CN117665131A - 一种钢轨焊缝损伤检测方法 - Google Patents

Abstract

本发明公开了一种钢轨焊缝损伤检测方法，采用局部水浸聚焦探头，对作为参考物的焊缝样品进行多次扫描，从而获取多个波形信号，并通过统计扫描结果获得时变阈值；然后对待检测的焊缝试块进行扫描，并基于获得的时变阈值来过滤噪声和判断缺陷，从而得到高精度的b图像检测结果。本发明的聚焦波束由局部水浸探头产生，传播到焊缝试块中，以提高信噪比。由于探头和试块之间存在水，因此也实现了良好的耦合作用。通过分析参考试块a波信号的极值分布，确定一个与时间相关的阈值，并引入该阈值对B图像中的噪声进行滤波。结果表明，采用该方法可以准确地检测出焊接试块中的制造缺陷。

Description

一种钢轨焊缝损伤检测方法

技术领域

本发明涉及超声检测技术领域，特别涉及一种钢轨焊缝损伤检测方法。

背景技术

列车钢轨作为承受列车高强度冲击的载体，不仅在生产时可能存在部分缺陷，而且在其服役过程中，应力、载荷、疲劳、冲击、辐照等因素的作用也可能会产生裂纹。因此，对列车钢轨进行无损检测，以避免因结构失效而发生事故是一项非常重要的工作。

超声波无损检测技术由于其方便、安全、对深层缺陷敏感等优点，常用于钢轨检测中。近年来，随着超声波衍射时差法、超声相控阵、超声导波等技术都应用于钢轨检测，超声波无损检测的效率、评价精度都有了明显的提高，适用场景也大大增多。然而，由于钢轨的体积较大，采用单个超声探头往往无法有效覆盖整个钢轨。且钢轨的焊接区域具有各向异性，因此超声波束在其中传播时会发生偏转。不仅如此，其强衰减作用会使超声波能量大幅降低，而晶粒散射作用和连接焊缝边界反射会产生噪声和假性回波信号，大大增加了检测的难度。当测量信号的信噪比低，无法从中提取缺陷信号或将边界反射的噪声信号视为缺陷信号时，就可能会出现漏检或误报。

实验证明，利用聚焦的方法能提高声能密度，提高焊缝测量信号的信噪比。据我们所知，当使用接触式超声波探头时，只有相控阵探头才能在焊缝中产生聚焦波束。设备昂贵，检测灵敏度也受耦合状态的影响。当检测对象非常大时，用水浸的方法检测焊缝通常是不可能的。虽然电磁超声检测(EMAT)允许非接触操作，并可以通过优化线圈产生聚焦波束，但噪声对检测结果的影响限制了其在焊接检测中的实际应用。

在焊缝自动检测中，通常采用超声扫描的结果图像进行缺陷检测和评价。已有研究表明，不同焊缝区域中的晶粒或边界会发出噪声信息。除非事先知道图像中存在的缺陷信息，否则很难仅凭扫描结果，判断出图像中的缺陷信号，导致工作人员在观察扫描图像时极易出现误判。因此，从高信噪比的实测信号中提取缺陷信息，对噪声进行滤波，得到缺陷图像，有利于提高评价的准确性。

发明内容

为了解决目前钢轨焊缝自动检测难以全面覆盖待检测区域，且检测结果容易出现误判的技术问题，本发明提供一种钢轨焊缝损伤检测方法。

为了实现上述技术效果，本发明的技术方案是，

一种钢轨焊缝损伤检测方法，包括以下步骤：

步骤一，在用于检测钢轨焊缝部分的检测装置上，设置多个超声探头，以使超声检测范围覆盖整个钢轨轨底部分；

步骤二，使用检测装置对作为参考物的钢轨焊缝样品进行多次超声扫描，从而获取多个波形信号；然后对所有波形信号进行统计，以获得波形信号中每个采样点的幅值的分布情况，再剔除掉异常的过大幅值后，将剩余的幅值中的最大值作为采样点的时变阈值；

步骤三，对待检测的钢轨焊缝进行超声扫描，并将扫描结果与时变阈值进行比较，相同采样点扫描得到的幅值大于时变阈值时则保留；扫描得到的幅值小于等于时变阈值时则将扫描结果修改为零，从而过滤噪声和判断缺陷，得到高精度的b图像检测结果。

所述的方法，所述的步骤一中，所述的检测装置包括用于在工字型钢轨上沿钢轨移动的移动装置，所述的移动装置的底部为对称的处于工字型钢轨横截面两侧的两个检测臂，且每个检测臂上设有三个以不同角度朝向钢轨进行超声探测的多个超声探头。

