《Engineering Structures》：Ultrasonic inspection of delaminations in thick composite structures with variable fiber angles using optimal total focusing method: Simulation and experiment
编辑推荐：
针对厚复合材料分层检测的挑战，提出优化总聚焦法（TFM）。通过OnScale?模拟波传播，调整时间延迟控制超声束。均匀厚度结构中5MHz更准确，但层间厚度变化导致5MHz衰减偏转，传统UT失效。采用分段扫描TFM，优化孔径10元素，2.25MHz下精准成像2mm分层，结合TCG和背景噪声归一化提升信噪比，克服传统UT深层检测局限，验证其应对各向异性波偏转和强衰减的鲁棒性。
Fupeng Ni|Andong Cao|Haorun Xu|Zhen Zhang|Wengen Li|Zhongqing Su
同济大学航空航天工程与应用力学学院，上海200092，中国
摘要
鉴于厚复合材料层离检测所面临的挑战，例如由于复杂的微观结构导致的超声波偏转、衰减和结构噪声，本文提出了一种优化的全聚焦方法（TFM），用于检测均匀厚度和层状结构中的层离。使用OnScale?进行了模拟实验，以研究波的传播及其与层离的相互作用，从而能够调整超声波束的时间延迟。在均匀厚度的复合材料中，5 MHz的TFM比2.25 MHz提供了更准确的层离检测结果。然而，在层状结构中，5 MHz时显著的波衰减和偏转导致传统的超声波检测（UT）无法检测到深处的层离。通过使用开发的分段扫描TFM策略，并在2.25 MHz时采用最佳孔径大小（10个元件），成功精确成像并定位了长度为2 mm、深度不同的所有层离。时间校正增益（TCG）和背景噪声归一化被用来提高层离成像性能，实现了较高的信噪比（SNR），克服了传统UT技术的严重限制，尤其是在深层位置。所提出的分段扫描TFM策略及其优化参数为具有不同纤维角度的厚复合材料超声检测奠定了坚实的基础，并显示出对各向异性波偏转和强衰减的鲁棒性。
引言
碳纤维增强聚合物（CFRPs）因其卓越的机械性能而被广泛应用于各种高科技领域，这些性能赋予了它显著的强度重量比和耐用性[1]、[2]。然而，CFRPs在制造和使用过程中容易发生层离，尤其是对于厚载荷复合材料结构。层离会削弱整个复合结构的完整性，从而对基于CFRPs的组件的安全和性能构成严重威胁。因此，对厚复合材料结构中的层离进行表征和量化至关重要[3]、[4]、[5]、[6]、[7]。
为了诊断和表征复合材料结构中的各种缺陷和损伤，从而降低潜在的结构故障风险，出现了多种无损检测技术，包括超声波检测（UT）[8]、[9]、[10]、[11]、[12]、红外热成像[13]、[14]、涡流[15]、[16]、[17]、X射线计算机断层扫描[18]、[19]、[20]、[21]。其中，UT技术因其高分辨率、高穿透深度和方向敏感性而被广泛用于检测复合材料结构中的缺陷[22]。
传统的检测方法通常依赖于单晶探头，如研究中所报道的，UT使用单晶探头已经应用于各向异性层压复合材料结构[2]、[9]、[23]。Zardan等人[24]使用UT探头检测CFRPs中的层波，发现波特征的偏移对层波的存在非常敏感。在我们之前的研究中，提出了一种新的多频超声波方法来区分厚波状复合材料中的层离和富树脂区域[2]、[25]、[26]。层间树脂和层离的反射依赖于不同的检测频率。Kinra等人[27]开发了一种超声波背散射技术，用于识别[90/45/0/-45]s布局的层压复合材料结构中的基体裂纹。超声波检测结果通过X射线摄影和光学显微镜得到了验证。Liu等人[28]提出了一种新的非对称频率超声波技术，用于评估CFRPs的修复情况。使用该技术可视化和评估了修复区域的横截面几何形态和脱粘现象。Benammar等人[29]提出了两种基于信号处理技术的多层CFRPs层离检测算法，包括与极性阈值相关的频谱分割处理和期望最大化算法，这些算法能够高精度地定位层离。总之，单晶超声波换能器的应用在无损评估层压CFRPs方面展现了相当的能力。然而，在层状结构中，不同的纤维角度会导致显著的、位置依赖的波偏转和畸变。来自单元素探头的固定角度声束无法适应这种复杂环境，经常错过与其简单声路径不对齐的缺陷，并且由于严重的声束偏斜而导致缺陷定位和尺寸测量不准确。这些换能器生成的超声波束无法精确控制，限制了可检测区域，降低了多层CFRPs结构的检测效率。
