谱熵分析方法在TOFD信号特征提取中的应用

杨双羊，盛朝阳，路 燕，高 晨

（1.海洋石油工程股份有限公司，天津 300452；2.环境保护部核与辐射安全中心 系统设备材料部，北京 100082）

作为超声成像检测技术，TOFD 方法在厚大结构的检测方面有较强的优势，对缺陷的定位、定量准确，对裂纹类缺陷较敏感［1－2］。然而对于检测图像或信号的解释、缺陷的分析，目前主要依赖于人工完成，这样缺陷评定的准确性就会受工作人员的知识、经验以及熟练程度的影响，容易造成误判，所以广大学者在超声TOFD 检测结果的自动识别方面做了不少研究。缺陷的自动识别是以提取有效特征量为前提的，所以特征量的选择格外重要。目前，基于TOFD 检测图像的特征量的提取主要有两方面，一是从信号角度提取特征量，如以信号的傅里叶变换谱的幅值或小波变换系数的向量为特征量［3－4］，或利用算法直接处理时域信号以提取特征量［5］；另一方面是从图像角度出发，利用纹理分析等技术提取特征量［6－7］。这些特征量的提取在一定程度上实现了不同种类缺陷的区分，但是对于裂纹和夹渣的缺陷分析较少，所以需要继续提取有效的特征量以实现焊缝中多种类缺陷的区分。

笔者通过TOFD 方法检测了焊缝中不同种类的缺陷，即气孔、夹渣、裂纹、未焊透和未熔合，分析了各类型缺陷信号在频域的特征，同时将信号频域的二维信息熵即谱熵和谱的重心频率，应用于不同种类缺陷的特征分析。分析结果表明，该二维信息熵可较有效地将五类缺陷分开，为缺陷的自动识别提供可靠的特征量。

1 超声TOFD焊缝检测中的典型缺陷

1.1 超声TOFD检测技术原理

超声TOFD 是利用一对探头相对布置在焊缝两侧且探头中心在同一直线上进行检测的方法［8］。检测时，两探头同步移动，一个作为发射探头，另一个为接收探头，两探头入射点之间的距离称作探头间距（PSD）。假设板材或者焊缝中存在裂纹类缺陷，如果裂纹高度足够大，会产生如图1所示的检测信号。根据超声波传播路程的长短，接收到的信号波型依次是侧向波、缺陷上端衍射波、缺陷下端衍射波及底面回波。缺陷上端衍射波与侧向波相位相反而与底面回波相位相同，而缺陷下端衍射波与侧向波相位相同而与底面回波相位相反，通过相位关系可以判断获得的缺陷信号是否来源于同一缺陷体。该方法通常使用纵波探头，因其声速比横波快，这样在选择合适的检测工艺参数后，可在侧向波及底面回波之间排除转换波的干扰，易于识别缺陷信号。

超声TOFD 方法显示检测结果通常有3 种表示方式：A 信号、B 扫描图像、D 扫描图像。A 信号表示一个固定位置的采集结果，如图1所示。D 扫描和B 扫描的显示结果更直观易分辨，也易于被理解计算，而它们间区别在于声波的方向和探头运动方向是否平行。当探头机构沿着平行于焊缝或缺陷方向作扫查运动时，超声波的传播方向和探头的运动方向垂直，检测所得到的TOFD 图像为D 扫描图像，其平行于焊缝且以主视图方式显示出缺陷的长度与高度。当探头机构沿着垂直于焊缝或缺陷的方向作扫查运动时，超声波的传播方向和探头的运动方向平行，检测所得到的TOFD 扫描图像上缺陷端部衍射波的传播时间不断发生变化，在屏幕上从左到右逐点反应这种变化关系的图形称为B 扫描，利用B扫描图像对缺陷定位更加准确，可以确定缺陷的深度和横向位置。

图1 TOFD 检测原理

图2分别为D 扫描和B 扫描的图像示例，检测对象是20mm 厚的铝板中的距底面13.5mm 的开口槽。

图2 超声TOFD 法D 扫描和B扫描图像

1.2 典型缺陷的检测

焊缝中缺陷性质的自动识别，是以提取有效的特征量为前提的，而验证特征量的选取是否有效，通常需要进行统计验证，所以在实现缺陷自动识别前，需要具备足够的缺陷样本，通过这些样本的统计特征初步验证提取特征量的有效性。

笔者选用板厚为24 mm 的低合金钢材料的试板（尺寸为400mm×260 mm×24 mm），采用手工电弧焊及氩弧焊相结合的方法制备带缺陷的对接焊缝。专业的无损检测人员对制备的试件进行了X射线照相评定及常规超声检测，评定后的缺陷主要包括面状及体积型缺陷，类型有未焊透，未熔合，裂纹，气孔和夹渣等缺陷。

