JP2011506992A5 - - Google Patents

Download PDF

Info

Publication number
JP2011506992A5
JP2011506992A5 JP2010538831A JP2010538831A JP2011506992A5 JP 2011506992 A5 JP2011506992 A5 JP 2011506992A5 JP 2010538831 A JP2010538831 A JP 2010538831A JP 2010538831 A JP2010538831 A JP 2010538831A JP 2011506992 A5 JP2011506992 A5 JP 2011506992A5
Authority
JP
Japan
Prior art keywords
pipe
ultrasonic
image
sensor
arrangement
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
Application number
JP2010538831A
Other languages
English (en)
Other versions
JP2011506992A (ja
JP5595281B2 (ja
Filing date
Publication date
Priority claimed from FR0709045A external-priority patent/FR2925690B1/fr
Application filed filed Critical
Publication of JP2011506992A publication Critical patent/JP2011506992A/ja
Publication of JP2011506992A5 publication Critical patent/JP2011506992A5/ja
Application granted granted Critical
Publication of JP5595281B2 publication Critical patent/JP5595281B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

特に製造中または完成状態におけるパイプ用非破壊検査
本発明は、特に製造プロセスにおけるパイプ用材料の非破壊検査に関する。
材料の非破壊検査に関して最近のもの程さらにニューラルネットワークを用いることに資する種々のオプションが知られている。しかし、現在既存のオプションは、既に稼動中の機器で、リアルタイムで産業環境において操作することができないが、タイプに応じた不完全（imperfection）の実行中の分級を可能にし、これにより製造段階中に生じる問題に迅速に対処することが可能である。
未公開のフランス特許出願第０６０５９２３号では、非破壊検査について論じている。
本発明の目的は、
産業環境において使用することができ、この環境において既に存在する機器で容易に取り付けられることができ；
リアルタイムで使用することができ、すなわち、特に製造の全体速度を減速することなく十分に高速の速度で、高速診断を提供することができ；
その深刻度を認識するとともに、不完全にとっての技術的な理由の決定を可能にするのみならず、製造フェーズ中の問題に迅速に対処することを可能にするために、少ない情報量に基づいて、タイプに応じた不完全の分級を可能にする、システムに近づけることによって状況を改善することにある。
本発明の初期の態様によれば、製造中および製造終了時に、パイプ（または他の鉄鋼製品）の非破壊検査用の操作ツールを形成する装置が提案される。そのようなツールは、製品において考えられる不完全の情報を抽出することを意図している。超音波センサ送信は、選択された時間規則にしたがって選択的に励起される。フィードバック信号は、液体媒体の介在を通じてパイプと超音波カップリングにより取り付けられた、選択された幾何構成による配置を形成する超音波センサ受信によって捕捉される。最後に、一般に、パイプとトランスデューサの配置との間の相対的な回転／並進移動がある。
操作ツールは、
相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのデジタル表示を選択的に分離可能であるとともに、製品における考えられる不完全の画像をこのデジタル表示から抽出し、当該表示は少なくとも１つのエコーの振幅および飛翔時間と、平行六面体３Ｄグラフとを含んでいるコンバータと、
３Ｄグラフおよびデータベースに基づくパイプにおいて考えられる不完全の３Ｄ画像を生成可能な変換ユニットと、
画像において、推定不完全領域に加えて、各推定不完全の特性を決定可能なフィルタと、
製品の適合または不適合信号を生成するように構成された出力部と、を備える。
本発明は、同様に製造中および製造終了時のパイプ（または他の鉄鋼製品）用の非破壊検査装置として位置づけられ、
パイプとトランスデューサの配置との間の相対的な回転／並進移動によって、カップリング媒体の介在を通じて前記パイプとつながる超音波で取り付けられた、選択された幾何構成による超音波トランスデューサの配置、
選択された時間規則にしたがってトランスデューサ要素を選択的に励起するとともに、トランスデューサ要素が捕捉するフィードバック信号を収集するための回路、および
上述したような操作ツールを備える。
本発明の他の態様は、製造中および製造終了時のパイプ（または他の鉄鋼製品）用の非破壊検査方法の形態それ自体を示し、下記のステップを備える：
ａ．パイプとトランスデューサの配置との間の相対的な回転／並進移動によって、カップリング媒体の介在を通じて前記パイプとつながる超音波で取り付けられた、選択された幾何構成による超音波トランスデューサの配置を設けるステップ；
ｂ．選択された時間規則にしたがってトランスデューサ要素を選択的に励起するステップ；
ｃ．トランスデューサ要素が捕捉するフィードバック信号を、前記パイプにおいて考えられる不完全上の情報を抽出するように、これらのフィードバック信号を選択的に解析するために、収集し、前記情報は少なくとも１つのエコーの振幅および飛翔時間を含み、平行六面体３Ｄグラフを生成するステップ；
ｄ．相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのデジタル表示を選択的に分離するとともに、３Ｄグラフおよびデータベースに基づいて前記パイプにおいて考えられる不完全の３Ｄ画像をこれから抽出するステップ；
ｅ．製品の適合または不適合信号を生成するステップ。
ステップｅは、
ｅ１．推定不完全領域（Ｚｃｕｒ）および各推定不完全の特性を決定するために、選択されたフィルタ基準にしたがった画像をフィルタリングする段階、
ｅ２．推定不完全領域（Ｚｃｕｒ）に対応する画像の抽出、フィルタから発する同じ領域における推定不完全の特性、および出現箇所のデータ（ｃｏｎｔｅｘｔｕａｌ ｄａｔａ）から、作業のデジタル入力を形成する段階、
ｅ３．形成された入力をニューラル回路タイプの少なくとも１つの配置に適用する段階、
ｅ４．出力からデシジョンおよび／またはアラームを導き出すために、前記ニューラル回路タイプの前記配置からの出力をデジタル処理する段階、ならびに
ｅ５．ｅ４段階により適応しないと判断されたパイプを分けるとともに印を付ける（９９４）段階を備え得る。
本発明の他の態様、特徴および利点は、後述する非限定的な実施形態および添付図面の詳細説明の考察において明らかになるであろう。
図１は、基準不完全または基準欠陥と呼ばれる不完全または欠陥を伴うパイプの概略斜視図である。 図２は、製造最終時におけるパイプの「回転ヘッド検査」の設定例を図示する概略側面図である。 図３Ａは、厚さ測定タイプの詳細図である。 図３Ｂは、長手方向の不完全タイプの詳細図である。 図３Ｃは、横断方向の不完全タイプの詳細図である。 図４は、従来の設定における非破壊検査の超音波センサと関連付けられる電子機器の概略図である。 図５Ａは、特に回転ヘッドとして通常知られる非破壊検査セルのタイプを概略的に示す端面図である。 図５Ｂは、特に回転ヘッドとして通常知られる非破壊検査セルのタイプを概略的に示す側面図である。 図６は、簡単な例におけるパイプで遭遇した超音波軌跡の複雑さを示す。 図６Ａは、斜め入射下でのセンサ用超音波信号の概略タイミング図である。 図６Ｂは、垂直（法線）入射下でのセンサ用超音波信号の概略タイミング図である。 図７は、検査設定の選択性の従来表示を示すグラフである。 図８は、本発明を実装可能な設定の実施例において非破壊検査における超音波センサに関連付けられる電子機器の概略図である。 図８の一部のより詳細なブロック図である。 図８の一部の他のより詳細なブロック図である。 パイプにおける潜在的な不完全の２つのデジタル化された超音波画像を示す概略画面の図である。 図９Ａは、異なる角度からの画面の図である。 図１０Ａは、米国石油協会（ＡＰＩ）分級にしたがった不完全の種々のタイプであり、不完全のタイプを決定することに資するニューラルネットワークからの出力データを構成する概略的表示である。 図１０Ｂは、米国石油協会（ＡＰＩ）分級にしたがった不完全の種々のタイプであり、不完全のタイプを決定することに資するニューラルネットワークからの出力データを構成する概略的表示である。 図１０Ｃは、米国石油協会（ＡＰＩ）分級にしたがった不完全の種々のタイプであり、不完全のタイプを決定することに資するニューラルネットワークからの出力データを構成する概略的表示である。 図１０Ｄは、米国石油協会（ＡＰＩ）分級にしたがった不完全の種々のタイプであり、不完全のタイプを決定することに資するニューラルネットワークからの出力データを構成する概略的表示である。 図１１は、図８の他の一部のより詳細なブロック図である。 図１１の変換ユニットの詳細図である。 図１２は、画像における連続する潜在的不完全の処理を図示する一連の概略的流れ図である。 図１３は、フィルタの系のブロック図である。 図１４は、パイプにおける不完全のタイプを決定することに資するニューラルネットワーク設定のブロック図である。 図１５は、パイプにおける不完全の程度を決定することに資するニューラルネットワーク設定のブロック図である。 図１６は、ニューロンモデルのブロック図である。 図１７は、例示のニューロン伝達関数の実施例である。 図１８は、センサの種々のタイプを使用する不完全検出用の構成の全体ブロック図である。
図面は、要素の明確な定義を含む。したがって、図面は、本発明をよりよく理解することに供するだけでなく、必要に応じて、その定義にも寄与する。
本文において、超音波センサは、センサ、またはプローブもしくはトランスデューサと区別なく呼ばれ得、そのすべてが、当業者には公知である。
ニューラルネットワーク
材料の非破壊検査に関してニューラルネットワークの使用は、種々の刊行物の主たる課題であり、現在考えられている大部分は極めて理論的である。
ＺＡＯＵＩ、ＭＡＲＣＨＡＮＤおよびＲＡＺＥＫによる「Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｓｈａｐｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｄｅｆｅｃｔｓ ｕｓｉｎｇ ｔｈｅ Ｆｉｎｉｔｅ Ｅｌｅｍｅｎｔ Ｍｅｔｈｏｄ ａｎｄ ｔｈｅ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ」（ＮＤＴ．ＮＥＴ、１９９９年８月、４巻、縮約版１１月８日）の論文が、この分野における提案を説明している。しかしながら、これらの提案は、研究室における活動という状況で行われており、記載された用途は、産業環境の製造ラインにおける実現が可能でない。さらに、渦電流（Ｅｄｄｙ Ｃｕｒｒｅｎｔ）による検出のみが扱われており、不適切であることが多い。
ＬａｗｓｏｎおよびＰａｒｋｅｒによる「Ａｕｔｏｍａｔｉｃ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｄｅｆｅｃｔｓ ｉｎ Ｉｎｄｕｓｔｒｉａｌ Ｕｌｔｒａｓｏｕｎｄ Ｉｍａｇｅｓ ｕｓｉｎｇ ａ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ」と題された論文（Ｐｒｏｃ．ｏｆ Ｉｎｔ． Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｌａｓｅｒｓ， Ｏｐｔｉｃｓ， ａｎｄ Ｖｉｓｉｏｎ ｆｏｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｉ（Ｖｉｓｉｏｎ Ｓｙｓｔｅｍｓ：Ａｐｐｌｉｃａｔｉｏｎｓ）、１９９６年６月、Ｐｒｏｃ． ｏｆ ＳＰＩＥ ２７８６巻，３７−４７ページ、１９９６年）は、いわゆるスキャンＴＯＦＤ解釈に対する画像処理およびニューラルネットワークの適用について記載している。ＴＯＦＤ（飛翔時間回折）法は、不完全のエッジでビームの回折を観察することを可能にする超音波センサの位置を特定することからなり、不完全の次の次元決定（ｄｉｍｅｎｓｉｏｎｉｎｇ）を可能にする。この方法は、特に産業環境において、既存の非破壊検査機器に適応させることが困難である。
