超声无损检测与评价中的信号处理及模式识别技术

2019-11-30安婧兰州文理学院

数码世界 2019年9期

安婧兰州文理学院

自改革开放以来，信息技术方面发展非常迅速，主要包括微机技术方面的发展、信息技术方面的发展、微电子技术方面的发展，这些行业的发展逐步带动了其他相关行业的快速发展，尤其在超声无损检测技术行业，人们不断的根据技术的发展和进步对信号处理以及模式识别技术进行着改革与升级，其中包括检测手法的改进、检测手段的更新以及检测仪器的升级。超声技术是无损检测信号过程中所使用最多的信号处理技术，它的信号处理频率一直稳定在兆赫数量级，以往的技术对这些信号进行处理是非常具有挑战性的。

近几年，数字化信息化时代不断地充斥着我们的耳膜，超声无损检测经过数字化的处理或信息化的处理变得更加方便快捷准确，各式各样的超声无损检测技术与信号处理及模式识别检测技术不断被人们研究出来。而且国内外有大量学者或科研工作者从事超声无损检测与信号处理及模式识别技术的研究，不仅为超声无损检测与评价中的信号处理及模式识别技术提供了大量的科研材料，而且为无损检测与信号处理识别领域注入了新鲜血液以及创新思想。另一方面来说，技术开发部门以及仪器制造基地将所研究的成果投入到工业化制作中，并对这些研究成果进行智能化的设计与数字化的设计，保证制造的仪器符合科研人员的预期思想，之后对生产的仪器进行检测，保证仪器的准确性，从而在一定方面推动着我国经济技术的不断发展。

超声无损检测与评价中的信号处理与模式识别技术的主要目的是：（1）对信号进行一定的筛选，选择有用的信号进行增强处理，对稍弱的信号进行质量方面的检测，对信号进行适用性的截取。（2）对不同的信号进行测量，不同的信号得出不同的信号缺陷，并作出一定的分类，从而实现对信号的单独检测以及定量设计。此外，使用仪器中的检测任务对发射出的信号进行特定的处理以保证信号达到最佳状态，或者将这种信号作为超声信号的处理类别。超声无损检测与评价中的信号处理与识别技术属于学术类研究项目，具有非常大的潜力，提供的研究方法也比较具有实现的现实性，这类研究所提供的研究结果以及所给出的技术方案在实际工业应用中还需要进一步的进行方案简化与技术加工，而对应的另一套研究方案就是通过现实的工业化进行生产以及升级方面的服务，主要是对仪器进行实时的改进，这种类型的处理方法相对比较简单并且速度非常迅速，在保证质量的前提下方便使用者的使用操作。因此，对这种信号处理以及模式识别进行综合处理并且对这种处理的技术进行研究分析具有极其重要的意义。

1 增强目标信号

在使用超声技术对信号缺陷的回波进行检测的时候可能会受到来自各个方面的干扰作用，主要存在于两大方面，首先散射现象，这种现象是材料的微结构分布的不均匀导致的，比如粗晶奥氏体不锈钢，它里面的晶体颗粒展现的就是散射现象，再比如纤维增强型复合材料，它里面所包含的纤维散射现象以及混凝土中因为所含石料造成的散射现象等，并且这些散射现象所产生信号非常强，通过超声对这种回波进行分辨是比较难以实现的。其次可能被测物体的表面结构或者一些边界因为结构的复杂性而形成表面的信号反射，这种情况的反射信号也是非常强的，从而比较难以分辨信号回波。

1.1 抑制微结构材料的散射

因为干扰信号和缺陷回波信号两者在频率上相差不是很大，所以不能通过简单的滤波器使用低通、高通或者带通的方式进行信号之间的分离，必须使用一些特殊的手段。对于信号分离过程中受散射的影响，自上世纪就已经提出了相应的解决技术，即根据信号的散射情况提出的分离谱技术，这种技术方法在此后的几十年被很多的学者专家进行研究，取得了非常好的成效，分离谱技术主要是利用缺陷回波现象与微结构产生的散射回波现象对超声频率的感知度不同而形成的多个频道进行统计并根据实际情况做出处理。相对应的一部分人利用小波率之间的变换增加强散射材料产生信号后进行超声检测时候依据的信噪比，但是实际上这种小波变换的方式是通过恒Q 值进行的多种滤波情况，使用恒Q 值进行滤波的优点是滤波器所选组比普通情况的分离谱的技术要求要低，因此这种方式所使用的检测仪器比较方便操作。此外也可以实行分离谱技术与信息其他处理技术的结合，但是这种方式的信号处理非常复杂并且实用性不高，只能作为学术研究类型。

