基于全向型 S0模态磁致伸缩传感器的无参考缺陷成像方法研究

基于全向型 S0模态磁致伸缩传感器的无参考缺陷成像方法研究
作者：刘增华；樊军伟；何存富；吴斌



 

       Lamb 波由于其在板、管和梁状结构中传播距离远，衰减小，对于结构表面缺陷和内部缺陷都相当敏感，可实现结构的高效率、大范围有效检测。Lamb 波检测方法是结构健康监测中一种重要的方法，目前应用 Lamb 波成像检测方式主要有透射型和反射型两种。透射型是利用 Lamb 波穿过有缺陷的区域时对直达波产生影响，分析直达波的相关特征量变化，如波速、能量、幅值等来表征该路径的损伤指数[7]，或者利用时间反转方法，对直达波进行重构与激励波形对比来定义该路径上损伤指数，通过对检测区域不同方向扫描，结合不同路径损伤指数，实现对缺陷定位成像，一般采用密集传感器阵列，使得传感器扫描路径尽量多地覆盖检测区域，从而提高损伤定位精度和缺陷成像质量；反射型是利用 Lamb 波遇到缺陷产生散射信号，缺陷相当于二次波源，向周围发出散射信号，分析和处理含有缺陷信息散射信号，基于时间飞行法(Time of flight, ToF)，可以判断缺陷的所在轨迹或位置，一般采用稀疏传感器阵列，结合椭圆成像、双曲线成像算法等来定位和识别缺陷。为了实现板结构中缺陷定位以及二维成像，通常需要布置传感器阵列，目前，利用 Lamb 波成像检测时，传感器阵列单元多为压电传感器[9-12]或洛伦兹力型电磁声传感器[13-15]。压电传感器频率带宽相对较窄，容易激励出多个导波模态，在缺陷信息提取上有一定难度；而电磁声传感器(Electro-magnetic acoustic transducer, EMAT)，不仅具有表面非接触特点，而且结构可设计性很强，较为容易激励出多种模态类型且模态单一的超声导波，提高缺陷辨识能力和定位精度[16-17]。但电磁声传感器与压电传感器相比，换能效率较低，一般情况下磁致伸缩型电磁声传感器比洛伦兹力型电磁声传感器的换能效率低，然而对于铁磁性材料的检测，磁致伸缩型电磁声传感器的换能效率更高。在磁致伸缩型传感器设计时，常采用铁磁性材料薄片作为媒介，粘接或者固定在待测结构表面，可以极大增强接收信号的能量。该传感器在激励时，通过铁磁性材料薄片作用，将能量耦合进非金属或非铁磁性材料的板结构中激励超声导波，反之亦然。这使得电磁声传感器应用不仅限于金属或铁磁性材料结构的检测，扩展了电磁声传感器的应用范围，在此基础上，由多个该类型的磁致伸缩型电磁声传感器组成传感器阵列，可实现结构的大范围检测和缺陷成像。

在利用传感器阵列对缺陷进行检测和成像时，阵列单元选择全向型传感器的检测效果一般会优于有一定指向性或窄带宽的传感器[19-20]。一些研究多选择能激励全向性 Lamb 波的传感器，应用到无损检测和结构健康监测中。一般在采用稀疏传感器阵列，利用缺陷散射信号来实现缺陷定位成像时，往往通过有损状况下得到的信号和健康状况下的参考信号相减得到成像中所需的缺陷散射信号，该操作不仅对试验操作和环境参数要求较高，而且工程中很多时候很难甚至无法得到健康状况下的参考信号，一定程度上对该方法的可行性产生影响。

       设计并制作一种全向型 S0 模态磁致伸缩传感器，能够周向一致地激励出单一 Lamb 波 S0 模态，以该传感器作为稀疏传感器阵列单元，采用免参考的成像方法，消除了传统 Lamb 波检测方法对参考信号的依赖。利用滤波、连续小波变换等方法对采集的原始信号进行处理，提高检测信号的信噪比和辨识度，结合离散圆弧成像和数据融合算法，实现了缺陷定位和重构，对成像结果阈值化处理，提高了缺陷成像质量。

1 传感器结构及工作原理

        电磁声传感器 EMAT 在板中激励和接收 Lamb波主要基于两种物理原理。一种基于洛伦兹力，当载有交变激励电流的线圈靠近被测金属表面时，将在金属内感应出涡流，若此时存在一个偏置静磁场，将在金属中产生交变的洛伦兹力，这种变化的力将激发出超声波；另一种基于磁致伸缩效应，仅适用铁磁质或磁性材料的检测，通过载有交变激励电流线圈产生交变的动磁场和磁铁产生的偏置静磁场的共同作用，使磁性材料体积发生变化，从而形成材料内部的振动，并最终以声波形式将振动向外传播。