ＤｕｎｌｏｐおよびＭｃＮａｂによる「Ｓｈａｐｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｆｌａｗ Ｉｎｄｉｃａｔｉｏｎｓ ｉｎ ３−Ｄｉｍｅｎｓｉｏｎａｌ Ｕｌｔｒａｓｏｎｉｃ Ｉｍａｇｅｓ」と題された論文（ＩＥＥ Ｐｒｏｃｅｅｄｉｎｇｓ−Ｓｃｉｅｎｃｅ，Ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ、１９９５年７月、１４２巻、４号、３０７−３１２ページ）は、パイプライン腐食に関する診断に関連する。システムは、精密な非破壊検査を可能にし、リアルタイムにおける３次元調査を可能にする。しかしながら、システムは、きわめて遅い。このことは、産業環境におけるその使用を相対的に困難にする。
Ｒａｖａｎｂｏｄによる「Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｎｕｅｒｏ−ｆｕｚｚｙ ｔｅｃｈｎｉｑｕｅｓ ｉｎ ｏｉｌ ｐｉｐｅｌｉｎｅｓ ｕｌｔｒａｓｏｎｉｃ ｎｏｎ−ｄｅｓｔｒｕｃｔｉｖｅ ｔｅｓｔｉｎｇ」と題された論文（ＮＤＴ＆Ｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ ３８（２００５年）、６４３−６５３ページ）は、不完全検出アルゴリズムを、ニューラルネットワークと組み合わせたファジー論理要素の使用によって改善することができることを提示している。しかしながら、これもまた、検討された技術は、パイプライン不完全の検査および腐食不完全の診断に関する。
独国特許４２０１５０２Ｃ２号明細書は、ニューラルネットワーク用に意図された信号作成方法について記載しているが、診断に関して結果の解釈の情報はほとんどまたは全く提供されていない。さらに、この場合も渦電流による検出のみが取り扱われている。
特開平１１−２６２６号公報は、単に渦電流による長手方向の不完全のみの検出に関する。
特開平８−１１０３２３号公報は、超音波によって得られた信号の周波数の研究にとどまっている。
特開２００３−２７９５５０号公報は、ニューラルネットワークを使用した製品の良好と見なされた領域と不完全な領域との間の分別用プログラムについて記載している。このプログラムは、これだけにとどまり、不完全の分級または位置特定のいずれも可能ではない。結果として、このプログラムの用途は、結果がオペレータによって解釈されている場合に、良好と考えられるような部分の排除を頻繁にもたらし得る。
パイプの非破壊検査
下記の詳細な説明は、本質的に製造を終わらせるパイプの非破壊検査の範囲内で提供されるが、これに限定されない。
図１に示されているように、パイプＴにおける不完全は、その位置に応じて識別することができる。したがって、表面不完全は、内側であれ外側であれ、長手方向の不完全ＬＤ、円周方向（または横方向または交差方向または横断方向）の不完全ＣＤおよび斜め方向または傾斜方向の不完全ＩＤを含み、センサの種々の配置によって、標準要件または規格要件または顧客の要件（例えば、標準において言及される不完全の長さの値は１／２インチまたは約１２．７ｍｍであり、検査される製品の厚さの約５％の深さである）に応じて定義される長さおよび深さを越えて延在すると即、これらを検出しようとする試みがなされている。この規準に適合する不完全は欠陥と呼ばれる。また、「壁の中の」不完全も重大であり、すなわち、塊ＭＤ（図１では見えない）において、包含および分割端部に対応することが多く、その検出は、厚さ測定と同時に試みられる。超音波ビームは、不完全の検出を説明するために、図１において広がることが示されている。実際には、図から分かるように、かなり収束するであろう。
従来、超音波による非破壊検査において、下記の３つの設置のタイプ、すなわち、いわゆる「回転ヘッド」設置、いわゆる「回転パイプ」設置および多要素取り囲みセンサ設置の１つが使用され、いずれの設置も当業者には公知である。電子スキャンにより作用するセンサの使用の場合には、相対的なパイプ／センサの回転は、仮想（ｖｉｒｔｕａｌ）である。ここで使用される際には、表現「パイプとトランスデューサ配置との間の相対的な回転移動／並進移動」は、相対的な回転が仮想である場合を包含する。
図２において、回転ヘッド非破壊検査機は、ウォータエンクロージャまたはウォータボックス１００上にいわゆる適切に取り付けられる超音波デバイスを備えており、この超音波デバイスは、例えば、ｖ＝０．５ｍ／秒の速度でパイプＴと交差する。超音波センサまたはプローブは、水中で縦波を発する。所定のセンサは、例えば、１ＭＨｚまたは２ＭＨｚ以上で動作する。それは、選択された波形のパルスによって、数ｋＨｚまたは数十ｋＨｚオーダ、例えば、１０ｋＨｚの反復速度（または周波数）Ｆｒ（パルス反復周波数（ＰＲＦ)としても知られる。）で反復的に励起される。
また、超音波トランスデューサは、
数々の干渉が存在するいわゆるフレネル領域において実際に平行である近接場放射線であって、ビームの軸に沿ったその長さが、
Ｎ＝０．２５Ｄ２／λ（式中、Ｄはトランスデューサのアクティブパッドの直径であり、λはその動作波長）である近接場放射線と、
角度２αの発散ビームによる、いわゆるフラウンホーファ領域における遠方場放射線であって、
ｓｉｎα＝１．２２λ／Ｄである遠方場放射線と、を有する。
図３Ａ、図３Ｂおよび図３Ｃは、パイプ検査用途において現在使用されているような凹面（超音波）レンズを用いて収束を行うセンサを表す。外乱が少ないため、フラウンホーファ領域が用いられることが好ましい。
したがって、Ｐ１１およびＰ１２のようなセンサにとって、通常焦点を結ぶ超音波ビームは、パイプＴの軸に対して垂直な平面付近に延在する。その結果、断面において、検出は顕著に行われる。それらの役割は、下記の通りである。
ビームもまた、断面においてパイプＴの軸に対して垂直であり、厚さ（例えば、Ｐ１、図３Ａ）を測定するようにふるまい、これはそのとき「直線プロービング」と呼ばれるか、
または、それらのビームは、断面において、パイプＴの軸における入射を有するとともに、長手方向の不完全（例えば、Ｐ１１、図３Ｂ）を検出するようにふるまう。この場合には、（原則的には水／鋼における）パイプの水／金属の境界の特性を踏まえて、断面において入射角は好ましくは、超音波の横波またはせん断波のみをパイプに生成するために選択される。一般に、パイプの軸に対して対向する入射を伴う２つのセンサＰ１１およびＰ１２が提供される（図２）。
また、検査機は、Ｐ２１およびＰ２２などのセンサを備え、その超音波ビームもまた、焦点を結び、他方では、パイプの軸を通過する平面付近まで延在するが、パイプＴの軸に対して垂直である平面に対して入射を有する（センサＰ２１、図３Ｃ参照）。この場合には、パイプの軸に対して垂直である平面に対する入射角は、パイプ（原則的には水／鋼）の水／金属の境界の特性を踏まえて、超音波の横波またはせん断波のみをパイプに生成するために選択されることが好ましい。これらのセンサは、横断方向の不完全を検出するようにふるまう。一般に、パイプの軸の垂直平面に対して対向する入射を有する２つのセンサＰ２１およびＰ２２が提供される（図２）。
不完全に関する検査は一般に、ビームの焦点を結ぶことによって行われる。焦点は、接合に関して測定され、パイプの厚さにおける超音波の最初の出射および戻りの軌跡に対応する。したがって、図３Ａにおけるセンサは半接合で焦点を結ぶ一方、図３Ｂおよび図３Ｃのセンサは４分の３接合で焦点を結ぶ。また、外部不完全に関する検査は一般に、接合において行われ、内部不完全の場合には、半接合で行われる。
Ｔａが留意され、これは、考えられる不完全を表す戻り超音波ビームを正確に受信することができるようにするために、プローブに関して必要な時間である。この時間Ｔａは、下記の２つの時間の和により決まる：
第１に、超音波の軌跡に沿って、プローブとパイプとの間に存在する水柱の高さに関して、超音波の縦波が出射して戻る伝播時間と、
第２に、非破壊検査自体を行うためにパイプ内で必要とされるような超音波の横波の伝播時間と、である。この時間は主に、パイプの壁内における横波の選択された反射数により決まる。
従来、プローブは、毎分数千回転（例えば、６，０００ｒｐｍ）オーダの速度Ｔで、示されていない手段によって、パイプの軸の周囲を回転するように構成される。当業者にも公知であるように、パイプが回転する一方、プローブが回転するように構成されていない場合（いわゆる回転パイプ設置）において、パイプの回転速度は、毎分数十〜数千回転オーダである。
セルは、各センサ−伝導媒体（水）−パイプアセンブリに与えられる名前である。また、セルにとって、検出超音波プローブのビーム開口Ｏｄを考慮しなければならない。開口は、２つの構成要素（図１）、パイプの断面における１つのＯｄ１とパイプおよびプローブの軸を通過する平面における他のＯｄ２とによって定義することができる。
（回転速度、スループット速度、寸法Ｏｄ１およびＯｄ２およびプローブの数の関数としての）設置調整は、検査するパイプの表面および容量の全てを超音波ビームによってスキャンすることを保証すべきである。
一定の標準要件または顧客の要件または仕様は、スキャン領域の範囲でなければならないことに留意すべきである。
したがって、解析時間Ｔａは、
反復速度（または周波数）Ｆｒ（パルス反復周波数（ＰＲＦ)としても知られる。）と、
パイプの断面において、超音波プローブの検出開口Ｏｄ１を考慮した回転速度ω（換言すれば、センサの回転速度を踏まえて、ビーム開口の成分Ｏｄ１は、センサの前方における不完全の存在のためにＴａに少なくとも等しい時間を許容しなければならない）と、
パイプに沿って、超音波プローブの検出開口Ｏｄ２を踏まえた、このスループットの速度ｖ、およびパイプの周囲の同一の機能Ｆｉ専用のプローブの数ＮＦｉ（したがってプローブのグループを構成する）（換言すれば、パイプの前進を踏まえて、ビーム開口の成分Ｏｄ２は、センサ（またはセンサのグループ）の前方における不完全の存在のためにＴａに少なくとも等しい時間を許容しなければならない）と、
同一の役割（すなわち同一の機能）専用のプローブの数と、
予め定義された波の伝播時間と、の間の中間状態によって定義される。
従来、検査機は一般に、ＬＤタイプの不完全および可能であればＩＤタイプの不完全の検査用にＰ１１、Ｐ１２などの合わせて２つのセンサを備え、ＣＤタイプの不完全の検査用のＰ２１、Ｐ２２などの２つのセンサに加えて、原則としてＰ１タイプの１つのセンサを備え、製品の厚さを測定するとともに、ＭＤタイプ不完全について検査をする。実際に、各センサは、わかるように、共に作用するセンサのグループであり得る。
検査機は、各々のセンサに関連付けられる励起および検出の電子機器の一体型または個別のいずれかを有する。それは、ウォータボックス１００に取り付けられたプローブＰ０の励起用に、例えば、２５０ボルトのパルス送信器７０を備える（図４）。非破壊検査システムの一体部品として、超音波プローブＰ０、ここではトランシーバは、この励起に引き続くエコーを受信する。ライン７００および７１０はそれぞれ、プローブの端子で励起パルスおよび信号を増幅器７３に送信する。
増幅器７３からの出力は、オペレータおよび／または（下流の）不適合パイプを分離することができる選別ロボットの制御用表示として役立つ。
表示は、例えば、オシロスコープ７５０上で行われ、信号として増幅器７３からの出力を受信するとともに、時間基準７５２として送信器７０から発する同期化段階７５３からの信号を受信する。閾値段階７５４は、送信パルスの時点でオシロスコープのブラインディングを回避する。
増幅器７３からの別の出力は、信号処理段階７６０に進む。この処理は一般に、整流、平滑化およびフィルタリングを含む。信号処理は、公知の方法で著しいエコーを分離することができる検出またはセレクタフェーズ７６２に続く。不完全の検出にとって、これは、本質的に半接合および接合の一定の時間窓において、著しいその振幅またはその持続時間（つまりそのエネルギー）を伴うエコーの存在である。厚さの検出のために、それぞれの底部エコーの間の時間のずれに等しい距離が、パイプの所望の厚さに正確に対応するかどうかの確認が行われる。これらの基準にしたがって検出された異常は、７６４においてアラーム（警告）を発するため、および／または不適合なパイプを除去し、これらに、検出された異常の機能としてマーキングする選別ロボット７６６を制御するために使用することができる。
