謝飛鳴，陳修忻，陳振華,，盧 超

(1.方大特鋼科技股份有限公司，南昌330012；2.無損檢測技術(shù)教育部重點實驗室(南昌航空大學(xué))，南昌 330063)

焊縫超聲TOFD檢測信號及圖像降噪技術(shù)研究

謝飛鳴1，陳修忻2，陳振華1,2，盧 超2

(1.方大特鋼科技股份有限公司，南昌330012；2.無損檢測技術(shù)教育部重點實驗室(南昌航空大學(xué))，南昌 330063)

超聲TOFD檢測信號中混入的無關(guān)噪聲常導(dǎo)致從檢測圖像中難以分辨缺陷特征。本研究通過小波包分解技術(shù)分析缺陷衍射波特征信號的時、頻域分布特征，采用小波包統(tǒng)一閾值對超聲TOFD檢測信號進行降噪處理，對比軟、硬閾值函數(shù)對檢測信號的降噪結(jié)果。研究結(jié)果表明：采用軟、硬閾值對長度10 mm、深度5 mm的裂紋缺陷信號降噪，其信噪比由原始的22.88 dB分別提高至186.66、176.65 dB，對長度28 mm、深度8 mm的夾雜缺陷信號降噪，其信噪比由原始的16.62 dB分別提高至33.74、28.16 dB；基于小波包軟、硬閾值去噪后信號進行圖像重構(gòu)可有效抑制干擾條紋并提高缺陷特征圖像的分辨力，而采用軟閾值法幾乎完全去除了原始超聲TOFD檢測圖像中的噪聲條紋。

小波閾值去噪；焊縫缺陷；干擾條紋；超聲TOFD

0 引言

對接焊縫是焊接結(jié)構(gòu)連接、密封的關(guān)鍵部位。由于焊接接頭處力學(xué)性能不均勻、應(yīng)力分布復(fù)雜，在制造過程中易產(chǎn)生焊縫缺陷，采用無損檢測技術(shù)及早發(fā)現(xiàn)焊縫缺陷以及服役損傷對設(shè)備安全運行具有重要意義[1-3]。超聲衍射時差法(TOFD)具有檢測信息豐富、抗噪聲強、效率高、定位定量準確等優(yōu)勢，是應(yīng)用最為廣泛的焊縫無損檢測方法之一[4-5]。超聲TOFD檢測圖像按A掃描信號的相位幅度進行灰度成像，比單個A信號更直觀、信息更豐富、缺陷特征更明顯。然而，受焊縫組織和檢測環(huán)境的影響，檢測信號中常常出現(xiàn)噪聲干擾，并進而在檢測圖像中形成干擾條紋，影響對檢測圖像中缺陷的辨識[6-7]。因此，從根源上說，提高對接焊縫超聲TOFD成像質(zhì)量應(yīng)首先提高檢測信號的信噪比，具體而言即根據(jù)缺陷信號特征、噪聲信號特征制定合理的信號處理方法以抑制噪聲信號、保留缺陷衍射波信號。

小波包變換克服了小波變換高頻分辨率差的特點，是一種更為精密的信號處理方法，已應(yīng)用于超聲檢測信號的分析與處理中[8-10]。其中，李建忠等[11]對不銹鋼焊縫超聲TOFD檢測信號進行小波包分解發(fā)現(xiàn)：將檢測信號按各類時頻分布特點提取目標(biāo)缺陷信號，可有效提高超聲TOFD檢測技術(shù)對不銹鋼焊縫的檢測能力；張海燕等[12]將小波包變換用于實際焊接缺陷的超聲檢測信號降噪及特征提取，發(fā)現(xiàn)將小波包信號處理方法應(yīng)用到非平穩(wěn)超聲檢測信號，其降噪效果明顯；羅雄彪等[13]將小波包分析法應(yīng)用于對鋁合金鑄件的超聲檢測信號，研究結(jié)果顯示：采用小波包閾值降噪，鑄件缺陷脈沖回波信號信噪比、缺陷定位精度以及縱向分辨率均得到提高，信號特征信息質(zhì)量得到改善。

