超聲波聲測管無損檢測技術的研究進展

超聲波聲測管無損檢測技術是無損檢測領域中使用頻率*高、發展速度*快的一種檢測技術。利用超聲波聲測管波進行無損檢測始于20世紀30年代。發展到60年代，超聲波聲測管檢測技術已經成為有效而可靠的無損檢測手段。80年代末計算機和電子技術的發展中產生了數字式超聲波聲測管檢測儀，使得檢測更加形象具體。超聲波聲測管無損檢測技術已得到了巨大發展，被廣泛的應用到幾乎所有工業的探傷領域，例如作為基礎工業的鋼鐵、化工、機械、壓力容器等有關部門。在鐵路運輸、造船、兵器、航空航天工業等重要部門和高速發展中的集成電路、核電等新技術產業中也都有著十分廣闊的應用前景，同時還應用在新型陶瓷、復合材料等新興材料及質量在線監控和產品在役檢查中。

1.超聲波聲測管檢測的常用方法

常用的超聲波聲測管檢測方法除常規超聲波聲測管檢測外還有超聲波聲測管導波和相控陣技術等，非接觸式超聲波聲測管檢測新技術有電磁超聲波聲測管檢測、激光超聲波聲測管檢測、空氣耦合和靜電耦合超聲波聲測管檢測等。超聲波聲測管導波檢測主要用于在線管道檢測，能檢測出管道中內外部腐蝕或沖蝕、環向裂紋、焊縫錯邊、疲勞裂紋等缺陷。超聲波聲測管導波的優點是傳播長距離而衰減很小，在一個位置固定脈沖回波陣列就可以一次性對管壁進行長距離大范圍的快速檢測。相控陣技術能夠通過圖像的形式直觀地顯示缺陷，并通過線性B掃描圖或扇形圖顯示一定區域范圍內的缺陷，有利于對缺陷的評價。從應用效果來看，使用相控陣探傷儀檢測復合材料能極大地提高檢測效率，提高檢測準確性，節省檢測成本。20世紀60年代末電磁超聲波聲測管換能器（EMAT）的出現，使得無損檢測能夠在高溫、高速等惡劣條件下得以實現。近年來這種新型的超聲波聲測管檢測技術，已經由實驗室研究階段進入工業生產的實際應用階段。電磁超聲波聲測管只能在導電介質上產生，因此主要應用于金屬材料的檢測，跟傳統的超聲波聲測管檢測技術相比具有無需任何耦合劑、產生各類波形靈活、聲傳播距離遠、檢測速度快等優點。在變電站GIS管道裂紋檢測嘲、焊縫檢測H]、鐵路鋼軌在線檢測等眾多領域得到了很好的應用?？傊?，電磁超聲波聲測管技術的發展擴展了超聲波聲測管檢測的應用范圍。

20世紀70年代，激光超聲波聲測管檢測技術開始應用于無損檢測領域，目前已被廣泛應用于材料的力學、光學特性檢測以及材料的缺陷檢測。激光超聲波聲測管檢測在無損檢測中具有抗干擾強、高時空分辨率、適合惡劣環境下的在線檢測等優點，使得該技術在材料無損檢測方面有廣闊的應用前景。但是其本身也有一定缺陷，例如光聲能量的轉換效率低、檢測靈敏度較低、檢測系統昂貴等。因此激光超聲波聲測管檢測技術并不能完全取代傳統超聲波聲測管技術，而是在某些常規技術不適用的領域發揮優勢。

空氣耦合是一種直接用空氣作為耦合介質的檢測方法，其進展得益于空氣耦合理論、新型換能器及信號處理技術的不斷進展。該技術在航天復合材料檢測印3中的應用對我國航天科技的發展起到了積極作用，對提高我國無損檢測水平具有重要的理論參考和工程應用價值。

靜電換能器是在電容傳聲器的基礎上發展起來的，其優點包括以下幾點：頻帶寬，可以響應的超聲波聲測管波帶寬達幾百kHz；靈敏度高，因為它不是諧振式換能器，故可以測量到非常小的振幅，并且有很寬且平坦的靈敏度頻率響應曲線。但是這一類換能器也存在著一些缺點，如：一般需要加一偏置電壓，且由于其電阻抗很高，增加了對前置放大器的要求；對灰塵、濕度也比較敏感，而且易受損傷。

2.超聲波聲測管檢測中的信號處理方法

在超聲波聲測管檢測的信號降噪、數據壓縮、特征提取、缺陷識別等數據處理過程中，各種先進的算法得到了廣泛的應用?，F代信息處理技術如數值分析法、神經網絡技術、人工智能、模糊技術、自適應技術、虛擬儀器技術的逐步成熟促進了超聲波聲測管檢測技術的應用發展和智能化程度。

小波變換是一種時頻分析方法，其在時頻平面上具有可變的時間和頻率分辨率以及良好的表征信號局部特征的能力。小波分析技術以其多分辨率和局部化的突出特點使其成為目前超聲波聲測管信號時頻表達的*佳分析方法之一，被廣泛應用于超聲波聲測管信號的降噪處理、特征提取和數據壓縮中。母小波和分解層數的選擇以及小波系數非線性處理方法的選擇是小波分析的關鍵技術。小波分析的改進算法，比如小波包分析，對小波變換沒有細分的高頻部分進一步分解，提高了處理信號的能力。提升小波變換則直接在時（空）域進行變換，獲得了更好的去噪效果和更高的信噪比，并且提升小波變換的去噪速度更快、設計靈活、編程簡單、易于實現。

Hilbert—Huang變換（HHT）是專為非線性、非平穩數據分析而設計的，它可根據信號的局部時變特征進行自適應的時頻分解，消除了人為因素的影響。HHT對超聲波聲測管回波信號進行EMD分解后再進行Hilbert譜分析，構造的Hilbert譜及Hilbert能量譜能夠反映回波信號的時頻信息和時間信息，從而有效地判斷缺陷的有無及位置。

人工神經網絡將未知缺陷的回波特征參數與數據庫中已知缺陷的回波特征參數進行比較，來確定未知缺陷的類型。選擇合適的初始網絡參數，將有利于網絡的訓練和提高識別率。小波神經網絡是基于小波分析所構造的一種新的神經網絡模型，它結合小波變換所具有的良好的高頻域時間精度、低頻域頻率精度的性質和神經網絡的自學習功能，因而具有較強的逼近、容錯能力。小波包分析和人工神經網絡的結合能為缺陷類型提供有效的智能識別。

基于多傳感器信息融合技術的缺陷識別，可以充分利用不同傳感器對不同缺陷的敏感程度，對來自多個傳感器的數據進行綜合處理，以獲得對被測對象的精確估計和評價口43。通過傳感器之間的協調和互補，克服單傳感器的不確定性和局限性，提高系統的整體識別性能，與單傳感器相比，能大大提高判斷結果的準確性和可靠性。另外，建立基于3個BP網絡和D-S證據理論的融合模型，將數據融合技術應用于超聲波聲測管缺陷分類中的方法，能夠得到比單個網絡更加準確的識別結果口鑰。