散射回波的抑制方式也是当下需要研究的问题，而最新的抑制方式就是通过自适应滤波技术进行散射回波的抑制，这种滤波技术与低通滤波和高通滤波以及带通滤波的方式不同，它是根据两个信号之间的大小相关性进行信号的分离，比如如果两个测信号的探头位置相距比较近，所以两方所测的信号大小也都不相上下，而此时将信号输入到自适应滤波器之中，会使缺陷回波的信号相关性大于散射回波信号的相关性，从而增加了缺陷回波的强度。而对于自适应滤波器来说，它需要一定的时间建立所需要的平衡自适应的系统，所以随着不断的研究出现了解决这种微结构噪声的方案，就是通过人工神经网络技术与自适应滤波器相结合，这种方法的算法速度不仅很快，而且还比较适合连续作业。

虽然不均匀材料所形成的散射回波信号与缺陷回波信号的相差明显度很小，但是经过仔细的分析研究还是存在很多不同的地方，虽然相似度很高，但是区别性也是比较大的。对于这个问题，人们不断的使用人工神经网络与信号模糊识别的技术来对此进行相互关系之间的判断。这两种信号识别的方式主要是致力于解决一些比较复杂而且模糊度很高的问题。人工神经网络技术的实现需要首先进行相关的训练，但是模糊识别信号技术需要首先有反应不同信号特征的先行检验知识。全部具备这些条件，这两种信号识别技术才可以发挥它们独有的优势。

1.2 对界面反射进行消除

对于超声检测来说，材料界面的反射信号往往比较强烈，以至于存在界面附近的一些缺陷回波信号比较难以辨别，所以需要抵消界面的反射信号来突出信号缺陷回波。但是抵消界面反射需要一定标准的界面反射回波作为相关参考，非常简单的方式就是取一些没有缺陷的界面作为反射回波x(t)，之后对含有缺陷回波信号与界面回波信号的检测信号y(t)进行公式运算。其中表示y(t)中的幅度谱，表示的是x(t)中的幅度谱，而表示的是微小常数值，之后再通过对进行傅里叶逆变换就可以得到对应的缺陷回波信号的波形。第二种方法是通过将Wiener滤波进行简化后获得相应的缺陷回波信号。其中*指的是取对应的复共轭，是指取得最小量，之后对取傅里叶逆变换得到缺陷回波的信号波形，因为Wiener 滤波具有性能比较稳定的特点，所以国外学者经常采用这种方法对信号进行处理。

信号相关技术处理两个需要对比的信号时，自适应滤波可以适应界面回波信号的消除。而所使用的超声检测技术就是将一个标准的界面回波信号作为标准参考信号输入到自适应滤波器之中，因为实际超声检测的时候信号混叠在一起会产生一个特定界面的回波信号成分，因此对于自适应滤波器的输出期望是将界面回波的信号去除之后所设定的，并且对于自适应滤波器来说具有非常良好的输出误差，也就是在信号检测的过程中可以得到这个界面所设定的回波信号，从而这样的工程对于技术人员来说，可以根据需求进行信号的提取。

当然在这些信号超声检测的过程中还需要有特殊信号的处理方式，比如空间信号处理方式，Wiegner 滤波器利用时频处理方式以及多变量处理方式对信号进行一定的处理与识别，还可以将非线性科学中的孤立子理论技术应用到超声检测的强干扰过程中，也能取得可观的成效。

2 对材料信号的定量检测与评价

2.1 定量检测

在进行普通超声检测的时候我们应该判断回波信号的缺陷，并对该信号进行检测，从而判断出信号缺陷的具体形状以及信号缺陷的大小，既不能定期的进行检测，也不能定量的进行检测，应该从工业的角度出发，尽快并且保证质量的前提下对出现的问题进行解决，所以对于这一领域的研究一直是科学方面的重点，但是定量检测一直以逆问题的角色出现在科学研究之中，也就是获取的检测信号一直可以演示信号所处位置的形状与大小情况，但是信号不是单纯的信号，影响信号的因素含有很多，通常情况下不可以明确的给出“量化”的唯一解决方式，这也是各种经典信号反演手段不同的地方。

进行定量评价缺陷回波的时候，必须保证所得到的回波信号之于材料所测的缺陷有关系，但是大部分情况可以由普通的超声技术换取一定的信号检测技术与超声波仪器有关。这里对信号进行处理的过程中首先要做的就是对卷积进行求解，从而去除掉一些外界因素的影响，之后进行定量卷积的求解，比如对Wiener 滤波器来说，x(t)可以选择与目标深度比较相似的界面回波方式进行求解，并且可以选择不同的卷积求解方案对其进行解算，随着专家学者不断的研究与改进，这种信号研究取得了很大的成就。