本研究采用小波包分解技術(shù)對焊縫超聲TOFD檢測信號進行多尺度分解分析，細致觀察焊縫缺陷衍射波特征信號在檢測信號中的時、頻域分布特點。根據(jù)缺陷衍射波特征信號的時頻分布特點，采用小波包分解技術(shù)對焊縫超聲TOFD檢測信號進行降噪處理并基于降噪后的焊縫超聲TOFD檢測信號進行圖像重構(gòu)，同時對比分析軟、硬閾值去噪方法的圖像處理效果。本研究提出的小波包閾值處理技術(shù)對于改善焊縫超聲TOFD掃描圖像質(zhì)量及提高缺陷圖像分辨率具有一定效果。

1 檢測試驗及結(jié)果分析

1.1試驗方法及試樣制備

檢測試樣為Q235鋼制對接焊縫，委托專業(yè)的超聲試塊生產(chǎn)廠家制備含缺陷的對接焊縫試樣，并通過射線和超聲檢測進行復(fù)驗以確定焊縫缺陷符合設(shè)計要求。檢測試樣尺寸均為300 mm×300 mm×20 mm，缺陷長度為fl、深度為TF，距離試樣左端LF。試驗采用中心頻率為10 MHz的超聲TOFD專用探頭，斜楔角度為60°，探頭關(guān)于焊縫中心對稱布置，對焊縫進行超聲TOFD-D掃描成像，試塊結(jié)構(gòu)及試驗方法參見圖1。

圖1 檢測試樣及試驗方法Fig.1 Tested specimen and method

試驗共采用2塊檢測試樣：N1、N2。試樣N1中含有的缺陷為夾渣和裂紋，試樣N2中含有的缺陷為夾渣和未熔合，各缺陷在試塊中的分布情況如表1所示。

表1 檢測試樣內(nèi)部缺陷分布Table 1 Tested sample of internal defects distribution mm

1.2超聲TOFD圖像及信號分析

按檢測參數(shù)對試樣進行超聲TOFD-D掃描成像。為獲得符合后續(xù)信號和圖像處理要求的掃描圖像，試樣N1的超聲TOFD掃描的探頭間距(Probes Center Spacing，PCS)設(shè)置為45 mm，試樣N2的PCS設(shè)置為30 mm。試樣N1成像檢測的PCS較大使得直通波與近表面缺陷的聲程差減小，5 mm深裂紋缺陷的特征圖像與直通波特征圖像有少量重合，該圖像可用于分析信號處理對近表面缺陷分辨率的影響；試樣N2的PCS較小，掃描圖中的缺陷特征圖像與直通波特征圖像可較好地相互分離；兩試樣D掃描圖像所顯示的缺陷分布與表1中預(yù)制缺陷的分布情況一致(圖2)。進一步觀察可知，超聲TOFD-D掃描圖像中除了缺陷特征條紋外，還存在大量的無關(guān)的噪聲條紋；這種噪聲條紋是存在于掃描圖中的條帶型紋理，可能來自于焊縫的晶粒散射或其他干擾信號，不僅對于缺陷的判讀造成了干擾而且還極可能掩蓋了小缺陷的衍射特征圖像(圖2a)。

分別提取兩試樣中缺陷的超聲TOFD檢測波信號，各檢測信號由直通波、缺陷端部衍射波、底波組成，均體現(xiàn)了超聲TOFD檢測信號的典型特征(圖3)。圖3a是長度為10 mm、深度為5 mm的裂紋缺陷超聲TOFD檢測信號，其中直通波、裂紋端部衍射波、底波的時間位置分別為13.35、13.62、15.65 μs；圖3b是長度為28 mm、深度為8 mm的夾雜缺陷超聲TOFD檢測信號，直通波、端部衍射波、底波的時間位置分別為12.98、13.55、15.44 μs。不容忽視的是檢測波信號中還存在幅度較低的噪聲信號，這類信號在掃描圖像中表現(xiàn)為干擾條紋，影響對缺陷特征圖像的判讀。