图3 气孔的D 扫描图像及A 信号

图4 夹渣的D 扫描图像及A 信号

图5 裂纹的D 扫描图像及A 信号

图6 未焊透缺陷的D 扫描图像及A 信号

图7 未熔合缺陷的D 扫描图像及A 信号

图3～7中列出了几种典型缺陷的D 扫描图像及相应的A 信号。图中只是示意性地指出了D扫描图像中一处缺陷位置，其它有相似特征的地方并未一一标出。从图中可以看出，体积型缺陷，即气孔与夹渣的D 扫描图像边缘比面状缺陷边缘弧度大，但对于三种面状缺陷，它们的D 扫描图像相似，很难在视觉上进行区分。从五类缺陷的A 信号角度来看，信号的波形更是接近，故很难判断出其属于哪一种缺陷，可见TOFD 检测结果的定性识别存在较大的难度，所以通常检测人员的主观评判可能会存在误差，甚至是误判，因此应求助于自动识别技术，尽量在评定中减少人为的因素以便适应不同的检测环境。

2 信号频域的二维谱熵特征

由图3～7中的典型缺陷的A 信号可知，在时域提取特征量以分离不同种类缺陷比较困难，同时由于不同类型的缺陷体与超声波作用产生的衍射信号在频域上存在差异，所以应在频域寻找特征量。图8是五类缺陷A 信号的频谱，从频谱图上可以看出，频谱比较杂乱且存在交叠和多峰的现象，所以单纯依据频谱峰值的位置或幅值特征的传统方法不足以分离开各种缺陷，并且在检测过程中检测系统的增益、检测速度等因素也会造成频谱幅值的改变或缺陷信号频率位置的改变。

图8 五类缺陷的A 信号的频谱

信号频域二维信息熵［9］，即谱熵和谱的重心频率，它除了能够反映频谱分布特征和能量集中程度外，还可用频谱线熵的重心频率反映谱的能量集中的位置。谱熵Hf的计算为

式中：qi为第i个功率谱在整个谱中所占的百分比；N为谱线条数。谱熵越小，谱越集中。谱熵越大，谱在整个频率成分分布上就越均匀，则信号越复杂，不确定性程度就越大。提出谱的重心频率主要是为了刻划频谱的重心位置，其计算为

式中：X（k）为信号的离散傅里叶变换。谱的重心频率与谱熵一起构成了谱的二维向量（CG，Hf）。

3 TOFD 缺陷信号频域的二维信息熵特征分析

分别计算了五类缺陷A 信号的二维信息熵，其中未焊透的A 信号数是142个，未熔合87个，裂纹94 个，气孔96 个，夹渣158 个。计算结果如图9所示。

图9 五类缺陷A 信号的二维信息熵

从图9可看出，体积型缺陷与面状缺陷的重心位置相差较多，即面状缺陷重心后移。在面状缺陷里，裂纹的谱熵较小，相对集中，重心位置比较靠前，而未焊透和未熔合的频谱相对比较分散，但是二者之间不存在交叠，只有裂纹和未焊透的少部分数据发生重叠。总的来说，该二维信息熵可以有效地将五类缺陷分开，为缺陷的自动识别提供了有效的特征量。但是该特征量是否真的符合自动识别标准，在以后的工作中还需要进一步讨论和验证。接下来的工作将是进行聚类算法与分类器的设计以实现缺陷自动分类与识别，这将在以后的文章中进行陈述。

4 结论

利用超声TOFD 方法检测了制备焊缝中不同种类的缺陷体，通过分析不同缺陷体的A 信号的频谱特征，分别计算了五类缺陷信号的二维信息熵，从计算结果图可以看出，该二维信息熵能有效区分五类缺陷，为TOFD 检测结果的自动识别分析提供了有效的特征量。

［1］史俊伟，刘松平.搅拌摩擦焊焊缝超声TOFD 检测与缺陷评估方法［J］.无损检测，2011，33（11）：1－3.

［2］盛朝阳，刚 铁，黄江中.基于图像线性化的超声TOFD 检测缺陷定位方法［J］.无损检测，2011，33（7）：15－17.

［3］SHITOLE，C S N，ZZHRAN O，AL－NUAIMY W，et al.Combining fuzzy logic and neural networks in classification of weld defects using ultrasonic time－offlight diffraction［J］.Insight：Non－Destructive Testing and Condition Monitoring，2007，49（2）：79－82.

［4］MOURA E P，SILVA R R，SIQUEIRA M H，et al.Pattern recognition of weld defects in preprocessed TOFD signals using linear classifiers［J］.Journal of Nondestructive Evaluation，2004，23（4）：163－172.

［5］ZAHRAN O，AL－NUAIMY W.Automatic data processing and defect detection in time－of－flight diffraction images using statistical techniques［J］.Insight，2005，47（9）：538－542.

［6］LAWSON S W，PARKER G A.Automatic detection of defects in industrial ultrasound images using a neural network［J］.Proceedings of SPIE，1996（2786）：37－47.

［7］KECHIDA A，DRAI R，KHELIL M.2DGabor functions and FCMI algorithm for flaws detection in ultrasonic images［J］.Proceedings of World Academy of Science Engineering and Technology.2005（9）：184－188

［8］CHARLESWORTH J P，TEMPLE J A G，ZIPIN R B.Engineering Applications of Ultrasonic Time－offlight Diffraction［M］.Philadelphia，USA：Research Studies Press Ltd.，2001.

［9］刘红星，左洪福，姜澄宇，等.信号频谱的二维向量及其应用［J］.中国机械工程，1999，10（5）：537－539.