また、物理的に回転ヘッド設置（図５Ａおよび図５Ｂ）の場合には、セルは機械支持部８０の上に、図４のライン７００、７１０を接合する接続部７０１によってセンサアセンブリＰ０を収容するウォータボックス１００を備える。３つの回転軸受８１〜８３は、例えば、パイプＴを中心に置くために設けられる。
公知の方法（例えば、ドイツ企業ＧＥ ＮＵＴＲＯＮＩＫ（旧ＮＵＫＥＭ）によって販売された装置）によれば、センサアセンブリＰ０は、パイプの周囲で毎分数千回の回転をするセンサを備える。また、多数のセンサは、パイプの周囲に環に分散させて使用することができる。リングは、例えば、周囲に分散された１２８個の超音波センサの６つのセクタを備える。センサセクタは、パイプの軸の方向において交互にわずかなオフセットを有する。これは、長手方向に２つの連続するセンサセクタの間を網羅することを可能にするとともに、干渉の問題も低減する。所定のセンサが別のセンサで行われる発射（超音波ショット）に起因するエコーを受信する際には、干渉が生じる。
これに加えて、超音波センサを連続的に通りすぎるパイプを正確に位置決めするために、非破壊検査ステーションの上流および下流にパイプを案内するためのベンチ（図示せず）がある。
非破壊検査は、パイプの全周囲で行われなければならない。しかし、この検査は、製造を終わらせるパイプの直線速度ｖを監視することも重要である。したがって、パイプの直線速度ｖ、反復速度（または周波数）Ｆｒ（パルス反復周波数（PRF)としても知られる。）、解析時間Ｔａ、検出中の超音波プローブの作動開口Ｏｄ、回転速度ω、同一の機能を実行するセンサの数および超音波の伝播速度の間で、中間状態に達する。
また、同一の設置は、作製範囲を網羅するパイプの直径（およびパイプの厚さも）の全範囲にわたって動作することができる状態が望ましい。次いで、回転速度ωおよび反復周波数Ｆｒ（パルス反復周波数（ＰＲＦ)としても知られる。）の複数の値を提供することが頻繁にあり、この値は、処理するパイプの直径の関数として選択される。
最後に、製造に対する何らかの変更が、パイプの周囲に各センサの超音波の入射角の再調整を伴うことに留意されたい。この繊細な操作は、手動で行われ、パイプの製造が中断される時間中、現在、約半時間かかる。これは、製造を終わらせるパイプまたは他の外形および／または薄壁の製品の超音波による非破壊検査条件下で現在行われる。
超音波非破壊検査の分野において、下記の専門用語が頻繁に用いられる。
「スキャン」は、一連の相対的なパイプ／センサの位置を意味する；
「インクリメント」は、（反復周波数（パルス反復周波数（ＰＲＦ)としても知られる。）または超音波発射（ショット）周波数に反比例する）スキャニングのピッチを意味する；
「Ａスキャン」は、横座標上の飛翔時間および縦座標上の超音波振幅とも呼ばれる電圧の表示による、超音波センサの端子で測定された電圧のグラフを意味する；
「Ｂスキャン」は、横座標上の、可能であれば検査する部分に対する角の角度で表現される、超音波発射（ショット）に対応するスキャンと、縦座標上の飛翔時間とによる、インクリメントの所定の値に対応する画像を意味し、各点における超音波振幅がグレースケールまたはカラースケールに変換される；
「エコーダイナミック」は、横座標上の超音波発射（ショット）および縦座標上の対応する発射（ショット）についてＡスキャンの時間セレクタで検出される最大振幅の表示による曲線（グラフ）を意味する；
「Ｃスキャン」は、横座標および縦座標上の超音波発射（ショット）点（スキャン位置）の平坦な空間における等価な位置に関する画像を意味し、グレースケールに変換されるＡスキャン（画像振幅）から考えられる時間セレクタにおいて検出されるこの発射にとっての最大超音波振幅を表す。パイプの場合には、Ｃスキャンの横座標上の点がパイプの長さにおける位置に対応するとともに、縦座標上の点がパイプの円周上の位置に対応する。平坦な製品の場合には、Ｃスキャンの横座標上の点が平坦な製品の長さ上の位置に対応し、縦座標における点が平坦な製品の幅上の位置に対応する。
さらに、出願人は、本明細書の記載において下記の用語を使用する：
「平行六面体３ＤのＢスキャン」は、パイプの軸上のセンサの位置に加えて未加工とみなされる表示および現れていない管の形状を含む３Ｄ表示を表わす；
「縮小３ＤのＢスキャン」は、選別の終了時に存在しそうな欠陥の超音波表示による領域に制限された平行六面体３ＤのＢスキャンを表わす；
「パイプ３ＤのＢスキャン」は、平行六面体３ＤのＢスキャンと同じ寸法を有し、データが検査されたパイプ中に表示され、可能であれば振幅が追加寸法を構成可能である。
図６は、センサ、その水柱およびパイプを備えるシステムの概略長手方向断面図であり、エコーを形成する種々の超音波軌跡を示す。これらの軌跡の複雑さおよび解析の困難さをより理解することができる。
図６Ａは、斜め入射下で作動するセンサのレベルにおける超音波信号の概略的な振幅／時間の図である。センサの励起の瞬間Ｔｅｘｃｉｔから、瞬間Ｔｉｎｔｅｒｆ（ＴｐｈｉＥｘｔｅｒ０と呼ぶこともできる）における水−パイプの境界のエコーＴｉｎｔｅｒｆがある。次いで、超音波ビームが反射および屈折する場所であるパイプの内膜に達する瞬間ＴｐｈｉＩｎｔｅｒのマーキング（垂直の点線）に加えて、超音波ビームがパイプの外膜に達する瞬間ＴｐｈｉＥｘｔｅｒ１がある。斜め入射の結果として、このスポットにおける不完全が不在の場合には、ＴｐｈｉＩｎｔｅｒでセンサに戻る顕著な反射エコーはほとんどない。これは、ＴｐｈｉＥｘｔｅｒ１にも当てはまる。
図６Ｂは、法線入射下で作動するセンサのレベルにおける超音波信号の概略的な振幅／時間の図である。信号の一般的な時間順序は、（入射に関連する要因を除き）図６Ａについてと同じである。他方、法線入射下で、関連するパイプの点における不完全が不在の場合であっても、ＴｐｈｉＩｎｔｅｒおよびＴｐｈｉＥｘｔｅｒ１において著しいエコーがある。
現在パイプの製造において使用される非破壊検査は、
検査するパイプから発する信号の振幅Ａｓと、
関連する検査のタイプについて標準基準欠陥から生じる信号の振幅Ａ０と、の間の比Ｋを確立することによって作用する。この「標準基準欠陥」は一般に、例えば、非破壊検査標準要件および／または顧客の要件に応じて、選択された寸法特性による人工的な欠陥（例えば、Ｕ字形またはＶ字形切欠き）を備える基準パイプ上で定義される。
示唆される仮定は、この信号振幅が不完全の重大性、すなわちその深さ（ＤＤ）に比例することである。図７のグラフ（当業者に公知である、ＡＳＮＴ−米国非破壊試験協会によって出版されたＮｏｎｄｅｓｔｒｕｃｔｉｖｅ Ｔｅｓｔｉｎｇ Ｈａｎｄｂｏｏｋの第７巻の統計部分参照）は、実際の分布Ｋ＝ｆ（ＤＤ）を表す。これは、実際には、相関は、（超音波検査については０．３〜０．４程度と）極めて貧弱であることを示している。
さらに詳細には、図７のグラフにおいて、基準振幅Ａ０（Ｋ＝１）が、（それ自体が斜めのＴＤｉｓを中心とする）分布の中心において値ＸＬ（不完全の最大の許容可能深さ）で固定される場合には、ＸＬより大きい深さＤＤにより不完全をＫ＝０．５で依然として見出すことができることがわかる。そのことで、ＸＬよりはるかに低い値にＡ０を設定する必要があるということになる。結果として、製造において、実際には問題ないにもかかわらず、パイプを処分することになる。これは、パイプ製造が複雑さおよびエネルギーの集中性の双方で重い工業技術を伴うため、経済的には一層問題である。
したがって、本出願人は、状況を改善するためにさらなる努力を捧げている。
図８は、図４の装置と比べて改善された装置を示している。
段階７６１に適用される増幅器７３からの出力は、増幅器７３から発する信号の振幅をデジタル化し、このデジタル化した信号で動作する。この処理は、図１１を参照して下記で説明される。図４の段階に機能的に類似である段階７６４および７６６を、次いで保持することができる。オシロスコープ７５０で分かるように、センサの未処理の信号は、当業者によってＡスキャンと呼ばれる。Ａスキャンは、図６によって定義された図にしたがったエコーを含む。
超音波信号の助けによってパイプの不完全のイメージングを行うことが望ましい。ここでは、どのように画像が得られるかについて説明する。
実際には、画像は、パイプの断面を概ね網羅する連続的な角度の下で、センサＰｘによって、パイプの複数の連続スキャンを検討することによって得られる。パイプ／センサの相対的な回転を使用して、１つのセンサからの連続発射（ショット）によって、これを行うことが可能である。
実施例によって、制限されることなく、ここでは、いわゆる回転ヘッドタイプの設置の場合である。
図８Ａにおいて、上述のＰ１、Ｐ１１、Ｐ１２、Ｐ２１およびＰ２２タイプのうちの１つであることができるセンサＰｘが、検討される。示された実施例において、このセンサＰｘは、実際にはｎ個の基本センサＰｘ−１、・・、Ｐｘ−ｉ、・・Ｐｘ−ｎを備え、パイプの長手方向の軸線に沿って整列されるとともに、同時に超音波発射（ショット）の対象である。図８Ａにおいて、基本センサと出力画像７６９の３Ｄグラフとの間にあるものは、コンバータであると考えることができる。
第１の基本センサＰｘ−１からのＡスキャン信号は、増幅器７３−１に適用され、２つの並列チャンネル：セレクタ７６３−１Ａのチャンネルおよびセレクタ７６３−１Ｂチャンネルが、次に続く。各セレクタ７６３−１Ａは、それぞれ最大振幅および飛翔時間の２つの出力を備えている。最大振幅出力は、ラインデジタイザ７６５−１Ａに接続される。飛翔時間出力は、ラインデジタイザ７６５−１Ａｔに接続される。
最大振幅のラインデジタイザ７６５−１Ａａの出力は、１からｎまでのインデックスｉによる最大振幅ラインデジタイザから発するデータを集めるデータバッファストア７６８−Ａａに接続される。飛翔時間のラインデジタイザ７６５−１Ａｔの出力は、１からｎまでのインデックスｉによる飛翔時間ラインデジタイザ７６５−ｉＡｔから発するデータを集めるデータバッファストア７６８−Ａｔに接続される。最大振幅のラインデジタイザ７６５−１Ｂａの出力は、１からｎまでのインデックスｉによる最大振幅ラインデジタイザ７６５−ｉＢａから発するデータを集めるデータバッファストア７６８−Ｂａに接続される。飛翔時間のラインデジタイザ７６５−１Ｂｔの出力は、１からｎまでのインデックスｉによる飛翔時間ラインデジタイザ７６５−ｉＢｔの時間から来るデータを集めるデータバッファストア７６８−Ｂｔに接続される。
基準パイプが通過する際に得られた情報に基づいて、オペレータはバッファストア７６８−Ａａおよび７６８−Ａｔに位置表示および時間幅表示に対応する情報Ｔ＿１Ａを入力することができ、その情報は、パイプの既知の幾何構成の関数として、例えば、図６の第１のエコーＩｎｔ１のようなパイプの内側に関する「内膜エコー」をオペレータが見出し得るであろう瞬間を示す。図６Ａは、ＴｐｈｉＩｎｔｅｒ周囲の対応する時間窓「Ｉｎｔ」をより明確に示す。
同様に、基準パイプが通過する際に得られた情報に基づいて、オペレータはバッファストア７６８−Ｂａおよび７６８−Ｂｔに位置表示および時間幅表示に対応する情報Ｔ＿１Ｂを入力することができ、その情報は、パイプの既知の幾何構成の機能により、例えば、図６の第１のエコーＥｘｔ１のようなパイプの外側に関する「外膜エコー」をオペレータが見出し得るであろう瞬間の場所を示す。図６Ａは、ＴｐｈｉＥｘｔｅｒ周囲の対応する時間窓「Ｉｎｔ」をより明確に示す。
上記ダイヤグラムは、他のセンサＰｘ−２、・・、Ｐｘ−ｉ、・・Ｐｘ−ｎに対して繰り返される。
したがって、毎回、セレクタ７６１が、超音波の伝送の瞬間およびこのセレクタに関するエコーであると予想することができる場所には、予め定義可能な時間間隔を考慮する時間窓を画定する。図６の図は、パイプの超音波ビームの入射角に加え、パイプの直径（内径または外径）および厚さを考慮して、関心領域の時間間隔をどのように定義することが可能であるかを示す。パイプとセンサとの間の所定の相対位置にとって所定の時間間隔は、パイプの所定の点における所定のエコーに対応する。
簡略化のために、ここでは、発射（ショット）の瞬間がパイプ／センサの相対回転と同期化されると仮定され、したがって、基本センサは常に、パイプの同一の長手方向の生成ラインで動作する。このように、そのセレクタの出力は、間隔を置いて連続するアナログ信号サンプルを提供し、各サンプルは、パイプの壁で予想されるエコーの振幅に対応する。（例えば）センサＰｘ−１のこれらのサンプルは、７６５でデジタル化される。
