林乃昌,杨晓翔,林文剑,林挺翔,詹叶玉生
(1.福州大学机械工程及自动化学院,福建福州 350108;2.厦门市特种设备检验检测院,福建厦门 361000;3.福州大学 石油化工学院,福建 福州 350108)
超声波时差衍射法(TOFD)是一种依靠从待检试件内部结构(主要是指缺陷)的“端角”和“端点”处得到的衍射能量来检测缺陷的方法,用于缺陷的检测、定量和定位.由于超声波TOFD具有检测速度快、可靠性好、操作简单等优点,近年来该方法在焊接结构的检测中取得了较快的发展[1-5].但是该方法也存在自身的技术缺陷,主要是近表面缺陷检测的可靠性和准确性不高.对于上表面缺陷,由于缺陷位置与信号接收时间(差)并非线性关系,这导致在A扫描线的时间轴上,越靠近直通波端,对应工件真实位置的分布越密集,且超声波TOFD信号的脉冲时宽通常为超声纵波波长的1.5到3.0倍,使得直通波信号在图谱上显示一定的“拖尾”现象.因此,近表面的缺陷信号常常被掩盖在工件的直通波信号中而无法辨别,导致缺陷信号可能隐藏在直通波信号下而漏检[6-7].针对超声波TOFD图像近表面盲区问题,迟大钊[8]又从图像处理角度试图利用自适应滤波技术提取和直通波混叠的近表面缺陷波,提出一种图像能量分布法.该方法简单实用,在一定程度上提高了近表面缺陷的辨识能力,但受待处理图像的成像质量影响很大.陈伟等[9]为了能够精确定位并识别出近表面缺陷在低合金厚板对接焊缝中的位置,提出了基于峰值检测算法的直通波拉直技术,并在直通波拉直的基础上引入了基于A扫描线能量分布算法的直通波消除技术.实验结果显示,该技术有效地提高了对近表面缺陷的识别能力,但对近表面缺陷信号与背景信号能量分布相当的情况分辨力较差.Ido等[10]提出了one-skip法,利用超声波TOFD纵波二次反射的方法检测近表面缺陷.当探头间距是试块厚度的4倍时,能将直通波和缺陷衍射信号有效地区分开来.该方法利用二次反射波到达表面时间较长的特点,有效地减小了表面盲区.由于到达时间较长,也有效地提高了表面盲区的测量精度和检测分辨力,但探头接收到的信号包括多次波型转换后的信号,分析起来较复杂.盛朝阳等[11]提出了一种基于分水岭的超声波TOFD检测图像分割方法.该方法采用带控制标记的分水岭变换实现了对图像缺陷信号的分割,解决近表面缺陷检测问题,但是对于含有多个缺陷的图像进行分割时,不但需要更多的先验知识,而且易造成过分分割.
针对超声波TOFD图像近表面盲区问题,本文根据超声波传播时间和深度的关系,提出了通过超声波TOFD图像重构新方法将超声波TOFD图像中深度与时间的非线性关系转换为线性关系.通过超声波TOFD图像的重构,使其纵坐标方向直接显示为深度以减小测量误差,并利用基于峰值的直通波拉直法实现图像的拉直,以减小抖动造成的不必要影响.
对于超声波传播时间t和深度d的关系,可以通过图1a来解释.它是一个气孔缺陷的深度计算图,将发射探头和接收探头置于缺陷的两端,并使缺陷位于两探头的中垂线上,两探头的间距为2S,缺陷的深度为d,超声波在试件中的传播速度为c.图1b中,LW表示直通波,BW表示底面反射波,t1为到达直通波的传播时间,t2为到达底面反射波的传播时间.超声波的传播时间t可以通过下式计算:
整理得
图1 气孔缺陷的深度计算图Fig.1 Diagram of depth calculation for porosity defect
从式(2)可以看出,在超声波TOFD检测中深度和时间的关系不是线性的,因此在近表面区域,信号在时间上的微小变化转换成深度就变化很大,即深度测量误差随着接近表面而迅速增大.由于直通波的存在和不断增大的深度误差,超声波TOFD对近表面缺陷探测的可靠性和准确性不高.因此,针对超声波TOFD图像的深度和时间之间的关系,通过超声波TOFD图像重构,将图像深度和时间转换为线性关系,利于更直观地判读表面缺陷,减小测量误差.