圖2 超聲TOFD-D掃描圖像Fig.2 Ultrasonic TOFD-D scanning image

圖3 焊縫缺陷的超聲TOFD檢測信號Fig.3 Ultrasonic TOFD detection signal of weld defects

為了比較信號進行小波包降噪前后結(jié)果，本研究以信噪比作為信號降噪結(jié)果的一個度量值，檢測信號的信噪比公式為：

式中，A為焊縫缺陷衍射波最大幅值，B為噪聲信號最大幅值。

據(jù)式(1)計算出長度為10 mm、深度為5 mm的裂紋、長度為28 mm、深度為8 mm的夾雜缺陷信噪比分別為22.88、16.62 dB。

超聲TOFD-D掃描圖像噪聲條紋的根源顯然來自于噪聲信號。因此，本研究從抑制干擾信號噪聲入手，采用小波包分解技術(shù)從時頻域分析缺陷信號分布特征，據(jù)此通過小波包閾值降噪技術(shù)在保留缺陷特征信號的前提下抑制噪聲信號；基于降噪后信號進行圖像重構(gòu)，達到降低圖像干擾、提高圖像質(zhì)量的目的。

2 小波包分析及降噪

2.1信號的小波包分解分析

與小波分解相比，小波包分解可為信號提供了一種更為精密、有效的分析方法，特別適用于非穩(wěn)定信號中突變?nèi)跣盘柕姆治雠c處理。本研究選用Sym4小波基對含缺陷脈沖的檢測信號進行三層小波包分解，分解信號分別表示為S30～S37，如圖4所示。

圖5為分別對長度為10 mm、深度為5 mm的裂紋缺陷以及長度為28 mm、深度為8 mm的夾雜缺陷的檢測信號進行三層小波包分解獲得的時域信號。圖5a、圖5b顯示：位于檢測信號13.62 μs的裂紋缺陷特征信號分布于分解信號S31、S33、S34、S36、S37中；圖5c、圖5d顯示：位于檢測信號13.55 μs處的夾雜缺陷特征信號分布于分解信號S30、S31、S33、S37。因此，從兩試樣中提取的缺陷衍射波特征信號并非集中在某一頻帶范圍內(nèi)，而是廣泛的分布于整個檢測信號的頻域范圍。

圖4 三層小波包分解示意圖Fig.4 Three-layer wavelet packet decomposition diagram

圖5 試樣缺陷檢測信號的小波包分解Fig.5 Wavelet packet decomposition of sample defect detection signal

綜上，缺陷信號特征分布在檢測信號較寬的頻域(尺度)范圍內(nèi)，且受檢測參數(shù)、缺陷特征、檢測對象組織結(jié)構(gòu)的影響，缺陷特征信號在頻域范圍的分布并不一致。因此，常規(guī)的頻率濾波方法針對特定頻帶范圍進行濾波時，在濾除噪聲的同時必然造成缺陷特征信號的損失，容易造成缺陷特征信號的丟失。

2.2小波包閾值去噪

應(yīng)用小波包分解技術(shù)對信號進行降噪處理是它的一個基本功能。根據(jù)小波包信號降噪步驟，本研究按4步對超聲TOFD檢測信號進行處理：

1) 選擇一個小波并確定分解層次對含有噪聲信號的焊縫超聲TOFD檢測信號進行小波包分解。

2) 確定小波包基以及給定熵標(biāo)準。

3) 對焊縫超聲TOFD檢測信號的小波包分解系數(shù)進行閾值量化。

4) 小波包重構(gòu)。根據(jù)量化處理后的小波包分解系數(shù)，進行超聲TOFD檢測信號重構(gòu)。

常見的小波包去噪閾值函數(shù)有硬閾值函數(shù)和軟閾值函數(shù)。具體原理表示為[14]：

硬閾值：

軟閾值：

小波去噪中的閾值定義對降噪結(jié)果影響巨大，若閾值太小，去噪后的信號仍然有一定噪聲；若閾值太大，則會造成有用信號的損失。本研究選取統(tǒng)一閾值準則，閾值定義為[15]：