伝送との同期化は、送信器７０とのリンク（図示せず）によって、またはそのトリガによる同期化回路７５３またはその時間基準７５２（図８）によって保証することができる。望まれるのであれば、表示７５０を維持することができる。システムは、概ね一定の速度で回転するパイプで機能することができる。この場合には、パイプの角度速度および前進は、例えば、Ｈｅｎｇｓｔｌｅｒ社によって供給されるモデルＲＳ０５５０１６８のような正確な角度符号器と、例えば、Ｐｏｌｙｔｅｃ社によって供給されるモデルＬＳＶ０６５のようなレーザ速度計の助けによって測定することができる。また、パイプは回転しなくてもよいのに対して、センサのシステムは回転する。この場合には、レーザ速度計は、パイプの前進を測定するために十分であるのに対して、センサの回転速度は、角度符号器を用いて認識される。
所定の発射（ショット）について、センサＰｘ−１からＰｘ−ｎの設定は、パイプの断面に対応する画像ラインを提供する。画像の他の次元において、所定の基本センサは、パイプの生成ラインに対応するラインを提供する。
デジタイザ７６５−１Ａａ、７６５−２Ａａ、・・、７６５−ｉＡａ、・・、７６５−ｎＡａと、７６５−１Ａｔ、７６５−２Ａｔ、・・、７６５−ｉＡｔ、・・、７６５−ｎＡｔは、パイプの内膜に関する「内部」画像７６９Ａの記入を可能にする。デジタイザ７６５−１Ｂａ、７６５−２Ｂａ、・・、７６５−ｉＢａ、・・、７６５−ｎＢａと７６５−１Ｂｔ、７６５−２Ｂｔ、・・、７６５−ｉＢｔ、・・、７６５−ｎＢｔは、最大振幅エコーの飛翔時間であるＴｖｏｌにより、パイプの外膜に関する「外部」画像７６９Ｂの記入を可能にする。
７６９内に格納された平行六面体３Ｄグラフは、関係するセンサＰｘのセンサまたはセンサ群を構成する。グレーの影に変換された、この画像の各点は、関係するパイプの領域における考えられる不完全上の超音波信号の反射によるエコーの振幅の値に対応する。また、この値は、試験中のパイプにおいて捕捉される超音波信号の最大振幅と、上述の人工の「標準基準欠陥」により得られる超音波信号の最大振幅との比を表す。平行六面体３Ｄグラフは、７６９においてデジタル化された予備３ＤのＢスキャンの表示である（予備とは、
パイプ３ＤのＢスキャンの生成の基礎として役立つという意味である）。３Ｄの形状は、特にパイプについて検討された製品の形状と異なる。
平行六面体３Ｄグラフのデータは、所定のデジタル化周期に亘るＡスキャンの曲線（グラフ）の組み合わせ（飛翔時間、振幅）の設定を含むことができる。
７６９においてデジタル化された平行六面体３Ｄグラフは、図１１に示されるように、センサ群Ｐ１１に由来するデータから構築された平行六面体３Ｄグラフ８９１と、センサ群Ｐ１２、Ｐ２１、Ｐ２２に由来するデータから構築された平行六面体グラフ８９２とを含む。
この画像はここで、デジタル化されたラインの各々に対応するパイプの略環状領域を共に接合することによって得られるパイプの領域に対応する。実際には、超音波ビームが、パイプの軸に対して概ね垂直に適用されるならば、それは環状または螺旋状領域の場合である。その場合には、パイプ／センサの相対的移動に応じて異なることが知られている。次いで、領域は、むしろさらに楕円であり、結果として、空間において歪むかねじれる。本説明において、「環状領域」なる表現は、種々の可能性を包含する。
３Ｄ画像のこの完全な復元を得るために、パイプに対するセンサの位置決めにおける追加情報が、必要とされることを留意すべきである。それは、個別の入力７４０において入手可能である。この情報は、空間位置の測定を可能にするエンコーダまたはレーザの設定から発する。パイプを厚みのない円筒に例えることができるため、位置情報は、２次元まで削減することができる。
既存の超音波検査ベンチにおける本発明の実現は、
例えば、Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔ社からのモデルＮＩ ６０２４、あるいはベンチテストエレクトロニクスに含まれるデジタルデータに対するダイレクトアクセスによって、ＥシリーズまたはＮＩ ６２５１、Ｍシリーズなどのデータ取得カードの助けによって提供される超音波検査生データへのアクセスしやすさ、
（パイプまたはセンサヘッド）の回転速度オンライン情報の入手しやすさ、およびあるいはセンサに対するパイプの相対角位置に関する
パイプ前進速度あるいは軸線上に突出したセンサの相対角位置に関するオンライン情報の入手しやすさ、
を伴うことが理解される。
図８Ａの図は：
Ｐ１１タイプのセンサおよびＰ１２タイプのセンサに並列に適用することができ、２つの異なる方向からパイプの同一の領域を観察する。各センサは、内部画像および外部画像を得ることが可能である。次に、画像の１つは、表記「Ｉｎｔ／Ｅｘｔ」を伴うコマンドの機能として選択され得る；
Ｐ２１タイプのセンサおよびＰ２２タイプのセンサに並列に適用することができ、ここでも同様に、内部画像７６９Ａおよび外部画像７６９Ｂをそれぞれが得ることが可能である。
また、図８Ａにおける図は、Ｐ１タイプのセンサに適用することができ、この場合には、３つの並列チャンネルが、（少なくとも仮想の）各増幅器の背後に提供される。これらのチャンネルの１つは、図６Ｂにおいて、「Ｖｏｌｕｍ．」という名で示されたように、位置決めされる反復時間窓において操作される。このチャンネルは、ボリューム、すなわちパイプの厚さにおける不完全の検査を可能にする。
２つの他のチャンネルは、図６Ｂにおいて、「ＷｐｈｉＥｘｔｅｒ０」および「ＷｐｈｉＩｎｔｅｒ１」に示されているように位置決めされる反復時間窓においてそれぞれ操作することができる。これらの２つの他のチャンネルは、パイプの厚さの測定を可能にする。
３つのチャンネル間の区別は、純粋に（仮想上）機能的である。実際には、上述の２つの他のチャンネルは、物理的に同じであってもよく、瞬間または窓「ＷｐｈｉＥｘｔｅｒ０」および「ＷｐｈｉＩｎｔｅｒ１」の区別がある。単一の物理的チャンネルを使用することも可能であり、瞬間または窓「ＷｐｈｉＥｘｔｅｒ０」、「Ｖｏｌｕｍ．」および「ＷｐｈｉＩｎｔｅｒ１」の区別がある。
Ｐ１１タイプのセンサとＰ１２タイプのセンサの場合をさらに詳細に記載することが典型的である。これが、ここで行われることである。
センサＰ１１およびＰ１２のこれらの２つのグループは、パイプにおける長手方向の不完全の検出のために使用されることが想起されるであろう。超音波検査は、２つの好ましい方向（時計回り−反時計回り）における超音波発射（ＵＳショット）により行われる：
センサまたはセンサ群Ｐ１１は、作動方向（時計回り）においてパイプの超音波画像を提供する；
第２のセンサまたはセンサ群Ｐ１２は、別の作動方向（反時計回り）において同一のパイプの超音波画像を提供する。
したがって、長手方向の不完全は有利には、ビーム軸がパイプの軸に垂直である平面に対して対称に傾く２つのセンサまたはセンサ群により検出される。傾きは、例えば、約±１７°である。これは、上述したように、２つのセンサまたはセンサ群によるシステムの適用の実施例を提供する。
図８Ｂの形態において、増幅器７８１に由来する各デジタル化窓７８２は、検討されたＡスキャンの点の数ｎを定義する開始、持続時間およびデジタル化周波数により特徴付けることができる。次いで、各デジタル化窓７８２は、各超音波発射（ショット）についての情報（振幅、飛翔時間）の組み合わせの数ｎを提供する。バッファ／マルチプレクサ７８８は、センサのもう一方に対する幾何構成の知見および超音波発射（ショット）７４０におけるパイプ／センサ位置決めにおける情報のおかげで全て一度に、まさに信号が受信される際に、センサのそれぞれの位置を考慮している平行六面体３Ｄグラフに、この方法で集められる全てのデータを配置する。
ここで、図９を参照する。画像９０３、９０４は、（「方向１」タブが選択された）第１の検査方向に向けたパイプ３ＤのＢスキャンの（それぞれ横断方向および長手方向の）断面図であり、３ＤはセンサＰ１１から発する既述のパイプの幾何構成を伴う。これらの断面に位置決めは、「横断面（ｍｍ）」および「縦断面（°）」を使用して決定される。（内部）画像９０５および（外部）画像９０６は、Ｃスキャンであり、上述のように、画像９０５（または９０６）が内膜（または外膜）における不完全が検出されると仮定される場所のＡスキャンの時間領域に集中する。画像９０５、９０６の再構築に必要な情報は、図１１の平行六面体３ＤのＢスキャン８９１から発する。
画像９０１は、検査される製品の一部のパイプ３ＤのＢスキャン上に突出した３Ｄ表示であり、潜在的な関心領域が既述のように識別される。図９Ａを参照すると、同様の画像９０３ｂｉｓ、９０４ｂｉｓ、９０５ｂｉｓ、９０６ｂｉｓおよび９０２が、第２の検査方向（「方向２」アクティブタブ）に向けて再構築される。
ここで、上述の説明が長手方向の欠陥の検査に関係することを繰り返す。同じ手法を（センサ群Ｐ２１、Ｐ２２による）横断方向の欠陥の調査に適用する。
ここで、図１１を参照する。画像ブロック９０１、９０２は、図１１Ａに詳述されるような変換ユニット９３０を用いた平行六面体３Ｄグラフ８９１、８９２から得られる。図１１のコンバータユニット８９１は、図８Ａのセットアップに対応し、センサＰ１１に適用される。同様に、コンバータユニット８９２もまた、図８Ａのセットアップに対応し、センサＰ１２に適用される。コンバータブロック８９１、８９２は、ブロック７４０のパイプ／センサの出現箇所のデータを使用する。これらのデータは、検査中のパイプの特性および使用中のセンサの特性に関連する。
変換ユニット９３０は、平行六面体３Ｄグラフ８９１、８９２の下流に配置されるとともに、図１１Ａに示される構成を有することができる。変換ユニット９３０は、欠陥上の超音波の衝撃時間におけるモード変換を考慮してパイプにおける波伝播の経路の時間計算を行う。衝撃で横波を縦波におよびその反対に変換できる。変換ユニット９３０は、送信および反射係数の算出から音響ビームの力の伝播を概算できる。Ａスキャンの周波数スペクトルの解析を行うことができる。変換ユニット９３０は、受信された３Ｄグラフとの比較を可能にする実際のまたはシミュレート試験のデータベース９３９を備えることができる。変換ユニット９３０は、パイプの幾何構成による３ＤのＢスキャン画像を再構築することができる。
図１１に図示されるように、変換ユニット９３０は、ユニット９３１が３Ｄ画像８９１からのデータを処理するとともにユニット９３２が３Ｄ画像８９２を処理する、３Ｄグラフからの３ＤのＢスキャンの不要な領域除去用の２つのユニット９３１、９３２と、シミュレート時間窓の適用によるフィルタリング用の、ユニット９３１、９３２のそれぞれ下流の２つのユニット９３３、９３４と、理論的シミュレーションユニット９３５と、上述の画像９０１、９０２を提供する逆アルゴリズムユニット９３６を供給する公差計算ユニット９３７とを、備えている。
ユニット９３１、９３２による除去は、三次元で示される潜在的関心領域を保持しつつ、処理される情報量の減少を可能にする。フィルタリングは、Ｃスキャンからの距離により行うことができる。選択された距離は、閾値より大きな振幅により領域の距離より長くなり得る。次いで、潜在的不完全を伴う平行六面体３ＤのＢスキャンを処理することができる。
ユニット９３３、９３４によるフィルタリングは、干渉エコーと底部エコーによる時間窓の境界を定めることにより行うことができる。また、これらのフィルタユニットは、潜在的関心領域を画定および十分に再構築するために、潜在的関心のパイプの角領域の境界を定めることができるとともに、必要であればこれらの領域を相殺する。ユニット９３３、９３４により提供される画像は、減少した３ＤのＢスキャンである。
理論的シミュレーションユニット９３５は、例えば、欠陥の位置および機能としての３ＤのＡスキャンまたはＢスキャンのシミュレーションデータベースを備えることができる。データベースは、シミュレートされた結果および／または自然および／または人工的欠陥上の試験からの結果を含むことができる。逆アルゴリズムユニット９３６は、最も近い理論的ＡスキャンおよびＢスキャンと結果として最も考えられる欠陥とを決定するために、理論的シミュレーションユニット９３５により提供された理論的３ＤのＡスキャンまたはＢスキャンと検査中に得られたＡスキャンまたはＢスキャンとを比較することができる。例として、逆アルゴリズム９３６は、長さ位置および角度位置に対応するフィルタされた実験的Ａスキャンを、長さおよび縮閉線においてこの同じ位置上の理論的Ａスキャンと比較する。例として、逆アルゴリズム９３６は、長さ位置に対応する減少した３ＤのＢスキャンから生じる３ＤのＢスキャンを同じ長さ位置上の理論的３ＤのＢスキャンと比較する。２つの比較を作製することができる。エコーの理論的表示の最良の設定は、実験データからの最小偏差を有する次の設定である。
図１１を参照すると、変換ユニット９３０の後にフィルタ９２１、９２２が示され、それらは特に、ニューラル処理または専門処理用の合成ユニット９６０により合成された入力データとしての画像からと、画像の予備データとからの抽出を可能にする。
