小孔隙率碳纤维复合材料的富树脂超声检测

针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite,CFRP)的富树脂检测需求,提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究,并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法,通过低通滤波抑制高频随机噪声。其次根据频率差异,应用变分模态分解算法分离并消除共振结构噪声,提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次,引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后,应用Otsu多阈值方法自适应获得富树脂识别的阈值,消除相干噪声的影响,完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像,在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明:变分模态分解的分量数为2,Otsu多阈值的类别数为3时,能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号;采用0.15作为多视图成像的阈值,可简洁有效地描述富树脂在小孔隙率CFRP中的分布。     

低孔隙率碳纤维复合材料的时频模型和局部孔隙检测

本文研究了孔隙率不高于1%的低孔隙率碳纤维复合材料(CFRP)的时频模型和局部孔隙检测方法。将现有的超声波在CFRP内传播的频域模型扩展到时频模型,通过仿真验证了共振结构噪声的存在,研究了共振结构噪声和局部孔隙形成的缺陷回波的频率差异。在此基础上,提出应用变分模态分解分离高频随机噪声和共振结构噪声,提取包含缺陷回波的低频成分进行局部孔隙检测。提出能量函数和瞬时增益的概念,以克服由于声波能量随传播距离降低而造成的近表面信号对远表面信号的遮蔽效果。对低孔隙率CFRP试块的实验表明,基于变分模态分解和瞬时增益的方法能够有效抑制噪声干扰、克服遮蔽效应,实现局部孔隙的准确检测。     

金属材料小缺陷超声反射信号建模及识别

为了能从含噪声金属材料超声检测信号中有效识别出微小缺陷回波,建立了金属材料超声反射信号模型并提出了基于相关系数的微小缺陷回波识别方法。对含微小缺陷金属材料超声脉冲反射信号的成分进行分析,建立了基于散射声场与高斯回波理论的优化超声回波模型。设计了超声缺陷回波位置识别方法。该方法对超声脉冲反射信号去噪后,取探头发射脉冲信号为参考信号;然后与去噪后的信号逐段求解相关系数;最后对该相关系数序列进行阈值化处理,获得缺陷回波在超声回波信号中的位置。将利用上述优化超声回波模型生成的超声反射信号及其频谱与实验获得的金属材料超声反射信号及其频谱进行了对比,结果表明:两者的时频域特征具有一致性。当将阈值设定为相关系数序列最大值的60%时,能够有效从超声背散射信号中识别出金属材料微小缺陷回波。     

厚截面碳纤维复合材料远表面微缺陷超声检测

为了识别厚截面碳纤维复合材料(CFRP)远表面的微缺陷,使用递归分析方法对超声检测信号进行分析。首先在厚截面CFRP材料上打孔以模拟微缺陷,采用水浸超声脉冲反射法对不同大小的模拟缺陷进行检测。然后选取缺陷位置附近信号段,确定嵌入维数m、延迟时间τ、阈值ε等参数,对各信号段进行递归分析,得到递归图及递归定量分析结果。比较无缺陷信号和有缺陷信号的递归图,从宏观上定性确定微缺陷对超声信号的影响;比较无缺陷信号和有缺陷信号的递归定量分析结果,根据每个递归定量参数的物理意义,对缺陷产生的影响作出合理的解释。最后,使用不同中心频率探头进行实验,确定合适的探头参数。分析结果表明,使用7.5MHz高分辨率超声探头时检测效果最好;当嵌入维数为7、延迟时间为2、阈值为2时,递归图中出现异常白色区域、递归点增多且对角线结构变长,同时所选取的递归定量参数随缺陷增大而上升,表明厚截面CFRP远表面超声信号可能存在混沌结构,而微缺陷的存在会改变原有信号结构。所研究内容为实际微缺陷的定量识别及分类打下基础。     

边界散射对超声水平剪切导波成像检测的影响

超声水平剪切(Shear horizontal,SH)导波在工业在役板材成像检测和结构健康监测(Structural health monitoring,SHM)中有重要的应用价值。基于合成孔径聚焦方法,对钢板中人工缺陷用超声SH导波进行成像,对边界散射条件下的成像检测阵列信号进行分析,探讨了边界散射对超声SH导波成像检测的影响。研究结果表明,基于合成孔径聚焦的超声SH导波成像方法用于板材缺陷成像检测时,超声边界散射使成像信号双曲线阵列特征弱化,缺陷声波信号衰减增大,信号散射噪声增强,进而使成像清晰度降低,易导致漏检;同时边界散射会造成同一缺陷信号产生双峰或多峰,成像信号双曲线阵列特征紊乱,使成像发生畸变,会导致误检。这将为进一步改进工业在役大尺度板材超声导波成像质量与提高结构健康监测水平提供重要基础。     

