轴类超声检测的波束扩散成像∗

张 琪 胡 斌 陈 乐 原可义

(1 中国计量大学机电工程学院 杭州 310018)

(2 中国特种设备检测研究院 北京 100029)

0 引言

轴类部件是各种机械设备中最常用的承载或动力传递部件，该类工件的在役损伤会导致机器剧烈振动，增加其他部件损伤的概率，甚至会引起设备的整体失效。因此，对轴类工件进行缺陷检测与工况诊断是非常必要的。超声检测技术是工业无损检测领域的重要方法，超声检测穿透力强、灵敏度高，且成本低、速度快，可检测长达数米的大型钢锻件，因此超声波无损检测方法适合对轴类进行检测[1−2]。

近年来，国内外有关大型轴类检测和超声信号处理成像的研究成果显著。在大型轴类检测方面，张开良等[3]设计了旋转式探头推进系统对空心轴类进行检测，该系统可对轴类内部及外表面的纵向缺陷、横向缺陷等进行检测，检测结果表明该方法灵活度高。牛卫飞等[4]采用线性探头的相控阵检测游乐设施轴类模拟试件，对比不同频率探头在轴端面检测缺陷的效果，实验结果表明该方法可以检测出长度为1 m的轴表面的细小人工缺陷。在超声信号处理成像方面，宋雨珂等[5]通过超声ALOK方法检测轴类零件内部小孔缺陷，其改进的算法提高了对缺陷位置和尺寸的检测精度。Holmes 等[6]提出了全矩阵聚焦成像算法，采用多通道技术表征材料内部缺陷的几何特征，其成像质量明显优于传统相控阵偏转聚焦成像算法。Schickert[7]采用超声检测混凝土，通过二维切片构建出混凝土构件中的缺陷图像。鉴于大型轴类端面检测的特殊性，本文采用计算机层析成像(Computer tomography,CT)以切片方式构建轴类构件中的缺陷图像。

本文以直轴为实验对象，制作了直轴超声检测试块，搭建轴类超声检测试验平台，在端面对其内部的平底孔缺陷进行检测，研究了超声波在轴类内部的传播过程，获得了不同频率的深度-幅值信号图；提出了基于波束扩散的叠加算法处理超声数据，并对处理数据进行层析成像，提高了数据的信噪比，为研究大型轴类缺陷超声检测和缺陷成像提供了一种可行的方法。

1 原理与方法

1.1 大型轴类部件的端面C扫描检测方法

大型轴类部件安装完成后难以拆卸，通常从其端面进行检测，采用网格化数据采集，按照C扫描的方式进行成像，由于检测深度较大，通常对检测结果进行分层成像。C扫描网格化示意图如图1所示。

图1 C扫描网格化示意图Fig.1 The gridding diagram of C-scan

超声检测信号的常规处理方法是对所获得的时域回波信号w(n)进行空间上的声程转化处理，从而转化为深度信号，即二分之一声程上的回波信号。声波示意图如图2所示，图中z为工件长度，p代表超声信号在检测物体内部声波发射返回所经历的声程，2倍z为经过工件底面反射的声程，声波走时t为经历该声程所用的时间；z1表示工件内部缺陷距离扫查端面的深度，2倍z1为经过缺陷反射的声程p，走时t1为经历该声程所用的时间，h代表横截面分层厚度。若超声在检测物体中的声速为cL，将时域信号w(n)转变为声程上的空间采样信号w(z)的计算公式为

C扫描成像所显示的是工件某一深度的横截面图像，其成像依据是设定该深度横截面分层走时时间阀门[t− t+]，从回波信号w(n)中根据走时时间阀门挑选出某一深度z1的信号，则w(z1)=max(t− t+)。示意图如图2所示，分层走时时间计算公式为

图2 声波反射示意图Fig.2 The picture of acoustic reflection

1.2 考虑波束扩散角的端面C扫描检测方法

上述C扫描检测方法假定了探头接收的反射信号来自探头覆盖范围正下方中线附近。然而在实际检测中，超声波波源辐射的波束并不是在波源覆盖范围内笔直辐射，而是以特定的角度向外扩散，并且波束扩散并非从波源起始点开始，而是分为一个未扩散区b和一个扩散区，同时会存在一个与波源轴线的半扩散角θ，波束未扩散区和扩散区的理想化扩散形状如图3所示[8−9]。