説明された実施形態において、フィルタ９２１は：
画像における動作領域を示す信号出力Ｚｃｕｒ。この出力は、抽出機能９５１によって使用され、結果として、Ｚｃｕｒ領域用の画像（Ｃスキャン）からの抽出を行い、同Ｚｃｕｒ領域に関連してそこに格納された情報（いわゆるＡスキャン）を得るために、画像準備８９１へのアクセスを行う。これらのデータは全て、ニューラル処理または専門処理９７０への入力として抽出機能９５１によって合成器９６０に送信される；
少なくとも一部は領域Ｚｃｕｒに関し、ニューラル処理または専門処理９７０用の入力として送信する、フィルタリングによって得られた情報を提供する出力；
任意に（点線）メモリ９９０への追加のフィルタされたデータの出力、を有する。
同じことが、同Ｚｃｕｒカレント領域についての抽出機能９５２を伴うフィルタ９２２にも当てはまる。
ニューラル処理９７０は、デシジョンおよびアラーム回路９９２を供給し、選別およびマーキングロボット９９４を制御する。オペレータ解釈インターフェイス９９６を提供することができ、検査中のパイプの断面に関してメモリ９９０に収容されるデータの全てまたは一部を提示することができる。
予測（表示の発生源、タイプおよび深刻度）以外にニューラルシステム９７０は、この予測に添付することができる信頼性評価を提供する。この情報はオペレータにアクセス可能であり、オペレータは進行中のオーダの背景または製品の構築中に生じた問題などのより質的なデータも入手可能である。したがって、オペレータまたはスペシャリストは、予測の重み付けに関与することができる。
ここで、図１１は、同一の機能を提供するか、または検査の同一のタイプ向けのセンサの少なくとも２つの群（Ｐ１１、Ｐ１２の２つの群またはＰ２１、Ｐ２２の２つの群）から生じる情報を扱っている。同一の図を、異なるタイプの検査向けの多数のセンサ群から生じる情報を処理するために使用することができる。同時に処理される画像の数は、同量だけ増やされる。
フィルタ９２１、９２２の主要機能は、Ｃスキャン画像９０１、９０２における不完全領域を決定することである。一般的に言えば、フィルタリングは、解析される領域を特定し、他の表示から不完全を区別するために配置される。フィルタリングは、２つの画像の２つの等価な部分で動作する。２つのフィルタは、連結して動作する。
デジタル画像をスキャンすることによって、まず、潜在的な不完全がある画像の領域が識別される。この目的のために、キャリブレーションにより確立した固定閾値を適用することができる。
閾値は、画像において優勢な雑音レベルに適応するものを使用することができる。本方法は、２つの仮説に基づくことができる白色雑音における信号の検出の理論に基づいている。
仮説Ｈ０：測定値＝平均白色雑音ｍ＿ｂおよび標準偏差ｓｔｄ＿ｂ
仮説Ｈ１：測定値＝信号＋白色雑音
状況が仮説Ｈ０または仮説Ｈ１の範囲内に収まるかどうかの決定を可能にする統計的試験が行われる。これらの統計的な計算は、連続発射（ショット）に対応する画像のｎ個のスライディングポイントでリアルタイムに行われる。数ｎは、学習によって決定することができる。
この方法（いわゆるガウス加算）によれば、例えば、ネイマン−ピアソン基準を使用して、誤認アラーム（ｐｆａ）の所定の確率にしたがって検出閾値を決定することが可能である。これは、式［２１］によって表現される。一般にＱ（またはエラー関数ｅｒｆとも呼ぶ）として公知のガウス累積関数が、使用され、式［２２］によって閾値を得るために反転することが必要である。
Figure 2011506992
 実際には、種々の発生源（例えば、パイプ内部の水の存在、電気的干渉、試験中の製品の材料の構造に起因する音響現象）を有し得る背景雑音の存在が、頻繁に留意される。変化する閾値の使用は、一定の閾値が適用されるならば生じる誤認アラームを回避する。
現れそうな他の誤った表示の中で、超音波信号における極めて短いピークの形態で干渉が生じる。この干渉は、累積的計数アルゴリズムまたは積分岐（例：「アラーム前にｎ回」または「二重閾値］）と呼ぶことができる簡単なアルゴリズムによって除去することができる。
また、本出願人は、パイプが例えられる円筒表面に沿ってセンサに従う軌跡である「ターン」も考慮した。フィルタリングは、誤認アラームの割合をさらに低減するために、各ターンに沿って行うことができる。このために、例えば、バターワースフィルタおよび／または高速フーリエ変換などの離散フーリエ変換が使用される。この方法は、各デジタルラインに適用される。
同じタイプのアルゴリズムをパイプの長手方向に適用することができる。
このように、潜在的な不完全が特定される。ひとたび、不完全が特定されると、その位置は、３Ｄ画像、横断方向断面および軸方向断面を伴う、（例えば）図９の画像において解析される位置に対応する。半径方向の位置／厚さの表示（またはさらに簡単に言えば、内部であれ、外部であれもしくは塊であれ、不完全の位置）は、画像の点の属性として表すことができる。したがって、
パイプの外膜において考えられる不完全を表す２つの２Ｄ画像；
パイプの内膜において考えられる不完全を表す２つの２Ｄ画像；
パイプの厚さにおいて考えられる不完全を表す１つの２Ｄ画像、を有する。
不完全は、特に干渉および誤認アラームの排除後に、ここで「確認された」と考えられる。
ここから後では、本出願人は、固定サイズの画像領域で動作することを決定している。したがって、得たばかりの不完全存在データにおけるデータとこの領域を位置合わせすることが必要である。
換言すれば、不完全の周囲の完全な領域を決定するために、閾値より大きいと識別されている点を位置決めすることが必要である。これは、例えば、不完全の傾きを決定することが望ましいのであれば必要である。
アルゴリズムは、多数のステップを経る：
輪郭検出（例えば、ロバーツ勾配）；
拡張（付近輪郭の収集）
不完全の周囲のマスクの決定を可能にする、衰退（ｅｒｏｓｉｏｎ）、次いで閉鎖；
不完全の十分な位置決めを可能にする最終包囲段階。
これにより、各不完全について、対応する画像領域の座標が得られ、これは、次に行うニューラルネットワーク解析用に有用である。
図１２は、概略的流れ図の形態で画像領域のこの処理を図示する。
画像の始まり（８０１）で、ゼロと処理対象のｐ画像領域との間に確認された不完全を表す。作用８０３は、少なくとも初期領域があると仮定し、この領域は、８０５においてＺｃｕｒを処理するためのカレント領域として役立つ。この領域Ｚｃｕｒについて：
操作８０７は、（画像におけるその座標によって定義される）この領域に対応する画像９０１、９０２からデータを選択的に抽出する；
操作８０９は、画像９０１、９０２の準備において役割を果たし、領域Ｚｃｕｒに対応するデータを選択的に抽出する。これらのデータの実施例は、以下で提供される；
操作８１１は、いわゆる適切にニューラル処理を行い、その多くは、後に行われる；
領域Ｚｃｕｒについて得られた結果が、８１３において選択的に格納され、Ｚｃｕｒ領域表示に対応する；
検査８２０は、画像において処理される別の領域があれば確認するために調べ、その場合には、８２１において示されるようにこの別の領域を伴う８０５において再始動が行われ、そうでなければ、現在の画像の処理は、終了する（８２２）。
センサＰ１の処理の場合においては、唯一の画像があり、入力パラメータの数を変化させる。これ以外は、処理は概して同一であってもよい。
各関心領域Ｚｃｕｒの決定につづいて、フィルタリングは、他の機能を含むことができる。これらの他の機能について、図１３は、フィルタリングと図１１に示された一連の作用との間の相互作用を概略態様で図示する。
図１３は、図１１に類似であるが、画像９０１についてのみである。図１３は、
ブロック７４０のパイプセンサ出現箇所の要素；
画像９０１およびその準備８９１におけるＺｃｕｒ領域についてのデータを見出す抽出器９５１；
検討されるＺｃｕｒ領域における不完全が、内膜または外膜において位置を特定されるかどうかを示している内部／外部ブロック７４１０、を示す。
フィルタリングによって基本データに追加されるものは、さらに詳細に定義される。すなわち、各Ｚｃｕｒ領域（ブロック８０５）の場合には、破線のボックスの中身によって示されている通りである：
９４１における傾きの角度の調査；
不完全９４２の長さの表示。
さらに、特に以下のものが含まれ得る：
９４５のＣスキャンにおける位置合わせの表示、および
９４６のパイプの同一断面における他の不完全の存在の表示。
記載された実施形態において、９４５、９４６などのデータは、メモリ９９０に進む。他のデータは、ニューラルネットワークまたは専門システム９７０に進む。これらは、ここで図から分かるであろうように、２つの機能に分けられる。
パイプにおける不完全は、その位置、そのタイプおよびその深さによって例えられることが多いその深刻度によって定義することができる。記載された実施形態において、パイプの不完全のタイプおよび深さの度合いは、ここで実施例を使用して詳述される同一の一般的な構造の２つのニューラル処理の助けによって個別に決定される。
不完全タイプの場合は図１４にしたがって対処され、かつ深刻度の場合は図１５にしたがって対処される。
タイプは、例えば、図１０Ａから図１０Ｄに図示されるように、定義することができる。これらの図は、４つのタイプを図示しており、ＡＰＩによって供給される不完全のリストに比較して簡略化された選択肢を表し、これらはパイプ構築処理によって生じさせることができる。フランス語および英語による見出しは、不完全のタイプを表すために当業者によって使用されるものである。なお、不完全のタイプ１および３は直線であり、２および４のそれは円弧形状（「弦」）である。
実際の不完全と４つの上記のタイプとの間の対応関係は、以下のように定義することができる。
Figure 2011506992
 ここで、図１４および図１５はいずれも、図１４についてはＮＣ１２１からＮＣ１２３および図１５についてはＮＣ１４１からＮＣ１４３と呼ばれる３つの中間ニューロン（または「隠れニューロン」）によるニューラル回路を使用する。
図１４および図１５は、共通の一定数の入力を有する。理解を助けるものとして、入力は、異なるタイプのラインを使用して図示される。二重線は、入力が複数であること、すなわち、Ｚｃｕｒ領域の各点について反復されることを示す。
まず、７４１０において、関連するセレクタ７６３によって検討される状態にしたがって、パイプの壁の内膜または外膜に位置する不完全を処理する場合であるかどうかを示す情報が提供される。また、この情報は、３ＤのＢスキャンからも得ることができる。
共通の入力変数の第２の分類は、ブロック７４０（図１３）から発する出現箇所の変数を含む：
７４０１における、壁厚対パイプ直径の比ＷＴ／ＯＤ；
７４０２における、超音波プローブの作動周波数Ｆｒｅｑ；
７４０３における、超音波プローブの有効直径ＰｒｏｂＤｉａｍ。
共通の変数の第３の分類は、フィルタリングから生じる量に対応し、２つのセンサ９２１、９２２（またはそれ以上）に共通であると考えることができる。例えば、２つのセンサからの結果の平均が取られ、または最大の代表的な結果（場合によっては、最大値／最小値）が取られる。これらの量は、９２０１において欠陥の傾き、９２０２においてその長さという変数である。これらの２つの変数は、鏡面対称を有する図９の２つの画像において特定しやすい。
ここで、図１４のみが参照される。変数の以下の分類は、２つのセンサ（またはグループのセンサ）の各々にとって異なる測定の変数を含み、Ｚｃｕｒ領域の各々については、二重線の使用によって図に反映される。
第１のセンサ用には、以下を有する：
９５１１における、Ｚｃｕｒ領域および画像９０１において遭遇する超音波信号の最大振幅と上述の「標準基準欠陥」の最大振幅との間の比、Ｋ１。実際には、実施例において、画像９０１の各画素における振幅は、この比によって定義される。Ｋ１はこのとき、単に画像９０１のＺｃｕｒ領域において遭遇する最大振幅であり、この最大値が遭遇するＺｃｕｒ領域の点をＰｍａｘ１と表記する；
９５１２における、ＱｕａｎｔＢｕｍｐｓＥｃｈｏｄｙｎと呼ばれるＣスキャンの変数であり、最大振幅の点Ｐｍａｘ１の付近における画像９０１のＺｃｕｒ領域で遭遇される最大位置の数を示す、ＱＢＥ１。この数ＱＢＥ１は、いずれかの側で、Ｐｍａｘ１の付近で遭遇する極大を制限するが、背景雑音に対応するレベル未満に収まる信号振幅はない。ＱＢＥ１は一般に、値１または値２のいずれかを取る。
これらの２つの変数は、抽出器９５１を介して画像９０１から発し、図面において表記９５１（９０１）によって示される。これに加えて以下を有する：
