關鍵詞：超聲波信號，起重機械，金屬結構，缺陷檢測，信號去噪

0 引言

起重機械金屬結構是承載和傳遞力量的關鍵部分，然而在長期使用過程中，金屬結構往往會因為受到應力、腐蝕、疲勞等多種因素的影響而產生缺陷，如裂紋、腐蝕坑等。這些缺陷如果不能及時有效地被檢測出來并進行修復，不僅會降低起重機械的性能，甚至可能引發(fā)嚴重的安全事故[1]，因此難以滿足現(xiàn)代工業(yè)生產對起重機械安全性能的高要求。

因此，在上述背景下，國內外不少研究學者對此展開了研究，并提出了自己的觀點。楊恒等[2]先對數(shù)據(jù)進行預處理，并提取出與起重機金屬結構缺陷相關的特征，在卷積神經網絡的作用下，構架缺陷檢測模型通過調整卷積神經網絡的參數(shù)和結構，實現(xiàn)對金屬結構缺陷的準確檢測。該方法僅能提取出結構和紋理較為簡單的物體特征，金屬結構較為復雜，提取時很容易忽略部分有效特征，導致檢測精度不高。王唱等[3]先獲取港機鋼結構的表面噴涂圖像，并對其進行對比度增強等操作，利用紋理分析等方面，提取港機鋼結構噴涂表面的特征信息，并構建缺陷分類器，對金屬表面缺陷進行檢測和定位。該方法對光照條件過于敏感，如果在獲取圖像過程中光照條件不足，將會導致圖像質量下降，從而影響到缺陷檢測精度。Balcioglu等[4]先對采集到的具有不同表面缺陷的金屬齒輪圖像進行歸一化處理，利用深度學習，構建缺陷識別模型，通過對金屬齒輪圖像進行分類，檢測出其中的缺陷圖像，實現(xiàn)對金屬齒輪表面缺陷的檢測。該方法在檢測微小缺陷時，由于缺陷自身的尺寸較小，導致其特征提取難度較高，難以進行有效檢測。陳富榮等[5]先采集多種缺陷圖像，并對圖像進行標注，利用YOLOv5s構建缺陷檢測模型，通過調整特征融合方式，優(yōu)化損失函數(shù)，對模型進行改進，再設置訓練參數(shù)，通過訓練模型，對模型進行調優(yōu)，由此實現(xiàn)對圖像缺陷的檢測。該方法由于檢測過程較為復雜，為保證檢測的實時性，會忽略一些微小的缺陷檢測，導致方法的檢測精度不高。

在以往研究的基礎上，本文設計了基于超聲波信號的其中機械金屬結構缺陷檢測方法。本研究旨在通過對基于超聲波信號的起重機械金屬結構缺陷檢測進行深入研究，探索適用于起重機械金屬結構特點的超聲波檢測方法和技術。通過優(yōu)化超聲波信號的收發(fā)方式、改進信號處理方法、提高缺陷識別算法的準確性，實現(xiàn)對起重機械金屬結構缺陷的精準檢測，以期為起重機械金屬結構缺陷檢測提供新的技術支撐和解決方案。

1 起重機械金屬結構缺陷檢測方法設計

1.1 基于超聲波信號的起重機械金屬結構信號集構建

起重機械作為工程作業(yè)中常見的機電設備，操作難度較高，需要較大的活動空間，但其載荷的多樣性，給工程作業(yè)帶來了極大的便利[6]。在對起重機械金屬結構進行缺陷檢測時，需要考慮到起重機械自身的結構特點，利用超聲探測儀，對起重機械進行掃描，通過獲取的超聲波信號分析起重機械金屬結構的實際情況。

在使用超聲探測儀時，考慮到起重機械內部空間較大，需要靈活調整探測范圍，確保獲取到不同區(qū)域的超聲波信號[7]。利用超聲探測儀獲取起重機械金屬結構信號的具體過程如圖1所示。

由圖1可知，利用上述超聲探測儀，對起重機械金屬結構的信號進行探測，由此獲取到大量的超聲波信號。

考慮到在探測過程中，由于外界因素的干擾，導致得到的超聲波信號中存在大量的干擾信號，為提高缺陷檢測的精度，需要對采集的超聲波信號進行去噪處理[8]。其具體處理過程如式（1）所示。

式中： 表示經過去噪處理后的起重機械金屬結構信號； 表示噪聲消除函數(shù)； 表示獲取的超聲波信號； 表示超聲波信號的實際噪聲強度；z 表示噪聲去除閾值； 表示超聲波信號的離散結果；S 表示超聲波信號的分解系數(shù)； 表示超聲波信號的去噪系數(shù)；m 表示超聲波信號數(shù)量。

利用上述公式完成超聲波信號中的噪聲的去除，并保留信號中的邊緣數(shù)據(jù)，由此，構建起重機械金屬結構超聲波信號集，為后續(xù)起重機械金屬結構超聲波信號的特征分析奠定基礎[9]。至此，基于超聲波信號的起重機械金屬結構信號集構建的設計完成。

1.2 起重機械金屬結構超聲波信號特征分析

將上述構建的起重機械金屬結構超聲波信號集作為基礎，提取出其中與金屬結構缺陷相關的特征，并對其進行特征分析。在上述計算過程中，先計算超聲波信號的均值和方差，由此提取出超聲波信號的時域特征[10]。其具體計算過程如式（2）所示。

式中： 表示超聲波信號的均值；n 表示去噪后超聲波信號的數(shù)量； 表示超聲波信號的方差； 表示超聲波信號的時域特征； 表示起重機械金屬結構超聲波信號的峰值頻率； 表示超聲波信號的帶寬。