所述的方法，所述的三个超声探头与钢轨表面之间的角度分别为9°、6°和23°。

所述的方法，所述的超声探头为局部水浸聚焦探头，所述的局部水浸聚焦探头是将超声探头设置于壳体内，壳体内装水且下部开口，超声探头朝向开口进行超声探测，壳体内的水在超声探头与开口处的待检测物体间起耦合作用。

所述的方法，所述的钢轨样品是钢轨焊缝无缺陷的样品，且与待检测的钢轨焊缝的尺寸、材料及加工状态相同。

所述的方法，所述的时变阈值是通过以下过程获得的：

找出每个采样点在所有波形信号中幅值的最大值和最小值，并建立以最大值和最小值作为上限和下限的区间，然后将区间平均分为多个区间段，并统计每个区间段内幅值的分布数量，再将所占幅值总数量中预设比例数量的最大幅值作为过大幅值删除，然后以剩余的幅值中的最大幅值作为时变阈值。

所述的方法，统计每个区间段内幅值的分布数量是通过以下方式获得：

以对钢轨样品进行一次扫描所获得的一个声波信号中共有N个采样点，且对钢轨样品一共进行了M次扫描从而获得了M个声波信号；然后以a_ij表示第i个采样点在第j次扫描中获得的声波信号，则在扫描过程中获得的所有声波信号中采样点的幅值集合V为：

在M个声波信号中，从V中提取每一个采样点的幅值的最大值和最小值，随后分别用最小值和最大值作为下限和上限来构成一个区间，并将区间平均分为T个区间段；然后由下式计算第k个区间段内的采样点的幅值数量：

其中a_i,max＝max(a_i,j)，a_i,min＝min(a_i,j)，分别表示该采样点的幅值中的最大值与最小值，j＝1,2,3,···M；count表示数量统计。

所述的方法，剔除过大幅值包括以下步骤：

将预设比例设定为0.01％至1％之间，并从同一采样点的最大的一个幅值开始，删除相应的预设比例的幅值个数，从而将异常的过大幅值剔除。

本发明的技术效果在于，本发明使用设计的局部水浸探头进行实验，并利用时变阈值滤除噪声，且采用多个超声探头来全面覆盖钢轨。聚焦波束由局部水浸探头产生，传播到焊缝试块中，以提高信噪比。由于探头和试块之间存在水，因此也实现了良好的耦合作用。通过分析参考试块a波信号的极值分布，确定一个与时间相关的阈值，并引入该阈值对B图像中的噪声进行滤波。结果表明，采用该方法可以准确地检测出钢轨焊缝缺陷。

附图说明

图1为本实施例的检测装置示意图。

图2为探头角度设置的最优方案示意图，其中(a)为9°探头在轨底的声场，(b)为6°探头在轨底的声场，(c)为考虑反射时23°探头在轨底的声场。

图3为本实施例中局部水浸探头的结构示意图，其中(a)为局部水浸探头的主视图，(b)为局部水浸探头的仰视图。

图4为缺陷试块的示意图，其中(a)为示意图，(b)为实物图，(c)为缺陷焊接试样的RT扫描图；

图5为本实施例中采用局部水浸聚焦探头对参考焊缝试块和有缺陷焊缝试块的a波信号；其中左侧为参考焊缝试块的a波信号，右侧为有缺陷焊缝试块的a波信号。

图6为利用a波信号得到的焊缝试块b图像。

图7为22μs和29μs时的波电压幅值的统计结果。

图8为时变阈值和a波信号。

图9为利用a波信号获得并使用时变阈值优化的焊缝试件b图像。

图10为焊缝检测结果。其中(a)为由局部水浸平面探头得到的a波信号，(c)为由局部水浸平面探头得到的b图像，(b)为由接触式横波探头得到的a波信号，(d)由接触式横波探头得到的b图像。

具体实施方式

首先对本申请的装置进行说明，考虑到钢轨轨底特殊的尺寸形状和扣件配合需求，探头的放置位置定于1：3斜面处，如图1所示。总体方案为每侧布置一组三个探头，两侧共同完成整个轨底的损伤检测工作。检测方案的最终优化目标就是利用三个探头检测范围的互补，实现轨底缺陷检测尽可能大范围的覆盖甚至全覆盖，主要优化对象为单侧三个探头的角度选取。把单个探头的覆盖范围定义为x_i，其中i取1、2或3。由于钢轨一侧共使用了三个探头，以单侧钢轨宽为0.075m，轨底缺陷检测方案的覆盖率α为

