钛合金超声检测的信号特征与处理方法

　　摘要：钛合金材料广泛应用于船舶、航空等领域，通常采用超声检测技术对其原材料与焊接质量进行评估，但在大规格构件与微小缺陷检测时，存在晶粒噪声导致缺陷信号难以识别的问题。基于水浸超声技术测试了典型钛合金组织的声学性能，结果表明其声速与衰减系数呈现各向异性，大厚度结构检测时影响灵敏度的关键因素为散射杂波的干扰。采用小波包能量爛作为特征参数，分析杂波信号与缺陷信号的特征，通过支持向量机与神经网络模型分类，缺陷信号的识别准确率达到90%以上。

　　关键词：钛合金;散射杂波;小波包能量爛;神经网络

　　钛合金材料具有比强度高、耐蚀性好等特性，但材料成本高、焊接与加工难度大，过去只用于制作精密结构件或特殊结构件。近些年材料成型与加工技术的飞速发展，为钛合金的大范围应用提供了技术支撑，目前钛合金已成为船舶、航空领域的关键材料。大规格、复杂结构焊接成为当前钛合金产品发展的重要趋势，由此带来的钛合金材料的无损检测问题也亟待解决。在兼顾适用性、经济性和直观性的条件下，超声检测是多类钛合金构件检测的优先选择，但其相关标准多建立在参照钢制结构的基础上，在大厚度构件检测、微小缺陷检测时遇到了挑战。

　　根据经验，钛合金超声检测时会存在杂波干扰，且在大厚度检测或高灵敏度检测时干扰信号尤为强烈，甚至会完全湮没缺陷信号。材料微观组织、被检构件结构、检测系统等均是引起杂波的重要因素，对此，通常采用优化物理结构或信号处理技术来减少干扰，如采用聚焦探头、对信号降噪滤波等，但仅在特定条件下的应用效果较好⑴。为解决上述问题，笔者重点探讨了超声检测信号的特征与缺陷识别方法，在结合钛合金微观组织特点探讨其声学性能的基础上，分析了其信号特征并提取特征参数，建立了非线性分类模型,通过样本训练实现了杂波与缺陷信号的分类,为大规格、高灵敏度超声检测提供了一种新思路。

　　1信号特征分析

　　1.1钛合金声学性能

　　钛合金组织一般分为等轴、双态、网篮与魏氏等4类，其组织由a相、p相构成，a相和卩相的比例与形态不仅决定了材料的性能，且对超声波的声学性能有直接影响。超声波声速与衰减系数是超声检测中必须关注的材料声学特性参数，亦是保证缺陷定位与定量精度的基础。选择TC4钛合金为研究对象，制备等轴、双态、网篮与魏氏组织试块各1块，采用水浸超声C扫描进行试验，测试各试块的超声波信号并计算声速与衰减系数。

　　试块规格(长X宽X厚)为300mmX90mmX40mm,加工精度为±0.02mm,3个尺方寸向分别定义为工，)和s分别对这3个尺寸方向进行试验。试验采用频率为5MHz的平面探头，水层厚度大于近场区，采样率为200MHz,采用栅格扫查分别获取3个尺寸方向的超声信号，每个方向50个采样点。利用固定厚度下的绝对时间差、幅值衰减量，分别计算纵波声速与衰减系数，为减小误差，以50个采样点的计算平均值为最终结果。

　　根据试验，钛合金纵波声速与微观组织并不存在绝对的对应关系，声速范围为6098-6226m-s"1,变化区间相对较小且呈现微弱的各向异性，材料组织不均匀引起的声速变化对缺陷定位的影响很小。不同组织间的超声纵波衰减系数则差别较大.网篮与魏氏组织的衰减系数明显大于等轴与双态组织的，且均呈现明显的各向异性，实际检测时能量衰减、缺陷定量应关注这一因素。

