【《激光超声表面波定量检测实验分析案例》3800字（论文）】

激光超声表面波定量检测实验分析案例1.1实验系统与试件实验系统如图3.8（a）所示，系统包含了激光器、聚焦透镜、干涉仪、调理电路。点光源聚焦尺寸小，分辨率高，因此本文采用点激光光源作为激励源。该系统通过单片机来控制扫查振镜的偏转来实现点源的扫描，扫描范围能覆盖整个裂纹长度，如图3.8（b）所示。扫描表面形状为正方形，大小是10mm*10mm，扫描点之间的距离Δ=0.2mm，扫描点的数量是51x51个，每组数据的总长度是2601。其中，接收点到裂纹中心的距离为L=20mm。激光激励源和干涉仪到钢轨表面的垂直距离分别为300mm和100mm，为完全非接触式检测。激光器重复频率为20Hz，采集卡对应的采样频率为250MHz，为了提高信噪比，每组数据在采集时作了十倍平均。激光超声无损检测系统的相关参数也如表3.2所示。实验对象为携带多个不同长度斜裂纹的1m长的A60型钢轨，采用线切割斜裂纹代替RCF斜裂纹。设有四条不同长度的斜向裂缝，均与水平方向呈45°，长度分别为1#（1.41mm）、2#（2.83mm）、3#（4.24mm）和4#（5.66mm），四个裂缝的深度和宽度分别为0.8mm和0.3mm，具体如图3.9所示。 图3.SEQ图3.\*ARABIC8面扫查式激光超声表面波钢轨表面裂纹实验系统表3.SEQ表3.\*ARABIC2激光超声检测系统相关参数参数激光器Nd:YAG脉冲激光器,1064nm光斑直径0.8mm激光能量75mJ/pulse上升沿时间8ns脉冲重复频率20Hz干涉仪562nm连续激光器干涉仪功率1W扫查范围10*10mm2扫描分辨率0.2mm图3.SEQ图3.\*ARABIC9钢轨轨距角人工滚动疲劳裂纹试件示意图1.2实验结果分析图3.10为在第87个激光激励点对应采集到的原始信号。在图3.10（a）中，出现在9.3us左右的信号为表面波信号，图3.10(b)为信号对应的频率分布。由于干涉仪检测到的有效信号带宽为0~25MHz，因此选取了该范围内的信号。图3.11为信号的Wigner时频分布图，可以看出，表面波的能量主要集中在1000Hz-10MHz。因此，对10MHz以上的信号进行带通滤波。滤波后信号的时域信号和频域信号图如图3.12所示，信号的噪声得到了较大的抑制，激光超声表面波信号也更加清晰。（a）(b)图3.SEQ图3.\*ARABIC10第87个激励点的原始信号（a）时域图（b）频域图图3.SEQ图3.\*ARABIC11第87个激励点对应的Wigner时频分布图（a）(b)图3.SEQ图3.\*ARABIC12第87个激励点的带通滤波后的信号（a）时域图（b）频域图但是，在滤波后的超声信号中仍然还存在很多噪声干扰，使得部分振幅特征信息被覆盖。为了尽可能的提高信号的信噪比，更好地提取信号特征，本文首先采用VMD对信号进行去噪，如图3.13所示。IMF分量k的选取上，当k=3,k=4时，信号分解后差别不大，为了提高计算速度，最终选择K为3。二次惩罚因子α值从10000-100000中选择，当α=2000时，效果是最好的。图3.13为VMD对滤波后的信号进一步分解后的时域频域信息。图3.13(a)为分解后的时域信息，其中IMF2是噪声较大的超声信号，有效信息被淹没；IMF3的振幅信息较低，不能用于更有利的分析；IMF1是与原始信号最相似的信号，表面波也信号明显。另外，在图3.13(b)中，IMF2分量的能量集中在3-6MHz,IMF3分量的能量集中在5-10MHz。