９５１８における、Ａスキャンとして公知の未加工の超音波信号におけるエコー立ち上がり時間を表す変数ＲＴ１（これは、信号がその最大値にある瞬間と信号がマイクロ秒で通常表現される背景雑音レベルにある最後の前の瞬間との間の差である）。この変数ＲＴ１は、関連する増幅器７３（図８Ａ）の出力で既に測定されており、例えば、８９１において関連するパイプの点に対応して格納されている。このように、この変数は、抽出器９５１によって選択的に検索することができる。ここで、変数ＲＴ１は、図９の画像９０３上であるいはまた平行六面体３ＤのＢスキャン上でも、オペレータにより直接測定することができる。
第２のセンサ用には、以下を有する：
９５２１における、Ｋ２は、Ｋ１のように定義されるが、画像９０１ではなく、画像９０２に関する。実施例において、Ｋ２は、単に画像９０２のＺｃｕｒ領域において遭遇する最大振幅であり、この最大値が遭遇するＺｃｕｒ領域の点をＰｍａｘ２と表記する；
９５２２における、ＱＢＥ２は、ＱＢＥ１のように定義されるが、画像９０１ではなく、画像９０２においてであり、Ｐｍａｘ２の付近である。この場合も同様に、ＱＢＥ２は一般に、値１または値２を取る。
これらの２つの変数は、抽出器９５２を介して画像９０２から発する。これに加えて、以下を有する：
９５２８における、ＲＴ２は、Ａスキャンとして公知の未加工の信号におけるエコー立ち上がり時間を表す変数である。既に述べたように、この変数ＲＴ２は、関連する増幅器７３（図８Ａ）の出力で既に測定されており、例えば、８９２において関連するパイプの点に対応して格納されている。このように、この変数は、抽出器９５２によって選択的に検索することができる。ここで、変数ＲＴ２は、図９の画像９０３Ａ上であるいはまた平行六面体３ＤのＢスキャン上でも、オペレータにより直接測定することができる。
ニューラルネットワークの最後の入力９５８は、定数Ａと呼ばれる定数値であり、モデルのキャリブレーション時に決定される定数を表し、学習から生じる。
図１４の出力９９８は、不完全のタイプおよび（タイプの関数として定義される）その平均勾配を表す変数である。
不完全の深さの度合い（または深刻度）の場合は、図１５にしたがって対処される。入力は、以下を除いて図１４についてと同様である：
第１のセンサについて、ブロック９５１２が、ブロック９５１３によって置き換えられ、この第１のセンサの場合には、エコーダイナミック波形の中間高さ（５０％）の幅である変数ＥＷ＿１またはＥｃｈｏｄｙｎＷｉｄｔｈを処理する。この変数ＥＷ＿１は、Ｃスキャンから引き出される；
同様に、第２のセンサの場合には、ブロック９５２２が、ブロック９５２３によって置き換えられ、この第２のセンサの場合には、エコーダイナミック波形の中間高さ（５０％）の幅である変数ＥＷ＿２またはＥｃｈｏｄｙｎＷｉｄｔｈを処理する；
９５９における、定数Ｂとここでは呼ばれる定数が、異なる；
出力９９９が、ＤＤと呼ばれる不完全の深刻度の表示である。
なお、いずれの場合（図１４および図１５）も、所定のニューラル回路９７０が、超音波センサのグループの１つにとっての画像抽出物９５１に加え、同一の領域に対応するが、別のグループのセンサが起源である画像抽出物９５２を処理することに注目すべきである。
本出願人は、例えばニューラル回路および可能であればこれらの数を条件として、極めて満足な結果を得ることが可能であり、予測を最適化することを観察した。
さらに、本出願人は、種々のニューラルネットワークによって収集された情報の組み合わせによって、予測をさらに改善することを可能にすることを発見した。
全般的に見れば、ニューラルネットワークの入力変数はこのとき、２つの３Ｄ画像の特性（基準振幅に対する最大振幅の比、エコー幅、不完全の傾きを表すエコーの向きなど）および検査（センサ、パイプの寸法など）の特性である。
出力変数は、不完全の特性（深さ、勾配／タイプ）である。デシジョンおよび／またはアラーム（９９２）は、選択された決定基準の助けによって、必要に応じた安全度を保持する閾値に基づいて自動的に行うことができる。これらの閾値を定義するために、学習からの結果を用いることができる。
ここで、２つのセンサにとっての図１４および図１５の基本的なニューラル回路のモデルである図１６を参照する。
このモデルは、入力層またはレベルＩＬを備え、入力パラメータ（「入力ニューロン」と呼ばれることが多い）の全てを共にグループ化する。図を過負荷にしないようにするために、ニューロンＥ０と見なすこともできる定数を加えた３つのニューロンＥ１〜Ｅ３のみが示されている。この定数は、「バイアス」と呼ばれることが最も多い。実際には、場合により得、図１４または図１５にしたがった、より多くの入力ニューロンがある。
次に、少なくとも１つの隠れ層またはレベルＨＬが設けられ、ｋ個のニューロン（図を過負荷にしないようにするために、２つのみが示されている）を含む。
最後に、出力ニューロンＳ１を発し、パイプにおける不完全、例えば、長手方向の不完全の重要性を表す値の形態で、デシジョンを提供する。この出力は、図１４におけるブロック９９８および図１５における９９９に対応する。
「ニューロン」定数Ｅ０は、隠れ層または層（単数または複数）ＨＬだけでなく、出力ニューロン（出力層、ＯＬ）も重み付けするようになることに留意されたい。
Figure 2011506992
 ｗｉｊが、ニューロンｊの入力に存在する信号Ｘｉを割り当てられる重みである、ニューラル回路の一般的な挙動は、本明細書において用いられるように、式［１１］によって与えられる。
ここで提供される回路において、図１７に概略的に示されるように、基本的なニューロンは、式［１２］にしたがい振る舞う。
図１６の出力Ｓ１は、式［１３］に対応する推定値を提供する。
学習によって、本出願人は、隠れニューロンおよびその重みを、関数ｆが、非線形で連続的であり、導出可能で制限された関数であるように調整する。現在好ましい例は、アークタンジェント関数である。
ニューラルネットワークは、学習によってシナプスとして一般に公知であるその係数ｗｉｊを決定することが知られている。学習は所望の範囲の作動条件を正確に網羅しつつ、一般に、計算される重みより３〜１０倍の例を伴わなければならない。
各実施例についてＥｐ（Ｐ＝１〜Ｍ）から始まり、ニューラル回路によって与えられる値Ｓｐと、測定または実験的に定義される実際の値Ｒｐとの間で偏差値Ｄｐが決定される。これは、式［１４］によって反映されるものである。
ニューラル回路の動作の品質は、「コスト（ｃｏｓｔ）」として公知である広範囲な偏差変数Ｃｇによって定義される。例えば、重み付けされた２次方程式の広範囲な偏差変数として、式［１５］により表現することができる。
学習は、特に、既に示したように重い工業技術を伴うという事実に起因して、パイプにおける不完全についての検査などの場合には、種々の問題を引き起こす。
本出願人は最初に、シミュレーションによる初期学習を行った。このために、フランスのＡｔｏｍｉｃ Ｅｎｅｒｇｙ Ａｇｅｎｃｙによって開発および販売されているＣＩＶＡソフトウェアを用いることが可能である。この初期学習は、仮想の不完全に基づいて、影響を及ぼすパラメータの特定およびニューラルネットワークの初期バージョンの構成を可能にした。コスト関数は、最適化した。
本出願人は次に、シミュレーションおよび人工的な欠陥、すなわち実際のパイプに意図的に作製された不完全から得られた結果を組み合わせる第２の学習を行った。この第２の学習は、ニューラルネットワークの第２のバージョンの構成を可能にし、そのコスト関数もまた、最適化した。
本出願人は次に、人工的な不完全を用いて得られた結果と実際のパイプに存在する一連の不完全によって得られた不完全を組み合わせ、これらの不完全は、作製過程中に事後行われる測定から正確に認識されている。この第３の段階は、ニューラルネットワークの最終バージョンの妥当性の確認を可能にした。このバージョンは、作製監視のために操作上、有用であることが証明されている。しかし、新しい取り付けまたは改良した取り付けにおいて実現される際、取り扱う全体的な範囲の不完全を網羅する約１０個の人工サンプルを用いる「キャリブレーション」を実行することが現在、必要である。当然のことながら、最適化が次に続く。
図１１、図１２、図１４および図１５は、センサＰ１１、Ｐ１２に関して説明したものである。
同一の原理は、センサのグループＰ１に適用される。この場合には、画像２はなく、構築されたネットワークは、既に述べたように、より少ない入力変数を有する。２つのセンサについて記載された回路は、１つのみのセンサについて用いられ得るが、「画像２」部分についての入力変数はない。
また、同一の原理は、横断方向の欠陥の検出が委ねられたセンサの２つのグループＰ２１、Ｐ２２にも適用され、この検出のために、センサが、パイプの軸を通過する平面において（例えば、±１７°）傾くことに留意すべきである。
各々の場合において、要素９９２〜９９６を除き、図１１によって定義されたタイプのデジタル処理が、行われることが理解されるであろう。この手順は、ブロック７６４、７６６が次に続く図８にしたがった、全般的な表示７６１を有する。
設定は、図１８によって示されているように、以下により得られる：
センサＰ１については、手順７６１−１、続いて、デシジョンおよびアラーム（警報）段階７６４−１；
センサＰ１１およびＰ１２については、手順７６１−１０、続いて、デシジョンおよびアラーム段階７６４−１０；
センサＰ２１およびＰ２２については、手順７６１−２０、続いて、デシジョンおよびアラーム段階７６４−２０；
３段階７６４−１、７６４−１０および７６４−２０は、選別および警報ロボット７６６によって共に解釈される。
図示されていない図１８の変形は、１つのみの「デシジョンおよびアラーム」段階を提供し、３つの手順７６１−１、７６１−１０および７６１−２０からの出力を直接用いる。
非破壊検査は、いわゆる「飛翔中」、すなわち、パイプが取り付け試験を経ているときに、適切に行われる。また、上述の情報の処理から生じる決定は、（「飛翔中の」デシジョン−アラームおよびマーキングによって）パイプを取り付け試験を経ているときに行うことができ、変形は、一旦、パイプの全長が検査されると、この決定を行うことからなり、あるいは、例え後（例えば、パイプの全バッチの試験後）にであっても、各パイプが、（例えば、番号順に）指標化／識別される。この場合には、得られた情報が、記録（格納）される必要がある。記録は、ニューラルネットワークによって記録および処理された結果の解析後に、決定を行う権限を伴うオペレータによる後の解析の対象であることができる。
当然のことながら、付与されたニューラル回路の特性は、所望の入力の全てを有する１つのニューラル回路において、少なくともある程度まで（手順７６１−１、７６１−１０および７６１−２０に含まれる）全てのニューラルネットワークを組み合わせることが可能である。
記載された実施形態は、専門システムの例としてニューラルネットワークを直接用いる。本発明は、実施形態のこのタイプに限定されるわけではない。ここで、「ニューラル回路タイプの配置」なる表現は、ニューラル回路の有無に関係なく、他の非線形統計的方法を網羅することができる。
一般的に言えば、コンバータは、セレクタにおける最大振幅入力および対応する飛翔時間入力を含むことができる。これらの入力は、製品が一致するか否かの決定用のデータを提供することができる。
変換ユニットは、不要なデータの除去要素、ピンポイント領域のフィルタ要素、シミュレータおよび解釈ユニット（ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｕｎｉｔ）に対応することができる。情報量の減少は、より高い処理速度を可能にする。
シミュレータは、理論的シミュレーション要素、公差カルキュレータおよび逆アルゴリズムを備えることができる。
出力段階は、
推定不完全領域に対応する画像の抽出とフィルタから発する同じ領域における推定不完全の特性と出現箇所のデータとからニューラル回路についてのデジタル入力を準備するように配置された合成器と、
合成器からの入力を受信する少なくとも１つのニューラル回路と、
ニューラル回路からの出力に基づいて作動するデジタルデシジョンおよびアラーム段階と、
デシジョンおよびアラーム段階により適応しないと判断された製品を分けるとともに印を付けるように配置された選別およびマーキングロボットと、を備える。
ここで提案されたシステムは、溶接のないパイプの作製における非破壊検査の場合において記載されており、これは、本発明が特に良好に役立つ場合である。同一の方法は、必ずしも管状でない細長い鉄鋼製品に特に適用することができる。
溶接のあるパイプまたは他の溶接のある製品（シートまたはプレートなど）の場合には、システムもまた、溶接の継ぎ目の限界を決定することができることがわかっており、溶接の継ぎ目における任意の不完全の位置を決定する結果として、監視することが必要であり得る。その一部について、溶接の継ぎ目の限界の外側で位置が決定された不完全は、ベースストリップ（または製品）に既に存在する含有物に対応し得、別に考慮しなければならない。

