CN112858183A - 一种基于波形分离的增材制造激光超声信号缺陷成像方法 - Google Patents
一种基于波形分离的增材制造激光超声信号缺陷成像方法 Download PDFInfo
- Publication number
- CN112858183A CN112858183A CN202110088439.4A CN202110088439A CN112858183A CN 112858183 A CN112858183 A CN 112858183A CN 202110088439 A CN202110088439 A CN 202110088439A CN 112858183 A CN112858183 A CN 112858183A
- Authority
- CN
- China
- Prior art keywords
- signal
- wavelet
- imaging
- point
- ultrasonic signal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or 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
- G01N29/04—Analysing solids
- G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
-
- 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
- G01N29/043—Analysing solids in the interior, e.g. by shear waves
-
- 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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- 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
-
- 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
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/04—Wave modes and trajectories
- G01N2291/042—Wave modes
- G01N2291/0421—Longitudinal waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/04—Wave modes and trajectories
- G01N2291/042—Wave modes
- G01N2291/0423—Surface waves, e.g. Rayleigh waves, Love waves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于波形分离的增材制造激光超声信号缺陷成像方法,该方法的主要步骤为:1、获取被测试件的原始超声波信号;2、采用小波分解对原始超声波信号进行小波降噪;3、小波包分解;4、表面波信号或纵波信号的提取和重构;5、归一化处理;6、邻域相减,获取缺陷回波信号;7、确定椭圆簇边界;8、划分波场平面成像网格;9、获取实际的成像区域;10、缺陷回波信号幅值映射至实际的成像区域;11、椭圆簇叠加与聚焦成像。通过该方法实现了从缺陷回波信号中得到缺陷的定量信息,同时实现了对特定成分的波进行合成孔径聚焦,并且成像效果好,分辨率高。
Description
技术领域
本发明属于金属增材制造领域,具体涉及一种基于波形分离的增材制造激光超声信号缺陷成像方法。
背景技术
电弧焊接增材制造能够实现大型航天构件的低成本、高效制造,成形件微观组织均匀细小,对成形件尺寸无限制。电弧焊接增材制造温度梯度大,熔池凝固速度快,易出现气孔、裂纹等冶金缺陷,成形过程中产生高温以及粉末飞溅,传统的检测技术无法满足检测需求,迫切需要一种非接触式在线检测系统实现增材制件的质量监控。
激光超声检测技术的检测原理是:利用脉冲激光束作用在被检测件上,产生热弹效应并激励出超声波,运用干涉仪获得超声波信号,是一种非接触、高精度、无损伤的新型超声检测技术,结合超声检测的高精度和光学检测非接触的优点,激光超声具有亚纳米级的高灵敏度、GHz级高检测带宽的优点,适合在电弧焊接增材制造过程中等高温环境下制件的非接触、高分辨率检测。
若检测物体存在缺陷,激光超声信号传播至缺陷部位,与缺陷相互作用,产生缺陷回波信号。在激光超声检测中激光接收器会接收到检测信号中出现的包括缺陷回波信号以及各种模式的波(横波、纵波、表面波以及模式转换波等),缺陷回波信号中包含与缺陷相关的信息,但是缺陷回波信号与其他模态的波混合在一起,在缺陷尺寸小,埋藏深度深的情况下,缺陷回波信号往往被其他噪声所淹没,并且无法从缺陷回波信号中直观的得到缺陷的定量分析,因此需要对激光超声信号中的缺陷回波信号进行提取以及合成孔径聚焦成像,可以从成像中清晰明了的得到缺陷尺寸与位置信息。