        为了能在板中周向一致地激励出 S0 模态，设计了一种全向型 S0模态磁致伸缩传感器，包括印刷电路板(Printed circuit board，PCB)线圈，圆柱状铷铁硼磁永磁铁，圆形镍片；将线圈置于镍片上方，磁铁置于线圈正上方，通过调整磁铁的提离距离 H，在镍片周围产生方向主要沿径向辐射的偏置静磁场分量。通电线圈在镍片周围产生方向主要沿径向分布的动磁场分量，则磁铁产生的偏置静磁场和通电线圈产生动磁场都产生沿径向分布的磁场分量。基于磁致伸缩效应，铁磁性材料圆形镍片产生沿径向变形，通过环氧树脂胶将镍片粘接在待测板结构表面，镍片的径向变形将耦合到结构中，从而激励出周向一致的 Lamb 波 S0模态。

2 传感器特性试验研究

2.1 单一 S0 模态的激励和接收

        试验装置包括高能超声激励接收装置 RAM5000、计算机、前置放大器、激励传感器和接收传感器、数字示波器和检测对象铝板。计算机用来控制 RAM5000 的运行，产生高能超声信号；数字示波器用于信号的观测和存储，同时配置前置放大器，实现传感器接收信号的放大；为了使电磁声传感器线圈从激励电源获取最大能量，增强传感器换能效率，在激励传感器和接收传感器前添加了阻抗匹配模块[23]。检测对象铝板为非铁磁性材料，长宽厚为 1 000 mm×1 000 mm×1 mm，密度为 2 700 kg/m3，泊松比为 0.3。传感器的结构如图 1 所示，其具体结构参数如下：线圈呈环形双层螺旋形，线圈外直径 D 为24 mm，线圈内直径为 D/2，即 12 mm。该线圈中单根线直径为 0.2 mm，线间距为 0.2 mm。磁铁为圆柱状铷铁硼磁铁，直径为 12 mm，厚为 5mm，磁铁提离距离 H 为 10 mm。铁磁性材料的镍片呈圆形，直径为 24 mm，厚度为 0.1 mm。

首先测试确定该传感器所激励接收的导波模态类型及其模态单一性。单一模态试验传感器布置示意图如图 4 所示，激励和接收传感器都为全向型S0模态磁致伸缩传感器，使用环氧树脂胶将圆形镍片粘接在铝板表面，将线圈和磁铁置于其上。采用一激一收方式进行试验，激励和接收传感器相距300 mm，激励信号为中心频率 360 kHz 的经汉宁窗调制的 5 周期正弦波。

        激励频率360 kHz时一组接收信号波形，波包 1 处为串扰信号，与激励信号时间几乎一致，通过TOF，计算出波包2对应的群速度为5 273 m/s。由图 3 可知，频率 360 kHz 的 S0模态在 1mm厚铝板中的理论群速度为 5 406 m/s。试验求得的 S0 模态群速度与理论值相比，相对误差2.46%，波速较为吻合。波包 3 为铝板边界反射回波。由图 3 所示的频散曲线可知，频率低于 1MHz 时，在铝板中只存在三种导波模态，即 A0、S0 和 SH0。如果有 SH0、 A0模态产生，则会在图 5 中波包 2 和 3 之间出现这些模态的波包，而图 5 中波包 2 和 3 之间没有其他波包，说明了研制的全向型 S0模态磁致伸缩传感器产生的是单一的 S0 模态。

2.2 频率响应特性测试

        为了确定研制的全向型 S0 模态磁致伸缩传感器最佳激励频率，对所研制传感器进行频率响应特性测试试验。试验装置、传感器类型和布置与第 2.2 节相同，激励信号仍为经汉宁窗调制的 5周期正弦波。检测频率范围为 250～500 kHz，步长 10 kHz。提取各个频率点接收信号中直达 S0 模态包络峰值，全向型 S0 模态磁致伸缩传感器在不同频率下得到的直达S0模态信号归一化幅值如图6所示，试验数据用方形表示。通过曲线拟合，可以确定该全向型S0模态磁致伸缩传感器的中心频率fc为 365 kHz。