根据式(1),对于直通波,d=0,那么直通波的传播时间
根据式(1),对于底面反射波,d=D,D为试块的厚度,那么底面反射波的传播时间
综合式(1),(3)和(4),从原有的超声波TOFD图像求出缺陷的t1和t2.通过选取不同的时间t,求出相应的d/D,并获取相应时间的灰度值,最后根据d/D和相对应的灰度值实现图像的重构.可得到试块上各点的深度与传播时间的关系如下:
由于人为抖动、试块不平滑等原因,超声波TOFD的D扫描图像会出现直通波不一致问题.如果未对直通波进行拉直,重构图像也依旧会出现这一问题.对于重构图像的拉直,本文尝试求出每一列A扫描信号的t1和t2,并根据式(5)实现图像重构.但这种方法存在一个局限性:如果超声波TOFD图像的缺陷波与底面反射波混叠,这样便无法提取混叠A扫描信号的t2,无法实现图像的拉直.因此,提出基于峰值的方法来实现直通波拉直.
基于峰值捕捉和阈值处理相结合的直通波拉直技术,是通过峰值捕捉提取每列信号即A扫描信号的峰值,并通过阈值处理去除由于噪声或者其他因素所造成的小峰值,最后通过各列第一个峰值的比较来拉直直通波.具体步骤如下:
(1)峰值捕捉.将图像转变成矩阵 X=[X1,X2,…,Xi,Xi+1,…,Xn],Xi(τ)代表图像的一列信号即A扫描信号,τ为时间即图像的纵坐标.对于每个A扫描信号Xi,若Xi(τ)>Xi(τ-1)且Xi(τ)>Xi(τ+1),那么τ为这列信号的正峰值时间,若Xi(τ)<Xi(τ-1)且Xi(τ)<Xi(τ+1),那么τ为这列信号的负峰值时间.通过峰值捕捉处理,可以得到A扫描信号Xi的峰值时间Ti={τi1,τi2,…,τim}.
(2)阈值处理.通过阈值处理去除由于噪声或者其他因素所造成的小峰值,设置一个阈值M,对于τ∈Ti,若|Xi(τ)-μ(Xi)|>M,其中 μ(Xi)为均值,则认为τ为信号的有效峰值时间,并将各列信号的最小有效峰值时间组成向量 T=(τ1,τ2,…,τn).
(3)τm为向量T的平均值,以τm为参考时间,那么每条A扫描信号最小有效峰值时间与参考时间的时差Δτ=τi-τm,这也是拉直直通波所需的A扫描信号平移量.直通波拉直的A扫描信号平移操作如下:
式中:X'i(τ)为平移后的A扫描信号,Xi(τ)为平移前的A扫描信号.
综上所述,图像重构算法如下:
(1)通过峰值捕捉以及阈值处理求出各列信号的最小有效峰值时间向量T以及其平均值τm、时差Δτ,并实现直通波的拉直.
(2)对拉直图像的各列无缺陷信号进行处理,求出各列无缺陷信号的直通波传播时间以及底面反射波传播时间,并分别进行平均化处理,获得t1以及t2.
(3)分解超声波TOFD图像为各列A扫描信号,每一列信号均为传播时间与灰度的关系,根据已知的t1和t2,通过式(5)得到各列深度与灰度的信号曲线,重组各列信号,即可获取重构图像.
图2为一张底面开口裂纹的超声波TOFDD扫描图像.经过图像重构处理,结果如图3所示.与图2相比,图3主要有两个变化:①重构图像的起始位置是直通波,这是由于原始图像的纵坐标是超声波传播时间,并且直通波被接收需要一段时间,而重构图像的纵坐标是深度,直通波的起始位置便是图像的起始位置,也就是深度为零的时候;②重构图像直通波的纵向宽度明显增大,这点可通过式(7)和(8)来解释.对式(5)两边求导,可得
即
图2 原始图像Fig.2 Original image
图3 重构图像Fig.3 Reconstructed image
对图2进行拉直重构处理,结果如图4所示.与图3相比,图4不但可以直观显示缺陷的深度以及近表面盲区范围,而且对于扰动造成的直通波出现不一致问题也得到有效解决,有利于图像的进一步研究.
图4 拉直重构图像Fig.4 Straightened reconstructed image
考虑到近表面缺陷易与直通波混叠,实际缺陷图像的直通波波动比较大,为了验证拉直重构算法的实用性,进一步对近表面缺陷图像和实际缺陷图像进行处理.图5和6分别是近表面缺陷图像和实际缺陷图像.分别经过拉直重构处理,处理结果如图7和8所示.由结果可以得到,该拉直重构算法可以实现近表面缺陷图像和实际缺陷图像的直通波拉直和重构,可以直观显示缺陷的深度以及近表面盲区范围.