中国专利,公开号CN111795931A公开了《一种针对激光超声缺陷检测衍射回波信号的重构提取方法》,该方法有效避免了高幅值入射信号对经验模态(EMD)分解的影响,保证有用信号不丢失;克服了EMD分解加噪信号时存在的端点效应,改善EMD的分解效果;最大程度的去除低幅低频的入射信号,避免了有用信号被淹没在入射信号中;有限的保留包含缺陷信息的有用信号,舍弃来自环境的高频噪声信号,达到有用信号准确输出和缺陷准确判断的目的。
虽然该方法能够准确的对激光超声信号中的表面波成分的缺陷回波信号进行重构提取,舍弃来自环境中的噪声信号,但是该方法仅仅给出了激光超声信号中缺陷衍射波信号的提取重构,没有对缺陷回波信号进行进一步的处理,无法从缺陷回波信号中得到缺陷的定量信息,无法对缺陷位置与缺陷尺寸进行确定。
中国专利,公开号CN111751448A公开了《一种漏表面波超声合成孔径聚焦成像法》,实现了对零件表面或者近表面缺陷的成像检测,为评价金属构建表面质量提供一种有效的无损检测方法。
虽然该方法能够实现对零件表面或近表面缺陷的高效率高分辨率成像,但是对于非接触式激光超声检测中超声波信号中波形成分复杂,包括横波、纵波、表面波以及各种模式转换波等,无法对特定成分的波进行合成孔径聚焦,从而会导致成像效果差,分辨率低的问题。
发明内容
为了克服现有采用激光超声波检测零件缺陷时,无法从缺陷回波信号中得到缺陷的定量信息,以及无法对特定成分的波进行合成孔径聚焦,从而会导致成像效果差,分辨率低的问题,本发明提供了一种基于波形分离的增材制造激光超声信号缺陷成像方法。
本发明的实现原理是:
1、小波降噪:调用增材铝合金试块的激光超声检测数据,采用小波分解技术将原始信号进行降噪处理得到降噪后信号;
2、波形重构:采用小波包分解算法将降噪后的信号进行分解,得到不同频率的信号,将分解后的信号按照频率从低到高排列,并根据不同波形成分所处的频段不同,进行所需波形信号的重构,得到所需波形成分的重构信号;
3、邻域相减:对重构信号进行邻域相减,邻域相减后得到缺陷回波信号;
4、椭圆合成孔径聚焦:对缺陷回波信号进行椭圆合成孔径聚焦,实现试件内部缺陷的合成孔径聚焦成像。
本发明的具体技术方案是:
提供了一种基于波形分离的增材制造激光超声信号缺陷成像方法,其实现步骤如下:
步骤1:通过激励探头与接收探头分离的激光超声检测系统获取被测试件的原始超声波信号Bij;
步骤2:采用小波分解对原始超声波信号Bij进行小波降噪,选择小波基函数为sym8,选择小波分解层数为3层得到降噪后的超声波信号;
步骤3:小波包分解
A:采用小波包分解算法对降噪后的任意一个扫描点的激光超声信号进行处理,在处理过程中,选择小波基函数为sym8,根据表面波信号频段分布特性,选择分解层数为5,从而得到第五层中不同节点的小波包系数,并将第五层中不同节点的小波包系数根据频率从小到大依次排列;
B:采用小波包分解算法对预处理后的任意一个扫描点的激光超声信号进行处理,在处理过程中,选择小波基函数为sym8,根据纵波信号频段分布特性,选择分解层数为4,从而得到第四层中不同节点的小波包系数,并将第四层中不同节点的小波包系数根据频率从小到大依次排列;
步骤4:判断被测试件缺陷类型,进行表面波信号或纵波信号的提取和重构;
步骤4.1:若被测试件表面或者近表面存在缺陷,则执行步骤4.2;若被测试件内部存在缺陷,则执行步骤4.3;
步骤4.2:表面波信号的提取和重构:
基于步骤3中的A部分小波包分解后的第5层的第1号节点小波包系数和第2号节点小波包系数之外其他节点小波包系数全部置零处理,并对该层所有节点小波包系数进行提取和重构,得到重构后的主要包含表面波信号的超声波信号;
步骤4.3:纵波信号的提取和重构:
基于步骤3中的B部分小波包分解后的第4层的第2号节点小波包系数、第3号节点小波包系数以第4号节点小波包系数之外其他节点小波包系数全部置零处理,并对该层所有节点小波包系数进行提取和重构,得到重构后的主要包含纵波信号的超声波信号;
步骤5:对步骤4中提取和重构的主要包含表面波信号的超声波信号或主要包含纵波信号的超声波信号进行归一化处理;
步骤6:对归一化处理的信号进行邻域相减,获取缺陷回波信号B′ij;
步骤7:确定椭圆簇边界:
步骤7.1、确定任意扫描点的椭圆簇;
由于激光超声检测系统中激励点与接收点相互分离,则声场波阵面上的任意一个传播点Pd对应的声程为该点分别到激励点Pg和接收点Pr的距离之和,并满足关系式:Dgd+Ddr>Dgr;其中,Dgd为点Pd到激励点Pg的距离;Ddr为点Pd到接收点Pr的距离;Dgr为激励点Pg到接收点Pr的距离;声场中的等时传播点的集合构成以Pg、Pr为焦点,长轴长度为(Dgd+Ddr)的一系列椭圆构成椭圆簇;
步骤7.2、确定椭圆簇边界
由于椭圆簇的半焦距为c=Dgr/2,则椭圆簇起始边界k0为:
其中,C为待检试件的超声波波速,f为采样频率,Δk为余量,根据实际成像效果进行调整,Δk的取值范围为10-50;
椭圆簇终止边界kn取原始超声波信号长度L,即kn=L;
步骤8:划分波场平面成像网格,获得成像区域;
计算椭圆簇上边界中对应椭圆的半长轴amax与半短轴bmax:
设定x方向成像范围为Δs·Nx+2amax,y方向成像范围为Δs·Ny+2bmax,成像网格大小为Δz,则X方向和Y方向成像点数Xn、Yn分别为:
其中,Δs为扫描步长,Nx为X方向扫描点点数;Ny为Y方向扫描点点数;
则成像区域可以表示为Z(Xn,Yn);
步骤9.1:建立椭圆簇中任意椭圆的参数方程
令i=1,2,……,Nx,j=1,2,……,Ny,则任意扫描点(i,j)的椭圆簇计算过程如下;
令k=k0,k0+1,……,kn,则第k个椭圆的半长轴ak和半短轴bk分别为:
则第k个椭圆的参数方程可以表示为:
遍历任意一个扫描点的椭圆簇中所有椭圆,得到:
步骤11:椭圆簇叠加与聚焦成像:
遍历所有扫描点,最后对所有扫描点的实际成像区域进行叠加,实现聚焦成像,最终的成像结果为:
Z=∑i∑jZi,j。
进一步地,上述步骤2的具体过程为:
根据小波基函数sym8以及分解层数为3层,得到小波系数为S;S=Wavedec(Ai,3,sym8);
δτ()表示阈值为T的阈值处理函数;
之后进行小波重构,得到Ai′=Waverec(S,3,sym8),Ai′为降噪后的超声波信号。
进一步地,上述步骤3中:表面波信号频段分布特性为表面波信号频段分布范围,其取值范围是0-3.9MHz;与之相匹配的所述步骤4.1中:第1号节点小波包系数频率为0-1.95MHz、第2号节点小波包系数频率为1.95-3.9MHz。
进一步地,上述步骤3中:纵波信号频段分布特性为纵波信号频段分布范围,其取值范围是3.9MHz-15.6MHz;与之相匹配的所述步骤5.1中:第2号节点小波包系数频率为3.9MHz-7.8MHz、第3号节点小波包系数频率为7.8MHz-11.7MHz、第4号节点小波包系数频率为11.7MHz-15.6MHz。
进一步地,上述步骤4的具体过程为:
步骤4.2:将每个主要包含表面波信号的超声波信号或主要包含纵波信号的超声波信号幅值大小除以该信号对应的均方根值Xrms,实现信号归一化。
进一步地,上述步骤6的具体过程为:
将归一化处理后的当前扫描点的信号减去归一化处理后上一个扫描点的信号,得到缺陷回波信号B′ij。
本发明的有益效果在于:
1、本发明采用小波分解技术选择合适的小波基与分解层数对激光超声信号进行小波降噪,大大的降低了信号中的高频噪声且不对信号中的有用成分造成影响。
2、本发明通过对降噪后的激光超声信号进行小波包分解,选择不同的分解层数,并通过对不同频率小波包系数的重构,实现激光超声信号中的表面波信号或纵波信号的准确分离提取,为后期缺陷成像提供精准的数据支撑。
3、本发明基于激励探头与接收探头分离的激光超声检测系统声场等时传播线为椭圆的特点,通过将单个扫描点的等时传播椭圆簇绘制在成像区域、并将所有椭圆簇叠加的方式实现聚焦成像,与传统逐点聚焦的合成孔径成像算法相比,大幅降低了算法的复杂度,有效提高了计算效率。
4、本发明利用相邻扫描点超声信号中非缺陷波形出现时间基本一致的特点,采用相邻信号相减的方式进行数据预处理,有效抑制了信号中非缺陷波形在聚焦成像中形成的伪像,包括但不限于掠面纵波、表面直达波、多次底波、模式转化波、边界回波,避免缺陷成像特征被伪像所淹没,从而实现缺陷特征的有效识别。
5、本发明在聚焦成像前,利用信号的均方根值对信号进行归一化处理,抑制了探头耦合效果、试块反光性(针对激光超声)、粗糙度、环境因素造成聚焦成像过程中出现伪缺陷的问题,减少了成像结果中缺陷误判的情况。
附图说明
图1为实施例的实现流程图。
图2为A扫信号波形图;
图3为原始超声信号图;
图4为主要包含表面波成分的超声波信号波形图;
图5为主要包含纵波成分的超声波信号波形图;
图6为缺陷回波信号图;
图7为椭圆簇叠加原理示意图;
图8为缺陷回波信号经椭圆合成孔径聚焦成像后的图。
具体实施方式:
下面结合附图和实施例对本发明的方法进行进一步的说明。
本实施例提供了一种基于波形分离的增材制造激光超声信号缺陷成像方法,具体实现过程如图1所示:
1、对增材铝合金预制缺陷试块(试块尺寸为90*30*8,内部埋藏缺陷孔径为0.2mm,埋藏深度2mm)进行激光超声检测实验,确定激励探头与接收器探头距离Dgr=7mm,确定扫描步长Δs=0.2mm,采样频率:f=125MHz,X方向扫描点点数NX=110个,Y方向扫描点点数Ny=1;表面波波速C=2.85mm/μs;每个扫描点的信号长度均为L=1250(每个扫描点的信号由Ai表示),激光超声检测系统按照上述参数采集原始超声波信号Bij,其中i=1250,j=110,(即Bij由j个Ai信号组成)
如图3所示;
2、采用小波分解对原始超声波信号Bij进行小波降噪,其具体过程为:选择小波分解层数为3,小波基函数选择sym8,得到小波系数为S:S=Wavedec(Ai,3,sym8);
δτ()表示阈值为T的阈值处理函数;
之后进行小波重构,Ai′=Waverec(S,3,sym8),则Ai′为降噪后的超声波信号;重复对每个原始超声信号中进行小波降噪处理;
3、小波包分解
采用小波包分解算法对降噪处理后的任意一个扫描点的激光超声信号进行处理,在处理过程中,优选小波基函数为sym8,通过多次对分析,表面波信号频段主要集中在0-3.9MHz,因此选择分解层数为5,从而得到第五层中不同节点小波包系数,并将第五层中不同节点小波包系数根据频率从小到大依次排列;