是带有高频噪声的超信号，而IMFl分量的能量集中在0-2MHz，与所需要的激光超声波表面波的频率一致。（a）(b)图3.SEQ图3.\*ARABIC13第87个激励点VMD分解后的信号（a）时域图（b）频域图为了更好的评价VMD的信号分解效果，选择最优的IMF分量，计算其信噪比和相关系数特征(C)，公式如下:(3.11)(3.12)式3.11中，A为表面直达波信号的最大幅值，B为局部噪声幅值的平均值，如图3.12中红色虚线框所示。式3.12X中，X是IMF分量信号，Y是原始信号。经过计算，各信号的信噪比如表3.2所示，相关系数如表3.4所示。可以看出，Fir1滤波后的信号信噪比有所提高，IMF1分量经过VMD分解后信噪比达到最大。且IMF1分量的C值最大，因此，本文选择了所有信号的IMF1分量用于后续可视化精准定量分析。表3.SEQ表3.\*ARABIC3不同信号的信噪比信号原信号Fir1滤波IMF1IMF2IMF3SNR/dB7.1310.1711.9210.3810.29表3.SEQ表3.\*ARABIC4不同分量信号与原信号的相关系数IMF分量IMF1IMF2IMF3相关系数(C)0.870.560.30基于以上信号处理，本节继续分析了不同激励位置处在有无裂纹时超声信号的变化。以长度1.41mm的斜裂纹为分析对象，选取扫描区域中的3个激励点a(点659)、b(点654)、c(点649)，进一步验证激光超声面波检测原理，如图3.14所示，其中a点在裂纹右侧1mm处，与接收点同侧，以表面直达波与反射波信号为主。c在裂纹左侧，与接收点异侧，以透射波信号为主。激发点b刚好在裂纹上。此外，为了对比有无裂纹时超声信号变化对比，在无裂纹时，取a’、b’、c’三个激励点的超声信号，分别对应有裂纹时激励点a、b、c位置采集的信号。图3.SEQ图3.\*ARABIC14有无裂纹时不同激励位置示意图各激励点对应的时域和频域信号如图3.15所示，在激励点a,a’的时域图中，在没有裂纹影响的情况下，只接收到直达表面波。而存在裂纹时，理论上的表面波信号包含了直达波信号和反射波信号，其中反射波信号到达时间略晚于直达波信号，直达波信号时间和幅值大小一致。但由于激发点a与裂纹间隔1mm，表面波波速约3000m/s，此时反射波与直达波几乎同时到达接收点，反射波与直达波干涉叠加，在时域图显示上，幅值略高于无裂纹a’对应的直达波信号。在a,a’点的频域图中，a点的信号频率信息更丰富，频带更宽，但a和a’信号之间的振幅差很小，结果表明，反射波在频域的变化主要反映在频带上。在激励点b、b’的时域图中，同样地b'位置处没有裂纹的干扰，干涉仪接收到的直接是直达波信号。而在位置b中，如仿真所述，一部分表面波信号直接被干涉仪接收，一部分被裂纹阻挡。因此，与b’信号相比，表面波的幅值信号更小，且由于裂纹的干扰，到达时间滞后。在b、b‘点的频域图，b的中心频带略窄于b，而幅值远小于b’，说明它们的信号差异主要体现在幅值上。在激励点c、c’点的时域图中，c’点对应的是无裂纹时的直达波信号，点c对应有裂纹时的透射波信号。c由于裂纹的阻碍，表面波信号不能全部绕射到干涉仪接收点。与c’信号相比，在c位置激励时，干涉仪只能接收到c’激励下的一部分表面波信号，信号幅度被明显衰减，并且到达时间延迟。在c、c’的频域图中，透射波c的频带略窄于c'，中心频率小于c'，最明显的是，c的振幅要比c'小得多，因此，透射波的信号在频域中的变化也主要体现在信号幅值上。图3.SEQ图3.