基于PCA-WHMM的超声漏表面波频域合成孔径成像研究

超声漏表面波可用于检测表面或近表面缺陷,其非接触检测的优点易于实现自动化检测.但由于波型转换与传播衰减,漏表面波的回波幅值较小,不利于缺陷检测和成像.仿真分析了漏表面波的传播特性及缺陷回波特征,应用主成分分析分离回波信号中的干扰波,再利用小波域隐马尔可夫模型算法分离整段信号的系统噪声,联合两种方法提取漏表面波信号中的缺陷信息,最后通过频域合成孔径算法对漏表面波扫查数据进行了高分辨率图像重建.结果 表明,相比于传统B扫成像,基于PCA-WHIMM的超声漏表面波F-SAFT方法在回波信号平均信噪比上提高了10.05 dB,平均成像误差降低了26.3％,为金属表面及近表面缺陷检测提供了一种有效方法.     

一种用于超声信号降噪的非凸变量重叠 群稀疏变分方法

粗大晶粒产生的大量散射噪声而导致的超声检测信号信噪比低问题是粗晶结构超声检测面临的一大难题。针对现有稀疏降噪方法在波形失真和幅值衰减方面的不足,本文提出了一种基于非凸变量重叠群稀疏变分的超声信号降噪方法。基于含散射噪声的典型超声信号,分析了非凸变量重叠群稀疏变分方法的主要参数(如非凸变量函数类型、正则化参数和乘法因子等)对其降噪效果的影响,并确定了适合超声信号降噪处理的参数选择依据。在此基础上,将非凸变量重叠群稀疏变分方法应用于典型钢锭超声检测信号的降噪处理。结果表明,该方法能够很好剔除钢锭超声检测信号中的散射噪声,提高了钢锭超声全聚焦成像的信噪比6 dB以上,研究工作为粗晶材料超声检测作了有益探索。     

CFRP复杂几何结构超声表面契合法缺陷检测

碳纤维增强树脂基复合材料(Carbon fiber reinforced plastics，CFRP)复杂几何结构(即R区)的声传播规律复杂，缺陷检测困难。为提高相控阵超声线性阵列探头的检测能力，以热压固化制备的T700/环氧树脂T形长桁为研究对象，从有限元建模与验证、水程优选与缺陷成像、面积型缺陷定量与覆盖范围三个方面研究了超声表面契合法(Surface adaptive ultrasonic，SAUL)检测的关键技术。结果表明：模拟和试验中分层缺陷均能有效识别，但试样两侧肋板表面和层间界面反射回波过强，成像噪声大，定量困难；对检测中水程进行优选后，两侧肋板反射回波基本消失，缺陷成像完整清晰，成像质量明显提升。在此基础上提出了R区面积型缺陷尺寸的定量方法及检测覆盖范围计算方法，实现了R区深度 1.5 mm、周向长度 4.5 mm分层缺陷的定量检测，深度定量误差6.7%，周向长度定量误差4.4%，满足工程需求。研究结果将为复合材料缺陷精准检测提供支持。     

基于非线性小波收缩的超声信号缺陷识别方法

超声检测回波中的噪声信号是影响焊接缺陷无损检测的主要因素之一。为了更好地抑制回波中的噪声成分,从而有效地识别缺陷信号,在传统非线性小波收缩(Nonlinear wavelet shrinkage,NWS)方法的基础上,提出一种基于子波相关的改进噪声抑制方法。改进方法具备小波分析的多分辨特性,同时兼顾相邻测点回波中缺陷信号间具强相关性的特点。分别利用传统及改进的NWS方法对计算机仿真信号及焊缝超声检测信号进行处理,研究不同母小波及阈值估计方法对信号处理效果的影响。结果表明,改进方法对不同母小波的敏感性小,受不同阈值估计方法的影响小,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,为缺陷的有效识别及精确量化测量提供可靠的依据。     

基于超声复解析信号的碳纤维层压复合材料检测方法研究

采用超声波检测碳纤维层压复合材料时,换能器将接收到层间产生的反射信号。为了有效利用层间反射信号表征碳纤维层压复合材料内部树脂及纤维铺层的几何状态,开展基于超声复解析信号的检测方法研究。介绍超声复解析信号的基本理论,阐述其相对原始A型信号的优势;定义用于成像的复解析信号表征参量,设计基于表征参量的检测成像算法,采用简化声学模型分析碳纤维层压复合材料微观结构超声响应对表征参量的影响;针对包含冲击损伤的碳纤维增强复合材料层压板开展阵列超声检测试验,试验结果表明基于超声复解析信号的检测成像方法可清晰观测出碳纤维层压复合材料微观结构内部的纤维铺层几何形态,基于原始A型信号的检测成像方法无法有效观测,超声复解析信号具有用于表征评价复合材料脱层、褶皱等缺陷的巨大潜力。     