采用小波包分解算法对降噪处理后的任意一个扫描点的激光超声信号进行处理,在处理过程中,小波基函数优选sym8,通过多次分析,纵波信号频段主要集中在3.9MHz-15.6MHz,因此选择分解层数为4,从而得到第四层中不同节点小波包系数,并将第四层中不同节点小波包系数根据频率从小到大依次排列;
需要说明的是:进行小波包分解时,进行几层分解,则该层中节点个数为2n个;每个节点都有对应的小波包系数,这个系数决定了频率的大小。
4、表面波信号的提取和重构
由于第五层小波包分解的第1号节点小波包系数频率为0-1.95MHz、第2号节点小波包系数频率为1.95-3.9MHz,故将该层中除第1号节点小波包系数与第2号节点小波包系数外的其余节点小波包系数进行置零处理,后将第5层中的所有节点小波包系数进行提取和重构,得到重构后的主要包含表面波信号的超声波信号,如图4所示;
5、纵波信号的提取和重构
由于第4层小波包分解的第2号节点小波包系数频率为3.9MHz-7.8MHz、第3号节点小波包系数频率为7.8MHz-11.7MHz、第4号节点小波包系数频率为11.7MHz-15.6MHz,故将第4层中除以上三个节点小波包系数外的其余节点小波包系数全部进行置零处理,并将第4层中所有节点小波包系数进行提取和重构,得到重构后的主要包含纵波信号的超声波信号,如图5所示;
6:对4、5中主要包含表面波信号的超声波信号和主要包含纵波信号的超声波信号进行归一化处理;
对于每个主要包含表面波信号的超声波信号和主要包含纵波信号的超声波信号幅值大小记为Si,计算主要包含表面波信号的超声波信号和主要包含纵波信号的超声波信号幅值的均方根值 然后将每个主要包含表面波信号的超声波信号和主要包含纵波信号的超声波信号幅值大小除以该信号对应的均方根值Xrms,实现信号归一化,防止由于试块反光性、粗糙度、探头耦合效果、环境因素造成的信号幅值波动在叠加成像过程中造成伪缺陷;
7、将归一化处理后的当前扫描点的信号减去归一化处理后上一个扫描点的信号,得到缺陷回波信号B′ij,如图6所示;
8、确定椭圆簇边界:
8.1、确定任意扫描点的椭圆簇;
如图7所示,由于激光超声检测系统中激励点与接收点不重合,则声场波阵面上的任意一点Pd对应的声程为该点分别到激励点Pg和接收点Pr的距离之和,并满足关系式:Dgd+Ddr>Dgr;其中,Dgd为点Pd到激励点Pg的距离;Ddr为点Pd到接收点Pr的距离;Dgr为激励点Pg到接收点Pr的距离;声场中的等时传播点的集合构成以Pg、Pr为焦点,长轴长度为(Dgd+Ddr)的一系列椭圆构成椭圆簇;
基于这一原理,我们认为单个扫描点的声场是以Pg、Pr为焦点的椭圆簇,当扫描点进行线扫描或面扫描时,合成孔径聚焦算法的逐点聚焦过程,可以转化为每个扫描点椭圆簇的叠加过程;
8.2、确定椭圆簇边界
由于椭圆簇的半焦距为c=Dgr/2=3.5mm,为保证椭圆能够有效形成(长轴大于焦距),椭圆簇起始边界k0为:
其中,Δk为余量,根据实际成像效果进行调整,一般其取值范围是10-50;
椭圆簇终止边界kn取信号长度,即kn=L=1250;
9、划分波场平面成像网格,获得成像区域;
计算椭圆簇上边界中对应椭圆的半长轴amax与半短轴bmax:
设定x方向成像范围为Δs·Nx+2amax,y方向成像范围为Δs·Ny+2bmax,成像网格大小为Δz,根据成像效果与计算效率确定Δz优选0.1,则x方向和y方向成像点数分别为:
则成像区域可以表示为Z(Xn,Yn);
10、获取任一扫描点的椭圆簇中任意椭圆与成像区域之间的关系:
10.1、建立椭圆簇中任意椭圆的参数方程
令i=1,2,……,Nx,j=1,2,……,Ny,则任意扫描点(i,j)的椭圆簇计算过程如下;
令k=k0,k0+1,……,kn,则第k个椭圆的半长轴和半短轴分别为:
则第k个椭圆的参数方程可以表示为:
遍历任意一个扫描点的椭圆簇中所有椭圆,得到:
12、椭圆簇叠加与聚焦成像:
遍历所有扫描点,最后对所有扫描点的实际成像区域进行叠加,实现聚焦成像,最终的成像结果如图8所示,其表达式为:
通过聚焦成像,单个扫描点缺陷回波信号中的噪声通过多次叠加得到有效抑制,而缺陷回波特征通过叠加得到增强,从而能够实现缺陷的高质量成像。
Claims (6)
1.一种基于波形分离的增材制造激光超声信号缺陷成像方法,其特征在于,包括以下步骤:
步骤1:通过激励探头与接收探头分离的激光超声检测系统获取被测试件的原始超声波信号Bij;
步骤2:采用小波分解对原始超声波信号Bij进行小波降噪,选择小波基函数为sym8,选择小波分解层数为3层得到降噪后的超声波信号;
步骤3:小波包分解
A:采用小波包分解算法对降噪后的任意一个扫描点的激光超声信号进行处理,在处理过程中,选择小波基函数为sym8,根据表面波信号频段分布特性,选择分解层数为5,从而得到第五层中不同节点的小波包系数,并将第五层中不同节点的小波包系数根据频率从小到大依次排列;