　　1.2超声信号特征

　　钛合金超声检测中的干扰杂波主要源于材料内的晶粒散射，尤其在采用高频率、高灵敏度检测时尤为显著。除受被检材料本身组织的影响外，杂波信号亦与检测频率、检测厚度等其他参数存在一定关系，为等径平底孔信号在不同深度下的信噪比变化，不同脉冲电压下的信噪比变化。检测深度增大时，平底孔信号信噪比总体呈下降趋势，平面探头的信噪比在近场区内会有波动，聚焦探头的信噪比在焦点附近最高,且随深度增大迅速减小;脉冲电压幅值增大时，虽然超声波能量增强，但散射杂波随之增强，信噪比并无明显变化。

　　2缺陷信号处理

　　2.1特征参数提取

　　特征参数是信号评定的依据，在复杂信号识别中，特征参数的选择尤为重要。而在杂波干扰严重的钛合金超声检测信号中，时域中的幅值、波宽等参数已不适用于表征缺陷信息，故文章采用小波分析与能量爛结合的方式提取数据段的特征参数。小波分析的窗函数可变化，具有多分辨率分析的特点，特别适合于弱突变信号的处理，利用该特点对缺陷信号进行分解能获得丰富的缺陷信号细节特征。小波能量爛是在信息爛的基础上演变而来的，在非平稳信号处理中具有良好的应用效果，常用于描述系统复杂程度或表征突变信号。

　　2.2缺陷识别

　　在将分段信号分解为8个特征参数的基础上，缺陷的评判已转换为多参数模式识别问题，目前常用的方法主要有支持向量机(SVM)和神经网络。支持向量机基于统计学习理论，通过建立一个分类超平面,作为决策平面近似实现结构风险最小化;而神经网络采用模拟大脑神经元的方式组成非线性、自适应信息处理系统。SVM本质上为一个二分类器.利用核函数代替高维空间映射解决非线性问题,理论完善且通用性好，但在多分类和大规模样本训练时存在困难⑷。神经网络的神经元之间通过权系数相连接.信息分布式存储于权系数中，具有容错性高、抗干扰能力强的特点旳。为达到满意的信号处理效果，分别采用SVM.LVQ与BP神经网络识别信号，对比缺陷识别的准确率。

　　3结语

　　钛合金材料的声学性能受微观组织变化的影响，声速变化区间较小，但衰减系数最大差异达到70%以上且呈现出各向异性，实际检测时应关注这一特征。超声检测信号杂波主要源于晶粒散射，大厚度或高灵敏度检测时，信噪比会严重下降而导致缺陷信号难以识别，杂波信号与缺陷信号的频域分布较为接近，常用的滤波方法效果并不明显。采用小波能量爛表征信号特征，结合SVM丄VQ与BP神经网络区分杂波与缺陷信号，识别准确率达到90%以上，为解决杂波干扰问题提供了一种方法，但在缺陷定量的方向上有待进一步研究。

　　参考文献:

　　[1]王弘，梁菁.史亦伟.等.大型钛合金锻件厚度对超声杂波水平的影响[J].无损检测.2014,36(9):14-18.

　　[2]王柄方，韩赞东，原可义.等.基于时频分析的奥氏体焊缝超声检测信号处理[J].焊接学报.2011,32(5)=25-2&

　　[3]夏小均，徐中明，严涛，等.基于小波嫡的非稳态声品质评价参数研究[J].振动与冲击,2016,35(14):83-88.

　　[4]蹇清平，艾志久.张勇，等.基于支持向量机的油管内外表面缺陷识别方法[J].机械科学与技术,2015,34(1)：118-123.

　　[5]王力，周志杰，赵福均，等.基于BP神经网络和证据理论的超声检测缺陷识别[J].电光与控制,2018,25(1)：65-69.

　　机械方向论文投稿刊物：《焊接学报》是由中国机械工程学会主办、哈尔滨焊接研究所承办的学术期刊。主要刊载焊接科技领域具有国际水平或国内先进水平的优秀学术论文。1980年创刊以来，刊期由最初的季刊发展为现在的月刊，成为在国内外具有一定影响的一级学术刊物。