张小垒 张远
新疆维吾尔自治区特种设备检验研究院? 新疆 830000
摘要：在承压设备的无损检测方法中，能够检测焊缝内部缺陷的方法主要有超声衍射时差技术。超声衍射时差技术有较多优点，能较为直观地表现出缺陷的形状和尺寸，便于对缺陷进行定性定量研究，但是射线检测也有一定的局限性，检测效率较低，同时只宜检测体积型缺陷，难以检测间隙很小的裂纹和未熔合缺陷，以及工件内部的分层性缺陷。
关键词：TOFD技术；承压设备无损检测；应用
引言
超声衍射时差技术TOFD，是一种利用缺陷端点的衍射波信号探测和测定缺陷尺寸的一种自动超声检测方法。TOFD技术利用缺陷衍射波时间差来表达缺陷高度与位置，具有可靠性好定量精度高等优点，能全面检测焊缝的各种缺陷，被广泛运用于承压设备焊缝缺陷的无损检测中。
1.TOFD原理及技术特点
TOFD检测采用一对一发一收探头。发射探头发射超声波在工件内传播，有一部分沿表面传播，直接被接收探头接收，该信号为最早到达接收探头，该信号称为直通波，一部分信号在工件中传播遇到焊缝中等的缺陷后在尖端产生衍射波，称为缺陷上端衍射波，该信号为副相位。同样，超声波在缺陷下端也会产生衍射波，称为缺陷下端波，该信号与上端衍射波相位相反。另外一部分超声经工件底面反射，称为底面波。由TOFD原理可知，缺陷信号必然会出现在直通波之后而在底面波之前，所以，直通波和底面波就成为检测时识别缺陷回波的重要依据。作为一种应用广泛的无损检测技术，TOFD有很多优点：
（1）TOFD技术精度高。TOFD技术定量精度远高于常规超声技术。对面积型缺陷或线性缺陷，TOFD测量高度误差小于1mm，而对于长裂纹和未熔合缺陷高度测量误差更小。
（2）TOFD技术可靠性好。衍射信号能发现任何方向的缺陷，TOFD技术缺陷检测率高，高于常规超声技术。
（3）TOFD技术易于保存。跟常规超声等技术相比，TOFD信号能全过程、大批量记录，易于保存及分析，为智能检测和识别提供大数据支持。
?2.TOFD技术在承压设备无损检测中的应用
2.1杂波及噪声抑制技术应用
消除TOFD图像中的噪声，提高TOFD图像中的信噪比是有效提取和识别图像中缺陷信号的前提。针对超声信号中噪声的抑制，通常的处理方法有：加权滤波、取平均值、阈值法以及自适应滤波、解卷积、小波分析等技术等方法。另外，直通波作为图像背景与近表面缺陷信号容易混叠，影响近表面缺陷的检测而形成检测盲区。一种基于WMM（传统小波模极大值）的超声信号噪声抑制方法，在利用信号的相关性改进了传统的WMM，有效抑制噪声，适合各种不同形式的噪声。对承压设备检测的超声A扫信号（目前最基本的超声扫描方式有以下6种：A扫、B扫、C扫、D扫、S扫、P扫。）A扫即为探头一次一发一收信号，TOFD法是采用若干次一发一收信号而成像的原理，主要接收的是衍射波信号。）进行了小波去噪处理，有效地提高了信噪比，降低噪声对缺陷信号的不良影响。一种基于提升小波变换多分辨率分析的超声信号消噪新技术，通过采用提升小波变换多分辨率分析能力将原始超声同波信号进行子带分解，然后按照一定的信噪分离规则来消除噪声。一种基于提升小波变换和AdaBoost模式识别的超声信号消噪技术，该方法根据结果噪声的产生机理，有效提高了消噪信号的稳定性，增强了淹没材料内部各种反射体散射中的缺陷回波信号。
2.2TOFD图像检测技术应用