B:采用小波包分解算法对预处理后的任意一个扫描点的激光超声信号进行处理,在处理过程中,选择小波基函数为sym8,根据纵波信号频段分布特性,选择分解层数为4,从而得到第四层中不同节点的小波包系数,并将第四层中不同节点的小波包系数根据频率从小到大依次排列;
步骤4:判断被测试件缺陷类型,进行表面波信号或纵波信号的提取和重构;
步骤4.1:若被测试件表面或者近表面存在缺陷,则执行步骤4.2;若被测试件内部存在缺陷,则执行步骤4.3;
步骤4.2:表面波信号的提取和重构:
基于步骤3中的A部分小波包分解后的第5层的第1号节点小波包系数和第2号节点小波包系数之外其他节点小波包系数全部置零处理,并对该层所有节点小波包系数进行提取和重构,得到重构后的主要包含表面波信号的超声波信号;
步骤4.3:纵波信号的提取和重构:
基于步骤3中的B部分小波包分解后的第4层的第2号节点小波包系数、第3号节点小波包系数以第4号节点小波包系数之外其他节点小波包系数全部置零处理,并对该层所有节点小波包系数进行提取和重构,得到重构后的主要包含纵波信号的超声波信号;
步骤5:对步骤4中提取和重构的主要包含表面波信号的超声波信号或主要包含纵波信号的超声波信号进行归一化处理;
步骤6:对归一化处理的信号进行邻域相减,获取缺陷回波信号B′ij;
步骤7:确定椭圆簇边界:
步骤7.1、确定任意扫描点的椭圆簇;
由于激光超声检测系统中激励点与接收点相互分离,则声场波阵面上的任意一个传播点Pd对应的声程为该点分别到激励点Pg和接收点Pr的距离之和,并满足关系式:Dgd+Ddr>Dgr;其中,Dgd为点Pd到激励点Pg的距离;Ddr为点Pd到接收点Pr的距离;Dgr为激励点Pg到接收点Pr的距离;声场中的等时传播点的集合构成以Pg、Pr为焦点,长轴长度为(Dgd+Ddr)的一系列椭圆构成椭圆簇;
步骤7.2、确定椭圆簇边界
由于椭圆簇的半焦距为c=Dgr/2,则椭圆簇起始边界k0为:
其中,C为待检试件的超声波波速,f为采样频率,Δk为余量,根据实际成像效果进行调整,Δk的取值范围为10-50;
椭圆簇终止边界kn取原始超声波信号长度L,即kn=L;
步骤8:划分波场平面成像网格,获得成像区域;
计算椭圆簇上边界中对应椭圆的半长轴amax与半短轴bmax:
设定X方向成像范围为Δs·Nx+2amax,y方向成像范围为Δs·Ny+2bmax,成像网格大小为Δz,则X方向和Y方向成像点数Xn、Yn分别为:
其中,Δs为扫描步长,Nx为X方向扫描点点数;Ny为Y方向扫描点点数;
则成像区域可以表示为Z(Xn,Yn);
步骤9.1:建立椭圆簇中任意椭圆的参数方程
令i=1,2,......,Nx,j=1,2,......,Ny,则任意扫描点(i,j)的椭圆簇计算过程如下;
令k=k0,k0+1,……,kn,则第k个椭圆的半长轴ak和半短轴bk分别为:
则第k个椭圆的参数方程可以表示为:
遍历任意一个扫描点的椭圆簇中所有椭圆,得到:
步骤11:椭圆簇叠加与聚焦成像:
遍历所有扫描点,最后对所有扫描点的实际成像区域进行叠加,实现聚焦成像,最终的成像结果为:
Z=∑i∑jZi,j。
3.根据权利要求1所述的基于波形分离的增材制造激光超声信号缺陷成像方法,其特征在于:所述步骤3中:表面波信号频段分布特性为表面波信号频段分布范围,其取值范围是0-3.9MHz;与之相匹配的所述步骤4.1中:第1号节点小波包系数频率为0-1.95MHz、第2号节点小波包系数频率为1.95-3.9MHz。
4.根据权利要求1所述的基于波形分离的增材制造激光超声信号缺陷成像方法,其特征在于:所述步骤3中:纵波信号频段分布特性为纵波信号频段分布范围,其取值范围是3.9MHz-15.6MHz;与之相匹配的所述步骤5.1中:第2号节点小波包系数频率为3.9MHz-7.8MHz、第3号节点小波包系数频率为7.8MHz-11.7MHz、第4号节点小波包系数频率为11.7MHz-15.6MHz。
6.根据权利要求1所述的基于波形分离的增材制造激光超声信号缺陷成像方法,其特征在于:所述步骤6的具体过程为:
将归一化处理后的当前扫描点的信号减去归一化处理后上一个扫描点的信号,得到缺陷回波信号B′ij。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088439.4A CN112858183B (zh) | 2021-01-22 | 2021-01-22 | 一种基于波形分离的增材制造激光超声信号缺陷成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088439.4A CN112858183B (zh) | 2021-01-22 | 2021-01-22 | 一种基于波形分离的增材制造激光超声信号缺陷成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112858183A true CN112858183A (zh) | 2021-05-28 |
CN112858183B CN112858183B (zh) | 2023-03-28 |
Family