在同组三个探头调节互补过程中，除覆盖存在缺口外，还容易出现检测范围的重合，且其总的重合部分必然小于单侧钢轨宽度，实际发生三重覆盖的几率非常小，由此重合率β为

综上，使用覆盖率和重合率两个参数来判断方案的优劣，其中覆盖率的相关性更高，最优方案的覆盖率最大，重合率最小。

优化过程中应用到的参数有：水中纵波c_p1＝1480m/s，钢轨中纵波c_p2＝5840m/s，横波c_s2＝3200m/s；探头为12mm×12mm线散焦探头；探头框尺寸25mm×25mm×30mm；频率2.5MHz；焦距0.1m；水声距0.1m；探头中心线在轨底∠1：3斜面中心处；探头处采样数50000；新声源处采样数200000；轨底反射声源处采样数200000。

给一号探头7°、8°、9°三种方案；二号探头6°、7°、8°、9°四种方案；三号探头21°、22°、23°三种方案。分别绘制每个探头每种角度下的声场模型和声压分布曲线图，得到探头检测范围数据，然后进行方案组合，计算相应的覆盖率和重合率，对比选出最优方案为9°、6°、23°，如图2所示。

本实施例中，为清晰地显示焊缝区域内存在的缺陷，引入时变阈值来滤除B图像中的噪声，避免错检。首先，对参考焊缝试样进行多次扫描，测量和存储足够的波形信号，最终通过统计扫描结果获得时变阈值。确定时变阈值的数学模型可描述如下：

首先，假设有M个测得的声波信号，每个信号包含有N个采样点。使用a_ij来表示第i个采样点中的第j个声波信号，并且用V来表示这一点测得的幅值，该过程可以用下列公式表示：

随后，在测得的检测结果中，提取每一个采样点的最大值和最小值，将其存入一矩阵中，随后分别用最小值和最大值作为下限和上限来设置区间T。以第一个采样点值的结果为例：

a_1,max＝max(a_1,j)；a_1,min＝min(a_1,j)j＝1,2,3,···N

采样点幅值的大小在第k个区间段的数量可由下式计算：

根据噪声和边界反射信号的统计结果，我们可以选择最大电压幅值99％的A1作为阈值，或者选择比该值更大的值作为阈值以去除更多噪声。需要注意的一点是，由于在检测得到的信号中存在个别异常大的噪音存在，a_1,max不能作为阈值。最后，当获得所有采样点的阈值时，所有的这些值被组合以形成新的信号G，这就是所需的时变阈值。

G＝(A₁,A₂,...A_N)

作为参考的焊缝试块中不应有任何缺陷，且参考焊缝试块最好与待检测的焊缝试块状态相同。并且，当进行扫描实验并测量参考信号时，局部聚焦水浸探头和焊缝之间的距离尽可能固定。

在局部水浸聚焦探头的设计中，选择水作为第一介质，在水中传播的只有纵波。而对于焊缝危害较大的缺陷，如裂纹、未焊透、未熔合等，使用横波进行检测更加有效。通过控制声波入射角，可将纵波转换为横波，用来获得入射角的斯涅尔定律表示为：

α表示入射角，c_p1表示第一介质的纵波声速，β表示纵波的折射角，λ表示横波折射角c_p2和c_s2分别表示第二介质中的纵波声速和横波声速。

介质水的纵波速度约为1480m/s，焊缝试样中纵波和横波速度分别约为5970m/s和3280m/s。由此可以得到第一临界角和第二临界角，分别为14.3°和27°。为确保波束可以覆盖大部分焊缝区域，横波的折射角选择为49°，在这种情况下，入射角约为20°。同时，当入射角位于第一临界角和第二临界角之间时，折射纵波对测量的影响可以最小化。局部水浸聚焦探头的优点是将聚焦探头应用于检测焊缝，大大提高了信噪比。几何焦距f_d和横波在焊缝试块中的传播距离d₂的关系可以表示为：

d₁为声波在水中传播的距离

当使用探头的焦距为48mm，焊缝试样厚度为16mm，折射角为49°时，d₁的取值为26mm。局部水浸聚焦探头的外壳是根据上述选择的参数和超声探头的形状设计的。在制造壳体时，需要综合考虑探头的固定方式、进水方式和密封方式(防止检测时水流量泄露过大)以及局部水浸聚焦探头在机械检测架上的夹紧方式。综合考虑之后，设计壳体，其设计图如图3所示。将超声水浸放置在壳体凸起部件的斜孔中，并用螺钉固定探头，以确保入射角和水声距离。凸起部件两侧有两个不透水孔，将与机械检测架连接。在壳体的上部有一个入水口，通过该入水口连接到水管，用于提供起耦合作用的水。外壳的内部是中空的，底部是开放的。壳体的底部由软橡胶材料制成，以减少壳体内的水从底部漏出量，确保良好的耦合状态并节约用水。壳体前部设计为半圆，内壁设置为锯齿形，以增加波的漫反射，减少杂波信号的影响。