Claims (18)

  1. パイプまたは他の長手の製品などの鉄鋼製品の製造中または製造終了時における非破壊検査用の操作ツールを形成する装置であり、このツールは、前記パイプとトランスデューサの配置との間の相対的な回転／並進移動によって、液体媒体の介在を通じて前記製品とつながる超音波で取り付けられた、選択された時間規則にしたがった超音波センサ送信の選択的励起（７０）に続く、選択された幾何構成による配置を形成する超音波受信により、捕捉される（７３）フィードバック信号から、前記製品において考えられる不完全に関する情報を抽出することが意図され、前記操作ツールは、
    前記相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのデジタル表示を選択的に分離可能であって、前記表示は少なくとも１つのエコーの振幅および飛翔時間と、平行六面体３Ｄグラフの生成とを含んでいるコンバータ（８９１；８９２）と、
    ３Ｄグラフおよびデータベースに基づく前記パイプにおいて考えられる欠陥の３Ｄ画像（９０１；９０２）を生成可能な変換ユニット（９３０）と、
    前記画像（９０１；９０２）において、推定不完全領域（Ｚｃｕｒ）に加えて、各推定不完全の特性を決定可能なフィルタ（９２１；９２２）と、
    製品の適合または不適合信号を生成するように構成された出力部と、を備えることを特徴とする、装置。
  2. 前記コンバータ（８９１；８９２）は、セレクタにおける最大振幅入力および対応する飛翔時間入力を備えることを特徴とする請求項１に記載の装置。
  3. 前記変換ユニットは、不要なデータの除去要素、ピンポイント領域のフィルタ要素、シミュレータおよび解釈ユニットを備えることを特徴とする請求項１または２に記載の装置。
  4. 前記シミュレータは、理論的シミュレーション要素、公差カルキュレータおよび逆アルゴリズムを備えることを特徴とする請求項３に記載の装置。
  5. 前記出力部は、
    フィルタ（９２１；９２２）から発する、推定不完全領域（Ｚｃｕｒ）に対応する画像の抽出（９５１；９５２）と同じ領域における推定不完全の特性とからニューラル回路についてのデジタル入力を準備するように配置された合成器（９６０）と、
    前記合成器（９６０）からの入力を受信する少なくとも１つのニューラル回路タイプの配置（９７０）と、
    前記ニューラル回路タイプの前記配置（９７０）からの出力に基づいて作動するデジタルデシジョンおよびアラーム部（９９２）と、
    前記デシジョンおよびアラーム部（９９２）により適応しないと判断された製品を分けるとともに印を付けるように配置された選別およびマーキングロボット（９９４）と、を備えることを特徴とする請求項１〜４のいずれか１項に記載の装置。
  6. 前記操作ツールがそれぞれの超音波ビームの方向の鏡面対象性に概ねしたがった超音波カップリングにより取り付けられた、選択された幾何構成による超音波トランスデューサの２つの配置（Ｐ１１，Ｐ１２；Ｐ２１，Ｐ２２）にそれぞれ割り当てられた２つのコンバータ（８９１；８９２）を備えるとともに、前記合成器（９６０）が内膜エコーまたは外膜エコーまたは前記パイプの塊において生じるエコーに選択的に作用するが、同時に、前記２つのトランスデューサ配置のうちの一方および他方に関するデータに作用するように配置されることを特徴とする請求項１〜５のいずれか１項に記載の装置。
  7. 前記コンバータ（８９１；８９２）が内膜エコー、外膜エコー、および前記パイプの塊にそれぞれ対応する指定時間窓において考えられる最大エコーのデジタル表示を選択的に隔離するために配置されるとともに、前記合成器（９６０）が内膜エコーまたは外膜エコーまたは塊において生じるエコーに選択的に作用するように配置されることを特徴とする請求項１〜６のいずれか１項に記載の装置。
  8. 前記合成器（９６０）は、前記推定不完全領域における前記画像の振幅極値に関する少なくとも１つの入力（９５１１；９５１２）を受信することを特徴とする請求項１〜７のいずれか１項に記載の装置。
  9. 前記フィルタ（９２１；９２２）が各推定不完全の特性としての傾きおよび長さを生成するために配置される一方、前記合成器（９６０）が不完全の傾き（９３１）および不完全の長さ（９３２）の対応する入力を受信することを特徴とする請求項１〜８のいずれか１項に記載の装置。
  10. 前記フィルタ（９２１；９２２）と前記合成器（９６０）と前記ニューラル回路（９７０）と前記デジタルデシジョンおよびアラーム部（９９２）とが、前記フィルタ（９２１；９２２）により決定された一連の推定不完全領域（Ｚｃｕｒ）に反復的に作用するように配置されることを特徴とする請求項１〜９のいずれか１項に記載の装置。
  11. 前記フィルタ（９２１；９２２）と前記合成器（９６０）と前記ニューラル回路（９７０）と前記デジタルデシジョンおよびアラーム部（９９２）とが、前記パイプの内膜および外膜に交互に作用するように配置されることを特徴とする請求項１０に記載の装置。
  12. 前記ニューラル回路タイプの前記配置は、
    複数の予め定められた等級間から不完全の性質を評価するために適した第１のニューラル回路（ＮＣ１２１−１２３）と、
    不完全の深刻度を評価するために適した第２のニューラル回路（ＮＣ１４１−ＮＣ１４３）と、を備えることを特徴とする請求項１〜１１のいずれか１項に記載の装置。
  13. 前記２つのニューラル回路は、
    前記第１のニューラル回路についての付近における最大値の数の入力（９５１２；９５２２）と、
    前記第２のニューラル回路についてのエコー幅の入力（９５１３；９５２３）と、により異なる入力を有することを特徴とする請求項８に記載の装置。
  14. 前記２つのニューラル回路の出力は、組み合わされて予測を精密にすることを特徴とする請求項１２または１３に記載の装置。
  15. 超音波信号の送信および受信は、センサの配置の少なくとも一部のために同じトランスデューサにより毎回行われることを特徴とする請求項１〜１４のいずれか１項に記載の装置。
  16. 製品の製造中または製造終了時におけるパイプ用の非破壊検査装置であって、
    前記パイプとトランスデューサの配置との間の相対的な回転／並進移動によって、液体媒体の介在を通じて前記パイプとつながる超音波で取り付けられた、選択された幾何構成による超音波トランスデューサの配置、
    選択された時間規則にしたがってトランスデューサ要素を選択的に励起する(７０)とともに、トランスデューサ要素が捕捉するフィードバック信号を収集する（７３）ための回路、および
    請求項１〜１５のいずれか１項による操作ツールを備えることを特徴とする、非破壊検査装置。
  17. パイプまたは他の長手の製品などの鉄鋼製品の製造中または製造終了時における非破壊検査方法であって、下記のステップからなる、非破壊検査方法。
    ａ．前記パイプとトランスデューサの配置との間の相対的な回転／並進移動によって、液体媒体の介在を通じて前記パイプとつながる超音波で取り付けられた、選択された幾何構成による超音波トランスデューサの配置を設けるステップ；
    ｂ．選択された時間規則にしたがってトランスデューサ要素を選択的に励起する(７０)ステップ；
    ｃ．トランスデューサ要素が捕捉するフィードバック信号を収集し（７３）、これらのフィードバック信号（７６０−７６６）を選択的に解析し、前記パイプにおいて考えられる不完全に関する情報を抽出し、平行六面体３Ｄグラフを生成し、前記情報は少なくとも１つのエコーの振幅および飛翔時間を含んでいるステップ；
    ｄ．前記相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのデジタル表示を選択的に隔離するとともに、３Ｄグラフおよびデータベースから前記パイプにおいて考えられる不完全の３Ｄ画像（９０１；９０２）をこれから抽出するステップ；
    ｅ．製品の適合または不適合信号を生成するステップ。
  18. 前記ステップｅは、
    ｅ１．推定不完全領域（Ｚｃｕｒ）および各推定不完全の特性を決定するために、選択されたフィルタ基準にしたがった画像（９０１；９０２）をフィルタリング（９２１；９２２）する段階、
    ｅ２．推定不完全領域（Ｚｃｕｒ）に対応する画像の抽出（９５１；９５２）、フィルタ（９２１；９２２）から発する同じ領域における推定不完全の特性、および出現箇所のデータ（７４０）から、作業のデジタル入力を形成する（９６０）段階、
    ｅ３．形成された入力（９６０）をニューラル回路タイプの少なくとも１つの配置（９７０）に適用する段階、
    ｅ４．出力からデシジョンおよび／またはアラーム（９９２）を導き出すために、前記ニューラル回路タイプの前記配置（９７０）からの出力をデジタル処理する段階、ならびに
    ｅ５．前記ｅ４段階により適合しないと判断されたパイプを分けるとともに印を付ける（９９４）段階を備えることを特徴とする請求項１７に記載の方法。
JP2010538831A 2007-12-21 2008-12-16 特に製造中または完成状態におけるパイプ用非破壊検査 Expired - Fee Related JP5595281B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR0709045A FR2925690B1 (fr) 2007-12-21 2007-12-21 Controle non destructif,en particulier pour des tubes en cours de fabrication ou a l'etat fini.
FR07/09045 2007-12-21
PCT/FR2008/001751 WO2009106711A2 (fr) 2007-12-21 2008-12-16 Controle non destructif, en particulier pour des tubes en cours de fabrication ou a l'etat fini

