CN107782787A - 一种超声波缺陷检测方法 - Google Patents

一种超声波缺陷检测方法 Download PDF

Info

Publication number
CN107782787A
CN107782787A CN201710981603.8A CN201710981603A CN107782787A CN 107782787 A CN107782787 A CN 107782787A CN 201710981603 A CN201710981603 A CN 201710981603A CN 107782787 A CN107782787 A CN 107782787A
Authority
CN
China
Prior art keywords
echo
signal
ultrasonic
blocked
pulse
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710981603.8A
Other languages
English (en)
Inventor
孔亚广
李文倩
张旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201710981603.8A priority Critical patent/CN107782787A/zh
Publication of CN107782787A publication Critical patent/CN107782787A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种超声波缺陷检测方法；本发明利用信号调制、FIR滤波改进超声回波信号预处理方法，缩减了数据处理量。采用希尔伯特变换、超声回波信号的高斯模型求出回波的包络和初始值。利用EM算法优化计算结果，不仅改善了EM算法的缺点提高了EM算法的收敛速度，而且参数估计精度较高。本超声波缺陷检测方法具有设计合理、科学实用、精确度高、稳定性好、可靠性高的优点。

Description

一种超声波缺陷检测方法
技术领域：
本发明属于超声波探伤领域，具体涉及一种超声波缺陷检测方法。
背景技术：
无损检测技术是一门新兴的综合性的应用学科，满足了人们对于高精度检测的需求。超声检测是无损检测的重要组成部分，是利用材料本身或内部缺陷对超声波传播的影响，来判断结构内部及表面缺陷的大小、形状和分布情况的高新技术，对比其他常规无损检测技术，具有被检测对象范围广、检测深度大、灵敏度高、成本低、效率高、对人体无害的优点。
超声无损检测的主要工作是对被测对象的超声回波信号进行分析。超声波换能器脉冲响应产生超声信号，该信号作用于被测物体表面，遇到不同介质会发生反射现象，反射信号即超声回波信号。通过对被测物体的超声回波分析可以确定其几何形状、尺寸、内部缺陷等物理特性以及传输路径上的各种信息。从超声回波中得出有实用价值的信息离不开对回波信号的正确处理与分析和对超声回波参数的精确估计。
近年的研究表明，超声波的衰减、阻抗和散射特性，为超声波的应用提供了丰富的信息，成为超声波广泛应用的条件。但是由于超声波在物体中的传播速度非常快，捕捉传播时间的难度较大，所以利用超声波实现缺陷检测较困难，现有的方法大都存在操作复杂、精度低、实时性差的缺点。
发明内容：
本发明针对现有超声波缺陷检测方法的不足，提出了一种超声波缺陷检测方法。
一种超声波缺陷检测方法，该方法具体包括以下步骤：
步骤一：接收超声波在物体上表面M和下表面N的反射回波，将回波信号的幅值放大50倍；删除物体上表面M的反射回波；
步骤二：将放大后的波形与1v电压通过比较芯片进行比较；当放大后的波形的幅值小于1v时比较结果为高电平，当放大后的波形的幅值大于1v时比较结果为低电平；
步骤三：触发器的触发高电平脉冲，当步骤二中的比较结果为高电平时，触发器的高电平脉冲截断；该截断的高电平脉冲的时间长度即为接收超声波在物体上表面M与下表面N的反射回波的时间长度；
步骤四：将截断的触发脉冲与频率为50M Hz的正弦信号通过逻辑与非得到一个调制信号；
步骤五：是将调制信号输入到计数芯片，然后由单片机得出计数芯片输出引脚信息即可得出脉冲个数n；即得到截断的回波信号；
步骤六：将截断的回波信号进行FIR滤波；
步骤七：将步骤六得到的滤波结果进行希尔伯特变换和初值求解；
步骤八：将步骤其得到的结果通过EM算法得到超声回波参数。
所述的方法整体包括：信号调制、FIR滤波、希尔伯特变换、初值求解和EM算法优化五个部分。
本发明的有益效果：
本发明充分考虑超声波缺陷检测的实时性及高效性，提出一种信号调制方法，先一步确定出超声回波信号的时间域，减少了后续预处理数据处理量。本发明充分考虑超声波回波信号预处理的高可靠性、高信噪比，设计了合理的FIR数字滤波器。本发明充分考虑回波处理的高效性，利用经验模态分解(Empirical mode decomposition,EMD)方法和希尔伯特变换提取回波包络进行研究。本发明充分考虑超声缺陷检测的简便性和高精确度，利用超声回波的高斯模型和线性方程求解了超声回波信号的初始值，接着采用EM对初始值进行优化。
本超声波缺陷检测方法具有设计合理、科学实用、精确度高、稳定性好、可靠性高的优点。