图3 波束未扩散区和扩散区Fig.3 The beam non-diffusion zone and diffusion zone

在波束未扩散区b内，各截面平均声压幅度基本相同，b以外的扩散区内，各截面的声压幅度从轴线向两侧会有所下降[10]。描述声场分布有两个主要指标，分别为主瓣宽度和旁瓣幅度。主瓣宽度是指两侧的声场幅值相对声束轴线方向上的极大值下降3 dB的宽度，该宽度值越窄，成像侧向分辨率越高，故选择波束幅值下降3 dB来计算波束的半扩散角。假设超声波波长为λ，圆形晶片(直径为D)的声压幅度从轴线上的最大值分别下降3 dB时，其波束的半扩散角为

根据脉冲回波信号中反射回波的走时t计算出对应反射面沿待测工件轴向与扫查端面的距离z，z=t·cL/2，在该反射面，声束的扩散距离M=z·tanθ，声束覆盖圆区是直径为2M的圆形区域，其圆心以下称为覆盖圆圆心，是探头中心在反射面所在工件内部横截面上的投影。

波束扩散距离和覆盖圆区示意图如图4所示，以h(mm)作为每个横截面切片的深度，并把横截面切片按照端面网格划分的方式进行相同的网格划分。设检测物体纵向深度为z(mm)，端面探头D所覆盖的网格坐标为(x,y)，检测声束的扩散边界与声束中轴线之间的距离为扩散距离M。此处以声束向外扩散两格网格为例，由于横截面切片是有深度的立方体，故设声波从端面到达正下方z1(mm)层网格上表面的最近距离，其声波发射返回声程为p1，声波到达该网格底面边界为最远距离，其发射返回声程为p2，同理，向外扩散相邻网格底面边界声波发射返回的声程长度为p3，向外扩散第二个网格底面边界声波发射接收的声程长度为p4。图5仅示意性地给出了检测声束的覆盖距离仅含有向外扩散0个、1个、2个网格的情况，声程p1、p2、p3、p4根据公式t=p/cL计算，所经历的走时分别为t1、t2、t3、t4。以此类推，可计算各个回波信号对应检测声束覆盖圆区内声束覆盖的多个网格，这些网格以覆盖圆圆心处的网格为中央网格，以L为间距依次向外扩散的网格则形成了多个“口”字形区域，从而将所述探头声束扩散网格化。

图4 波束扩散距离和覆盖圆区示意图Fig.4 Beam diffusion distance and coverage circle

图5 波束扩散网格化示意图Fig.5 Beam diffusion gridding diagram

图6 声程转化和声程区间对应幅值区间示意图Fig.6 Sound path conversion and sound path interval corresponding amplitude interval diagram

本例考虑4个不同声程、4个走时的回波时域信号，其示意图见图6，不同深度网格最大幅值计算分为以下3种情况计算：

(1)检测声束覆盖了直径为1个正方形网格边长的圆形区域，覆盖圆区内仅有中央网格，该网格对应的幅值为回波时域信号的最大幅值；

(2)检测声束覆盖了直径为3个正方形网格边长的圆形区域，覆盖圆区内中央网格对应的幅值为回波时域信号的最大幅值，从中央网格起向外扩散间距L形成了一个口字形区域，该区域内包含的8个网格对应的幅值取回波时域信号中对应声程区间内的幅值极大值，如图6所示，即在超声回波时域信号的(t2,t3)区间内取幅值极大值；

(3)检测声束覆盖了直径为5个正方形网格边长的圆形区域，覆盖圆区内中央网格对应的幅值为回波时域信号的最大幅值；从中央网格起向外扩散间距L形成了第一个口字形区域，该区域内包含的8个网格对应的幅值取回波时域信号中对应声程区间内的幅值极大值，如图6所示，即在超声回波时域信号的(t2,t3)区间内取幅值极大值。同理，从中央网格起向外扩散间距2L形成了第二个口字形区域，该区域内包含的16个网格对应的幅值取回波时域信号中对应声程区间内的幅值极大值，如图6所示，即在超声回波时域信号的(t3,t4)区间内取幅值极大值。

经过一段时间的实践探索，金山区走出了一条以制度建设为基础、以民主参与为重心、以法治方式为内核的，特点鲜明、群众认可、成效显著的精细化基层治理新路子。但同时，也还存在着一些需要进一步完善的问题。比如，基层法律服务的多部门工作衔接还不够流畅，律师参与基层治理的机制还可以进一步完善，村规民约的修订尚不够精细等。