在检测方面，目前TOFD检测依靠人工判断，受人员素质和专业技能影响极大，因此从图像处理角度研究TOFD图像的缺陷智能分割和检测具有很大的意义。为此，基于分水岭的TOFD检测图像算法，采用带控制标记的分水岭变换实现了对图像缺陷信号的分割，实现了近表面缺陷检测，但是对于含有多个缺陷的图像进行分割时需要更多的先验知识，易造成错检。基于改进免疫遗传算法的图像阈值分割，该方法提高了检测效率，但是检测正确率依赖于阈值的选取。通过设置阈值，采用基于熵变粗糙集合的遗传算法用于图像分割，并讨论了阈值选取方法，该方法能有效分割目标。对二维最小误差进行推广，并结合降维思想，提出自适应最小误差阈值算法，实现图像的有效分割；基于灰度空间特征的模糊C均值聚类图像分割，这种方法有效地抑制了噪声的干扰并分割目标，但目标与背景在灰度空间特征差别不大的时候，它的分割正确率依旧有较大的改进空间。利用FuzzyC均值聚类分类器和二维Gabor函数进行纹理分析，实现缺陷检测与识别，但该方法受直通波及底面回波影响，人工操作影响较大。人工蜂群优化理论，实现图像的多阈值分割。将灰度共生矩阵理论用于超声B扫图像的阈值分割处理，得到最佳阈值，并实现背景与缺陷的区分。可见，TOFD图像检测技术中，普遍采取设置阈值方式，简单有效。但不同缺陷及不同位置的信号，阈值的选取难度较大，包括采用各种不同的学习算法动态调整阈值，都不同程度存在漏检或者错检，特别是受近表面盲区直通波信号和底面回波影响，夹杂的缺陷信号提取更为困难。目前，除了研究一次衍射波以外，将研究目光转移到综合分析一次衍射波和二次反射波型及波型转换信号，来解决TOFD缺陷检测中存在的信号夹杂难以分辨的问题。
2.3TOFD识别技术应用
对于缺陷定性来说，目前缺陷定性主要通过人工目测，研究缺陷的智能识别方法对于提高检测准确率和检测效率都有很大的应用价值。如，针对承压设备提出了面状缺陷超声TOFD法信号和图像的特征与识别方法，根据常见的面状缺陷，根据TOFD的缺陷特征，分别对A扫描信号及相应的B、D扫描信号特征进行了研究，并进行相应的线性化处理。能对面状缺陷进行定性、定位和定量。然而，该方法主要靠人工结合A扫描信号进行定位，准确定量存在人为误差。一种先通过小波包分解和混沌遗传算法消除多余信号，然后通过支持向量机算法用于缺陷识别，该方法取得了较高的分类性能。基于独立主成分分析和支持向量机相结合的缺陷识别方法，通过独立主成分分析提取缺陷特征，并通过支持向量机进行识别，该方法能够自适应地提取缺陷图像的显著特征，且计算简单。该方法对形状类缺陷、纹理类缺陷较为敏感，能有效识别，但该方法好坏受训练样本数量影响较大。基于BP神经网络的焊缝缺陷识别方法，利用BP算法设计3层结构的神经网络，对样本进行训练和识别。基于人工神经网络的脉冲回波和TOFD超声信号的分类研究，试验结果表明，该方法能有效对缺陷进行分类，但该方法需要综合运用两种信号进行训练和识别，较为复杂，在一定程度限制了其运用。基于线性分类预处理的承压设备缺陷识别，该方法采用小波转换A扫信号，然后采用线性分类器分类识别，该方法能分类识别图像中的主要缺陷。
结语
TOFD技术由于其定位准、可靠性高等优点在承压设备无损检测中应用越来越广泛。TOFD具有很大的应用价值。针对TOFD近表面盲区问题、杂波和噪声抑制问题、缺陷检测问题，提出了一系列的检测与方法，主要包括信号处理方法、调整检测方法等来解决。
参考文献
[1]盛朝阳，刚铁，迟大钊.基于分水岭方法的超声TOFD检测图像分割[J].机械工程学报，2011，47（8）：35-40.
[2]郑红霞，孙忠波.TOFD检测中扫查方式与检测盲区的关系[J].无损检测，2011，33（5）：43-46.
[3] 陈尧，冒秋琴，石文泽，等.基于相位相干性的厚壁焊缝TOFD 成像检测研究[J].机械工程学报，2019，55（4）：25-32.