附图说明：
图1为算法基本框架；
图2为回波信号时间域截取示意图；
图3为FIR滤波结果图；
图4-1为EMD分解IMF1-4的结果图；
图4-2为EMD分解IMF5-8结果图；
图5为回波包络图；
图6为极值点图；
图7为EM算法框图.
具体实施方式：
下面结合附图对本发明作进一步的说明。
一、如图1所示：
(1)本文提出一种信号调制的方法(具体实施步骤如图2所示)，先一步确定出超声回波信号的时间域，减少了后续预处理数据处理量，提高了数据处理速度，为提高参数估计的实时性和实用性奠定了基础。
(2)FIR数字滤波器：常用的超声回波信号预处理方式有小波变换滤波，模拟滤波和数字滤波。对比模拟滤波方式，小波变换滤波和数字滤波具有高可靠性、高信噪比、高精确度的优点。在实际应用中，与小波变换相比，数字滤波具有易实现、占用片上资源更少的优点，选择FIR数字滤波器作为超声回波信号预处理方法。本发明采用窗口法设计FIR滤波器，其参数为：采样频率20M Hz，通带波纹；阻带波纹；归一化通带边界角频率；归一化阻带边界角频率；滤波器阶数n＝24；选择Hann窗。根据所选参数以及窗函数确定FIR滤波器，选择15mm厚(深7.5mm处有平底缺陷)的标准测试铁块作为测试样本，对采集到的信号进行滤波，其Matlab仿真结果如图3所示。
(3)希尔伯特变换：利用超声回波包络来估计参数与利用整个高斯模型估计参数相比，既能够保证参数估计精度又可以提高估计效率，已经成功运用于目标定位和测量，因此本发明采用提取包络的方法进行研究。先将信号中不同尺度或趋势逐级分解出来，产生一系列模态函数，取其中能量最大的一组，对其进行希尔伯特变换求瞬时特征即回波信号的包络。其具体实施过程为：(a)原信号x(t)经过EMD分解后变为各IMF和一个余项之和，其公式为：(b)按瞬时频率由高到低将FIR滤波之后的信号分解为8个固有模态函数即8个IMF分量(分解结果如图4所示)；(c)根据各IMF分量的能量选择进行变换的分量：每个IMF分量所含能量的计算公式为:式中表示第n个分量，t表示采样点个数，从图4中可以得出IMF1量最集中，最能体现分解前信号的特征，因此对IMF1希尔伯特变换求其瞬时特征；(d)希尔伯特变换：连续函数x(t)的希尔伯特变换表达式为解析信号信号x(t)的包络为解析信号的模|z(t)|，求出的回波包络如图5所示。
(4)初始值求解：超声波换能器的脉冲响应可以模拟成高斯模型，多重超声回波模型的表达式为：式中特征参数向量θm＝[βατfcφ]表示第m个回波的参数。其中α为带宽；β表示幅值；τ为到达时间；fc为中心频率；φ为相位。根据高斯回波模型和超声回波的极值点坐标(如图6所示)和二元一次方程取极值点附近(极值点±5)的两个测量点值s(θm；t1)s(θm；t2)，t1，t2∈[0，max(t)]代入式二元一次方程可以估计出高斯回波模型的初始参数。
(5)EM算法
实际检测过程中，在对回波信号进行预处理和回波包络提取的工作之后，发现回波包络提取结果可以用于改进EM算法，既可以保证回波参数估计精度，又可以提高计算速率和实用性，实际检测中还需要根据估计出的参数进行缺陷位置分析。
二、如图2所示，原始波形的两个峰值点A、B分别为超声波在物体上表面M和下表面N的反射回波。因为原始回波A和B的幅值较小(只有几毫伏)且实际信号的噪声较多，需要对原始信号进行放大滤波处理，而且探头的脉冲响应以及回波信号的易受干扰性会使波形A被淹没，只能得到物体下表面N反射回来的波形B，所以放大之后的回波示意图如图所示。
本发明所述的比较后的波形示意图来自于将放大后的波形与1v电压通过比较芯片进行比较的结果，当波形B的幅值小于1v时比较结果为高电平，当波形B的幅值大于1v时比较结果为低电平。
本发明采用芯片74HC221(双脉冲D触发器)产生触发脉冲，通过查阅芯片资料以及图4-1、图4-2所示的真值表可以知道该芯片可以产生一段脉冲。本发明比较后的波形输入到芯片74HC221表示R端口的引脚，将与控制图2中Q2开断的信号(PWM2)同步的信号输入到芯片74HC221表示A端口的引脚,芯片74HC221表示B端口的引脚保持高电平。触发脉冲需要和由有源晶振产生的频率为50M Hz的波形进行逻辑与非操作进而生成如图所示的调制信号。
最后需要读取产生的调制信号的个数n即调制信号的周期个数，调制信号每一个周期代表0.02us，则可以得出超声波在物体中的传播时间由已知的超声波在物体中的传播速度v，进而得出物体的厚度
三、如图7所示EM算法的步骤为：
步骤1，由上述求极值点的方法确定超声回波重数M即有M个参数向量，由式6求出初始值参数向量设置误差容限L＝0.05和迭代次数n＝0；
步骤2，判断误差E是否大于L，大于则转到步骤3，否则停止迭代输出最优参数；
步骤3，设置迭代次数n＝n+1,重数m＝1；
步骤4，检查m是否小于回波重数M，如果m≤M，转到步骤5，否则转到步骤2；
步骤5，E-step，计算当m＝1,2,…M时的期望x为实际测量的回波信号；
步骤6，M-step，将M重超声回波参数估计转化为M个单层回波参数估计问题，用和去迭代每一个超声回波的取目标函数
达到最小时对应的参数向量并设置和m＝m+1转到步骤4；
步骤7，计算误差E＝|ψn+1-ψn|，设置ψn＝ψn+1，转到步骤2。