ID=76008005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110088439.4A Active CN112858183B (zh) | 2021-01-22 | 2021-01-22 | 一种基于波形分离的增材制造激光超声信号缺陷成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112858183B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166942A (zh) * | 2021-11-25 | 2022-03-11 | 武汉大学 | 基于激光超声的金属增材制造层间缺陷埋藏深度测量方法 |
CN114295731A (zh) * | 2021-12-28 | 2022-04-08 | 杭州电子科技大学 | 一种基于激光激励纵波测量亚表面缺陷深度的方法 |
CN114720564A (zh) * | 2022-06-08 | 2022-07-08 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于超声横波的结构表面减薄缺陷起始点定位方法、设备 |
JP7177561B1 (ja) * | 2021-06-11 | 2022-11-24 | 東莞理工学院 | レールの継手におけるネジ穴のひび割れを非線形超音波高調波で検出する方法 |
CN115901940A (zh) * | 2022-10-09 | 2023-04-04 | 南京航空航天大学 | 基于多模态频域合成孔径激光超声增材制件圆孔缺陷检测方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA996247A (en) * | 1973-05-04 | 1976-08-31 | John O. Clark | Ultrasonic testing of tubing employing a spiral wave generator |
US5760904A (en) * | 1996-07-26 | 1998-06-02 | General Electric Company | Method and system for inspecting a surface of an object with laser ultrasound |
US6128092A (en) * | 1999-07-13 | 2000-10-03 | National Research Council Of Canada | Method and system for high resolution ultrasonic imaging of small defects or anomalies. |
JP2006162321A (ja) * | 2004-12-03 | 2006-06-22 | Kawasaki Heavy Ind Ltd | 超音波探傷検査による欠陥識別方法とその装置 |
JP2012093247A (ja) * | 2010-10-27 | 2012-05-17 | Jfe Steel Corp | 漏洩弾性表面波を用いた欠陥検出方法及び欠陥検出装置 |
JP2013195087A (ja) * | 2012-03-15 | 2013-09-30 | Toshiba Corp | マスク基板の欠陥検査方法及び欠陥検査装置、フォトマスクの製造方法及び半導体装置の製造方法 |
CN106501367A (zh) * | 2016-10-10 | 2017-03-15 | 清华大学 | 基于椭圆弧扫描转换的相控阵超声回波成像方法 |
CN110974293A (zh) * | 2019-12-11 | 2020-04-10 | 华中科技大学 | 一种基于c型探头的合成孔径成像方法 |
CN111751448A (zh) * | 2020-07-22 | 2020-10-09 | 长沙理工大学 | 一种漏表面波超声合成孔径聚焦成像方法 |
CN111795931A (zh) * | 2020-07-06 | 2020-10-20 | 武汉理工大学 | 一种针对激光超声缺陷检测衍射回波信号的重构提取方法 |
CN111855802A (zh) * | 2020-07-28 | 2020-10-30 | 武汉大学 | 一种消除激光超声行进波的缺陷可视化成像方法 |
CN111855803A (zh) * | 2020-07-28 | 2020-10-30 | 武汉大学 | 一种金属增材制造微型缺陷的激光超声高信噪比成像方法 |
CN112067697A (zh) * | 2020-07-23 | 2020-12-11 | 西安交通大学 | 一种基于激光超声b扫查的定位缺陷方法 |
CN112098526A (zh) * | 2020-07-23 | 2020-12-18 | 西安交通大学 | 基于激光超声技术的增材制件近表面缺陷特征提取方法 |
-
2021
