合金火箭弹弹体缺陷超声自动检测及信号处理①

陈友兴，吴其洲，赵建辉，王召巴，石兵华，刘洋帆

(1.中北大学仪器科学与动态测试教育部重点实验室，太原 030051;2.中北大学 电子测试技术国家重点实验室，太原 030051;3.空军西安飞行学院，西安 710306)

0 引言

合金火箭弹弹体具有比强度高、质量轻的优点，在现代武器中得到广泛应用。但其在生产过程中容易产生裂纹、气孔、夹杂等缺陷，影响其使用性能，甚至带来安全隐患，因此需要在其使用前进行无损检测。文献［1－2］采用超声检测技术完成了小口径火箭弹弹头和合金弹体的缺陷检测，并与X射线检测结果比较，说明超声检测方法的有效性。在实际应用中，由于检测工件的特殊性，不适合用水浸方式耦合，一般采用喷水方式耦合，喷水装置的结构和水流会影响缺陷回波特征的提取，如果要从根本上去除噪声，就要改进喷水装置的结构。对于非通用的检测设备，会大大增加研制成本和周期［3］。

本文在研究过程中避开了喷水装置机械设计的问题，从信号软处理的角度，利用自适应滤波抵消原理抑制了喷水装置带来的噪声，弥补了机械设计复杂的问题，方法具有通用性。此外，为了提高缺陷的准确定位精度，将系统分析的理论引入到缺陷的超声检测中，利用反褶积方法准确提取缺陷特征信息，实现了缺陷的准确定位和显示。

1 合金火箭弹弹体的超声自动检测方法

图1是一合金火箭弹弹体的剖面示意图，由实心圆柱体、空心圆锥体和空心圆柱体3段组成。图2为超声自动检测原理示意图。

图1 合金火箭弹弹体剖面图Fig.1 Cross-section drawing of the alloy rocket body

图2 合金火箭弹弹体剖面图Fig.2 Cross-section drawing of the alloy rocket body

图2(a)是实现超声自动检测的示意图，通过旋转工件和轴向移动探头实现整个工件的全面探测，形成C扫描图。在工件检测过程中，需要根据3段不同的结构检测方法有所区别，超声探头的轨迹也有所调整。当检测实心圆柱体段时，采用图2(b)的方式检测，探头垂直于工件正下方;当检测空心圆柱体时，采用图2(c)的方式检测，探头在圆周方向偏离工件正下方，在轴向上如图2(a)的C所示;当检测圆锥体段时，探头在圆周方向如图2(c)所示，在轴向上如图2(a)的B所示。本文采用喷水耦合方式，即解决了超声检测的耦合问题，也方便了超声探头的灵活调整。

本系统采用聚焦超声探头，其中心频率为2.5 MHz，探头晶片直径为10 mm，探头聚焦深度为50 mm。超声采集卡的采样频率为50 MHz，8位量化采样，量程为－1～1 V。检测时圆周方向和轴向方向每间隔2 mm采集1次。根据文献［2］的计算方法可计算出，检测过程中不同位置的探头姿态，即图2(b)、(c)中的D、X和探头旋转角度。

图3是采集得到的一些典型信号。由图3可见，采用上述方法可很好地检测出缺陷，但回波信号中还存在干扰噪声，这些噪声会影响到缺陷的特征提取，甚至会造成缺陷的误判。通过分析得出，图3中的干扰噪声是由于水流、水盒边界造成，其出现的位置和形状基本相似，可预先设定干扰固有参考信号，采用自适应滤波技术进行去噪。

图3 检测过程中的典型回波信号Fig.3 Typical echo signal in the ultransonic testing

2 自适应滤波的噪声抑制

自适应滤波器的原理如图4所示。其中，x(n)为输入信号;d(n)为噪声参考信号;y(n)滤波器得到近似噪声信号;r(n)是自适应滤波去噪后的结果;e(n)是d(n)与y(n)的误差信号。自适应滤波器的滤波系数受到误差信号e(n)控制，根据e(n)的值和自适应算法自动调整［4－5］。

根据图4的自适应滤波算法，以图5的信号为参考信号，对采集的超声原始信号进行去噪处理。图6列出了图3相应数据的结果，本文采用matlab下的adaptnlms命令实现自适应滤波。

图4 自适应滤波原理图Fig.4 Principle of adaptive filtering

图5 高斯包络噪声参考信号模型Fig.5 Gaussian envelope noise reference signal model

图6 自适应滤波器处理结果Fig.6 Processing results of adaptive filtering

对比图6和图3可看出，经过自适应滤波去噪后，噪声干扰得到很好的抑制，缺陷信号并没有受到影响，基本保持着原有的能量和特征，说明了上述去噪方法的有效性。

3 基于反褶积技术的缺陷特征提取

要实现缺陷精确检测与定位，还要根据缺陷的特征量(幅度、时间延时)进行重建得出。自适应滤波方法虽然很好地去除了噪声干扰，但还不能直接得出缺陷特征(幅度、时间延时)。反褶积技术将超声回波等效成激励信号与反射系数函数的褶积，那么反射系数函数即可由超声回波与激励信号的反褶积得到，这样就可由反射系数函数得出缺陷的特征量。下面介绍其原理［6］。

采用超声反射法探测一工件时，超声探头发射一脉冲信号经耦合液和工件反射后由超声探头接收，如果将每次反射当作冲激函数组成，那么超声回波信号可表示成:

式中 x(t)为超声信号;b(t)为激励信号(子波);ξ(t)为反射系数函数。

在频域内的表达式可写成:

式中 X(ω)、Bω()和 ξ(ω)分别为超声信号频谱、子波频谱和反射系数函数频谱。

如果令:

则

在时域内:

由此可知，可根据超声激励信号，求出a(t)，再利用式(5)反射系数函数ξ(t)。

图7是图6(b)、(d)经反褶积得到的结果。从图7可看出，缺陷特征脉冲明显，可很容易得出代表缺陷的信息(幅度、时间延时)。

图7 基于反褶积的缺陷特征提取结果Fig.7 Feature extraction results of defect based on deconvolution method

4 缺陷的C扫描显示与定位

4.1 缺陷检测与C扫描显示

对合金火箭弹按第2章描述的方法进行检测，将检测的数据采用自适应滤波噪声抑制方法和反褶积技术进行处理，得出有缺陷的幅值和时间延时特征量，图8是根据缺陷幅值特征量进行C扫描重建得到的检测结果。从图8可看出，工件在实心圆柱体、空心圆锥体和空心圆柱体部分都存在缺陷。

为了证明检测方法的有效性，采用X射线对工件进行检测。根据工件的结构，采用2次不同剂量透射得到2张照片，图9是2张照片拼接的结果。从图9可看出，工件中共存在4处缺陷:实心圆柱体部分2个孔状缺陷(1.5 mm人工孔)、空心圆锥体部分1个内表面划痕缺陷(人工)和空心圆柱体部分1个孔状缺陷(1.5 mm 人工孔)。

图8 C扫描重建缺陷结果Fig.8 C-scan image of the defect

图9 X射线检测结果Fig.9 Result of X-ray testing

对比图8和图9可看出，超声C扫描能够检测出缺陷的有无和在轴向上的位置，但不能对缺陷在圆周方向进行定位，也没办法区分在同一圆周截面上的2处缺陷。因此，仅采用C扫描图不能很好地体现缺陷的完整信息。下面根据缺陷的时间延时特征量进行缺陷定位。

4.2 缺陷定位的计算方法

根据对缺陷特征信号的时间延时，可推导出缺陷在工件圆周截面的位置(ρ，θ)。其中，ρ为缺陷距离工件中心的距离;θ为缺陷偏移水平轴的角度。由于实心体部分和空心体部分的检测方式有所不同，缺陷的定位方法也有所不同。

(1)实心体部分

根据图1(b)，探头垂直入射工件下表面，故

式中 R为弹体横截面半径;l为超声波入射点位置与缺陷处的直线距离，l=CΔt/2;C为合金材料声速;Δt为下表面回波特征与缺陷特征的时间间隔(如图7(a)所示)。

由于弹体转动的是由电机控制，所以弹体1圈检测的总点数N是已知的，用n表示对弹体进行1圈检测中的第n个检测数据，则

(2)空心体部分

根据图1(c)所示，超声波偏离中心轴X入射工件表面，此时属于斜入射情况，那么根据超声波的传播规律遵循Snell定律和几何关系，可得

式中 α为入射角;β为折射角;R为工件检测位置的外径;C为合金材料声速;C0为水声速。

根据三角形余弦定理，可得到缺陷所在位置到圆心的距离:

与式(6)一样，这里l=CΔt/2。

该缺陷位置所对应极坐标圆心角为

实心体部分根据式(6)和式(7)，空心体部分根据式(9)和式(10)可计算出缺陷的位置，图10是3个不同部位的缺陷定位图。

图10 缺陷定位图Fig.10 Defect location map

比较图10的定位结果、图9的X射线检测结果以及工件的实际的缺陷情况，发现图10的缺陷定位很准确，基本能够确定缺陷所在的位置。说明采用的检测方法和信号处理技术是有效的。

5 结论

(1)通过与X射线检测结果比较得出，采用的超声自动检测方法在提高检测效率时，可有效地检测出合金火箭弹弹体内部的缺陷。

(2)针对喷水耦合带来的噪声干扰，采用自适应滤波技术进行噪声抑制，避免了喷水装置机械设计复杂的问题。结果表明，在噪声得到很好抑制的同时，确保缺陷信息能量和特征不受影响。

(3)将系统分析的理论引入到缺陷的超声检测中，采用反褶积技术进行缺陷特征量的提取，通过缺陷定位算法验证特征量提取的准确性。

［1］金永，王召巴，丁战阳，等.一种小口径火箭弹弹头超声检测方法［J］.固体火箭技术，2010，33(1):115-118.

［2］戚励文，金永，王召巴，等.合金弹体棒状坯料超声检测方法研究［J］.弹箭与制导学报，2009，29(4):269-272.

［3］原可义，韩赞东，王柄方等.复合材料喷水耦合超声C扫查检测系统的研制［J］.航空制造技术，2009，(15):101-103.

［4］Paulo S R Diniz .Adaptive filtering［M］.Springer，2013:209-213.

［5］高鹰，谢胜利.一种变步长LMS自适应滤波算法及分析［J］.电子学报，2001，29(8):1-3.

［6］Wei Liang，Huang Zuo-ying，Que Pei-wenb.Sparse deconvolution method for improving the time-resolution of ultrasonic NDE signals［J］.NDT＆E International，2009(42):430-434.