《激光超声检测技术研究现状国内外文献综述》3100字

激光超声检测技术研究现状国内外文献综述1激光超声标准试块研究冷过渡焊技术（Coldmetaltransfer，CMT）最早由奥地利公司Fronius公司发明，主要用于焊接过程，具有低热输入量、生产出质量好、无飞溅的焊接结构[16-18]，受到工业界的广泛关注和认可。克兰菲尔大学的SteWart教授团队[19-20]将CMT技术引入到增材制造过程中。然而该制造过程易出现气孔、裂纹缺陷，为改善增材制件质量，国内外众多学者开展针对CMT增材制件成形质量评价与工艺参数改进研究。2015年华中科技大学涂世豪ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[21]通过改变脉冲频率、激光功率、焊接速度、脉冲宽度等工艺参数，得到了钛合金脉冲激光焊接的焊缝成形尺寸及焊缝中气孔率与焊接工艺参数的关系。2015年英国克兰菲尔德大学WilliamsADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[22]通过研究基于CMT技术中电弧方式对加成型铝-6.3%铜合金孔隙率的影响，发现电弧模式对气孔率有显著影响，CMT、CMT-P、CMT-ADV、CMT-PADV四种焊接技术中CMT-PADV技术制造几乎没有气孔。2016年天津大学庞杰ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[23]通过研究冷过渡焊与激光脉冲结合的焊接技术（CMT+P）以及金属的从熔融状态到凝固状态行为，发现焊接深度随着传统CMT在一个周期内次数增加而变小规律。2016年上海交通大学的朱晨晓ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[24]在研究铝合金窄间隙横向焊接（NG-GMAW）焊接部位气孔的特征以及形成机理，发现巨型气孔（大于1mm）容易出现在焊接结合部位，同时气孔可以通过要调整焊接参数来改善。2017年大连理工大学的李永涛ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[25]开展Ti-6Al-4V钛合金激光增材制造基础工艺研究，研究成形件内部缺陷产生规律，分析了激光功率、扫描速度、扫描间距、Z轴提升量等工艺参数对成形件内部缺陷和端部轮廓特征的影响，建立了孔隙度和端部轮廓特征尺寸与工艺参数之间的关系模型。西安交通大学的方学伟ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[26-28]研究CMT制造技术，通过改变弧形模式、工艺参数中的送丝速度、扫描速度、保护气体流速对增材制件力学性能、金相组织以及气孔率进行研究，改进了工艺参数。然而激光超声标准试块作为检测系统开发的标尺与重要实验基础，目前美国材料实验协会(AmericanSocietyofTestingMaterials，ASTM)以及国际标准化组织（InternationalOrganizationforStandardization，ISO）尚未有激光超声检测试块标准发布ADDINNE.Ref.{36F8F6DE-DAC5-4221-B278-0FC304AB7F21}[29-32]，而传统的超声波检测试块标准，最小检测当量为0.4mm，难以满足激光超声检测系统高精度检测开发需求。上述研究主要针对基于电弧的增材制造工艺方面的研究，分析了缺陷产生的机理并提出相应的工艺改进方法。但以上研究工作主要是以宏观量（气孔率）作为制件质量评价依据，或电镜进行断面分析，难以对检测对象缺陷特点进行准确描述；而激光超声标准试块是检测系统开发标尺，需要结合检测对象及其缺陷特点进行相应设计。因此，本文围绕检测对象及其缺陷特点，开展激光超声检测系统与激光超声标准试块研究。2激光超声波信号降噪与特征提取研究针对激光超声波信号复杂多模态、宽频带和低信噪比的特点，为得到高信噪比超声波信号，消除声学噪声与非声学噪声对信号的干扰，国内外众多学者开展激光超声波信号处理方法的研究。2013年国防科学技术大学罗玉昆ADDINNE.Ref.{51B33DA5-C4BD-43BA-8255-D218B859A3B8}[33]研究了基于经验模式分解的激光超声波信号时间尺度滤波过程，提出了基于峰度检验策略的时域加窗方法，抑制结构噪声干扰，改善了重构信号质量。2015年福建省锅炉压力容器检验研究院林振超ADDINNE.Ref.{65A47D58-5816-41D8-A846-FF34EE4C874B}[24]选取Daubechies小波函数对超声波信号降噪，获取了焊缝缺陷的原始波形，实现缺陷的定性研究。2016年挪威东南大学的KhimChhantyal等人ADDINNE.Ref.{6092E21B-BDD0-4ACA-94E4-5417D93DB541}[35]利用sym7小波基函数的离散小波方法，对超声波信号进行降噪处理，具有较好的自适应性，能够很好地识别并分离特征信号与噪声成分，提高超声波检测液位高度的精度。2017年华北电力大学的杜必强等人ADDINNE.Ref.{10634841-7712-495A-860A-570C211D1D1D}[36]提出一种变分模态分解和小波能量熵阈值联合降噪的算法，有效去除材料晶粒散射引起的结构噪声。2018年Herlinawati等人ADDINNE.Ref.