计算各个回波信号对应检测声束所述覆盖圆区内中央网格和各个“口”字形区域内网格对应的信号幅值：对于每个回波信号，将其M与L/2 相比较：

(1)M≤L/2时，表示检测声束在缺陷横截面处无扩散，此时覆盖圆区仅包括中央网格，该网格对应幅值为该回波信号的最大幅值；

(2)L/2

图7 叠加处理流程图Fig.7 Superposition processing flow chart

在网格三维坐标为(x,y,z)的幅值等于所有在该处接收到反射回波的端面检测点，根据走时时间在检测信号截取的信号段最大幅值总和，即等于在同一端面检测点，根据走时时间在检测信号截取同一深度对应位置的信号段最大幅值总和，波束向外扩散一格深度的网格和向外扩散两格深度的网格叠加算法公式如下：

1.3 层析成像原理与伪彩色成像方法

为了精准直观地观察检测物体内部情况，采用层析成像的方法来重建经过常规算法和叠加算法处理的检测信号数据，形成每个横截面的伪彩色网格图像。层析成像是指通过相关的检测仪器检测被测物体，接收器接收检测物体内部信息的信号，再利用计算机图像重建的方法，重建被测物体内部二维或三维图像的方法[11−12]。对处理后的超声数据进行伪彩色成像时，将所有幅值V中的最大值作为Vmax，将所有幅值中的最小值作为Vmin，再根据归一化公式V ′=(V−Vmax)/(Vmax−Vmin)，把所有幅值数据转化成(0,1)之间的数据，以此作为一个索引值，通过这个索引值在彩色查找表(Color look-up tables,CLUT)中，查找出表中对应的表项入口地址，根据查找匹配去映射出一个显示图像时使用的RGB 强度值，故用查找映射出的伪彩色形成为彩色图像[13]。这里只针对R和B值变换，即幅值由小到大对应图像颜色由蓝到红的转变。幅值归一化处理V ′映射成RGB的公式和RGB的配色方程可表示为

R、G、B是任意彩色[F]的三色系数，其中G默认为0。

对经过常规和叠加处理方法处理后的数据进行成像，构建出网格划分模型，然后遍历每个网格的每个深度的幅值信号，显示每一层横截面的伪彩色图像，从而有效地反映了每个切片横截面的伪彩色成像及检测对象内部的缺陷成像，准确的定位缺陷的位置，成像算法流程图如图8所示。

图8 成像算法流程图Fig.8 Imaging algorithm flow chart

2 检测试验平台和方法

为了方便区分识别和重构图像，对端面划分的网格进行二维坐标标定，对轴向每个横截切面进行三维坐标标定。超声检测满足不低于20%重复率覆盖的要求，且采样点能够√被探头全覆盖，正方形网格边长L应小于等于，对端面网格二维坐标划分的步骤如下：以扫查端面所在圆形的外切正方形一顶点为坐标原点、所述工件轴向为z轴建立三维坐标系，以所述坐标原点为起点，沿x轴、y轴以L为正方形网格边长依次划分正方形网格，即对所述扫查端面进行正方形网格划分，共划分出X行Y列正方形网格，以行列顺序为标号，例：第一行第一列为(1,1)，第一行第二列为(1,2)，以此类推，如图9所示。

图9 网格标定方式Fig.9 The method of grid calibration

为了研究超声声束扩散对超声检测大型轴类数据信噪比的影响，本文搭建了一个轴类超声检测试验平台。正常检测情况下，平底孔是声学反射比较理想一种孔型缺陷，故在本试验以ϕ100 mm×400 mm的直轴试块为检测对象，其底部中间有一个ϕ2 mm×10 mm的平底孔缺陷。

图10 试验平台系统Fig.10 The system of test platform

本试验平台采用自发自收的脉冲反射法进行检测，为验证基于声束扩散数据叠加处理方法的可行性，试验了3种不同发射频率，根据不同超声探头尺寸划分网格作为超声检测采样点，由于ϕ12 mm的探头划分网格较多，本实验只选取了端面中央的网格进行试验，其具体参数如下：

实验一：超声探头尺寸ϕ20 mm，频率2.5 MHz，网格边长11 mm，增益48 dB，采样点60个；

实验二：超声探头尺寸ϕ12 mm、频率5 MHz、网格边长6 mm、增益48 dB、采样点36个；

实验三：超声探头尺寸ϕ12 mm、频率10 MHz、网格边长6 mm、增益48 dB、采样点36个。

实验步骤如下：

(1)网格规划。结合不同超声探头尺寸，在试块端面网格划分出采样点，并按照上述网格标定方式对网格进行坐标标定，方便后期图像重构。

(2)实验准备。实验仪器按照图10 连接，设置脉冲发射器的各项参数，保证探头和试块充分耦合，确保上位机能够采集到检测数据。

(3)进行实验。按照网格划分的采样点依次进行检测，每个网格采样点检测的数据保存时，按照网格标定方式命名，确保采样点和检测数据一一对应。

(4)数据处理。先依照常规数据处理方法对原始检测数据进行处理，对处理后的检测数据进行伪彩色层析成像，然后对原始检测数据进行叠加处理，重构伪彩色图像，与常规方法处理的数据和图像进行对比。