\*ARABIC15有裂纹和无裂纹在相同激励位置对应的超声信号进一步分析了有损情况下，不同激励位置同一接收位置时，表面波在时域以及频域图中的变化情况。如图3.16所示，为a、b、c位置处激励时的时域图和频域图，反映了不同位置激励下表面波与裂纹之间存在的交互关系。反射波与透射波幅值差异明显，而在裂纹位置b处激励的信号幅值介于反射波与透射波之间，利用激励点b点信号的特殊性，可以对裂纹进行粗略定位。对a、b、c信号进行进一步的FFT变换后，发现在频域上，不同激励位置下的信号差异明显；虽然信号频带集中在0~4MHz之间，但透射波和反射波的振幅和带宽差异较大，透射波的幅值远小于反射波。通过以上实验分析可知，不同激励位置表面波振幅和时间的变化对表面裂纹有较强的敏感性，可以基于该特征进一步实现表面裂纹的可视化。图3.SEQ图3.\*ARABIC161.41mm裂纹试件不同激励位置对应表面波信号的时域图与频域图在上述信号处理分析的基础上，根据各位置信号的时间特征和幅值特征，对整个扫查面进行声场传播成像，本文将原信号的扫描成像结果与VMD去噪后的成像结果进行对比。图3.17（a）是1.41mm裂纹原始信号的图像，选取不同时刻的超声传播成像图，分别为195帧、500帧。195帧时刻还没遇到裂纹，主要为直达波信号，表面波稳定向前传播。在第500帧时，超声表面波遇到了裂纹，一部分超声信号继续沿着裂纹边缘传播形成透射波；同时部分被散射成为反射波与原信号发生干涉。但是，图3.17（a）原始信号的声场成像结果中，可以显示超声波与裂纹的相互作用过程，但噪声信号与裂纹信号的干扰更多，只能显示单一的传播波纹。表面波在遇到裂纹时有明显的反射，但透射波信号不清晰，裂纹成像效果不够直观，无法显示裂纹的大小和具体位置，可视化效果比较粗糙。图3.17（b）为处理后1.41mm裂纹IMF1分量信号的成像结果。第195帧的图像与原始信号的第195帧对应，均为无裂纹时的直达波信号。最亮和最暗的颜色分别代表表面波信号的波峰和波谷。经过VMD处理后，大部分淹没在噪声中的信号都能直接显示在图像中，反映在大量的波纹中，且波纹色带更清晰，色带的平滑度更高。在第500帧时，可以清楚地看到表面波在裂纹处发生反射，如红色椭圆线内，部分表面波信号绕过裂纹形成透射波。此外，在第500帧的波场传播图中，裂纹的位置和大小也可以粗略进行定位和定量计算，以上结果进一步表明了VMD算法在激光超声可视化检测中的有效性。图3.SEQ图3.\*ARABIC17a.原始数据在不同刻的成像结果b.VMD处理后不同时刻的成像结果在获得降噪的信号波场传播图后，进一步对超声时域信号中每一时刻幅值的绝对值进行叠加，并对图像进行插值处理，得到超声能量叠加图，如图3.18所示。在能量叠加图中可以清楚的看到裂纹的具体位置、倾斜角度以及长度信息，但由于背景噪声的存在，裂纹轮廓相对模糊，无法精准定量裂纹的顶点和末点对应的坐标。因此，采用简单的阈值处理，利用Sobel边缘检测的图像特征提取技术提取出像素变化大的边缘。四组数据经过处理后的边缘提取结果如图3.19所示，可进一步定量检测裂纹尺寸。从边缘检测图中也可以发现，裂纹越小，背景噪声越多，说明越小的裂纹检测难度也越高，裂纹越大，检测效果也越好。从结果图中可以清晰看出裂纹与X轴都呈45°角，裂纹宽度分别为W1=0.32mm，W2=0.32mm，W3=0.31mm，W4=0.31mm。裂纹长度LA1B1=1.396mm，LA2B2=2.810mm，LA3B3=4.226mm，LA4B4=5.638mm，长度定量误差小于4%