{78E342EB-E0F9-4E7E-8023-4AF29AD69E32}[37]采用haar小波与软、硬阈值结合的方法，实现超声波信号降噪。2018年哈尔滨工业大学的吴彪ADDINNE.Ref.{5CDC56E0-02F8-48F9-BA97-9E6650E896F2}[38]提出用于超声波信号的降噪、缺陷反射信号稀疏重构以及缺陷定位的新方法，实现低信噪比条件下缺陷位置的准确识别、缺陷反射信号的精确重构、复杂多模式导波信号的重构和缺陷定位。2018年南京邮电大学的杨孟等人ADDINNE.Ref.{3C03B259-F4B6-4BC1-A25E-D9B51F93A31E}[39]采用改进的经验模式分解和小波包的阈值降噪方法，利用小波包分解精细的分析能力和改进的经验模式分解方法对超声波进行降噪，有效去除噪声。2018年中国地质大学罗炎等人ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[40]针对传统阈值函数设定方法的不足，提出一种新的介于软、硬阈值函数之间的改进阈值函数，在去噪效果指标上优于传统算法，提高了信号的信噪比。2019年浙江大学的张锦鹏等人ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[41]将样本熵与经验模式算法结合，利用相关系数对激光超声波信号进行重构，实现了回波信号的增强。上述研究主要针对铸、锻件的超声波检测信号进行降噪与特征提取，并提出相应的优化方法和改进措施，但以上研究未涉及增材制件高散射体（高气孔率）特点，以及超声波信号具有复杂多模态、宽频带、低信噪比特点。本文针对激光超声波信号特点，从激励能量角度出发提高原始信号能量强度，同时对超声波信号中的各模态进行分析，开展单一模态的特征提取研究。3激光超声缺陷定量识别方法研究激光超声检测技术的激励与接收都是通过光学仪器，采集的超声波信号包含近表面缺陷与内部缺陷信息，为实现激光超声检测技术对缺陷的定量识别，国内外众多学者开展激光超声波信号与缺陷定量识别以及可视化研究。2009年美国RuzzeneM[42,43]采用小波包变换与频域滤波融合特征对超声波信号处理，在通过该算法滤除正向入射波信号以后，对缺陷的位置进行了定量的评价。2015年北京航空航天大学周正干ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[44]团队在有限元法的基础上，利用激光激励产生的瑞利波对表面裂纹进行了研究，分析了激光产生的瑞雷波与裂纹相互作用的时域和频域特征，得到缺陷深度与各频带能量关系，并得到实验验证。2015年南京航空航天大学曾伟ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[45]分别将基于Hilbert变换，基于能量分析，基于Wigner-Ville分析法等信号处理方法引入超声波信号中，并对人工预制缺陷的样件进行检测，获得样件中的缺陷形状、大小信息，实现了缺陷图像化。2017年中北大学的郑宾ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[46-48]采用激光激励超声波探头接收的方式，对收集到的信号进行预处理，将小波包变换能量变化率指标应用于缺陷损伤识别，得到缺陷深度与特征量之间的关系。2018年北京航空航天大学孙广开ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[49]利用激光超声检测系统对碳/环氧复合材料中的分层缺陷进行检测，通过缺陷回波信号或试件底面反射回波信号幅度变化对缺陷进行表征，对试件进行激光超声Ｃ扫描检测，得到分层的形状、尺寸和分布特征。2018年南京航空航天王海涛ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[50]团队采用激光超声检测技术对材料表面缺陷进行研究，提出了基于小波包变换的缺陷超声波信号的时域和频域的特征融合算法，并对小波包能量、小波包局部熵等特征进行了特征可视化分析，利用SVM实现对缺陷分类。2019年中国石油大学刘松等人ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[51]以超声回波信号作为神经网络的输入，对基板中的缺陷进行了识别检测，识别率为93.33%。2019年大连理工大学的董珍一等ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[52]采用BP神经网络和激光超声表面缺陷检测技术相结合的方法，提出差异性和最小集合的特征优选原则，实现对0.2～2mm的表面缺陷深度的定量表征。传统合成孔径成像（SyntheticApertureFocusingTechnique，SAFT）方法ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[53-55]是通过收发一体式的超声波探头实现，超声波探头根据规划的扫查路径，向成像区发射信号，根据超声波传播的互异性，对相应检测点接收到的回波进行延时调整、信号叠加和平均处理。南京理工大学沈中华团队ADDINNE.Ref.{35A1BAC9-F84F-4B1E-9270-77E59B895F66}[56,57]研究了基于合成孔径聚焦技术的激光超声无损检测方法，将传统超声的合成孔径聚焦技术与激光超声