Identification of Localized Void Defects in Composite by Recurrence Quantification Analysis of Ultrasonic Backscattered Signal

Voids usually have a detrimental effect on the performance of carbon fiber reinforced polymer (CFRP). This paper presents a nonlinear dynamic method, known as recurrence quantification analysis (RQA), for the identification of localized void defects. First, five standard CFRP specimens with known porosity ranging from 0.2 to 5.94% are tested using ultrasonic pulse-echo technique, and the obtained backscattered signals are subsequently analyzed by RQA. The result shows that two RQA characteristic parameters, the recurrence rate and the Shannon entropy, both clearly increase with increasing porosity. Next, the RQA is performed on another CFRP specimen with unknown porosity. Two regions in this specimen containing localized void defects are detected based on the above finding. This result is finally verified by a destructive experiment. The research demonstrates that RQA is an effective new method for the identification of localized void defects in CFRP.

     

基于训练局部字典的倒装芯片高频超声检测信号稀疏去噪方法

针对高频超声检测倒装芯片缺陷的精度易受噪声影响以及高频超声信号维度高的问题,提出一种基于K-奇异值分解(K-Singular value decomposition, K-SVD)训练局部字典的高频超声信号稀疏去噪方法。采用K-SVD训练字典来减小信号与字典中原子之间的误差,并针对K-SVD不能训练高维度字典的问题,将高频超声信号分段,在低维度字典上对局部信号进行稀疏分解,从而降低训练字典和稀疏分解的计算复杂度;利用信号的全局最大后验概率(Maximum a posteriori probability, MAP)估计重构信号,消除因局部处理带来的信号跳变,实现高频超声信号的去噪。仿真和试验结果证明,提出的方法能够有效的去除高频超声信号中的噪声,与在全局字典上进行高频超声信号的稀疏分解相比,采用局部训练字典对信号进行稀疏分解在保证去噪性能的同时降低了计算复杂度。     

级联分段线性随机共振的微弱信号检测

针对强背景噪声下微弱信号检测困难的问题,提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型,避免了经典双稳系统对强噪声下弱信号提取时存在的饱和现象,同时,选用的分段线性系统的级联方式可使高频噪声被有效滤掉,低频信号能量不断增强。仿真信号和滚动轴承故障信号的检测结果表明,该方法可以适应更低信噪比信号的检测,参数调节方便,检测结果优于级联双稳系统,具有良好的工程应用前景。     

基于超声红外热成像的缺陷检测与定位研究

超声红外热成像以超声作为激励源,能够用于检测多种工件,但是由于热传导效应及空气的散射,检测结果中缺陷边缘较为模糊,成像对比度不高,并且会有温度分布不均引起的"散斑噪声"。为解决以上问题,提出了一种对超声红外热成像结果进行缺陷检测和定位的方法,使用限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization,简称CLAHE)方法对图像进行对比度增强,用巴特沃斯滤波器进行降噪,根据图像的局部方差特征判断是否有缺陷,并通过形态学处理对缺陷中心进行定位。实验表明,根据局部方差可以对图像进行有效判断,经过形态学处理之后能够准确定位。该研究为通过超声红外热成像实现缺陷检测及定位提供了一种便捷有效的方法。     

A new signal processing technique for detecting flaw echoes close to the material surface in ultrasonic NDT

A new signal processing technique for separating the reflection of a flaw near a surface from the surface reflection itself is proposed. The method is based on ultrasonic scattering energy function model of flaw close to the material surface. Flaw sensitive component in the model, which corresponding to the low frequency signal, is remained by using a low pass digital filter. In order to make the recognition procedure easier and enhance the recognition effect, a reference signal is introduced to avoid the influence of the surface echo. Thus, the surface flaw is easily and clearly recognized. The good performance of the approach is experimentally verified in laboratory on a steel sample with different man-made surface flaws.     

An adaptive Morlet wavelet filter for time-of-flight estimation in ultrasonic damage assessment

Ultrasonic non-destructive testing has been widely used in assessing the integrity of engineering materials such as high-temperature alloys and structures such as pipelines, bridges, and other load-bearing structures. The ultrasonic signals received from these structures are often noisy. Effective noise-reduction techniques are needed in order to accurately assess their condition. This paper presents a new digital signal processing method for estimating ultrasonic time-of-flight diffraction (TOFD). This method is based on wavelet analysis using the Morlet wavelet and the least mean squares (LMS) adaptive filter. The adaptive line enhancer (ALE) structure is used for the adaptive filter. The filter is designed to remove noise and identify the point at which the ultrasonic signal starts to reflect an echo from the tip of a crack. Both simulated and experimental data obtained from a steel plate with a crack produced by electrical-discharge-machining (EDM) are used to demonstrate the performance of the proposed method. This method is especially useful when the properties of the crack signal are unknown and the signal-to-noise ratio is low.