水冷壁管腐蚀脉冲涡流检测信号处理与成像

邢仁飞，杨 帆,3，付跃文，黄文丰，陶爱军，夏志风，段建刚

(1.南昌航空大学 无损检测技术教育部重点实验室， 南昌 330063； 2.中国航发沈阳黎明航空发动机有限责任公司， 沈阳 110043; 3.中车广东轨道交通车辆有限公司， 江门 529100)

水冷壁管道长期处于高温服役状态，极易出现大面积腐蚀，因此需要对其进行定检以防止更严重的事故发生[1]。常见的水冷壁管道无损检测方法有远场涡流检测[2]、漏磁检测[3]、电磁超声检测[4]等。脉冲涡流检测(PECT)是一种非接触式检测手段，具有宽频谱、不停机检测等优势。其检测原理为：检测线圈激发初级磁场，试件中产生的感应涡流在有缺陷的状态下会改变流向，导致次级磁场发生变化，检测线圈接收次级磁场信号并以衰减电压的形式呈现[5],再通过提取衰减电压中的特征信息可实现缺陷检测，而构建PECT成像系统对电磁信号进行可视化，则有助于检测时高效识别缺陷[6-7]。

为减小检测信号中的噪声干扰，提升检测信噪比以及检测灵敏度，研究人员尝试了改变PECT探头结构[8]、改善激励线圈与检测线圈的耦合关系[9]、抑制提离效应[10]等方法。在特征提取前，通常需要对衰减电压进行滤波处理。脉冲涡流检测信号中的噪声主要来源于工频噪声与高频白噪声，实际检测中其频带往往分布在整个频率轴上。传统的移动均值滤波[11]以及中值滤波[12]等方法对部分检测信号中的高频和低频信号滤波效果较差。因此研究人员提出维纳滤波[13]、小波滤波[14]等方法，并取得了不错的滤波效果。

在特征提取上，研究人员利用过零时间[15]、提离交叉点[16]、峰值时间[17]、衰减曲线斜率[18]等特征信息进行金属测厚。将衰减曲线斜率与金属厚度标定进行数据可视化是可靠的方法，但实际工程应用中在准确提取曲线斜率并识别较小的厚度差别上仍存在难点。

文章通过定量对比移动均值滤波、中值滤波以及小波滤波在水冷壁管道PECT信号处理中的信噪比，选取合适的滤波方法；通过定位有效信号区间来分析提取衰减曲线的有效斜率，设计一套可实时成像的PECT检测系统，其成像结果清晰，精度高。

1 试验设计

1.1 PECT系统

试验平台由激励设备、采集卡、水冷壁管试件、扫查架、探头构成(见图1，2)。激励信号为等宽双极性方波。采集卡为16位模数转换器。扫查架尺寸为500 mm×400 mm(长×宽)，扫查精度为0.1 mm。上位机与激励设备、采集卡和扫查架使用USB接口进行通讯，激励设备与采集卡和扫查架通过触发信号进行同步。

图1 检测系统结构示意

图2 试验平台外观

1.2 探头与试件

脉冲涡流传感器由激励线圈与接收单元组成。线圈具有灵活度高，便于设计与分析的特点，因此使用线圈作为传感器的接收单元。探头实物如图3所示。

图3 探头实物

试验使用两种试件，试件一为水冷壁阶梯试件，试件二为缺陷试件。

试件一材料为20钢，共含6根管道(管道1管道6)，管道内有螺纹，水冷壁阶梯试件结构如图4所示。管道中设置有不同厚度的阶梯模拟均匀减薄，详细尺寸如表1所示。

图4 水冷壁阶梯试件结构示意

表1 水冷壁阶梯试件尺寸 mm

试件二材料为20钢，壁厚为5.24 mm，外表面设置有局部减薄缺陷。缺陷尺寸约为15 mm×20 mm(长×宽)，缺陷最薄处厚度为3.34 mm，缺陷试件结构如图5所示。

图5 缺陷试件结构示意

2 数据处理方法

使用小波变换降噪方法对采集到的水冷壁原始信号进行分析，并与均值滤波法及滑动平均方法进行对比，利用信噪比对3种降噪方法进行定量分析。结合脉冲涡流检测原理选取最优滤波参数与方法，使用所提出的斜率提取方法进行成像。

2.1 滤波方法

传统的滤波方法假定信号和噪声处在不同的频带，通过对不同频率信号的抑制来消除噪声。在脉冲涡流的实际检测中，有效信号一般表现为频率较低或者是比较平稳的信号，噪声信号多为高频信号。小波去噪可以对有效信号和噪声信号对应的小波系数值进行分离。对于一个一维含噪信号，其模型可以表示为

y(t)=s(t)+n(t)

(1)

式中:y(t)为含噪信号;s(t)为有效信号;n(t)为噪声信号。

文章采用小波变换的阈值去噪法，主要步骤如下所述。

(1) 选取合适的小波基函数，对含噪信号进行小波分解，确定合适的小波分解层数，得到信号分解后的小波系数。

(2) 选取最优的阈值函数，确定合适的阈值处理方法，对信号进行处理。

(3) 对处理后的小波系数进行逆变换，对信号进行重构，得到去除噪声的有效信号。

阈值选择在小波阈值降噪中起到了重要的作用，如果阈值选取得过大，将会去掉部分信号分量，造成信号失真；如果阈值选取过小又会保留过多的噪声分量，无法有效去除噪声。文章采用sym6小波对信号进行6层分解，并使用软阈值量化。