利用上述公式，提取出超聲波信號的時域特征，在此基礎上，提取出超聲波信號的頻域特征[11]。在提取超聲波信號的頻域特征時，需要考慮超聲波信號的分量特性。其具體計算過程如式（3）所示。

式中： 表示信號頻域特征；w 表示信號振動頻率； 表示信號時間窗函數(shù)的偏移量； 表示信號的瞬時相關函數(shù)； 、分別表示任意超聲波信號； 、分別表示信號所對應的共軛值。

將上述起重機械金屬結構超聲波信號特征作為基礎，對上述特征進行分析。在特征分析的過程中，通過計算超聲波信號特征的特征值，篩選出其中的金屬結構缺陷特征[12]。其具體計算過程如式（4）所示。

式中： 表示超聲波信號特征值； 、表示時域特征和頻域特征對應的參數(shù)值； 表示超聲波信號的相位參數(shù)值； 表示超聲波信號的幅度參數(shù)值； 表示超聲波信號的時延參數(shù)值。利用上述公式，得到相應的分析結果。將該計算結果與設定的特征閾值進行對比，若超過設定的閾值，則說明當前起重機械金屬結構的缺陷存在，反之則不存在缺陷。將分析結果作為基礎，為后續(xù)輸出起重機械金屬結構缺陷檢測結果奠定基礎[13]。至此，起重機械金屬結構超聲波信號特征分析的設計完成。

1.3 輸出起重機械金屬結構缺陷檢測結果

為保證檢測結果的可靠性，需要先計算對應的誤差函數(shù)，對上述確定的金屬結構缺陷奠定基礎[14]。在上述過程中，檢測誤差函數(shù)的具體計算過程如式（5）所示。

式中： 表示金屬結構缺陷檢測結果的誤差函數(shù)； 表示檢測參數(shù)； 表示誤差值； 表示核函數(shù)； 表示偏置項。將上述檢測誤差函數(shù)作為基礎，得到最終的起重機械金屬結構缺陷檢測結果[15]。

式中： 表示輸出起重機械金屬結構缺陷檢測結果； 表示檢測參數(shù)； 表示金屬結構缺陷評估指數(shù)； 表示缺陷判定函數(shù)。通過上述公式，得到相應的檢測結果，由此，實現(xiàn)對起重機械金屬結構缺陷的檢測。至此，基于超聲波信號的起重機械金屬結構缺陷檢測方法的設計完成。

2 實驗測試

在上述理論設計的基礎上，展開實驗驗證。驗證過程中，設計對比實驗。其中，本文設計的方法為方法1，基于卷積神經網絡的起重機金屬結構缺陷檢測方法為方法2，基于圖像處理的港機鋼結構噴涂缺陷檢測研究為方法3。為對比上述三種方法在實際應用中的效果，設計的對比實驗具體如下。

2.1 實驗準備

實驗中，以建筑工程中的大型塔式起重機為研究對象，利用超聲探測儀掃描該起重機的部分區(qū)域，并將該區(qū)域作為本次實驗的缺陷檢測區(qū)域。本次實驗缺陷檢測區(qū)域和實驗環(huán)境如圖2所示。

圖2（a）中的畫圈區(qū)域為本次實驗的缺陷檢測區(qū)域，從中獲取金屬結構樣品，在圖2（b）利用超聲探測儀進行掃描，并將掃描后獲取的超聲波信號進行處理。

實驗中，為保證超聲探測儀掃描結果的準確性，還需設定相應的實驗參數(shù)。本次實驗中各項設備的實驗參數(shù)如表1所示。

如表1所示，根據(jù)上述實驗參數(shù)，利用超聲探測儀，從大型塔式起重機獲取的金屬結構超聲波信號具體如圖3所示。

由圖3可知，上述為利用超聲探測儀從金屬結構中獲取得的部分超聲波信號，將該超聲波信號作為基礎，利用本文設計方法對其進行處理，構建對應的實驗數(shù)據(jù)集。在后續(xù)的實驗中，基于上述超聲波信號，進行起重機械金屬結構缺陷進行檢測，并將檢測結果進行統(tǒng)計。

實驗中，將本文方法的檢測結果與其余方法的檢測結果進行對比，驗證本文方法的檢測性能。

2.2 實驗結果討論

在本次實驗中，檢測區(qū)域1中存在3處缺陷，利用三種方法對檢測區(qū)域1進行檢測，統(tǒng)計其檢測結果。其具體檢測結果如圖4所示。

如圖4所示，上述虛線部分為檢測到的金屬結構缺陷，方法1將檢測區(qū)域1中金屬結構缺陷完全檢測出來，方法2和方法3僅檢測出部分缺陷，由此可見，方法1的檢測精度更高。

為進一步驗證上述三種方法在實際應用中的效果，以方法的誤檢率為評價指標，對比三種方法的檢測性能。其具體統(tǒng)計結果如表2所示。

如表2所示，方法1的誤檢率較低，數(shù)值小較為接近于0，在實際應用中極少出現(xiàn)誤檢的情況。與之相比，方法2和方法3的誤檢率較高。因此，本文設計的方法在實際應用檢測精度較高。

3 結語

在深入探討基于超聲波信號的起重機械金屬結構缺陷檢測方法后，不難發(fā)現(xiàn)，這一技術為起重機械的安全運行提供了有力保障。超聲波以其獨特的傳播特性，能夠穿透金屬結構，捕捉到肉眼難以察覺的微小缺陷，從而確保起重機械在使用過程中能夠保持最佳狀態(tài)。此方法的應用，不僅提高了起重機械的檢測效率和準確性，也能夠在降低維護成本、延長設備使用壽命方面充分發(fā)揮其積極作用。通過對超聲波信號的精準分析，可以準確判斷缺陷的類型、位置和大小，為后續(xù)的維修工作提供了重要依據(jù)。