CN100495021C - 一种利用超声波检测轧辊内部缺陷的方法 - Google Patents

Abstract

一种利用超声波检测轧辊内部缺陷的方法，其向轧辊发射脉冲超声波并探测从轧辊内部反射的超声回波信号，包含下列步骤：(1)将所述超声回波信号转换为数字信号；(2)用平滑函数对数字信号进行平滑处理；(3)对经过平滑处理后的数字信号进行求导；以及(4)根据经过求导运算后的数字信号的极值位置确定缺陷。本发明的利用超声波检测轧辊内部缺陷的方法可以实现全声域无间断的信号检测，并且具有较高的信噪比。

Description

一种利用超声波检测轧辊内部缺陷的方法

技术领域

本发明涉及超声波检测技术，特别涉及一种利用超声波对轧辊内部缺陷进行检测的方法。

背景技术

图1为脉冲反射式超声波探伤仪的原理图，如图1所示，其主要由同步电路11、发射电路12、接收电路13、时基电路14、探头15、示波器16和缺陷报警闸门17等单元组成。

同步电路11产生系列同步脉冲，一般为间歇振荡器、双基极三极管电路和多谐振荡器等，同步脉冲的重复频率决定了超声探伤仪的发射脉冲重复频率，即决定了单位时间内向被检测工件内发射超声波脉冲的次数。发射电路12用来产生高频脉冲波，激励超声探头产生超声脉冲，一般采用非调谐式可控硅发射电路。接收电路13的主要作用是将探头检测到的回波信号放大，它包括衰减器、高频放大器、检波器、视频放大器、深度补偿电路等，其中高频放大器多采用多级参差调谐放大器，检波器多采用半导体二极管，视频放大器是一种阻容耦合非调谐式宽带放大器，输入到视频放大的信号幅度比较大，其主要是解决阻塞和提高动态范围，衰减器主要用来控制仪器的灵敏度，测量信号相对高度，用以当量判断。时基电路14的作用是提供锯齿波电压，常采用密勒电路实现。

图1所示脉冲反射式超声波探伤仪的工作原理如下，同步电路11产生的系列同步信号反馈至发射电路12，发射电路12立刻产生一个上升时间很短、脉冲很窄、幅度很大的发射脉冲，该发射脉冲加载到探头15上后激励探头产生脉冲超声波，超声波透过耦合介质射入工件。反射波经过探头15接收并且转变为电脉冲信号后送至接收电路13，进行放大、检波等一系列处理。接收电路13处理后的信号被送至示波器16进行显示。时基电路14根据同步电路11产生的系列同步信号产生线性较好的锯齿波并输出至示波器16，由此在示波器上产生水平扫描线，即时基线，因此从示波器荧光屏上反射波信号的位置，即可确定超声波传播至工件底面或缺陷处的距离。荧光屏上显示的波高与探头接收到的超声波声压成正比，故可以根据反射波高度对缺陷来定量分析。

为了实现检测的自动化，上述脉冲反射式超声波探伤仪采用在同步电路11与示波器16之间设置缺陷报警闸门17的方式对不同深度的声波信号进行选通纪录。

但是上述这种超声波检测方法由于采用硬件闸门通道提取信息，因此无法实现全声域无间断的信号检测，其次是信噪比较低，不有利于信号的识别判定。

发明内容

本发明的目的是提供一种利用超声波检测轧辊内部缺陷的方法，其可以实现全声域无间断的信号检测，并且具有较高的信噪比。

本发明的上述目的通过下列技术方案实现：一种利用超声波检测轧辊内部缺陷的方法，其向轧辊发射脉冲超声波并探测从轧辊内部反射的超声回波信号，包含下列步骤：(1)将所述超声回波信号转换为数字信号；(2)进行噪声滤除处理步骤；(3)利用自适应抵消器消除缺陷反射波；(4)用平滑函数对数字信号进行平滑处理；(5)对经过平滑处理后的数字信号进行求导；以及(6)根据经过求导运算后的数字信号的极值位置确定缺陷。

比较好的是，在上述利用超声波检测轧辊内部缺陷的方法中，在所述步骤(1)与(2)之间包括噪声滤除处理步骤。

更好的是，在上述利用超声波检测轧辊内部缺陷的方法中，所述噪声滤除处理步骤包括如下步骤：

(a)选定下列形式的小波变换对所述数字信号进行N层小波分解以得到N层分解系数：

${\mathrm{WT}}_s(a,b)=\frac{1}{\sqrt{a}}{\&Integral;}_{-\&infin;}^{\&infin;}s\left(t\right){\mathrm{\&psi;}}^{*}\left(\frac{t-b}{a}\right)\mathrm{dt}=<s\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>$