Claims (1)

1.一种超声波缺陷检测方法，其特征在于：该方法具体包括以下步骤：
步骤一：接收超声波在物体上表面M和下表面N的反射回波，将回波信号的幅值放大50倍；删除物体上表面M的反射回波；
步骤二：将放大后的波形与1v电压通过比较芯片进行比较；当放大后的波形的幅值小于1v时比较结果为高电平，当放大后的波形的幅值大于1v时比较结果为低电平；
步骤三：触发器的触发高电平脉冲，当步骤二中的比较结果为低电平时，触发器的高电平脉冲截断；该截断的高电平脉冲的时间长度即为接收超声波在物体上表面M与下表面N的反射回波的时间长度；
步骤四：将截断的触发脉冲与频率为50M Hz的正弦信号通过逻辑与非得到一个调制信号；
步骤五：是将调制信号输入到计数芯片，然后由单片机得出计数芯片输出引脚信息即可得出脉冲个数n；即得到截断的回波信号；
步骤六：将截断的回波信号进行FIR滤波；
步骤七：将步骤六得到的滤波结果进行希尔伯特变换和初值求解；
步骤八：将步骤其得到的结果通过EM算法得到超声回波参数；
所述的方法整体包括：信号调制、FIR滤波、希尔伯特变换、初值求解和EM算法优化五个部分。
CN201710981603.8A 2017-10-20 2017-10-20 一种超声波缺陷检测方法 Pending CN107782787A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710981603.8A CN107782787A (zh) 2017-10-20 2017-10-20 一种超声波缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710981603.8A CN107782787A (zh) 2017-10-20 2017-10-20 一种超声波缺陷检测方法

Publications (1)

Publication Number Publication Date
CN107782787A true CN107782787A (zh) 2018-03-09

Family

ID=61435060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710981603.8A Pending CN107782787A (zh) 2017-10-20 2017-10-20 一种超声波缺陷检测方法

Country Status (1)