2.3 全向性测试

        为了确定该传感器能否周向一致地激励导波，对所研制的传感器进行全向性测试，试验装置与上节相同，全向性试验传感器布置示意图如图 7 所示。激励传感器为研制的全向型 S0 模态磁致伸缩传感器，将其置于铝板中心作为激励源。接收传感器选择非接触的基于洛伦兹力原理全向型 S0 模态传感器，避免了以全向型 S0模态磁致伸缩传感器作为接收传感器时圆形镍片的粘接条件不一致对接收信号的影响，从而更加精确反映并确定研制的全向型S0模态磁致伸缩传感器的全向性，将接收传感器均匀布置于以激励源为圆心，半径 250 mm 的半个圆周上，角度间隔为 15°。

         研制的全向型磁致伸缩传感器所激励得到的直达 S0模态信号归一化幅值的周向分布。通过分析可以看出，S0模态信号归一化幅值介于 0.96～1.00，表明了研制的全向型 S0模态磁致伸缩传感器具有较好的全向性，即周向一致性好。

3 圆弧定位原理与数据融合方法

3.1 圆弧定位原理

        假设传感器在板中布置如图 9 所示，T1、T2 和T3为传感器，D 为缺陷，每个传感器工作方式都为自激自收，当传感器 T1发出的信号遇到缺陷 D 时，缺陷D会相当于新波源，沿360°方向发出散射信号，有一部分散射信号沿着原路径返回，再次被传感器T1 接收到，在时域信号中，可以得到从传感器 T1激励出超声波到遇到缺陷D散射后再次接收的时间t，利用频散曲线求得所产生模态的群速度 vg，通过TOF，计算出传感器 T1 到缺陷 D 距离。

        由圆的定义可知，缺陷位于以传感器 T1 为圆心以距离 d 为半径的圆周上，利用在不同位置的多个传感器，则可以形成多个圆轨迹，则它们的交点为缺陷存在的位置，此为圆弧定位的原理。

        在实际检测中，简单地运用圆弧定位技术是很难精确地得到缺陷位置，而离散圆弧成像方法能更好实现缺陷的定位成像。首先将板结构分割成离散单元，单元越小，图像分辨率越高，同时数据处理量增大，保证成像质量前提下，选择合适单元尺寸，来提高检测效率。

        通过对传感器 i 采集的原始信号 xi(t)进行预处理，降低噪声对有效信号影响，提取包含有损伤信息的信号 Xi(t)。在此，时域波形由三部分组成：串扰信号、内部散射信号和结构边界反射信号，为了消除串扰和边界反射信号对缺陷成像结果影响，定义矩形窗函数。

       对截取信号内部散射信号 si(t)取包络得到包络幅值信号 Si(t)，将检测信号 itx(,y)时刻对应包络幅值 iSt()赋值给板中每个离散点 x(,y)，得到传感器 i的检测成像结果Stii((x,y))。而一个传感器只能判断缺陷所在圆的轨迹，为了确定缺陷地位置，需要将多个传感器检测成像结果进行融合，才能实现缺陷的定位。

3.2 数据融合方法

       为了提高缺陷检测精度和可靠性，对传感器阵列采集得到的缺陷散射信号按照以下三种方法进行数据融合，使缺陷的特征信息较为清晰地显现出来，从而实现板中的缺陷定位检测及成像。

(1) 幅值全加法。

       幅值全加法简单有效，运算速度快，对于大面积损伤能较好地反映，但成像结果中往往存在一些干扰，容易产生赝像，降低缺陷处幅值在成像结果中的对比度。

(2) 幅值全乘法。

       幅值全乘法利用乘法运算使得干扰信号被极大地消除，提高了缺陷位置对比度，但如果有一个传感器没有接收到缺陷回波，该传感器检测成像结果对应的板中每个单元幅值为零，无论其他路径扫查结果为多少，通过相乘缺陷信息就可能丢失，出现缺陷漏检的可能。

(3) 幅值加乘组合法。通过优化乘法数 m，幅值加乘组合法可以有效克服幅值全加法和全乘法的缺点，综合了他们各自的优点，一定程度上提高检测结果的可靠性。为便于量化板中每个单元的能量值，对不同数据融合方法进行比较，对最后成像结果I(,xy)作归一化处理，使其分布在 0～1，为了去除噪声信息，为了提高缺陷位置对比度，在成像算法中引入阈值常数 T，得到最终成像结果。

