摘要：鈦合金材料廣泛應(yīng)用于船舶、航空等領(lǐng)域，通常采用超聲檢測技術(shù)對其原材料與焊接質(zhì)量進行評估，但在大規(guī)格構(gòu)件與微小缺陷檢測時，存在晶粒噪聲導致缺陷信號難以識別的問題。基于水浸超聲技術(shù)測試了典型鈦合金組織的聲學性能，結(jié)果表明其聲速與衰減系數(shù)呈現(xiàn)各向異性，大厚度結(jié)構(gòu)檢測時影響靈敏度的關(guān)鍵因素為散射雜波的干擾。采用小波包能量爛作為特征參數(shù)，分析雜波信號與缺陷信號的特征，通過支持向量機與神經(jīng)網(wǎng)絡(luò)模型分類，缺陷信號的識別準確率達到90%以上。

　　關(guān)鍵詞：鈦合金;散射雜波;小波包能量爛;神經(jīng)網(wǎng)絡(luò)

　　鈦合金材料具有比強度高、耐蝕性好等特性，但材料成本高、焊接與加工難度大，過去只用于制作精密結(jié)構(gòu)件或特殊結(jié)構(gòu)件。近些年材料成型與加工技術(shù)的飛速發(fā)展，為鈦合金的大范圍應(yīng)用提供了技術(shù)支撐，目前鈦合金已成為船舶、航空領(lǐng)域的關(guān)鍵材料。大規(guī)格、復雜結(jié)構(gòu)焊接成為當前鈦合金產(chǎn)品發(fā)展的重要趨勢，由此帶來的鈦合金材料的無損檢測問題也亟待解決。在兼顧適用性、經(jīng)濟性和直觀性的條件下，超聲檢測是多類鈦合金構(gòu)件檢測的優(yōu)先選擇，但其相關(guān)標準多建立在參照鋼制結(jié)構(gòu)的基礎(chǔ)上，在大厚度構(gòu)件檢測、微小缺陷檢測時遇到了挑戰(zhàn)。

　　根據(jù)經(jīng)驗，鈦合金超聲檢測時會存在雜波干擾，且在大厚度檢測或高靈敏度檢測時干擾信號尤為強烈，甚至會完全湮沒缺陷信號。材料微觀組織、被檢構(gòu)件結(jié)構(gòu)、檢測系統(tǒng)等均是引起雜波的重要因素，對此，通常采用優(yōu)化物理結(jié)構(gòu)或信號處理技術(shù)來減少干擾，如采用聚焦探頭、對信號降噪濾波等，但僅在特定條件下的應(yīng)用效果較好⑴。為解決上述問題，筆者重點探討了超聲檢測信號的特征與缺陷識別方法，在結(jié)合鈦合金微觀組織特點探討其聲學性能的基礎(chǔ)上，分析了其信號特征并提取特征參數(shù)，建立了非線性分類模型,通過樣本訓練實現(xiàn)了雜波與缺陷信號的分類,為大規(guī)格、高靈敏度超聲檢測提供了一種新思路。

　　1信號特征分析

　　1.1鈦合金聲學性能

　　鈦合金組織一般分為等軸、雙態(tài)、網(wǎng)籃與魏氏等4類，其組織由a相、p相構(gòu)成，a相和卩相的比例與形態(tài)不僅決定了材料的性能，且對超聲波的聲學性能有直接影響。超聲波聲速與衰減系數(shù)是超聲檢測中必須關(guān)注的材料聲學特性參數(shù)，亦是保證缺陷定位與定量精度的基礎(chǔ)。選擇TC4鈦合金為研究對象，制備等軸、雙態(tài)、網(wǎng)籃與魏氏組織試塊各1塊，采用水浸超聲C掃描進行試驗，測試各試塊的超聲波信號并計算聲速與衰減系數(shù)。

　　試塊規(guī)格(長X寬X厚)為300mmX90mmX40mm,加工精度為±0.02mm,3個尺方寸向分別定義為工，)和s分別對這3個尺寸方向進行試驗。試驗采用頻率為5MHz的平面探頭，水層厚度大于近場區(qū)，采樣率為200MHz,采用柵格掃查分別獲取3個尺寸方向的超聲信號，每個方向50個采樣點。利用固定厚度下的絕對時間差、幅值衰減量，分別計算縱波聲速與衰減系數(shù)，為減小誤差，以50個采樣點的計算平均值為最終結(jié)果。

　　根據(jù)試驗，鈦合金縱波聲速與微觀組織并不存在絕對的對應(yīng)關(guān)系，聲速范圍為6098-6226m-s"1,變化區(qū)間相對較小且呈現(xiàn)微弱的各向異性，材料組織不均勻引起的聲速變化對缺陷定位的影響很小。不同組織間的超聲縱波衰減系數(shù)則差別較大.網(wǎng)籃與魏氏組織的衰減系數(shù)明顯大于等軸與雙態(tài)組織的，且均呈現(xiàn)明顯的各向異性，實際檢測時能量衰減、缺陷定量應(yīng)關(guān)注這一因素。