Publications (3)

Publication Number Publication Date
JP2011506992A JP2011506992A (ja) 2011-03-03
JP2011506992A5 true JP2011506992A5 (ja) 2012-09-27
JP5595281B2 JP5595281B2 (ja) 2014-09-24

Family

ID=39636907

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010538831A Expired - Fee Related JP5595281B2 (ja) 2007-12-21 2008-12-16 特に製造中または完成状態におけるパイプ用非破壊検査

Country Status (17)

Country Link
US (1) US8365603B2 (ja)
EP (1) EP2223098B1 (ja)
JP (1) JP5595281B2 (ja)
KR (1) KR101476749B1 (ja)
CN (1) CN101903771B (ja)
AR (1) AR069323A1 (ja)
AU (1) AU2008351946B2 (ja)
BR (1) BRPI0821312B1 (ja)
CA (1) CA2709611C (ja)
EA (1) EA021646B1 (ja)
ES (1) ES2616552T3 (ja)
FR (1) FR2925690B1 (ja)
MY (1) MY152235A (ja)
SA (1) SA108290823B1 (ja)
UA (1) UA99844C2 (ja)
WO (1) WO2009106711A2 (ja)
ZA (1) ZA201004112B (ja)

Families Citing this family (88)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2903187B1 (fr) 2006-06-30 2008-09-26 Setval Sarl Controle non destructif, en particulier pour des tubes en cours de fabrication ou a l'etat fini
US9937577B2 (en) 2006-12-20 2018-04-10 Lincoln Global, Inc. System for a welding sequencer
US9104195B2 (en) 2006-12-20 2015-08-11 Lincoln Global, Inc. Welding job sequencer
US10994358B2 (en) 2006-12-20 2021-05-04 Lincoln Global, Inc. System and method for creating or modifying a welding sequence based on non-real world weld data
US9280913B2 (en) 2009-07-10 2016-03-08 Lincoln Global, Inc. Systems and methods providing enhanced education and training in a virtual reality environment
US9196169B2 (en) 2008-08-21 2015-11-24 Lincoln Global, Inc. Importing and analyzing external data using a virtual reality welding system
US8657605B2 (en) * 2009-07-10 2014-02-25 Lincoln Global, Inc. Virtual testing and inspection of a virtual weldment
US8884177B2 (en) 2009-11-13 2014-11-11 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
US9330575B2 (en) 2008-08-21 2016-05-03 Lincoln Global, Inc. Tablet-based welding simulator
US9318026B2 (en) 2008-08-21 2016-04-19 Lincoln Global, Inc. Systems and methods providing an enhanced user experience in a real-time simulated virtual reality welding environment
US8747116B2 (en) 2008-08-21 2014-06-10 Lincoln Global, Inc. System and method providing arc welding training in a real-time simulated virtual reality environment using real-time weld puddle feedback
US8834168B2 (en) 2008-08-21 2014-09-16 Lincoln Global, Inc. System and method providing combined virtual reality arc welding and three-dimensional (3D) viewing
US9483959B2 (en) 2008-08-21 2016-11-01 Lincoln Global, Inc. Welding simulator
US8911237B2 (en) 2008-08-21 2014-12-16 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
US8851896B2 (en) 2008-08-21 2014-10-07 Lincoln Global, Inc. Virtual reality GTAW and pipe welding simulator and setup
JP5694193B2 (ja) 2009-01-19 2015-04-01 ゼテック インコーポレイテッドＺｅｔｅｃ，Ｉｎｃ． 渦電流の自動非破壊試験解析方法
US8274013B2 (en) 2009-03-09 2012-09-25 Lincoln Global, Inc. System for tracking and analyzing welding activity
US9773429B2 (en) 2009-07-08 2017-09-26 Lincoln Global, Inc. System and method for manual welder training
US9221117B2 (en) 2009-07-08 2015-12-29 Lincoln Global, Inc. System for characterizing manual welding operations
US10748447B2 (en) 2013-05-24 2020-08-18 Lincoln Global, Inc. Systems and methods providing a computerized eyewear device to aid in welding
US9011154B2 (en) 2009-07-10 2015-04-21 Lincoln Global, Inc. Virtual welding system
US8569655B2 (en) 2009-10-13 2013-10-29 Lincoln Global, Inc. Welding helmet with integral user interface
DE202009014770U1 (de) * 2009-11-02 2011-07-04 Seuthe, Ulrich, 58300 Vorrichtung zum Überprüfen eines Bauteils auf Schäden
US8569646B2 (en) 2009-11-13 2013-10-29 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
US9468988B2 (en) 2009-11-13 2016-10-18 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
CN101788534A (zh) * 2010-03-24 2010-07-28 中国石油集团渤海石油装备制造有限公司 埋弧焊缝横向缺陷的探伤方法
US8798940B2 (en) * 2010-04-16 2014-08-05 Olympus Ndt Inc. Rotating array probe system for non-destructive testing
US9835450B2 (en) * 2010-05-03 2017-12-05 Rontgen Technische Dienst B.V. Method for inspecting an object by means of ultrasound
FR2960960B1 (fr) * 2010-06-03 2012-07-20 V & M France Procede et dispositif d'aide au controle en production de la traversabilite de tubes
WO2012082105A1 (en) 2010-12-13 2012-06-21 Edison Welding Institute, Inc. Welding training system
FR2974437B1 (fr) * 2011-04-21 2013-10-25 Eads Europ Aeronautic Defence Procede de simulation d'operations de controle non-destructif en conditions reelles utilisant des signaux synthetiques
US9389215B2 (en) * 2011-09-23 2016-07-12 Mastinc Multi-modal fluid condition sensor platform and system thereof
US9020766B2 (en) * 2011-09-23 2015-04-28 Mastinc. Multi-modal fluid condition sensor platform and system therefor
US8991258B2 (en) * 2012-05-10 2015-03-31 General Electric Company Linear scanner with rotating coupling fluid
US20160093233A1 (en) 2012-07-06 2016-03-31 Lincoln Global, Inc. System for characterizing manual welding operations on pipe and other curved structures
US9767712B2 (en) 2012-07-10 2017-09-19 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
US9568461B2 (en) 2012-12-31 2017-02-14 Mastinc Multi-modal fluid condition sensor platform and system therefor
US9207639B2 (en) * 2013-01-24 2015-12-08 General Electric Company Transforming A-scan data samples into a three-dimensional space for facilitating visualization of flaws
US11543811B2 (en) * 2013-03-15 2023-01-03 Etegent Technologies Ltd. Manufacture modeling and monitoring
FR3003646B1 (fr) * 2013-03-21 2015-04-03 V & M France Dispositif et procede de controle non destructif de produits tubulaires, notamment sur site
GB2512835A (en) 2013-04-08 2014-10-15 Permasense Ltd Ultrasonic detection of a change in a surface of a wall
US10930174B2 (en) 2013-05-24 2021-02-23 Lincoln Global, Inc. Systems and methods providing a computerized eyewear device to aid in welding
DE102013106901B4 (de) * 2013-07-01 2021-07-22 Bundesrepublik Deutschland, vertreten durch das Bundesministerium für Wirtschaft und Technologie, dieses vertreten durch den Präsidenten der BAM, Bundesanstalt für Materialforschung und -prüfung Vorrichtung und Verfahren zur Ermittlung von Materialfehlern in rotationssymmetrischen Prüfkörpern mittels Ultraschall
JP6230841B2 (ja) * 2013-07-26 2017-11-15 旭化成エンジニアリング株式会社 肉厚測定装置を用いた配管の減肉評価方法
US20150072323A1 (en) 2013-09-11 2015-03-12 Lincoln Global, Inc. Learning management system for a real-time simulated virtual reality welding training environment
US10083627B2 (en) 2013-11-05 2018-09-25 Lincoln Global, Inc. Virtual reality and real welding training system and method
US9836987B2 (en) 2014-02-14 2017-12-05 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
CN103926317A (zh) * 2014-04-25 2014-07-16 上海势华电子科技有限公司 超声波筛选工件的方法
CN106233358A (zh) 2014-06-02 2016-12-14 林肯环球股份有限公司 用于人工焊工培训的系统和方法
KR101722063B1 (ko) 2015-06-24 2017-04-21 경상대학교산학협력단 초음파 적외선 열화상을 이용한 금속의 미세 결함 검출시스템
KR101736641B1 (ko) * 2015-12-24 2017-05-17 주식회사 포스코 균열 측정 장치 및 방법
US10684261B2 (en) 2016-04-01 2020-06-16 General Electric Company Ultrasonic bar and tube end testing with linear axis robot
EP3319066A1 (en) 2016-11-04 2018-05-09 Lincoln Global, Inc. Magnetic frequency selection for electromagnetic position tracking
US10913125B2 (en) 2016-11-07 2021-02-09 Lincoln Global, Inc. Welding system providing visual and audio cues to a welding helmet with a display
US10878591B2 (en) 2016-11-07 2020-12-29 Lincoln Global, Inc. Welding trainer utilizing a head up display to display simulated and real-world objects
US11085885B2 (en) * 2017-01-19 2021-08-10 Aegion Coating Services, Llc Pipe joint inspection
EP3382386B1 (en) * 2017-03-29 2020-10-14 Fujitsu Limited Defect detection using ultrasound scan data
JP6854186B2 (ja) * 2017-05-09 2021-04-07 株式会社日立パワーソリューションズ 超音波映像装置及び超音波映像生成方法
US10997872B2 (en) 2017-06-01 2021-05-04 Lincoln Global, Inc. Spring-loaded tip assembly to support simulated shielded metal arc welding
RU2655048C1 (ru) * 2017-06-21 2018-05-23 Общество с ограниченной ответственностью "Нординкрафт Санкт-Петербург" Устройство для ультразвукового контроля круглого проката и труб
FR3068134B1 (fr) * 2017-06-23 2021-01-08 Vallourec Tubes France Controle non destructif pour produit tubulaire a forme complexe
GB201803062D0 (en) * 2018-02-26 2018-04-11 Gb Inspection Systems Ltd Ultrasonic probe
US11557223B2 (en) 2018-04-19 2023-01-17 Lincoln Global, Inc. Modular and reconfigurable chassis for simulated welding training
US11475792B2 (en) 2018-04-19 2022-10-18 Lincoln Global, Inc. Welding simulator with dual-user configuration
RU2685744C1 (ru) * 2018-04-23 2019-04-23 Родион Николаевич Юрьев Способ расшифровки дефектограмм и оцифрованных сигналов исследования твёрдых тел
CN108828059B (zh) * 2018-06-29 2020-04-07 清华大学 电磁多场耦合缺陷综合检测评价方法及装置
BR102018015331A2 (pt) * 2018-07-26 2020-02-04 Vallourec Solucoes Tubulares Do Brasil S A método para avaliação do nível inclusional em tubos de aço utilizando transdutor de alta frequência na inspeção ultrassônica automática
DE102018221016A1 (de) * 2018-12-05 2020-06-10 Robert Bosch Gmbh Verfahren zur Prüfung eines Faserverbundbauteils, Vorrichtung, Computerprogramm und maschinenlesbares Speichermedium
US11231311B2 (en) 2019-05-31 2022-01-25 Perceptive Sensor Technologies Llc Non-linear ultrasound method and apparatus for quantitative detection of materials
CN110530981A (zh) * 2019-07-04 2019-12-03 深圳南方中集集装箱服务有限公司 一种集装箱维修焊缝检测方法
JP6741139B1 (ja) * 2019-11-28 2020-08-19 トヨタ自動車株式会社 車両用異常解析装置
KR102241879B1 (ko) * 2019-12-03 2021-04-20 한국건설기술연구원 인공지능 학습 모델을 이용한 덕트 공동 탐지 모델 학습 장치 및 덕트 공동 탐지 시스템
JP7415757B2 (ja) * 2020-04-09 2024-01-17 大同特殊鋼株式会社 丸棒材の超音波探傷方法
WO2021217268A1 (en) * 2020-04-30 2021-11-04 UT Comp Inc. System and method for classifying sensor readings
CN112179990A (zh) * 2020-09-15 2021-01-05 昆明理工大学 一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法
CA3201100A1 (en) 2020-12-04 2022-06-09 Lazar Bivolarsky Multi-bounce acoustic signal material detection
US11788904B2 (en) 2020-12-04 2023-10-17 Perceptive Sensor Technologies, Inc. Acoustic temperature measurement in layered environments
WO2022147234A1 (en) 2020-12-30 2022-07-07 Perceptive Sensor Technologies, Inc. Evaluation of fluid quality with signals
US11933763B2 (en) * 2021-06-29 2024-03-19 Verifi Technologies, Llc Cylindrical ultrasonic scanning apparatus
CN113834874B (zh) * 2021-09-16 2023-11-17 江苏省特种设备安全监督检验研究院 基于civa仿真及分析接管角焊缝缺陷的方法
WO2023154514A1 (en) 2022-02-11 2023-08-17 Perceptive Sensor Technologies, Inc. Acoustic signal detection of material composition in static and dynamic conditions
WO2023225062A1 (en) * 2022-05-17 2023-11-23 Perceptive Sensor Technologies, Inc. Determining layer characteristics in multi-layered environments
CN115184146B (zh) * 2022-06-15 2024-02-27 北京理工大学 一种基于dic的薄壁结构屈曲强度无损探针测量方法
KR102516523B1 (ko) 2022-06-24 2023-03-31 (주)성일에스아이엠 벤딩 파이프 검사 장치
KR102507104B1 (ko) * 2022-07-11 2023-03-06 서해전 금속 파이프 검사 장치 및 방법
US11940420B2 (en) 2022-07-19 2024-03-26 Perceptive Sensor Technologies, Inc. Acoustic signal material identification with nanotube couplant
KR102552909B1 (ko) * 2023-01-05 2023-07-07 주식회사 엠아이티 초음파검사시스템 및 이를 이용한 초음파 검사 방법
CN116930192B (zh) * 2023-07-26 2024-02-09 常州润来科技有限公司 一种高精度铜管缺陷检测方法及系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4625557B2 (en) * 1985-02-20 1998-05-26 Rutherford Lora E Acoustical imaging systems
JPS61286747A (ja) * 1985-06-14 1986-12-17 Hitachi Ltd ３次元探触子及び３次元映像装置
US4803638A (en) * 1986-06-26 1989-02-07 Westinghouse Electric Corp. Ultrasonic signal processing system including a flaw gate
KR930009636B1 (ko) * 1990-08-24 1993-10-08 이재범 파이프 라인 구조를 이용한 변환 영역에서의 필터링 방법
JP3007474B2 (ja) * 1991-04-19 2000-02-07 川崎重工業株式会社 超音波探傷検査方法および装置
CN1109594A (zh) * 1994-04-22 1995-10-04 清华大学 用于声发射检测的声耦合方法及装置
JPH09171006A (ja) * 1995-12-20 1997-06-30 Ishikawajima Harima Heavy Ind Co Ltd 超音波探傷データ評価装置
JPH10115604A (ja) * 1996-10-14 1998-05-06 Ishikawajima Harima Heavy Ind Co Ltd 超音波探傷データ評価装置
JPH10311138A (ja) * 1997-05-14 1998-11-24 Ohbayashi Corp 単管パイプの識別構造
JP3730429B2 (ja) * 1999-01-29 2006-01-05 株式会社日立製作所 超音波探傷結果の表示方法及び超音波探傷装置
FR2796153B1 (fr) * 1999-07-09 2001-11-30 Setval Controle non destructif a capteurs ultrasonores repartis
US7164476B2 (en) * 2000-05-30 2007-01-16 Oyo Corporation U.S.A. Apparatus and method for detecting pipeline defects
JP2002257802A (ja) * 2001-02-27 2002-09-11 Mitsubishi Heavy Ind Ltd 超音波信号可視化装置
FR2833706B1 (fr) * 2001-12-13 2004-07-23 Setval Controle non destructif a capteurs ultrasonores, de produits de metallurgie
JP4167841B2 (ja) * 2002-03-22 2008-10-22 恭二 本間 ニューラルネットワークを利用した知能化超音波探傷システム
JP4115954B2 (ja) * 2004-02-27 2008-07-09 株式会社東芝 超音波検査装置
JP4542813B2 (ja) * 2004-04-26 2010-09-15 株式会社東芝 ３次元超音波検査装置
JP2006255083A (ja) * 2005-03-16 2006-09-28 Ge Medical Systems Global Technology Co Llc 超音波画像生成方法および超音波診断装置
JP4728762B2 (ja) * 2005-10-03 2011-07-20 株式会社東芝 超音波探傷画像処理装置
JP4859521B2 (ja) * 2006-05-02 2012-01-25 三菱重工業株式会社 超音波探傷データを処理するためのプログラム、処理装置及び処理方法
FR2903187B1 (fr) 2006-06-30 2008-09-26 Setval Sarl Controle non destructif, en particulier pour des tubes en cours de fabrication ou a l'etat fini

Similar Documents

Publication Publication Date Title
JP5595281B2 (ja) 特に製造中または完成状態におけるパイプ用非破壊検査
JP5162583B2 (ja) パイプの作製中または完成状態における非破壊検査用の操作工具を形成するデバイス、パイプの非破壊検査デバイス、およびパイプの非破壊検査工程
JP2011506992A5 (ja)
JP2009541765A5 (ja)
US7503218B2 (en) Methods and system for ultrasound inspection
US9228980B2 (en) Non-destructive evaluation methods for aerospace components
JP4410037B2 (ja) 超音波探傷方法および超音波探傷装置
KR100485450B1 (ko) 초음파 탐상 시험 장치 및 그 제어방법
EP4109090A2 (en) System and method for automated confirmation of defect indications in ultrasonic testing
Aldrin et al. Advanced echo-dynamic measures for the characterisation of multiple ultrasonic signals in aircraft structures
Savin et al. Ultrasound method for determination of porosity in Laser Additive-Manufactured Titanium alloy