2.2 特征提取方法

在脉冲涡流检测信号中，不同厚度试件的电压衰减曲线斜率不同。较薄试件的信号衰减更快，更早到达噪声区，致使无法分辨每条下降曲线的有效斜率。经过滤波之后的信号虽然能够区分斜率跟厚度的对应关系，但是由于不同厚度对应衰减电压信号的时域不同，在实际检测中无法对扫查信号进行快速成像处理。文章提取斜率方法的主要步骤如下所述。

(1) 使用微分方法计算每条衰减曲线上每个点的斜率。

(2) 计算同一时间维度下不同曲线斜率的标准差。

(2)

式中:Si为第i个时窗的斜率标准差;Xij为第i个时窗第j条曲线的斜率;ui为第i个时窗所有曲线斜率的样本均值;N为曲线的条数。

由于不同厚度曲线斜率的分离时间不同，斜率标准差随着时窗的变化先变大后变小，后期时窗内Si开始作无规则变化，表明信号进入噪声区。设Si开始增大时的时窗为T1，Si减小到最小值时的窗为T2。

(3) 计算T1，T2时窗时所有曲线的电压值，分别求出T1、T2时窗时不同曲线电压值的最小电压V1与V2。求出每条曲线到达电压V1与V2的时间Tj1，Tj2。[Tj1,Tj2]即为第j条曲线的有效斜率区间。

2.3 成像方法

设计的脉冲涡流检测系统可以利用扫查架按照规定路线扫查。水冷壁阶梯试件与缺陷试件一和二的扫查路线为从左到右，扫查步进为2 mm。上位机驱动信号发生器发出激励信号，同时发送同步信号给采集卡和扫查架，使扫查同步。阶梯试件一按照管道1管道6的顺序进行扫查，每条管道扫查120个点；沿表面中线扫查缺陷试件，共扫查100个点，得到斜率与厚度的关系，并标定斜率大小与厚度，进行成像显示。

3 试验结果

3.1 滤波结果

试件原始脉冲涡流信号 如图6所示。使用滑动平均方法将每点电压值设置为相邻25个点电压值的算数平均值，得到如图7所示的信号。使用中值滤波方法将每点电压值设置为相邻25个点电压值的中值，得到如图8所示的中值滤波处理后的信号。图9为使用小波阈值降噪处理后的信号。

图6 试件原始脉冲涡流信号

图7 滑动平均处理后的试件检测信号

图8 中值滤波处理后的试件检测信号

图9 小波阈值降噪处理后的试件检测信号

取小波降噪滤波后的数据再进行中值滤波，得到如图10所示的信号，可见，滤波后的信号噪声已经很小，可用来代表无噪声的脉冲涡流检测信号。使用信噪比对3种滤波效果进行评估。滑动平均、中值滤波、小波阈值降噪方法的信噪比分别为44，17，70 dB，可见小波阈值降噪的效果要优于其他两种滤波方法的效果。

图10 小波降噪及中值滤波处理后的试件检测信号

3.2 成像结果

采集到的每个周期信号包含1 000个有效采样点，将每个采样点与该点后的14个采样点进行一阶拟合计算斜率，该15个点的时刻中值设为该采样点斜率对应时刻。以第一个采样点为起点依次计算1 000个采样点的斜率，得到9个厚度对应的电压衰减曲线的斜率变化曲线如图11所示。

图11 9个厚度对应的电压衰减曲线的斜率变化曲线

试件不同厚度对应的电压衰减曲线会在某个时域内依次分离，斜率依次发生改变。计算同一时刻不同曲线的斜率标准差，并绘制得到标准差随时间的变化曲线如图12所示。标准差能够反映不同曲线同一时间斜率的离散程度，离散程度越大说明斜率差别越大。取0.001 5 s作为斜率有效区的开始时窗T1，0.010 4 s作为结束时窗T2，之后的时窗曲线斜率受噪声的影响开始无规则变化。

图12 电压衰减曲线斜率标准差随时间的变化曲线

求出T1时窗每条曲线的电压值并进行比较，计算出的最小电压值为52 mV，将52 mV作为斜率有效区间的起始电压。求出T2时窗时曲线的电压值并进行比较，计算出的最小电压值为0.68 mV，将0.68 mV作为噪声区的阈值电压，小于该电压的信号被视为无效信号。

由52 mV和0.68 mV作平行x轴的直线，由此可得曲线斜率的有效区间(见图13)。

图13 电压衰减曲线斜率的有效区间

在起始电压的时窗与阈值电压时窗范围内，线段的斜率即为该曲线的有效斜率。所求斜率绝对值与厚度的关系如表2所示，斜率绝对值与厚度的关系如图14所示。

表2 电压衰减曲线斜率绝对值与厚度的关系

图14 电压衰减曲线斜率绝对值与厚度的关系

经小波阈值降噪处理后，试件一的脉冲涡流成像效果如图15所示，试件二的脉冲涡流成像效果如图16所示，可从图中准确识别所设计的缺陷。

图15 试件一的脉冲涡流成像效果

图16 试件二的脉冲涡流成像效果

4 结论

对水冷壁管腐蚀脉冲涡流检测的信号处理与成像进行了研究。比较了滑动平均、中值滤波、小波阈值降噪等几种降噪方法的滤波效果，并进行了评估。结果表明小波阈值降噪的效果要优于其他两种滤波方法。采用了基于斜率的腐蚀定量方法进行腐蚀缺陷成像。试验结果表明所使用的阈值去噪以及对检测信号的有效斜率特征提取方法可以对腐蚀进行快速成像，所建立的成像系统有利于检测人员在现场快速识别缺陷。