编辑推荐：
针对粗晶材料中难以检测的小型及大角度倾斜裂纹问题，本文提出了一种多阶段通道优化-TFM（MSCO-TFM）方法。该方法通过分阶段优化接收器、发射器和A-scan通道，显著提升了信噪比（平均改善9.78dB）和缺陷表征的鲁棒性，同时无需依赖大量训练数据或精确材料先验知识，有效解决了传统TFM在晶粒噪声干扰下的检测与 sizing难题。
陶叶|郭长荣|徐建峰|白龙
华中科技大学机械科学与工程学院智能制造装备与技术国家重点实验室，武汉430074，中国
摘要
缺陷检测与表征是超声波无损检测（NDT）的主要目标之一。然而，由于超声波与晶粒相互作用导致的衰减和散射噪声，检测多晶材料中的微小亚波长裂纹和陡倾斜裂纹仍然具有很大挑战性。本文提出了一种自适应全聚焦方法（TFM），该方法显著提高了信噪比（SNR）并增强了缺陷表征的鲁棒性。该方法首先使用优化的基线减法方案定位潜在缺陷，然后通过分层通道优化过程——称为多步通道优化TFM（MSCO-TFM）——依次对接收器、发射器和各个A扫描通道进行优化。基于SNR指标和6-dB尺寸测量方法的数值模拟和实验评估表明，MSCO-TFM的性能优于现有的技术（如接收器优化TFM（ROTFM））。在五个代表性缺陷（一个亚波长裂纹和四个陡倾斜裂纹）上的实验结果表明，MSCO-TFM的平均SNR比传统TFM提高了9.78 dB，并且对5毫米、45°的裂纹具有出色的表征精度。更重要的是，与依赖高质量训练数据和检测环境先验知识的反演或深度学习方法不同，MSCO-TFM直接优化了超声波阵列捕获的完整矩阵数据集。此外，它能够有效补偿缺陷数据与基线数据之间的时空错位，而不会增加计算复杂度或复杂化实验程序，因此非常适合实际工程应用。
引言
无损检测（NDT）[1]和结构健康监测（SHM）[2]被广泛用于评估安全关键系统的结构完整性。在这些技术中，超声波检测[3]以其高安全性和出色的检测灵敏度[5]而著称。最近在超声波换能器阵列[6]、人工智能、深度学习技术和先进成像算法（例如波数算法[7]和全聚焦方法（TFM）[8]方面的进展显著扩展了超声波检测的能力。然而，识别和表征微小缺陷仍然具有挑战性，尤其是在检测具有高结构噪声的多晶材料时[9]。
在高度散射材料中使用超声波阵列进行缺陷检测已得到广泛研究，人们投入了大量努力来开发先进的信号处理技术以提高图像信噪比（SNR）[10]、[11]。Shahjahan等人[12]采用随机矩阵方法将多个散射滤波器与时间反转算子（DORT）算法结合使用，证明了其在检测多晶钢中微小缺陷的有效性。Xu等人[13]开发了一种二维FIR滤波去噪方法，有效消除了生物医学超声图像中的斑点噪声。然而，关于缺陷尺寸测量的研究仍然有限，特别是在多晶材料中小裂纹和倾斜裂纹的表征方面。
裂纹是NDT和SHM领域中一类关键的缺陷[14]。以往的缺陷表征方法分为两类：基于模型的反演方法，需要精确的材料属性和缺陷几何形状的先验知识，而这在实践中往往难以获得；以及深度学习方法，这些方法依赖于高质量的大规模训练数据集，并且可能在不同检测环境中的泛化能力有限。目前，在粗晶材料的超声波检测中仍存在一个关键问题：在强晶粒散射下，可靠且准确的缺陷表征（如尺寸测量和方向确定）可能难以实现，并且可能受到感兴趣区域（ROI）定义及其定位的影响，特别是对于大型和陡倾斜裂纹。为了解决这些问题，本文提出了一种自适应TFM成像方法，以提高粗晶材料中类似裂纹缺陷的检测能力和表征鲁棒性。所提出的方法称为多步通道优化TFM（MSCO-TFM），它直接优化了全矩阵捕获（FMC）[7]数据集内的A扫描通道选择，无需训练数据或大量先验知识。MSCO-TFM依次优化接收器、发射器和各个A扫描通道组合，将其构建为一个受约束的优化问题，扩展了接收器优化TFM（ROTFM）[15]的概念，利用基线数据[16]和6-dB降噪方法[17]进行裂纹表征。该框架减少了对ROI大小的敏感性，能够在不增加计算复杂性的同时有效表征大型、方向不利的裂纹，且所需的先验信息仅限于测量的FMC/基线数据。使用含有嵌入式类似裂纹缺陷的粗晶镍超合金样品进行的实验验证证明了该方法在具有挑战性的检测条件下的有效性。
章节摘录
粗晶材料模拟数据的准备
模拟了在粗晶介质中的全矩阵捕获（FMC）测量。晶粒噪声响应是使用Van Pamel等人[18]开发的有限元（FE）方法生成的，Pogo[19]作为FE求解器。模拟的阵列测量配置如图1所示（阵列规格见表1），输入信号为单周期音调突发信号。假设使用了304不锈钢的各向异性材料属性。ROI确定程序的鲁棒性验证
如图5(a)所示，在理想条件下，基线减法方法可以有效地将缺陷与周围晶粒分离并准确定位，例如当基线数据完美对齐时。然而，当缺陷数据与相应的基线数据之间存在差异时，其检测性能会显著下降。尽管可以使用ROTFM来缓解这种退化，但该方法需要大量的计算时间（因为它需要
在不同晶粒噪声下的统计鲁棒性分析
本节通过评估该方法在25种不同多晶配置下的性能来评估其鲁棒性，其中缺陷信号被不同空间相干性的晶粒噪声所干扰。图18(a)–(e)中的绿线显示了所提出的MSCO-TFM对于第3.2节分析的五个目标裂纹所取得的SNR结果，与传统的TFM（蓝色）和ROTFM（棕色）的结果进行了比较。这些结果和表9表明，MSCO-TFM显著
结论
在本文中，我们解决了在多晶材料中检测亚波长和大角度类似裂纹的挑战。提出了一种多阶段通道优化程序，用于恢复TFM图像中被晶粒噪声扭曲的缺陷特征，从而能够在大ROI内准确检测和表征弱散射体。通过模拟和实验验证了所提出方法的性能，本文的主要发现如下：
首先，
CRediT作者贡献声明
陶叶：撰写——原始草稿、可视化、验证、软件、方法论、研究。郭长荣：资源、方法论、研究。徐建峰：项目管理、资金获取、概念化。白龙：撰写——原始草稿、项目管理、方法论、研究、资金获取、形式分析。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
致谢
本工作得到了国家自然科学基金（资助编号为52375540和52225506）和湖北省重点研发项目（资助编号为2023BAB067）的支持。