- 2021-01-22 CN CN202110088439.4A patent/CN112858183B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA996247A (en) * | 1973-05-04 | 1976-08-31 | John O. Clark | Ultrasonic testing of tubing employing a spiral wave generator |
US5760904A (en) * | 1996-07-26 | 1998-06-02 | General Electric Company | Method and system for inspecting a surface of an object with laser ultrasound |
US6128092A (en) * | 1999-07-13 | 2000-10-03 | National Research Council Of Canada | Method and system for high resolution ultrasonic imaging of small defects or anomalies. |
JP2006162321A (ja) * | 2004-12-03 | 2006-06-22 | Kawasaki Heavy Ind Ltd | 超音波探傷検査による欠陥識別方法とその装置 |
JP2012093247A (ja) * | 2010-10-27 | 2012-05-17 | Jfe Steel Corp | 漏洩弾性表面波を用いた欠陥検出方法及び欠陥検出装置 |
JP2013195087A (ja) * | 2012-03-15 | 2013-09-30 | Toshiba Corp | マスク基板の欠陥検査方法及び欠陥検査装置、フォトマスクの製造方法及び半導体装置の製造方法 |
CN106501367A (zh) * | 2016-10-10 | 2017-03-15 | 清华大学 | 基于椭圆弧扫描转换的相控阵超声回波成像方法 |
CN110974293A (zh) * | 2019-12-11 | 2020-04-10 | 华中科技大学 | 一种基于c型探头的合成孔径成像方法 |
CN111795931A (zh) * | 2020-07-06 | 2020-10-20 | 武汉理工大学 | 一种针对激光超声缺陷检测衍射回波信号的重构提取方法 |
CN111751448A (zh) * | 2020-07-22 | 2020-10-09 | 长沙理工大学 | 一种漏表面波超声合成孔径聚焦成像方法 |
CN112067697A (zh) * | 2020-07-23 | 2020-12-11 | 西安交通大学 | 一种基于激光超声b扫查的定位缺陷方法 |
CN112098526A (zh) * | 2020-07-23 | 2020-12-18 | 西安交通大学 | 基于激光超声技术的增材制件近表面缺陷特征提取方法 |
CN111855802A (zh) * | 2020-07-28 | 2020-10-30 | 武汉大学 | 一种消除激光超声行进波的缺陷可视化成像方法 |
CN111855803A (zh) * | 2020-07-28 | 2020-10-30 | 武汉大学 | 一种金属增材制造微型缺陷的激光超声高信噪比成像方法 |
Non-Patent Citations (3)
Title |
---|
F.HERNANDEZ-VALLE ET AL.: "Laser ultrasonic characterisation of branched surface-breaking defects", 《NDT&E INTERNATIONAL》 * |
常俊杰等: "合成孔径算法在混凝土检测中的应用", 《无损检测》 * |
谢常欢等: "小波分析在裂纹型缺陷超声无损定量检测中的应用研究", 《压力容器》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7177561B1 (ja) * | 2021-06-11 | 2022-11-24 | 東莞理工学院 | レールの継手におけるネジ穴のひび割れを非線形超音波高調波で検出する方法 |
CN114166942A (zh) * | 2021-11-25 | 2022-03-11 | 武汉大学 | 基于激光超声的金属增材制造层间缺陷埋藏深度测量方法 |
CN114166942B (zh) * | 2021-11-25 | 2023-08-15 | 武汉大学 | 基于激光超声的金属增材制造层间缺陷埋藏深度测量方法 |
CN114295731A (zh) * | 2021-12-28 | 2022-04-08 | 杭州电子科技大学 | 一种基于激光激励纵波测量亚表面缺陷深度的方法 |
CN114720564A (zh) * | 2022-06-08 | 2022-07-08 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于超声横波的结构表面减薄缺陷起始点定位方法、设备 |