通过拉直重构算法对探头中心距较大的缺陷图像进行处理,得到的处理结果如图10所示.比较图2和4和图9和10,可以发现探头中心距较大的缺陷重构图像直通波宽度变化更为明显,也就是说探头中心距较大的缺陷图像近表面盲区深度较大,这可以通过式(9)来解释.当直通波脉冲时间宽度tp固定时,盲区的深度DZ随着探头中心距的增大而增大.
图5 近表面缺陷图像Fig.5 Near-surface defect images
图6 实际缺陷图像Fig.6 Actual defect image
图7 近表面缺陷重构图像Fig.7 Reconstructed image of near-surface defects
图8 实际缺陷重构图像Fig.8 Reconstructed image of actual defects
图9 探头中心距较大的缺陷图像Fig.9 Defect image of the larger probe center spacing
图10 探头中心距较大的缺陷重构图像Fig.10 Reconstructed defect image of the larger probe center spacing
(1)根据超声波传播时间t和深度d的关系提出的超声波TOFD重构方法,有效地将超声波TOFD图像中时间和深度的非线性关系变换为线性关系,更有利于判读表面缺陷,也有效地减小了测量误差.
(2)基于峰值捕捉和阈值处理相结合的直通波拉直技术,更有利于提取混叠在直通波中的缺陷,有效地解决近表面盲区问题.
[1]BABY S,BALASUBRAMANIAN T,PARDIKAR R J,etal.Timeof-flight diffraction(TOFD)technique for accurate sizing of surface-breaking cracks[J].Insight Non-Destructive Testing and Condition Monitoring,2003,45(6):426 -430.
[2]GANG T,CHID Z.Novel approach to the enhancement of ultrasonic TOFD B-scan image for themeasurement ofweld crack[J].Science and Technology ofWelding and Joining,2007,12(1):87 -93.
[3]林乃昌.基于变型波的超声TOFD近表面检测新方法[J].机电工程,2013,30(8):967 -970.
LIN Naichang.A new near surface detectionmethod of ultrasonic TOFD based on transformed wave[J].Journal of Mechanical &Electrical Engineering,2013,30(8):967 -970.
[4]迟大钊,刚铁,姚英学,等.一种基于超声TOFD法的近表面缺陷检测模式[J].焊接学报,2011,32(2):25-28.
CHI Dazhao,GANG Tie,YAO Yingxue,et al.Mode for near surface defect detection based on ultrasonic TOFD[J].Transactions of the China Welding Institution,2011,32(2):25 -28.
[5]VEIGA JL B C,DE CARVALHO A A,DA SILVA I C,et al.The use of artificial neural network in the classification of pulseecho and TOFD ultrasonic signal[J].Journal of the Brazilian Society of Mechanical Sciences and Engineering,2005,27(4):260-265.
[6]AL-ATABY A,AL-NUAIMYW,BRETTC R,et al.Automatic detection and classification ofweld flaws in TOFD data usingwavelet transform and support vector machines[J].Insight Non-Destructive Testing and Condition Monitoring,2010,52(11):597 -602.
[7]CHID Z,GANG T,GAO SS.Background removal and weld defect detection based on energy distribution of image[J].China Welding,2007,16(1):14 -18.
[8]迟大钊.基于超声TOFD法的焊缝缺陷表征研究[D].哈尔滨:哈尔滨工业大学,2007.
CHI Dazhao.Research on characterization of weld defect based on ultrasonic TOFD[D].Harbin:Harbin Institute of Technology,2007.
[9]陈伟,詹红庆,杨贵德,等.基于直通波抑制的超声TOFD图像缺陷检测新方法[J].无损检测,2010,32(6):402 -405.
CHEN Wei,ZHAN Hongqing,YANG Guide,et al.A new defect detection method of ultrasonic TOFD image based on through wave suppression[J].Non-Destructive Testing,2010,32(6):402-405.
[10]IDO N,HATANAKA H,ARAKAWA T,et al.Examination of flaw detection near the surface by the ultrasonic TOFD method[J].Key Engineering Materials,2004,270(1):378 -383.
[11]盛朝阳,刚铁,迟大钊.基于分水岭方法的超声TOFD检测图像分割[J].机械工程学报,2011,47(8):35 -40.
SHENG Zhaoyang,GANG Tie,CHIDazhao.Segmentation of ultrasonic TOFD testing image based on watershed method[J].Journal of Mechanical Engineering,2011,47(8):35 -40.