下面给出对比实验说明：

本对比实验中设计并制造了两个相同的奥氏体不锈钢对接焊缝。一个用于分析波形信号进行比较，焊缝良好，内部无缺陷。另一个试样中存在裂纹、未完全焊透缺陷和人造平底孔。图4为缺陷试块的示意图、实物图和射线检测(RT)扫描图像。

焊接前，对奥氏体不锈钢板的表面进行抛光以去除锈斑，并在两块板的焊接位置加工70°角的V型槽。使用手工电弧焊的方法焊接两块钢板。制作內部未焊透缺陷，在焊接时使用较粗的焊条，用较低电流施焊；制作内部裂纹缺陷时，先将试块局部焊接，长度稍大于裂纹长度；冷却后，用外力使之断裂，随后用较低焊接电流将断处封焊好。除此之外，通过机械加工，加工直径0.3mm，深度0.3mm的平底孔。焊接及缺陷加工之后，经冷却打磨，焊接试块制作完成。缺陷的详细位置信息如图3(a)所示。

利用所设计的局部水浸聚焦探头对焊缝试件进行扫描实验。测量使用脉冲发生器/接收机(JSR dpr300)、局部水浸聚焦探头(超声探头:Olympus V306)和数字采集卡(ADLink PCIe-9852 DAQ)进行。局部水浸聚焦探头由机械检测架控制，编码器记录移动距离并触发信号。采集波形的采样频率设置为200MHz，系统增益选择为45dB。

另外还进行了三个实验。在第一个实验中中，使用相同的局部水浸聚焦探头扫描参考试块，以分析声波信号并确定时间相关阈值。在第二次和第三次试验中，分别使用局部水浸聚焦探头和接触式横波传感器对有缺陷的试样进行扫描，将其结果以进行比较。

使用局部水浸聚焦探头测量的a波信号如图5所示。扫描作为参考的焊缝试样得到的参考信号如图5左侧所示，从图中可以观察到噪声信号、焊缝区界面以及边界反射的信号。当检测內部含有缺陷的焊缝试块，并且接收到平底孔反射波时，测量得到的信号如图5右侧所示。与图5左侧所示的参考信号相比，在使用聚焦声束之后，信噪比得到了提升，可以很好地分辨出缺陷信号。通过焊缝边界和缺陷的反射波信号，可以得知，探头在使用时具有良好的耦合效果。

当扫描带有缺陷的焊缝试块时，使用局部水浸聚焦探头测量的a波信号，并获得的B图像如图6所示。未焊透、裂纹和平底孔的缺陷可以在B图像中找到。但如图所示，图像中存在一些疑似缺陷信号，这将影响最终对缺陷的判断。因此，引入了时变阈值优化B图像。

预先确定时变阈值，以滤除b图像中的疑似缺陷信号。根前述的理论和实现过程，对参考试块扫描结果进行处理，测量得到并存储10000个a波信号，用于提取信号极值剖面。采样时间为22μs和29μs时的静态结果如图7所示。在扫描过程中，探头与焊缝之间的距离可能略有变化，不同位置的焊缝部件形状可能略有不同，表面粗糙度也可能影响波的反射和传播。此外，由于颗粒噪声的随机性，可能存在多个局部信号异常大的信号。因此，选择每个采样点统计波电压振幅的99.5％作为信号极值。图8为确定的时变阈值和一些声波信号，可以得出扫描参考试块所得的声波信号在阈值内，部分缺陷信号超出了阈值。

引入时变阈值提取缺陷信息后，可获得优化后的b图像，如图9所示。与图6相比，所有已识别的缺陷仍然存在，但几乎所有可疑的缺陷都被删除。由此可知，当使用优化的B图像时，它更有利于检测和评估焊缝中的缺陷。

为了说明设计开发的探头局部水浸聚焦探头在焊缝检查中的优势，使用局部水浸平面探头(探头型号：Olympus，I3-0208-S)和平面接触式探头(探头型号：Olympus，V404)扫描有缺陷的焊缝试块。在相同实验设置下进行实验，使用局部水浸平面探头，测得的A波信号如图10(a)所示，相应的B扫成像如图10(c)所示。因为未焊透和裂纹缺陷非常大，其反射的回波幅值也很大，所以可以在原始B图像中清晰地看到。然而，在B图像中几乎找不到平底孔的检测信息，发生了漏检。从图10(a)中A波信号的比较结果也可以看出缺陷信号淹没在了噪声信号中。

