃描精度決定。本文的數據，探頭周向掃描為400點，軸向為80點，而由工件參數可以看出，其長寬比應為110∶100，因此這里的掃描圖是經過拉伸處理的，由圖5，圖6可以看出，其X方向上分辨率較低。

2 結論

通過超聲B型成像結果，如圖5，圖6所示，可以直觀地看出這種基于動態(tài)包絡提取的方法能夠實現臺階波和棱波等干擾信號的分離去除，極大減輕了缺陷識別和提取的難度，實現了算法設計的最初目的。

對傷信號的提取本質上仍是通過濾波方法實現的，文章針對臺階波及棱波具有的固定特征，通過對其大包絡線提取并通過計算損耗進行包絡補償的過程可以被認為是信號的低頻部分趨勢項代替信號本身，利用其能量上的差異，通過包絡實現傷信號的提取。

這種基于滑動平均的動態(tài)包絡提取方法的設計針對快速工業(yè)現場的檢測過程，具有穩(wěn)定性與快速特點，且易于在Matlab和VC++等上位機平臺實現，在針對此類小徑薄壁異型構件的超聲數據處理方面具有較大的實際應用價值。

［1］劉松平，郭恩明，陳積懋，等.金屬薄壁管件復合超聲檢測技術［J］.無損探傷，2005，5(10):6－10.

［2］曹海軍.異型構件超聲檢測技術［J］.硬質合金，2010，3(6):168－170.

［3］裴益軒，郭民.滑動平均法的基本原理及應用［J］.火炮發(fā)射與控制學報，2001，1:21－23.

［4］張艷花，楊錄.在連續(xù)噪聲背景下分離脈沖信號的一種方法［J］.華北工學院學報，1996，2:134－138.