式中：fi是最低分解尺度下的分解系數(shù)，median為函數(shù)中值，λ為閾值，σ為高斯白噪聲標(biāo)準差，M為信號長度。

據(jù)式(2)～式(5)采用小波包分解技術(shù)對超聲TOFD信號進行降噪處理，小波基均選用sym4，分別采用軟閾值和硬閾值去噪方法對檢測信號進行處理，對比軟、硬閾值的去噪效果。圖6為長度為10 mm、深度為5 mm的裂紋缺陷和長度為28 mm、深度為8 mm的夾雜缺陷的超聲TOFD檢測信號，經(jīng)小波硬閾值和軟閾值去噪處理后的濾波效果，結(jié)果顯示：硬閾值和軟閾值去噪均可較好濾除噪聲干擾，但缺陷信號幅值也存在一定降低。

圖6 硬閾值與軟閾值降噪對比Fig.6 Comparison between hard threshold and soft threshold noise reduction

為進一步對比小波包軟、硬閾值對超聲TOFD檢測信號的降噪效果，本研究采用式(1)對各信號計算，得出長度為10 mm、深度為5 mm的裂紋以及長度為28 mm、深度為8 mm的夾雜缺陷降噪后信噪比，如表2所示?？梢?，小波包軟、硬閾值均可有效提高超聲TOFD檢測信號信噪比，其中采用軟閾值效果更佳。

圖7a、圖7b為試樣N1、N2原始D掃圖像，可見兩試樣D掃描圖存在大量的無關(guān)的噪聲條紋；圖7c、圖7d為試樣N1、N2基于小波包硬閾值降噪后信號進行圖像重構(gòu)后的D掃描成像效果，結(jié)果顯示D掃圖像中噪聲條紋得到一定抑制；圖7e、圖7f為試樣N1、N2基于小波包軟閾值降噪后信號進行圖像重構(gòu)后的D掃描成像效果，結(jié)果顯示采用軟閾值法幾乎完全去除了原始超聲TOFD檢測圖像中的噪聲條紋。因此，為提高超聲TOFD檢測圖像的分辨率及微小細節(jié)特征圖像的顯示能力，應(yīng)采用小波包軟閾值法對焊縫超聲TOFD檢測信號進行處理。

圖7 硬閾值和軟閾值小波包降噪前后的檢測圖像Fig.7 Hard threshold and soft threshold wavelet packet denosing before and after detection image

表2 小波包降噪結(jié)果對比Table 2 Comparison of wavelet packet denoising results

3 結(jié)論

1)采用軟、硬閾值對長度為10 mm、深度為5 mm的裂紋缺陷信號降噪，其信噪比由原始的22.88 dB分別提高至186.66、176.65 dB；采用軟、硬閾值對長度為28 mm、深度為8 mm的夾雜缺陷信號降噪，其信噪比由原始的16.62 dB分別提高至33.74、28.16 dB。因此，采用軟閾值對焊縫超聲TOFD檢測信號降噪效果更佳。

2)基于小波包軟閾值降噪后信號進行圖像重構(gòu)可大大抑制圖像中的噪聲條紋、有效提高缺陷分辨率和對微小缺陷的顯示能力。

[1] 吳斌,崔辰悅,張也弛,等. Lamb波在對接焊縫中的傳播特性及影響因素[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報,2014,22(2):818-828.

[2] 張鷹,張延豐,雷毅. 奧氏體不銹鋼焊縫的超聲波檢測方法研究[J]. 無損檢測,2006,28(3):119-122.

[3] 戴光,崔巍,楊志華,等. 對接焊縫缺陷漏磁場特征分析及識別研究[J]. 中國安全科學(xué)學(xué)報,2011,21(10):82-88.

[4] Baby S, Balasubramaniam T, Pardikar R J, et al. Time-of-flight diffraction technique for accurate sizing of surface-breaking cracks[J]. Insight-Non-Destructive Testing and Condition Monitoring,2003,45(6):426-430.

[5] Baskaran G, Balasubramaniam K, Lakshmana Rao C. Shear-wave time of flight diffraction (S-TOFD) technique[J]. NDT & E International,2006,39(6):458-467.

[6] Praveen A, Vijayarekha K, Abraham S T, et al. Fourier analysis of ultrasonic TOFD signals for defect detection in austenitic stainless steel welds[J]. International Journal of Computer Applications,2013,71(9):14-17.

[7] 盛朝陽,剛鐵,遲大釗. 基于分水嶺方法的超聲TOFD檢測圖像分割[J]. 機械工程學(xué)報,2011,47(8):35-40.

[8] 郭曉霞,楊慧中. 基于多閾值的小波包去噪[C]//昆明:第27屆中國控制會議,2008:169-172.

[9] 王麗英,劉國奇,陳振華,等. 基于小波包分解的不銹鋼焊縫超聲TOFD檢測圖像修正[J]. 無損檢測,2015,37(5):30-34.

[10] Chen Z H, Shi Y W, Jiao B Q, et al. Ultrasonic nondestructive evaluation of spot welds for zinc-coated high strength steel sheet based on wavelet packet analysis[J]. Journal of Materials Processing Technology,2009,209(5):2329-2337.

[11] 李建忠,劉國奇,陳振華,等. 基于小波包分解的不銹鋼焊縫超聲TOFD檢測信號及缺陷信號提取[J]. 無損檢測,2015,37(1):38-41.

[12] 張海燕,周全,夏金東. 超聲缺陷回波信號的小波包降噪及特征提取[J]. 儀器儀表學(xué)報,2006,27(1):94-97.

[13] 羅雄彪,陳鐵群,萬英. 超聲檢測信號中的小波包分析[J]. 機械工程學(xué)報,2006,42(4):142-146.

[14] 段永剛,馬立元,李永軍,等. 基于小波分析的改進軟閾值去噪算法[J]. 科學(xué)技術(shù)與工程,2010,10(23):5755-5758.

[15] 王新,朱高中. 一種新型小波閾值法在信號消噪中的應(yīng)用研究[J]. 高壓電技術(shù),2008,34(2):342-345.

ResearchonNoiseReductionTechnologyofUltrasonicTOFDSignalandImageofWeld

XIE Fei-ming1，CHEN Xiu-xin2，CHEN Zhen-hua2，LU Chao2

(1.FangdaSpecialSteelTechnologyCo.,Ltd.,Nanchang330012,China; 2.KeyLaboratoryofNondestructiveTesting(MinistryofEducation),NanchangHangkongUniversity,Nanchang330063,China)

Noise in ultrasonic TOFD testing signal often leads to difficulties in identifying the defect accurately. Wavelet packet decomposition technique was adopted to analyze the characteristics of defect’s signals in time and frequency domain. The denoising of the ultrasonic TOFD detection signal is carried out by the wavelet packet sqtwolog, the noise reduction results of the soft and hard threshold function were compared. The results indicate that the soft and hard threshold is applied to the length of 10 mm, the depth of 5 mm crack defect signal denoising, the signal-to-noise ratio is increased from the original 22.88 dB to 186.66 dB and 176.65 dB respectively, the soft and hard threshold is applied to length of 28 mm, the depth of 8 mm inclusion defect signal denoising, the signal-to-noise ratio is increased from the original 16.62 dB to 33.74 dB and 28.16 dB respectively. Based on the wavelet packet soft and hard threshold denoising, the image reconstruction can effectively suppress the interference fringes and improve the resolution of the defective feature image, and the soft threshold method is used to completely remove the noise fringes in the original ultrasonic TOFD detection image.

wavelet threshold denoising; weld defect; interference fringes; ultrasonic TOFD

2017年4月2日 [

] 2017年5月20日

國家自然科學(xué)基金(11374134，11664027)

謝飛鳴(1969年-)，男，教授級高級工程師，主要從事特種鋼先進制造技術(shù)等方面的研究。

TG115.28

Adoi: 10.3969/j.issn.1673-6214.2017.03.001

1673-6214(2017)03-0137-07