当使用平面接触式横波探头时，实验系统增益设置为40dB。平底孔和正常焊接部分测得的A波信号如图10(b)所示，相应的b扫图像如图10(d)所示。结果表明，接触式探头测得的A波信号与局部水浸式探头测得的A波信号有很大不同，其主要特点是焊缝边界反射的信号具有最大振幅。与局部水浸平面探头测得的结果类似，只能检测到未焊透和裂纹的缺陷。此外，采用接触式横波探头时，难以保证良好的耦合条件；因此，波形信号是不稳定的，如b图像中的变形部分那样。此外，在使用接触式横波探头和局部水浸平面探头时，由于在B图像中找不到平底孔，因此不使用时间相关阈值优化B图像。使用所开发的局部水浸聚焦探头和其他探头检测的结果对比表明，使用所提出的方法时，检测精度和分辨率有明显改善，漏检或误报均减少。

Claims (8)

1.一种钢轨焊缝损伤检测方法，其特征在于，包括以下步骤：

步骤一，在用于检测钢轨焊缝部分的检测装置上，设置多个超声探头，以使超声检测范围覆盖整个钢轨轨底部分；

步骤二，使用检测装置对作为参考物的钢轨焊缝样品进行多次超声扫描，从而获取多个波形信号；然后对所有波形信号进行统计，以获得波形信号中每个采样点的幅值的分布情况，再剔除掉异常的过大幅值后，将剩余的幅值中的最大值作为采样点的时变阈值；

步骤三，对待检测的钢轨焊缝进行超声扫描，并将扫描结果与时变阈值进行比较，相同采样点扫描得到的幅值大于时变阈值时则保留；扫描得到的幅值小于等于时变阈值时则将扫描结果修改为零，从而过滤噪声和判断缺陷，得到高精度的b图像检测结果。

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，所述的检测装置包括用于在工字型钢轨上沿钢轨移动的移动装置，所述的移动装置的底部为对称的处于工字型钢轨横截面两侧的两个检测臂，且每个检测臂上设有三个以不同角度朝向钢轨进行超声探测的多个超声探头。

3.根据权利要求2所述的方法，其特征在于，所述的三个超声探头与钢轨表面之间的角度分别为9°、6°和23°。

4.根据权利要求1所述的方法，其特征在于，所述的超声探头为局部水浸聚焦探头，所述的局部水浸聚焦探头是将超声探头设置于壳体内，壳体内装水且下部开口，超声探头朝向开口进行超声探测，壳体内的水在超声探头与开口处的待检测物体间起耦合作用。

5.根据权利要求1所述的方法，其特征在于，所述的钢轨样品是钢轨焊缝无缺陷的样品，且与待检测的钢轨焊缝的尺寸、材料及加工状态相同。

6.根据权利要求1所述的方法，其特征在于，所述的时变阈值是通过以下过程获得的：

找出每个采样点在所有波形信号中幅值的最大值和最小值，并建立以最大值和最小值作为上限和下限的区间，然后将区间平均分为多个区间段，并统计每个区间段内幅值的分布数量，再将所占幅值总数量中预设比例数量的最大幅值作为过大幅值删除，然后以剩余的幅值中的最大幅值作为时变阈值。

7.根据权利要求6所述的方法，其特征在于，统计每个区间段内幅值的分布数量是通过以下方式获得：

以对钢轨样品进行一次扫描所获得的一个声波信号中共有N个采样点，且对钢轨样品一共进行了M次扫描从而获得了M个声波信号；然后以a_ij表示第i个采样点在第j次扫描中获得的声波信号，则在扫描过程中获得的所有声波信号中采样点的幅值集合V为：

在M个声波信号中，从V中提取每一个采样点的幅值的最大值和最小值，随后分别用最小值和最大值作为下限和上限来构成一个区间，并将区间平均分为T个区间段；然后由下式计算第k个区间段内的采样点的幅值数量：

其中a_i,max＝max(a_i,j)，a_i,min＝min(a_i,j)，分别表示该采样点的幅值中的最大值与最小值，j＝1,2,3,…M；count表示数量统计。

8.根据权利要求6所述的方法，其特征在于，剔除过大幅值包括以下步骤：

将预设比例设定为0.01％至1％之间，并从同一采样点的最大的一个幅值开始，删除相应的预设比例的幅值个数，从而将异常的过大幅值剔除。