4 缺陷成像试验研究

4.1 缺陷成像试验设置

        以研制的全向型 S0 模态磁致伸缩传感器为阵列单元稀疏布置在铝板中进行缺陷检测。弧成像试验传感器布置示意图，其中，共有 6 个传感器单元组成稀疏传感器阵列，缺陷为一圆形通孔，直径 8mm。以图 10 中距离板的左端面 100 mm，前端面 200 mm 的点作为坐标原点，传感器和缺陷的坐标位置如表 1 所示。成像区域为 800 mm×800 mm 的矩形区域。试验装置与之前试验相同。为了提高传感器检测缺陷的能力，可在一定程度上提高检测频率，减小模态的波长，提高缺陷检测敏感性。由图 6 可知，所研制的全向型 S0模态磁致伸缩传感器中心频率 fc 为 365 kHz，选择直达 S0模态归一化幅值约为中心频率处幅值 75%时对应的激励频率 420 kHz 为成像检测的频率。

       离散圆弧成像试验流程图采用自激自收的方式得到 6 组不同路径下的检测信号，利用滤波、连续小波变换对原始检测信号进行处理，提高信号信噪比和辨识度，提取包含缺陷信息的有用信号，将待测结构铝板划分足够多的大小均匀的网格，结合离散圆弧成像算法和数据融合技术实现对板中缺陷的成像定位检测，通过设定合理的阈值，提高成像结果的对比度以及对结果的满意度。

4.2 原始检测信号处理

       以传感器 1 的接收信号为例，传感器 1接收得到的原始信号 x1(t)。为了能准确提取出检测信号中的损伤信息，对检测信号进行滤波处理，降低检测信号噪声，利用连续小波变换来提取特定频率点的小波系数信号，进一步提高信号的信噪比，为后续缺陷定位以成像提供可靠的数据信息。

在利用带通滤波器对原始信号滤波基础上，结合连续小波变换，选取母小波gaus9，提取出原始信号x1(t)中频率 420 kHz 的小波系数信号 X1(t)，原始接收信号比较，有效剔除了噪声等干扰信息。

4.3 板中缺陷成像定位检测

       为了消除边界反射回波以及串扰对对缺陷成像结果影响，利用矩形窗函数截取检测信号中内部散射信号。由于检测系统本身以及自激自收检测方式原因，在传感器 1 检测时域波形中紧随串扰信号的一段波形出现一定的畸变。在实际成像过程中，将截取信号的矩形窗函数时间起始点ta 作以修正，置于畸变结束时刻，终止点t1b 不变，使用修正后矩形窗函数截取检测信号中内部散射信号。通过多次不同单元网格尺寸测试，选择板结构成像单元网格尺寸为 5mm×5mm。图 14 为实际截取的传感器 1 检测的内部散射信号对应的成像结果St11((x,y))，其中“+”为传感器预置的位置，“o” 为缺陷的位置。可以看出灰度较深的轨迹刚好经过缺陷的位置，而且该传感器有效检测区域呈现圆环状，环内和环外都为检测盲区，即传感器附近区域和接近边界以外的区域为检测盲区。

        为了实现缺陷定位，将多组传感器检测结果按照幅值全加法、幅值全乘法和幅值加乘组合法三种不同的方法进行数据融合，将成像结果归一化到0～1，以 0.6 作为阈值，得到不同数据融合方法下的成像结果如图 15 所示。图 15a～15c 分别为幅值全加法、幅值全乘法和幅值加乘组合法得到的结果，可以看出，对于单缺陷检测，幅值全加法的成像结果赝像较多，幅值全乘法的检测精度较高，幅值加乘组合法成像结果介于两者之间。总之，利用这种无参考离散圆弧成像方法，可以有效实现缺陷的定位成像。但该成像方法中的成像数据为检测信号中截取的内部散射信号，每一个传感器的有效区域呈现环状。为了提高该圆弧成像算法的鲁棒性，可以在结构边界布置一定数量传感器或增加传感器分布密度，减小甚至消除检测盲区。

5 结论

       利用研制的全向型 S0 模态磁致伸缩传感器组成稀疏传感器阵列，针对利用差信号获取散射信号的实用性较低的问题，采用离散圆弧成像和数据融合算法，实现了铝板中无参考缺陷的定位和成像。

(1) 研制的全向型磁致伸缩传感器能够在铝板重油效激励全向性磁致伸缩传感器能够在铝板中有效激励全向性模态单一的Lamb波So模态。

(2) 不需要参考信号，利用离散圆弧成像可以有效实现缺陷的定位和成像。

(3) 利用数据融合方法以及阈值化处理可以提高缺陷在成像结果的对比度和定位精度。





本文章转自爱学术（aixueshu.com），如有侵权，请联系删除