其中，ψ(t)为窗函数，t为时间，常数a和b分别为尺度参数和平移参数，S(t)为所述数字信号， ${\mathrm{\&psi;}}_{a,b}\left(t\right)=\frac{1}{\sqrt{a}}\mathrm{\&psi;}\left(\frac{t-b}{a}\right)$ 为小波变换的基函数；

(b)对于每个所述分解系数，仅保留选定的分解系数而将其他的分解系数置为零，并且如果所述选定的分解系数的模值小于其对应的阈值，则置零，否则保持不变；

(c)根据步骤(b)处理后得到的分解系数重建恢复所述数字信号。

更好的是，在上述利用超声波检测轧辊内部缺陷的方法中，所述小波变换的基函数ψ_a，b(t)经取 $a=a_0^j$ 和 $b=k{a}_0^j{b}_0$ 离散化，并取离散化参数a₀＝2和b₀＝1后，得到下列离散化小波窗函数：

ψ_j，k(t)＝2^j/2ψ(2^jt-k)

其中，j和k为自然数，

t′＝2^jt-k

在上述利用超声波检测轧辊内部缺陷的方法中，采用下列函数作为平滑函数：

$\mathrm{\&theta;}\left(t\right)=e^{-\frac{t^2}{2}}$

这里，t为时间。

按照本发明的上述方法利用小波变换处理检测信号，在不大幅增加设备成本的情况下实现了全声域信号检测，并且提高了信噪比。

附图说明

通过以下结合附图对本发明较佳实施例的描述，可以进一步理解本发明的目的、特征和优点，其中：

图1为脉冲反射式超声波探伤仪的原理图。

图2为按照本发明较佳实施例的检测方法流程图。

图3为自适应抵消器的原理图。

图4a和4b分别示出了采用小波时频分析处理前后的信号波形。

图5为利用小波变换方法进行噪声滤除处理的示意图。

具体实施方式

信号有许多种类，连续的或离散的、周期信号或非周期信号、确定性信号或随机信号、能量信号或功率信号。对于不同类型的信号其相应的处理方式也会有较大的差别，因此对轧辊缺陷超声波检查会要遇到的超声脉冲反射回波信号的类型进行正确认识是必要的。

确定性信号在任何时间的取值是可以先验确定或预测的，与确定性信号相比，如果信号序列x(t)在任何时间的取值是不能先验确定的随机变量，但这些取值却可以用概率分布特性统计地表示，则将x(t)称为随机信号(过程)。对于任意一个固定时刻t，随机过程x(t)定义一随机变量X＝x(t)，并存在随机变量X＝x(t)在时间t的概率密度函数f(x，t)，令μ(t)表示其均值，则

$\mathrm{\&mu;}\left(t\right)=E\left\{x\left(t\right)\right\}={\&Integral;}_{-\&infin;}^{\&infin;}\mathrm{xf}(x,t)\mathrm{dx}---\left(1\right)$

随机信号x(t)的自相关函数Rx(t₁，t₂)是x(t)在时刻t₁和t₂之间的相关，即

$R_x(t_1,t_2)=E\left\{x\left(t_1\right)x^{*}\left(t_2\right)\right\}$

$={\&Integral;}_{-\&infin;}^{\&infin;}{\&Integral;}_{-\&infin;}^{\&infin;}{x}_1{x}_2^{*}f(x_1,x_2;t_1{,t}_2){\mathrm{dx}}_1{\mathrm{dx}}_2$

$=R_x^{*}(t_x,t_1)---\left(2\right)$

上标^*表示复数的共轭，f(x₁，x₂；t₁，t₂)表示随机变量X₁＝x(t₁)和X₂＝x(t₂)的联合概率密度函数。均值和自相关函数R_x(t₁，t₂)分别是随机信号x(t)的一阶矩和二阶矩，类似地，还可以定义随机信号{x(t)}的k阶矩为

μ(t₁，...，t_k)＝E{x(t₁)...x(t_k)}      (3)

如果对于所有整数1≤k≤n和所有t₁，...，t_k及τ，其k阶矩有界，并且满足

μ(t₁，...，t_k)＝μ(t_1+τ，...，，t_k+τ)    (4)