　　1.2超聲信號特征

　　鈦合金超聲檢測中的干擾雜波主要源于材料內(nèi)的晶粒散射，尤其在采用高頻率、高靈敏度檢測時尤為顯著。除受被檢材料本身組織的影響外，雜波信號亦與檢測頻率、檢測厚度等其他參數(shù)存在一定關(guān)系，為等徑平底孔信號在不同深度下的信噪比變化，不同脈沖電壓下的信噪比變化。檢測深度增大時，平底孔信號信噪比總體呈下降趨勢，平面探頭的信噪比在近場區(qū)內(nèi)會有波動，聚焦探頭的信噪比在焦點附近最高,且隨深度增大迅速減小;脈沖電壓幅值增大時，雖然超聲波能量增強，但散射雜波隨之增強，信噪比并無明顯變化。

　　2缺陷信號處理

　　2.1特征參數(shù)提取

　　特征參數(shù)是信號評定的依據(jù)，在復雜信號識別中，特征參數(shù)的選擇尤為重要。而在雜波干擾嚴重的鈦合金超聲檢測信號中，時域中的幅值、波寬等參數(shù)已不適用于表征缺陷信息，故文章采用小波分析與能量爛結(jié)合的方式提取數(shù)據(jù)段的特征參數(shù)。小波分析的窗函數(shù)可變化，具有多分辨率分析的特點，特別適合于弱突變信號的處理，利用該特點對缺陷信號進行分解能獲得豐富的缺陷信號細節(jié)特征。小波能量爛是在信息爛的基礎(chǔ)上演變而來的，在非平穩(wěn)信號處理中具有良好的應(yīng)用效果，常用于描述系統(tǒng)復雜程度或表征突變信號。

　　2.2缺陷識別

　　在將分段信號分解為8個特征參數(shù)的基礎(chǔ)上，缺陷的評判已轉(zhuǎn)換為多參數(shù)模式識別問題，目前常用的方法主要有支持向量機(SVM)和神經(jīng)網(wǎng)絡(luò)。支持向量機基于統(tǒng)計學習理論，通過建立一個分類超平面,作為決策平面近似實現(xiàn)結(jié)構(gòu)風險最小化;而神經(jīng)網(wǎng)絡(luò)采用模擬大腦神經(jīng)元的方式組成非線性、自適應(yīng)信息處理系統(tǒng)。SVM本質(zhì)上為一個二分類器.利用核函數(shù)代替高維空間映射解決非線性問題,理論完善且通用性好，但在多分類和大規(guī)模樣本訓練時存在困難⑷。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間通過權(quán)系數(shù)相連接.信息分布式存儲于權(quán)系數(shù)中，具有容錯性高、抗干擾能力強的特點旳。為達到滿意的信號處理效果，分別采用SVM.LVQ與BP神經(jīng)網(wǎng)絡(luò)識別信號，對比缺陷識別的準確率。

　　3結(jié)語

　　鈦合金材料的聲學性能受微觀組織變化的影響，聲速變化區(qū)間較小，但衰減系數(shù)最大差異達到70%以上且呈現(xiàn)出各向異性，實際檢測時應(yīng)關(guān)注這一特征。超聲檢測信號雜波主要源于晶粒散射，大厚度或高靈敏度檢測時，信噪比會嚴重下降而導致缺陷信號難以識別，雜波信號與缺陷信號的頻域分布較為接近，常用的濾波方法效果并不明顯。采用小波能量爛表征信號特征，結(jié)合SVM丄VQ與BP神經(jīng)網(wǎng)絡(luò)區(qū)分雜波與缺陷信號，識別準確率達到90%以上，為解決雜波干擾問題提供了一種方法，但在缺陷定量的方向上有待進一步研究。

　　參考文獻:

　　[1]王弘，梁菁.史亦偉.等.大型鈦合金鍛件厚度對超聲雜波水平的影響[J].無損檢測.2014,36(9):14-18.

　　[2]王柄方，韓贊東，原可義.等.基于時頻分析的奧氏體焊縫超聲檢測信號處理[J].焊接學報.2011,32(5)=25-2&

　　[3]夏小均，徐中明，嚴濤，等.基于小波嫡的非穩(wěn)態(tài)聲品質(zhì)評價參數(shù)研究[J].振動與沖擊,2016,35(14):83-88.

　　[4]蹇清平，艾志久.張勇，等.基于支持向量機的油管內(nèi)外表面缺陷識別方法[J].機械科學與技術(shù),2015,34(1)：118-123.

　　[5]王力，周志杰，趙福均，等.基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的超聲檢測缺陷識別[J].電光與控制,2018,25(1)：65-69.

　　機械方向論文投稿刊物：《焊接學報》是由中國機械工程學會主辦、哈爾濱焊接研究所承辦的學術(shù)期刊。主要刊載焊接科技領(lǐng)域具有國際水平或國內(nèi)先進水平的優(yōu)秀學術(shù)論文。1980年創(chuàng)刊以來，刊期由最初的季刊發(fā)展為現(xiàn)在的月刊，成為在國內(nèi)外具有一定影響的一級學術(shù)刊物。