对缺陷信号获取完毕后，确定信号的量化指标成为一个非常大的难题，首先需要根据信号的特征进行缺陷信号的量化确认，但是平常出现的缺陷的形状相对来说比较复杂，一般情况下人们将这种缺陷归结为多种类似的经典样式，之后在所有的样式中选择符合样式的特征形式，在信号处理早期，主要是采用缺陷回波信号的傅里叶逆变换进行缺陷回波的确认的，比如谱峰的宽度，谱峰在频域上的主要位置以及主峰与次峰之间高度的比值部分，并且也有很多使用倒谱的特征进行信号分辨的。当然在选择的时候也可以将时域特征作为选择的对象形式，比如相关函数之间的运算，波形的不同形状对比等方式进行缺陷回波的确认。

因为缺陷回波的信号具有若干个特征以及很多不确定的隐患所以在进行超声检测的时候应该着重注意这些，防止将一些自然缺陷的情况归结到人工缺陷里面，但是归结方式可能会出现一些不确定的因素，这时候就应该使用人工智能仪器对这些缺陷进行一定的归类，其中模糊数学和人工神经网络技术为这种缺陷分类提供了非常有效的方案，首先模糊数学中的检测信号主要将缺陷的全部特征与人工之间的特征进行对比，经过综合的分析确定缺陷的类型以及缺陷的大小，而人工神经网络技术不需要进行多种特征的输入提供，只需要将检测的信号与或者输入到仪器的信号的变换域明确就可以实现对比自然缺陷与人工缺陷之间的关系以及它们之间的相似程度，从而做出合理的解释说明，因为数学模糊识别与人工神经网络识别都具有非常大的研究发展潜力，所以在使用超声技术对信号进行定量检测与研究的过程中具有非常重要的地位。

2.2 对材料进行评价

在过去超声无损技术对信号的检测大部分是对信号进行超声波方面的检测，现在许多研究工作需要对使用的材料进行一定的评价，所以对缺陷信号的材料进行材料质量的评价也是非常重要的，尤其是对材料的整体情况进行评价，其中包括对材料的组织结构以及材料中所含晶粒的大小进行评价，使用超声波技术对这种方式进行评价的过程中主要是对材料的声音以及衰减度进行相应的评价，但是这种评价方式受很多因素的制约，使用较多的信号处理方式是倒谱位置的检测估计，窄脉冲宽度的大小进行信号谱的检测，这些手段比较像生物医学工程使用超声波技术对人体组织进行检测，随着时代科技的不断发展，通过各种研究数据的检测可以知道高频脉冲这种超声波技术可以探测材料的硬化结构深度，并且可以根据一些简单的空间技术的信号处理进行硬化层与材料边界信号的回波处理。

随着各种复合材料的不断发现与研究，人们对这种复合材料技术方面的质量问题也不断提出新的要求，因为复合材料大部分质量检测是对整体质量的检测，而不是单独的质量缺陷检测，因此对于材料来说，相互之间的粘结性以及相互之间的饱和度成为判断质量好坏的主要问题，在工程方面人们大多数喜欢使用超声技术对复合材料进行模式激发应力波度来决定复合材料的好坏，有关研究表明在工业应用上超声无损检测的技术对复合材料的检测具有非常重要的影响。

3 信号处理与模式识别的实现与研究

信号处理与模式识别的研究手段可以分为两个方面，一方面是通过实验室对新方法的探究之后在工业应用方面进行检验，另一个方面是对仪器进行改建以便于提高工业生产时候的效率与质量，但是这两种研究的结果不同，所以研究的方式也不同。

3.1 实验室研究

信号处理与模式识别在实验室进行研究的时候应该考虑的是实验室配备的研究工具是否先进与通用，而不用担心信号的获取问题，目前使用比较多的信号处理软件是Matlab，它具有非常良好的数据分析与波形展示功能，在超声无损检测信号中，对信号进行分析与后期的处理大部分使用的是Matlab，因为Matlab 中含有很多现成的处理信号指令以及信号工具箱，可以较为直观的将信号波形以及信号数据展现在人们面前，同时它还具有很多的创新性的处理方法，但是Matlab 处理信号的效率不是特别高，比如遇到一些较长的运算，它的运行速度将会很慢，所以科研人员还会运用C 语言对信号数据进行运算。

3.2 工业性研究开发

针对不同的工业需求进行超声无损仪器的开发具有非常重要的意义，一来可以节约硬件的资源，提高工作人员的工作效率，二来可以节约一部分的研究成本，这种工业性的研究开发可以使用最简单的方法以及最迅速的方式达到处理的预期功能。早期的超声波检测系统是基于单片机进行的仪器研究，这里包括对信号的简单处理以及对仪器的不同研究实验。目前最具有权威性的信号处理仪器为DSP，它的成本非常低，但是相关性能比较高。可以在一秒钟之内完成1024 点的傅里叶变换，并且DSP 的编程语言与编程方法比较简单易学，非常适合目前信号处理的要求。