随机信号{x(t)}称为n阶平稳的过程，特别是当随机信号是2阶平稳时，被称为广义平稳信号(wide-sense stationary)。不具有广义平稳性的随机信号统称为非稳态信号，也常称为时变信号，因为它至少有某个统计量是时间的函数。在这里，发明人经过深入研究发现，超声回波信号的统计量随时间发生变化，因此是具有时变特性的随机信号。

Fourier分析将信号的分析从时域转换至频域，由于频域包含了大量时域所没有的信息，其应用意义十分显著。J.W.Cooley和j.W.Tukey于1965年提出的快速傅立叶变换算法(FFT)使离散傅立叶变换的运算量在指数级的水平上得以减少，使得Fourier分析手段在工程领域得到了广泛的应用，但是Fourier分析的以下不足限制了它在非稳态信号中的应用：

1)Fourier分析将信号投影到一组正交基e^jnx上，由于每个e^jnx实际上是一个正弦波，具有单一频率，所以Fourier分析在频域上是完全局部化的。由于单个正弦波在时域具有全局性，支撑supp＝[-∞，+∞]，因此Fourier分析在时域没有任何局部化。

2)频域中某频率或某频带内的信息和时域中某时刻或时宽内的信息没有直接对应关系，即Fourier变换不具有时频分析能力。

3)时域上任一时刻信号的变化都将波及整个谱图，也即Fourier分析是对信号的整体统计，这在非稳态信号分析处理中是相当不够的。

正是由于Fourier分析缺少时频分析的功能，才有了在Fourier分析中引入窗函数的处理方法。

连续短时傅立叶变换(STFT)具有以下形式：

${\mathrm{STFT}}_z(t,f)={\&Integral;}_{-\&infin;}^{\&infin;}\left[z\left(u\right)g^{*}(u-t)\right]e^{-j2\mathrm{\&pi;fu}}\mathrm{du}---\left(5\right)$

其中，z(u)为待分析信号，g(t)是一个时间宽度很短的窗函数，它沿时间轴滑动。信号z(u)乘以一个相当短的窗函数g(u-t)等价于取出信号在分析时间点t附近的一个切片，所以STFT(t，f)可以理解为信号z(t′)在“分析时间”t附近的局部频谱。

窗函数在非平稳信号处理中有着重要的作用。同时，窗函数是否具有高的时间分辨率和频率分辨率与待分析信号z(u)的非平稳特性有关。如果使用冲击信号作窗函数，则相当于只取非平稳信号在t时刻的值进行分析，时间分辨率最高，但却完全丢失了频率分辨率。相反，如果取单位直流信号作窗函数，则其频率分辨率最高，但却完全没有时间分辨率。这预示着，对于非平稳信号，局部变换的窗函数必须在信号的时间分辨率和频率分辨率之间作适当的折中选择。同时值得注意的是，对非平稳信号作加窗的局域处理，窗函数内的信号必须是基本平稳的，即窗宽必须与非平稳信号的局部平稳性相适应，否则将会混入非平稳部分的贡献，产生信号混叠。可见若局域平稳长度很小，则时频分析的效果较差，而对于我们将要建立的系统中使用的短脉冲超声信号，这也是值得注意的一点。

另外，短时Fourier变换中一旦窗函数g(t)及采样间隔选定，则短时Fourier变换采用固定的窗函数对非平稳信号作滑动窗处理，变换在时域具有等时宽、在频域具有等带宽，所以在时频平面里各处的分辨率均相同。

从以上Fourier变换及短时Fourier变换的分析，我们看到Fourier变换没有时间分辨率，而短时Fourier变换在时频域的分辨率固定，而非稳态信号需要的理想的线性时频分析应该在时频平面不同位置具有不同的多分辨率分析方法，即一种多分辨率分析方法。

小波变换方法由于在时域及频域中都具有良好的分析能力，是一种理想的非稳态信号的分析手段，适于超声脉冲回波信号的分析，它突破了Fourier变换在时域没有分辨力的限制，可以对指定频带及时间段内的信号成分进行分析，在时域和空域同时具有良好的局部化性质，可以对频率成分采用逐渐精细的时域取样步长，从而聚焦到信号的任意细节。