CN115901940A (zh) * | 2022-10-09 | 2023-04-04 | 南京航空航天大学 | 基于多模态频域合成孔径激光超声增材制件圆孔缺陷检测方法 |
CN115901940B (zh) * | 2022-10-09 | 2023-12-01 | 南京航空航天大学 | 基于多模态频域合成孔径激光超声增材制件圆孔缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112858183B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112858183B (zh) | 一种基于波形分离的增材制造激光超声信号缺陷成像方法 | |
CN110926386B (zh) | 基于改进小波阈值去噪的变压器绕组超声检测成像方法 | |
GB2610449A (en) | Efficient high-resolution non-destructive detecting method based on convolutional neural network | |
Sun et al. | Development of frequency-mixed point-focusing shear horizontal guided-wave EMAT for defect inspection using deep neural network | |
Xu et al. | Ultrasonic signal enhancement for coarse grain materials by machine learning analysis | |
CN115840879A (zh) | 一种增材制造构件超声检测回波信号处理方法及系统 | |
CN114264724A (zh) | 基于ceemdan联合小波包阈值的超声信号处理方法 | |
Ashraf et al. | Underwater ambient-noise removing GAN based on magnitude and phase spectra | |
CN112067697A (zh) | 一种基于激光超声b扫查的定位缺陷方法 | |
CN117147694A (zh) | 基于逆问题的超声全聚焦成像稀疏正则化重构方法及设备 | |
US5471878A (en) | Method of suppressing grain noise in ultrasonic waveform data by 3D filtering | |
Duan et al. | Multiframe ultrasonic TOFD weld inspection imaging based on wavelet transform and image registration | |
CN113569799B (zh) | 一种蜂窝结构空耦超声信号特征提取方法 | |
CN112147226B (zh) | 一种基于激光超声信号小波降噪的最优分解层数确定方法 | |
CN112858182B (zh) | 一种基于波形分离的激光超声信号缺陷回波信号提取方法 | |
Cheng et al. | Detection of Internal Defects Based on Empirical Mode Decomposition and Wavelets Denoising | |
CN112881537A (zh) | 一种椭圆合成孔径聚焦的激光超声信号成像方法 | |
CN112014478A (zh) | 一种淹没于超声草状信号中的缺陷回波盲提取自适应方法 | |
Sharma et al. | Wavelet transform-based approach for processing ultrasonic B-scan images | |
Palanisamy et al. | A hybrid signal pre-processing approach in processing ultrasonic signals with noise | |
Sun et al. | Mode identification of denoised SH guided waves using variational mode decomposition method | |
CN113884581B (zh) | 一种基于增材缺陷的超声检测信号的降噪方法 | |
CN114187291B (zh) | 基于f-dmas和伪彩色的超声相控阵缺陷成像方法 | |
ZHENG et al. | A Locating Algorithm of Train Wheel Flaws in Ultrasonic Images Based on Cross-Correlation and Wavelet Packet Denoising | |
CN112114045B (zh) | 一种面向超声显微镜的分辨率增强方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |