汪 俊，伏喜斌，張金梅，黃學(xué)斌，鐘舜聰,4，范學(xué)騰，林起本

(1.福州大學(xué) 機械工程及自動化學(xué)院光學(xué)/太赫茲及無損檢測實驗室，福建 福州 350108；2.廈門市特種設(shè)備檢驗檢測院，福建 廈門 361000；3.廈門市標準化研究院，福建 廈門 361004；4.上海大學(xué) 機電工程及自動化學(xué)院，上海 200444)

0 引 言

超聲衍射時差法因其具有的優(yōu)點，在焊縫檢測中得到越來越廣泛地應(yīng)用。超聲TOFD技術(shù)對焊縫進行檢測時，由于近表面盲區(qū)的存在，往往造成對缺陷的漏檢、誤檢，以至無法對缺陷進行有效地識別[1]。實際檢測過程中，由于檢測過程中諸多的因素導(dǎo)致直通波到達時間的誤差，使得A掃描信號周圍產(chǎn)生雜波、D掃描圖像中直通波并非為直線以及由于直通波脈沖寬度原因如果試件厚度較薄或者缺陷位于盲區(qū)范圍，缺陷波就容易與直通波發(fā)生混疊，從而無法對缺陷進行定量定位[2]。

在近表面盲區(qū)缺陷檢測的研究中的兩個主要方向是：提高超聲TOFD焊縫近表面缺陷的檢測能力，增強TOFD檢測圖像。BASKARAN G[3]等使用超聲波橫波衍射信號(而不是縱波)用于缺陷的檢測，通過利用信號處理技術(shù)(ESIT)對缺陷尖端衍射回波信號的分析，提高近表面缺陷的檢測精度，但橫波產(chǎn)生的衍射信號能量較低，會淹沒在背景噪聲之中，影響缺陷橫波的識別；遲大釗等[4]提出了一種縱波3次反射的TOFDW檢測模式，有效檢測到埋藏深度1.0mm的近表面缺陷，但其檢測過程較復(fù)雜，較難確認缺陷波的位置信息；遲大釗[5-6]以及陳偉[7]等提出了基于圖像能量分布的算法消除直通波，實現(xiàn)了缺陷目標地有效提取，但是該方法要求較高的信噪比，且對閾值的設(shè)定受到背景信號的影響，并利用遞歸最小二乘法自適應(yīng)濾波技術(shù)對圖像背景雜波的去除，提高近表面缺陷的識別能力；張樹瀟等[8]提出了一種利用頻譜分析法從近表面缺陷混疊的信號中提取缺陷位置信息，有效減小了TOFD檢測技術(shù)近表面盲區(qū)深度，但該方法具有一定適用范圍；SHAKIBIB[9]等提出了一種利用自回歸譜外推方法提高管道環(huán)焊縫超聲檢測系統(tǒng)時間分辨率的實用算法，該算法使得回波解析信號幅值的最大半寬度平均減少80%，焊縫根部盲區(qū)的減小接近80%，能有效檢測0.5 mm～5 mm范圍的內(nèi)部缺陷；楊齊等[10]提出了自適應(yīng)匹配追蹤算法，實現(xiàn)了對時域混疊信號地分離，在處理近表面缺陷具有一定的應(yīng)用價值，但具體的檢測效果還需要進一步驗證；MOR E[11]等提出一種支持匹配追蹤(SMP)的方法解決回波在時域上的重疊問題，相較稀疏匹配追蹤(MP)和基追蹤(BP)能較好的提高信號的分辨率。

針對超聲TOFD近表面盲區(qū)問題，本研究提出一種基于自適應(yīng)濾波的近表面缺陷信號處理方法。

1 TOFD近表面盲區(qū)信號濾波原理

1.1 遞推最小二乘算法(RLS)

RLS是一種遞推的最小二乘法，它所觀察的數(shù)據(jù)長度是可變的[12]。此外，在誤差測度函數(shù)J(n)中引入遺忘因子λ，以使自適應(yīng)濾波器具有對輸入過程特性變化的快速反應(yīng)能力。

RLS的設(shè)計準則是指指數(shù)加權(quán)平方差累積的最小化。即：

(1)

RLS算法步驟:

(1)初始化；ω=[0…0]T,n=0,Pxx(0)=σ-1I;

(2)當n=n+1時，更新。

e(n)=d(n)-ωTx(n)

(2)

(3)

(4)

ω(n)=ω(n-1)+K(n)e(n)

(5)

式中：K(n)—增益矢量；e(n)—誤差估計；ω(n)—權(quán)矢量；Pxx(n)逆矩陣。

1.2 TOFD信號自適應(yīng)濾波原理

遞歸最小二乘法受到遺忘因子的影響，一般它作為一個固定值，對算法的追蹤性能和穩(wěn)定誤差有較強的控制能力。對于RLS算法，較小的遺忘因子會導(dǎo)致更快的收斂速度和跟蹤速度，但穩(wěn)態(tài)時的均方誤差較差。另一方面，較大的遺忘因子在穩(wěn)態(tài)時會導(dǎo)致相對較小的誤差，但收斂速度和跟蹤速度很慢[13]。因此，固定遺忘因子RLS算法很難同時具有較快的跟蹤速度和較低的穩(wěn)定誤差。

在本研究中引入隨著誤差變化不斷調(diào)整的可變遺傳因子[14]：

λ=λmin+(0.995-λmin)e-e2(n)

(6)

其中，λmin=0.9。

在利用可變遺忘因子RLS濾除TOFD近表面盲區(qū)直通波的過程中，將帶有缺陷的TOFD信號作為系統(tǒng)輸入，無缺陷的TOFD信號作為濾波器輸入，濾除后信號即是分離出的缺陷信號。

RLS自適應(yīng)濾波原理如圖1所示。

圖1 基于RLS自適應(yīng)濾波原理d(k)—待處理信號;x(k)—參考信號;y(k)—參數(shù)估計信號;e(k)—誤差信號;f(k)—輸出信號

當算法迭代過程沒有遇到混疊的缺陷信號時，即誤差靠近0，遺忘因子靠近0.995，算法具有較好的對消能力，可以忽略信號波形的抖動；當算法迭代到混疊的缺陷信號時，即誤差較大，遺忘因子隨之減小，此時算法將快速追蹤信號之間的差異。本研究中將遺忘因子上限選擇為0.995，是因為在實際操作過程中發(fā)現(xiàn)若是取1，將導(dǎo)致在濾波的迭代過程中產(chǎn)生直通波信號的抖動，影響混疊信號的分離。通過對上述遺忘因子的設(shè)計能有效實現(xiàn)抑制直通波信號，提取缺陷信號的目標[15]。

2 基于COMSOL的超聲TOFD仿真

本研究采用COMSOL瞬態(tài)聲學(xué)模塊進行超聲TOFD技術(shù)二維數(shù)值模擬。模型采用鋼材料，此材料密度為7 850 kg/m3,縱波在材料中的聲速為6 200 m/s。整個模型的長度為90 mm，厚度為40 mm,橢圓形的缺陷上端點距離上表面10 mm，其長軸為4 mm，短軸為0.2 mm[16]，發(fā)射點和接收點與缺陷中軸線的垂直距離為19 mm。根據(jù)惠更斯時間延遲法則[17]，采用逐點延遲加載的方式，形成特定入射角度的超聲波，本研究選取的入射角為45°。超聲TOFD模型有限元仿真如圖2所示。

圖2 超聲TOFD模型有限元仿真

圖2(a)顯示超聲波在焊縫內(nèi)部沿45°傳播。隨著聲波的傳播，當?shù)竭_缺陷的上端點位置(上端點位置處于近表面盲區(qū))，依舊可見缺陷的上端點產(chǎn)生衍射波信號，在4.92 us時上端點衍射波的聲壓場分布圖如圖2(b)所示。當聲波繼續(xù)傳播至缺陷下端點位置(下端點不處于近表面盲區(qū))，同樣于下端點處產(chǎn)生衍射波信號，在6.2 us時下端點衍射波的聲壓場分布圖如圖2(c)所示。通過對超聲波傳播過程的仿真，可以明確近表面盲區(qū)雖然會掩蓋缺陷信號，但不影響缺陷尖端位置產(chǎn)生衍射波信號。

超聲TOFD A掃描信號如圖3所示。

圖3 超聲TOFD A掃描信號

從圖3中可以看出：未能得到明顯的直通波、上下端衍射波等信號，這是由于上端點進入近表面盲區(qū)，直通波和缺陷上端點衍射波相互疊加在一起，使我們不能確定缺陷的位置和長度信息，因此有必要利用信號處理方法在不損壞缺陷信號的前提下將圖像中的直通波自動濾除。

3 實驗結(jié)果及分析

3.1 RLS對A掃描信號處理

從COMSOL中得到的TOFD近表面盲區(qū)的A掃描信號，近表面處的缺陷信號隱藏在直通波信號之下而不能被識別[18]。將沒有缺陷的A掃描信號作為濾波器的輸入信號，帶有缺陷的參考信號作為輸入信號，通過RLS自適應(yīng)濾波器，以實現(xiàn)缺陷信號和直通波信號的分離。

自適應(yīng)濾波對距離近表面10 mm、3 mm仿真信號處理分別如圖(4,5)所示。

當上端點距離近表面10 mm時，圖4(a)為近表面盲區(qū)仿真得到的A掃描信號；圖4(b)表示經(jīng)過RLS自適應(yīng)濾波后得到的缺陷信號；圖4(c)顯示了遞推最小二乘法在迭代過程中遺忘因子的變化情況。從圖4(b)可以看出：經(jīng)過RLS自適應(yīng)濾波后，能夠較好的將直通波信號與上端點衍射信號分離，由于上端點缺陷位于近表面盲區(qū)的邊緣，能夠看到上端點缺陷信號與直通波信號混疊的部分不多，得到較好的分離效果。

圖4 近表面10 mm仿真信號處理

圖5 近表面3 mm仿真信號處理

當上端點距離近表面距離為3 mm時，圖5(a)為近表面盲區(qū)仿真得到的A掃描信號；圖5(b)表示經(jīng)過RLS自適應(yīng)濾波后，得到的缺陷信號；圖5(c)顯示了遞推最小二乘法在迭代過程中遺忘因子的變化情況。從圖5(b)可以看出輸出結(jié)果仍保留部分直通波的信號特征，這是由于算法較多次的自適應(yīng)迭代造成的，但仍較好的將上端點缺陷信號從直通波中分離出來。

根據(jù)文獻[19],選取圖4(b)、圖5(b)中的上下端點缺陷信號的最大幅度位置作為時間點，獲取兩端點的時間差。經(jīng)過計算可知：當上端點距離上表面3 mm時，得到缺陷長度為7.78 mm,與仿真數(shù)據(jù)的誤差為0.22 mm；當上端點距離上表面10 mm時，得到缺陷長度為8.375 mm,與仿真數(shù)據(jù)的誤差為0.375 mm。經(jīng)自適應(yīng)濾波得到缺陷信號后，盡管得到的計算結(jié)果與仿真數(shù)據(jù)有一定的誤差(小于4.5%)，但仍能較為準確的得到缺陷的長度信息。

3.2 RLS對D掃描信號的處理

自適應(yīng)濾波對非近表面、近表面盲區(qū)TOFD圖像處理如圖(6,7)所示。

圖6 非近表面盲區(qū)自適應(yīng)濾波圖像

圖7 近表面盲區(qū)自適應(yīng)濾波圖像

超聲TOFD成像檢測采用接觸式測量，當被檢工件的表面不平整時，會使檢測得到的直通波波達時間不一致，在檢測圖像上本應(yīng)平直的直通波會變得扭曲，如圖6(a)所示。因此，在進行自適應(yīng)濾波前，需要將直通波拉直。圖6的缺陷不在近表面附近，通過RLS自適應(yīng)濾波算法能夠較好的分離直通波和缺陷信號。圖7(a)右側(cè)部分缺陷與直通波相接觸，通過RLS算法有效去除了圖像的直通波信號，避免了直通波信號對缺陷信號的干擾，能有效完成提取缺陷信號的目標。

4 結(jié)束語

本研究針對超聲TOFD近表面盲區(qū)直通波與缺陷信號混疊的問題，提出了基于RLS自適應(yīng)濾波的解決方法。實驗結(jié)果表明，該方法能夠較好地將直通波和缺陷波信號分離，提取缺陷信號。

由于近表面盲區(qū)的問題很多出現(xiàn)在薄板的TOFD檢測過程中，研究提高縱向分辨率以有效分離直通波、缺陷上端和下端衍射波以及底面反射波等信號，實現(xiàn)各信號波達時間的精確計算具有重大意義。后續(xù)研究工作將圍繞提高檢測薄板焊縫缺陷的分辨率開展。

:

[1] 周紅明.薄材焊縫自動化超聲TOFD成像檢測關(guān)鍵技術(shù)研究[D].杭州：浙江大學(xué)機械工程學(xué)院,2014.

[2] 陶京新,盧 超,劉松平.薄板焊縫中超聲TOFD檢測方法淺析[J].航空制造技術(shù),2014,464(20):87-90.

[3] BASKARAN G, BALASUBRAMANIAM K, LAKSHMANA R C. Shear-wave time of flight diffraction (S-TOFD) technique[J].Ndt&EInternational,2006,39(6):458-467.

[4] 遲大釗,剛 鐵,姚英學(xué),等.一種基于超聲TOFD法的近表面缺陷檢測模式[J].焊接學(xué)報,2011,32(2):25-28.

[5] 遲大釗,剛 鐵.基于超聲雜波抑制的缺陷檢測[J].焊接學(xué)報,2015,36(10):17-20.

[6] 遲大釗,剛 鐵,孫昌立.基于自適應(yīng)濾波的超聲雜波抑制方法[J].焊接學(xué)報,2015,36(11):33-36.

[7] 陳 偉,詹紅慶,楊貴德,等.基于直通波抑制的超聲TOFD圖像缺陷檢測新方法[J].無損檢測,2010(6):402-405.

[8] 張樹瀟,謝 雪,劉麗麗,等.基于頻譜分析原理減小TOFD檢測近表面盲區(qū)的方法[J].無損探傷,2013,37(6):20-21.

[9] SHAKIBI B, HONARVAR F, MOLES M D C, et al. Resolution enhancement of ultrasonic defect signals for crack sizing[J].Ndt&EInternational,2012,52(4):37-50.

[10] 楊 齊,鄭 暉,侯金剛,等.TOFD圖像時域解混疊的自適應(yīng)匹配追蹤方法[J].應(yīng)用聲學(xué),2016,35(6):487-493.

[11] MOR E, AZOULAY A, ALADJEM M. A matching pursuit method for approximating overlapping ultrasonic echoes[J].UltrasonicsFerroelectrics&FrequencyControlIEEETransactionson,2010,57(9):1996-2004.

[12] PERGOLONI S, BIAGI M, COLONNESE S, et al. A space-time rls algorithm for adaptive equalization: the camera communication case[J].JournalofLightwaveTechnology,2017,35(10):1811-1820.

[13] PALEOLOGU C, BENESTY J, CIOCHINA S. A robust variable forgetting factor recursive least-squares algorithm for system identification[J].IEEESignalProcessingLetters,2008(15):597-600.

[14] 陳 涵,劉會金,李大路,等.可變遺忘因子遞推最小二乘法對時變參數(shù)測量[J].高電壓技術(shù),2008,34(7):1474-1477.

[15] OYERINDE O O, MNENEY S H. Variable forgetting factor rls algorithm-based channel estimator for mc-idma communication systems[J].WirelessPersonalCommunications,2015,83(2):1-14.

[16] 宋小春,王亞午,涂 君.基于超聲衍射時差法的缺陷檢測技術(shù)仿真分析[J].傳感器與微系統(tǒng),2015,34(5):55-58.

[17] CHEN H, SUN K, KE C, et al. Simulation of ultrasonic testing technique by finite element method[C]. Prognostics and System Health Management Conference,Beijing:IEEE,2012.

[18] 雒里柯.衍射時差法(TOFD)超聲檢測表面盲區(qū)的不同算法[J].無損探傷,2012(5):45-46.

[19] 史俊偉,劉松平.淺談超聲衍射時差法(TOFD)檢測技術(shù)[J].航空制造技術(shù),2009(s1):96-100.