对于平方可积函数s(t)的连续小波变换定义为

${\mathrm{WT}}_s(a,b)=\frac{1}{\sqrt{a}}{\&Integral;}_{-\&infin;}^{\&infin;}s\left(t\right){\mathrm{\&psi;}}^{*}\left(\frac{t-b}{a}\right)\mathrm{dt}=<s\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>,a>0---\left(6\right)$

小波变换的基函数 ${\mathrm{\&psi;}}_{a,b}=\frac{1}{\sqrt{a}}\mathrm{\&psi;}\left(\frac{t-b}{a}\right)$ 是窗函数ψ(t)的时间平移b和尺度伸缩a的结果。t为时间，常数a和b分别称为尺度参数和平移参数，由于尺度参数a的作用，小波基函数ψ_a，b(t)的包络随a而变化，这样，对于一个给定的窗函数ψ(t)，若尺寸参数a>1，则基函数相当于将窗函数拉伸，使窗口的时宽增大；而a<1则相当于将窗函数压缩，使窗函数缩小。而尺度参数在频域的作用，可以利用窗函数ψ(t)的Fourier变换的尺度变化性质看到，尺度参数a>1相当于将窗函数的频率特性压缩，频率带宽变小；而a<1则相当于将窗函数的频率特性拉伸，频率带宽增大；时移参数b的作用仅是使小波基函数沿时间轴滑动。

${\mathrm{\&psi;}}_{a,b}\left(t\right)=\frac{1}{\sqrt{a}}\mathrm{\&psi;}\left(\frac{t-b}{a}\right)$ 为小波变换的基函数，其经取 $a=a_0^j$ 和 $b=k{a}_0^j{b}_0$ 离散化，并取离散化参数a₀＝2和b₀＝1后，得到下列离散化小波窗函数：

ψ_j，k(t)＝2^j/2ψ(2^jt-k)     (7)

其中，j和k为自然数，

t′＝2^jt-k       (9)

以下借助附图描述本发明的较佳实施例。

在本实施例中，向轧辊发射的脉冲超声波经轧辊内部反射后产生超声回波信号，该回波信号按照图2所示方式进行处理。

如图2所示，由于回波信号为模拟信号，为在后续步骤中进行小波变换等数字信号处理，在步骤21中，将超声回波信号转换为数字信号。

接着进入步骤22，判断是否需要进行噪声滤除处理，如果判断结果为“是”，则进入步骤步骤23，否则直接进入步骤24。

在步骤23中，对转换后的数字信号进行噪声滤除处理并且完成后进入步骤24，有关噪声滤除处理的具体过程将在下面结合图5作进一步的描述。

在步骤24中，判断是否需要消除缺陷反射波，如果判断结果为“是”，则进入步骤步骤25，否则直接进入步骤26。

在步骤25中，利用自适应抵消器消除缺陷反射波并且完成后进入步骤26。图3为自适应抵消器的原理图。如图所示，抵消器包含原始输入与参考输入，其中，原始输入为通过AD转换采集到的信号或者经过步骤23噪声滤除处理后的信号x(n)：

x(n)＝s(n)+v₀(n)        (10)

这里，s(n)为不包含干扰的信号分量，v₀(n)为干扰信号分量，也即缺陷反射波引起的信号分量。参考输入为与干扰信号v₀(n)相关而与信号s(n)不相关的信号分量v₁(n)。原始输入x(n)加至自适应滤波器的d_j端，参考输入v₁(n)则加至自适应滤波器的x_j输入端。图3中的自适应滤波器AF接受误差e_j的控制调整w_j，使得其输出y_j趋于等于d_j中与它相关的v₀(n)，因此e_j作为d_j与y_j之差就接近于信号分量s(n)。

在步骤26中，用平滑函数θ(t)对AD转换后的数字信号或者经过上述步骤23和步骤25处理的数字信号x(t)进行平滑处理从而得到数字信号y(t)。

比较好的是采用下列函数作为平滑函数：

$\mathrm{\&theta;}\left(t\right)=e^{-\frac{t^2}{2}}---\left(11\right)$

这里，t为时间。

随后在步骤27中，对经过平滑处理后的数字信号y(t)进行求导以得到信号z⁽¹⁾(t)：

$z^{\left(1\right)}\left(t\right)=\frac{d}{\mathrm{dt}}y\left(t\right)---\left(12\right)$