3 实验结果和讨论

本实验超声信号采集的采样频率为200 MHz，采样时长为200 µs，采样点为40000个，内部传播声速cL=5900 m/s，根据常规处理方法，把采集保存的时域上的时间-幅值信号图转变为空间上的声程深度-幅值信号图，从而可以直观地观察缺陷信号的深度位置，如图11所示。

图11 超声信号波形图Fig.11 Ultrasonic signal waveform

本实验采用MATLAB 对处理后的数据进行成像显示，一部分实现信号波形显示，绘制时域信号转换为声程深度信号的波形；另一部分实现层析信号重构，可以根据输入的深度，重构内部信号，呈现此深度横截面的伪彩色信号图片，可以直观地看到能够检测到缺陷信号的位置和范围。

本文分别使用了数据处理常规算法和叠加算法，并通过层析的方法来重构每个横截面内部信号的图像。本实验依照深度值一一检索成像，在390 mm处发现缺陷信号，计算了3种实验频率下，超声波在390 mm处的声波发射返回声程(p1,p2,p3,p4)以及对应的走时时间(t1,t2,t3,t4)的具体值，如表1所示。同时重构出检测数据的为彩色图像，如图12所示，标红代表能够在该深度检测到缺陷的检测点位置，黄色区域内为缺陷所在位置。经过常规算法和叠加算法的成像结果对比可以看出，常规算法处理后的数据，缺陷处成像亮度较弱，不易发现，经过扩散区域的幅值叠加运算后，缺陷处成像亮度明显高于常规算法成像，可以清晰准确地呈现出能够检测到缺陷的检测点位置。采用叠加算法前后的图像对比得出，幅值叠加运算能够更好地突显缺陷信号，经验证，此方法适用于对大型轴类微小缺陷的信号处理。

表1 390 mm处往返声程和走时时间Table1 Round trip sound path and travel time at 390 mm

图12 390 mm处缺陷处成像结果对比Fig.12 Comparison of imaging results at 390 mm defect

网格标号为44、45、54、55是2.5 MHz 探头检测实验中靠近缺陷位置的网格，网格标号为33、34、43、44是5 MHz和10 MHz 探头检测实验中靠近缺陷位置的网格。表2∼4为累加算法前后，3组不同检测频率在深度为388 mm、389 mm、390 mm、391 mm、392 mm时，相应网格位置幅值信号强度的对比和幅值增益大小，数据折线图如图13所示，44、45、54、55、33、34、43、44代表原始数据，44+、45+、54+、55+、33+、34+、43+、44+代表累加后数据，经计算超声检测数据平均可以增益12 dB。

表2 2.5 MHz 幅值信号对比Table2 2.5 MHz amplitude signal comparison

表3 5 MHz 幅值信号对比Table3 5 MHz amplitude signal comparison

表4 10 MHz 幅值信号对比Table4 10 MHz amplitude signal comparison

图13 叠加前后幅值信号对比Fig.13 Comparison of amplitude and signal signals before and after superposition

4 结论

(1)本文针对大型轴类难拆卸、检测声程长的特点，搭建了轴类缺陷超声检测试验平台，提出了基于波束扩散的叠加算法处理超声数据。本文首先叙述了采用端面网格划分的方式来规划探头扫查位置，通过自发自收超声反射法完成检测对象内部平底孔缺陷超声检测。然后，对采集的超声信号数据先采用常规方法处理超声检测数据，并显示出A 扫描图像方便直观识别缺陷信号。接着计算声压幅度从轴线上下降3 dB时声束扩散角，并设计幅值叠加算法处理超声检测数据。最后，依据CT原理分别呈现两种方法处理的数据，重构出每个深度内部信息的伪彩色横截面图像，通过伪彩色图像能够识别出轴类内部缺陷的位置深度和范围。

(2)使用基于波束扩散的叠加算法处理超声检测信号，处理结果表明该方法成像效果更佳，能够提高数据的信噪比，使数据增益效果达到12 dB以上，该数据处理方法为研究大型轴类缺陷超声检测信号处理提供了一种可行的方法依据。

(3)下一步工作是将在大型轴类进行实验，验证本方法在大型轴类检测的实验效果。同时本方法也存在需要改进的地方，本方法虽然对缺陷信号进行了加强，但加强的同时也会造成缺陷周边没有缺陷的地方出现缺陷指示，导致缺陷范围的扩大。后续要通过信号处理，提高信号的时域分辨率。