与使用单晶探头的传统超声波检测相比，使用相控阵探头的全聚焦方法（TFM）能够提供更详细、灵活和可靠的超声波检测结果，特别是在检测厚航空航天复合材料结构等关键应用中[30]、[31]。Lin等人[32]详细描述了一种基于模型的TFM方法，用于检测多方向CFRPs层压板中的层离。通过比较使用画笔采集技术获得的B扫描图像，证明了TFM算法的有效性。同样，Yu等人[33]提出了一种自适应方法，通过校正各向异性CFRPs层压板中的时间延迟来重建内部缺陷的图像。模拟和实验结果一致表明，所提出的方法可以准确重建均匀厚度CFRPs中的层离、裂纹和空洞。Tian等人[34]研究了多参数优化，以实现高质量超声波TFM成像，用于检测多侧钻孔（SDHs）和交叉层CFRPs中的层离，包括不同的限制角度、波中心频率和速度校正[35]。通过实验验证，Wang等人[36]证明，当使用适当配置的阵列探头和检测参数时，超声波相控阵方法可以有效识别R区域内的平底孔人工缺陷，即使这些孔的角度、埋藏深度和孔径很小（约3 mm）。
相控阵探头代表了显著的技术进步，实现了电子束的转向和聚焦，通常用于B扫描模式。然而，传统的B扫描算法往往依赖于简化的或各向同性的声速模型来计算波束聚焦的时间延迟定律。这种方法缺乏可靠的聚焦增益，无法有效检测小而深的层离。当将这些各向同性假设应用于高度各向异性的层状结构时，会导致不准确的束转向和失焦[37]。结果，超声波束无法在期望的位置聚焦，显著削弱了来自缺陷的信号幅度，并引入了成像伪影[38]。尽管相控阵在许多方面优于单晶探头，但它们检测缺陷的能力，特别是在各向异性区域深处小于3 mm的小层离方面，仍然有限。
总之，TFM算法在复合材料无损检测中具有广泛的应用前景。然而，例如涡轮叶片榫根处的厚载荷CFRPs具有强烈的各向异性和复杂的几何结构，这为超声波缺陷检测带来了新的挑战[37]。层状结构中的层状布局是指特定层的终止，以实现连续的厚度变化，这使得设计和制造变得困难[39]、[40]。在层状CFRPs的制造和使用过程中，不可避免地会出现各种类型的缺陷，包括层离、富树脂区域等。这些缺陷严重影响了厚复合材料结构的使用寿命和承载能力，尤其是层离主要降低了拉伸和压缩性能[41]、[42]。尽管层状复合材料的机械性能已经得到了广泛的研究和分析[43]、[44]，但使用TFM技术检测层状CFRPs中的层离的研究却很少。这可能归因于以下挑战：由于纤维方向和富树脂区域的不同，导致多次反射、折射和模式转换[10]、[38]、[45]；由于纤维波形、孔隙和富树脂导致随机散射[9]、[24]；不同方向的传播速度和衰减特性存在显著差异[46]。
为了打破传统超声波B扫描成像的局限，并通过优化的TFM实现厚层状CFRPs中的层离识别，本文的结构如下。第2节详细介绍了层状CFRPs的设计和制造过程，随后阐明了使用相控阵探头的超声波检测的数值和实验设置。第2节还说明了通过实验超声波速度校准确定数值模拟所需的材料属性。第3节展示了使用优化的TFM和后续信号处理对均匀厚度和层状CFRPs中的层离进行检测的结果，第4节总结了最终结论。
章节摘录
均匀厚度和层状CFRPs的设计与制造
制造了两种不同类型的CFRPs样品：具有和不具有层离的均匀厚度复合材料结构，以及具有和不具有层离的层状（变厚度）复合材料结构。在整篇文章中，它们分别被称为层离均匀厚度、无层离均匀厚度、层离层状和无层离层状复合材料结构。均匀厚度复合材料的布局为[0/90]24?s，测量了...
结果与讨论
为了验证TFM算法在CFRPs层离检测中的有效性，使用传统的B扫描和TFM成像方法对均匀厚度和层状CFRPs进行了对比检测。鉴于传统B扫描成像在层状复合材料中的层离检测（特别是在深层位置）存在局限性，进行了详细研究以优化TFM成像结果，包括激发-接收元件组合的选择、孔径大小等
结论
本研究使用最优化的TFM检测了具有复杂纤维方向的厚复合材料结构中的层离。从数值和实验研究中可以得出以下结论。
- (1)
在层状区域具有变纤维方向的厚复合材料结构对传统超声波层离检测构成了显著障碍。由不同纤维角度引起的显著各向异性导致复杂的波偏转，从而影响了声束的...
CRediT作者贡献声明
Fupeng Ni：撰写——原始草稿、可视化、验证、方法论、调查、形式分析、概念化。Andong Cao：撰写——审阅与编辑、验证、方法论。Haorun Xu：撰写——审阅与编辑、调查、概念化。Zhen Zhang：撰写——审阅与编辑、可视化、验证、方法论、资金获取。Wengen Li：调查。Zhongqing Su：监督。
写作过程中生成式AI和AI辅助技术的声明
在准备这项工作时，作者没有使用任何AI工具或服务。作者审阅并编辑了内容，并对发表文章的内容负全责。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文报告的工作。
致谢
本研究得到了国家自然科学基金（NSFC）（12202313）和中国航空科学基金（2024M051038001）的资助，同时也得到了2024年度跨学科联合研究项目的支持，并得到了同济大学中央高校基本研究基金和上海高峰大学学术计划发展的支持。