最后，在步骤28中，根据经过求导运算后的数字信号的极值位置确定缺陷。数字信号x(t)经平滑后再求导等效于直接用平滑函数θ(t)的导数对数字信号x(t)作处理，或者等效于用平滑函数θ(t)的导数对数字信号x(t)作小波变换，因此，小波变换的极值对应于原波形x(t)被θ(t)滤波后的转折点，也就是波形变化最快之处，对应由于缺陷而产生的伤波。

值得指出的是，当噪声较小或探测设备的分辨率较高时，或者需要加快信号处理速度时，可以省略完成噪声滤除处理的步骤23和消除缺陷反射波的步骤25，也即从步骤22直接进入步骤24和从步骤直接进入步骤26。

虽然可以采用多种方法来滤除噪声，但是在本实施例中，比较好的是利用小波变换方法。以下结合图5对利用小波变换方法进行噪声滤除处理的方式作进一步的描述。

在图5中，f为原始信号，w为噪声信号，它们叠加在一起形成信号S。

如图5所示，首先进入小波域表示步骤，将信号S在小波域内表示，也即选定一定形式的小波变换对数字信号S进行N层小波分解以得到N层分解系数，其形式例如可采用上式(6)～(9)所示的小波变换函数。

接着，进入降噪处理步骤，对分解系数进行降噪处理。降噪处理可以采用如下两种方式，一种称为作用阈值过程，即，如果其模值小于其对应的阈值，则置零，否则保持不变；另一种方式称为掩码算子过程，即，仅保留特定的分解系数而将其他的分解系数置为零。在本实施例的降噪处理步骤中，对每个分解系数采用上述两种处理方式。

最后，进入重建步骤，将降噪处理后的分解系数通过小波重建恢复为原始信号。

在一个具体实例中，回波信号采用5MHz超声波探头(PANAMETRICS公司生产)检测，检测目标为φ2的平底孔，采样频率为200MSa/s，采用上述方式处理前的原始信号如图4a所示，采用小波时频分析处理后的信号波形如图4b所示。与图4a相比，图4b清晰地显示出了底波和缺陷回波位置。

Claims (3)

1、一种利用超声波检测轧辊内部缺陷的方法，其向轧辊发射脉冲超声波并探测从轧辊内部反射的超声回波信号，其特征在于，包含下列步骤：

(1)将所述超声回波信号转换为数字信号；

(2)进行噪声滤除处理步骤，所述噪声滤除处理步骤包括如下步骤：

(a)选定下列形式的小波变换对所述数字信号进行N层小波分解以得到N层分解系数：

${\mathrm{WT}}_s(a,b)=\frac{1}{\sqrt{a}}{\&Integral;}_{-\&infin;}^{\&infin;}s\left(t\right){\mathrm{\&psi;}}^{*}\left(\frac{t-b}{a}\right)\mathrm{dt}=<s\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>$

其中，

(t)为窗函数，t为时间，常数a和b分别为尺度参数和平移参数，S(t)为所述数字信号， ${\mathrm{\&psi;}}_{a,b}\left(t\right)=\frac{1}{\sqrt{a}}\mathrm{\&psi;}\left(\frac{t-b}{a}\right)$ 为小波变换的基函数；

(b)对于每个所述分解系数，仅保留选定的分解系数而将其他的分解系数置为零，并且如果所述选定的分解系数的模值小于其对应的阈值，则置零，否则保持不变；

(c)根据步骤(b)处理后得到的分解系数重建恢复所述数字信号；

(3)利用自适应抵消器消除缺陷反射波；

(4)用平滑函数对数字信号进行平滑处理；

(5)对经过平滑处理后的数字信号进行求导；以及

(6)根据经过求导运算后的数字信号的极值位置确定缺陷。

2、如权利要求1所述的利用超声波检测轧辊内部缺陷的方法，其特征在于，所述小波变换的基函数经取 $a=a_0^j$ 和 $b=k{a}_0^j{b}_0$ 离散化，并取离散化参数a₀＝2和b₀＝1后，得到下列离散化小波窗函数：

${\mathrm{\&psi;}}_{j,k}\left(t\right)=2^{j/2}\mathrm{\&psi;}(2^{j}t-k)$

其中，j和k为自然数，

t′＝2^jt-k。

3、如权利要求1～2中任意一项所述的利用超声波检测轧辊内部缺陷的方法，其特征在于，采用下列函数作为平滑函数：

$\mathrm{\&theta;}\left(t\right)=e^{-\frac{t^2}{2}}$

这里，t为时间。

Images