摘要：鈦合金材料廣泛應用于船舶、航空等領域，通常采用超聲檢測技術對其原材料與焊接質量進行評估，但在大規格構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。基于水浸超聲技術測試了典型鈦合金組織的聲學性能，結果表明其聲速與衰減系數呈現各向異性，大厚度結構檢測時影響靈敏度的關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，分析雜波信號與缺陷信號的特征，通過支持向量機與神經網絡模型分類，缺陷信號的識別準確率達到90%以上。

　　關鍵詞：鈦合金;散射雜波;小波包能量爛;神經網絡

　　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構件或特殊結構件。近些年材料成型與加工技術的飛速發展，為鈦合金的大范圍應用提供了技術支撐，目前鈦合金已成為船舶、航空領域的關鍵材料。大規格、復雜結構焊接成為當前鈦合金產品發展的重要趨勢，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、經濟性和直觀性的條件下，超聲檢測是多類鈦合金構件檢測的優先選擇，但其相關標準多建立在參照鋼制結構的基礎上，在大厚度構件檢測、微小缺陷檢測時遇到了挑戰。

　　根據經驗，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、被檢構件結構、檢測系統等均是引起雜波的重要因素，對此，通常采用優化物理結構或信號處理技術來減少干擾，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，在結合鈦合金微觀組織特點探討其聲學性能的基礎上，分析了其信號特征并提取特征參數，建立了非線性分類模型,通過樣本訓練實現了雜波與缺陷信號的分類,為大規格、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、網籃與魏氏等4類，其組織由a相、p相構成，a相和卩相的比例與形態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是超聲檢測中必須關注的材料聲學特性參數，亦是保證缺陷定位與定量精度的基礎。選擇TC4鈦合金為研究對象，制備等軸、雙態、網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。

　　試塊規格(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，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，為減小誤差，以50個采樣點的計算平均值為最終結果。

　　根據試驗，鈦合金縱波聲速與微觀組織并不存在絕對的對應關系，聲速范圍為6098-6226m-s"1,變化區間相對較小且呈現微弱的各向異性，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則差別較大.網籃與魏氏組織的衰減系數明顯大于等軸與雙態組織的，且均呈現明顯的各向異性，實際檢測時能量衰減、缺陷定量應關注這一因素。

　　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存在一定關系，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內會有波動，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特征參數提取

　　特征參數是信號評定的依據，在復雜信號識別中，特征參數的選擇尤為重要。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合的方式提取數據段的特征參數。小波分析的窗函數可變化，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特征。小波能量爛是在信息爛的基礎上演變而來的，在非平穩信號處理中具有良好的應用效果，常用于描述系統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個特征參數的基礎上，缺陷的評判已轉換為多參數模式識別問題，目前常用的方法主要有支持向量機(SVM)和神經網絡。支持向量機基于統計學習理論，通過建立一個分類超平面,作為決策平面近似實現結構風險最小化;而神經網絡采用模擬大腦神經元的方式組成非線性、自適應信息處理系統。SVM本質上為一個二分類器.利用核函數代替高維空間映射解決非線性問題,理論完善且通用性好，但在多分類和大規模樣本訓練時存在困難⑷。神經網絡的神經元之間通過權系數相連接.信息分布式存儲于權系數中，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神經網絡識別信號，對比缺陷識別的準確率。

　　3結語

　　鈦合金材料的聲學性能受微觀組織變化的影響，聲速變化區間較小，但衰減系數最大差異達到70%以上且呈現出各向異性，實際檢測時應關注這一特征。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，結合SVM丄VQ與BP神經網絡區分雜波與缺陷信號，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.基于小波嫡的非穩態聲品質評價參數研究[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外表面缺陷識別方法[J].機械科學與技術,2015,34(1)：118-123.

　　[5]王力，周志杰，趙福均，等.基于BP神經網絡和證據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期刊。主要刊載焊接科技領域具有國際水平或國內先進水平的優秀學術論文。1980年創刊以來，刊期由最初的季刊發展為現在的月刊，成為在國內外具有一定影響的一級學術刊物。