Country Link
CN (1) CN107782787A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108613645A (zh) * 2018-05-11 2018-10-02 中南大学 一种基于参数估计的铅锌矿吸水井淤泥厚度测量方法
CN110443104A (zh) * 2019-03-29 2019-11-12 杭州电子科技大学 一种应用于超声波局放检测的数据滤波方法
CN110703235A (zh) * 2019-10-29 2020-01-17 南京俊禄科技有限公司 一种超声波测量系统及其方法
CN111830134A (zh) * 2020-07-15 2020-10-27 上海工程技术大学 一种超声无损检测系统
CN112001919A (zh) * 2020-10-20 2020-11-27 领伟创新智能系统(浙江)有限公司 一种基于粒子群算法及二维数字滤波的织物缺陷检测方法
CN112305085A (zh) * 2020-10-27 2021-02-02 厦门大学 一种基于扭转导波的钢管周向损伤监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865980A (zh) * 2006-05-23 2006-11-22 江苏大学 近表面缺陷的超声检测方法
CN106053597A (zh) * 2016-05-20 2016-10-26 湖南科技大学 一种基于hht特征提取的钢管混凝土脱空缺陷的检测方法
CN106168603A (zh) * 2016-07-05 2016-11-30 中国飞机强度研究所 一种Lamb波结构健康监测中的温度补偿方法
CN106770671A (zh) * 2016-12-14 2017-05-31 广州大学 一种超声波检测装置中超声波回波处理装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865980A (zh) * 2006-05-23 2006-11-22 江苏大学 近表面缺陷的超声检测方法
CN106053597A (zh) * 2016-05-20 2016-10-26 湖南科技大学 一种基于hht特征提取的钢管混凝土脱空缺陷的检测方法
CN106168603A (zh) * 2016-07-05 2016-11-30 中国飞机强度研究所 一种Lamb波结构健康监测中的温度补偿方法
CN106770671A (zh) * 2016-12-14 2017-05-31 广州大学 一种超声波检测装置中超声波回波处理装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周方 等: "EM-ACO算法及其在多重超声回波参数估计中的应用》", 《《陕西师范大学学报（自然科学版）》 *
郭志福: "汽车点焊超声检测信号处理技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108613645A (zh) * 2018-05-11 2018-10-02 中南大学 一种基于参数估计的铅锌矿吸水井淤泥厚度测量方法
CN110443104A (zh) * 2019-03-29 2019-11-12 杭州电子科技大学 一种应用于超声波局放检测的数据滤波方法
CN110703235A (zh) * 2019-10-29 2020-01-17 南京俊禄科技有限公司 一种超声波测量系统及其方法
CN111830134A (zh) * 2020-07-15 2020-10-27 上海工程技术大学 一种超声无损检测系统
CN112001919A (zh) * 2020-10-20 2020-11-27 领伟创新智能系统(浙江)有限公司 一种基于粒子群算法及二维数字滤波的织物缺陷检测方法
CN112305085A (zh) * 2020-10-27 2021-02-02 厦门大学 一种基于扭转导波的钢管周向损伤监测方法

Similar Documents

Publication Publication Date Title
CN107782787A (zh) 一种超声波缺陷检测方法
Zhang et al. Deep convolutional neural network probability imaging for plate structural health monitoring using guided waves
CN103989462B (zh) 一种脉搏波形第一特征点和第二特征点的提取方法
CN104268883B (zh) 一种基于边缘检测的时频谱曲线提取方法
CN112884134B (zh) 面向地震震相识别的基于时域的卷积神经网络模型及应用
CN102288625A (zh) 一种渠道混凝土衬砌无损检测系统
Zhao et al. Defect recognition in concrete ultrasonic detection based on wavelet packet transform and stochastic configuration networks
CN1743839A (zh) 一种结构缺陷超声在线智能识别系统及识别方法
CN104331583B (zh) 一种基于实测海杂波数据的多重分形建模方法
CN114469124B (zh) 一种运动过程中异常心电信号的识别方法
Li et al. An improved AIC onset-time picking method based on regression convolutional neural network
CN107037136A (zh) 一种管道换热污垢阵列式超声检测方法
CN106769734B (zh) 一种超声波聚焦式河流泥沙浓度在线测量方法
Yang et al. A new singular spectrum decomposition method based on cao algorithm and amplitude aware permutation entropy
CN117309079B (zh) 基于时差法的超声飞渡时间测量方法、装置、设备及介质
Du et al. Study on optical fiber gas-holdup meter signal denoising using improved threshold wavelet transform
He et al. Enhancing seismic p-wave arrival picking by target-oriented detection of the local windows using faster-rcnn
CN110353729A (zh) 一种基于双向长短期记忆网络的声波渡越时间检测方法
CN107064893A (zh) 基于对数矩的广义帕累托分布参数估计方法
CN112861731B (zh) 一种基于参数寻优的超声信号去噪方法
CN110133680A (zh) 一种机载激光测深接收波形有效信号初值确定方法及系统
CN108415880A (zh) 一种基于样本熵与小波变换的线损特性分析方法
CN105676225B (zh) 不透明浑浊液体中的超声测距系统和方法
CN113569799B (zh) 一种蜂窝结构空耦超声信号特征提取方法
McKnight et al. GANs and alternative methods of synthetic noise generation for domain adaption of defect classification of Non-destructive ultrasonic testing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180309