一种基于原始超声信号的混合材料损伤自动二分检测方法模型

《Ultrasonics》：A model of an automatic dichotomous method for damage detection of hybrid materials based on the raw ultrasonic signal

　　帕特里克·雅库布查克 | 亚当·雅内克
材料工程系，机械工程学院，卢布林工业大学，Nadbystrzycka 36，20-618 卢布林，波兰

摘要
评估多层混合结构状况的技术之一是超声波检测（UT）。本质上，它接收到一个复杂的信号，该信号通常使用先进的信号处理技术进行加工。然而，其中一些方法并不完全适用于所有类型的结构，或者由于调整不当而容易出错。因此，本文提出了一种新的数学方法，用于自动化检测纤维金属层压板（FMLs）中的缺陷。这种方法相比传统的UT方法具有优势，因为它提供了简洁的数值信号特征，并显示了这些特征之间的关系。此外，该方法不受UT设备参数的影响，并且可以轻松应用于各种结构类型，尤其是FMLs。该方法在真实纤维金属层压板的超声信号上进行了验证，通过可调节阈值以下的描述符值与阈值以上的显著差异，实现了高效区分缺陷区域和健康区域的能力。

引言
无损检测（NDT）在不下害于材料的前提下评估其完整性方面发挥着关键作用，因此在航空航天、汽车和民用基础设施等领域不可或缺。当处理像层压复合材料这样的多层混合材料时，会面临特别挑战，因为这些材料因其高强度重量比而越来越受到青睐。然而，这些材料常常容易受到诸如孔隙率[1]、分层[3]和基体裂纹[4]等复杂内部缺陷的影响。检测和评估这些隐藏的异常对于理解材料的机械性能和长期行为至关重要[5][6]。然而，这些材料的层状结构对信号传播和缺陷检测提出了独特的挑战。
在层压材料中，层与层之间的机械性能差异，加上界面的存在，使得缺陷检测和表征变得复杂。已经开发了几种测量技术来提高多层材料中的缺陷检测能力，包括目视检查、红外热成像、涡流检测和声学方法。每种技术都有其明显的局限性。虽然目视检查和红外热成像对于表面缺陷有效，但它们难以检测内部异常。涡流检测仅限于导电材料，在非导电复合材料的深层无效。尽管微计算机断层扫描或纳米计算机断层扫描非常精确，但它们受限于小样本尺寸。此外，即使是高精度的方法，非均匀结构产生的伪影也可能扭曲图像，尤其是在层与层之间或特定缺陷周围[7][8]。
超声波检测（UT）在穿透材料方面更为成功，但在应用于多层复合材料时面临重大挑战。传统的UT通常使用脉冲回波技术，其中高频声波被传入材料并分析反射信号。超声波导波检测（UGWT）是多层材料中最有前途的NDT方法之一[9]，因为导波可以传播很长的距离并穿透复杂结构，使其非常适合对管道或层压材料进行大规模检测。然而，在层压复合材料中使用UGWT引入了额外的复杂性，主要是由于导波的多模态和色散性质。UGWT中的波模式根据材料的几何形状、厚度和波频率而变化，从而产生多种波型，如Lamb波和剪切水平（SH）波[9]。在多层材料中，层与层之间材料性质的差异导致反射、折射和散射，降低了信噪比（SNR），限制了该方法检测深层或小缺陷的能力。混合层状材料通过以多种方式反射、折射和衰减超声波，进一步增加了信号解释的复杂性。即使在单块结构中，导波也可能表现出色散行为，波速随频率变化，这使得信号处理和缺陷识别变得复杂[10]。此外，在复合材料中，层与层之间的相互作用常常导致模式转换，即超声波的单一模式在遇到材料边界时分裂成多个模式。这进一步增加了信号分析的复杂性，并且难以确定哪种模式对应于潜在缺陷[11]。特别是在薄层或层状结构中，超声波导波的色散性质给从接收信号中提取有意义的缺陷相关信息带来了额外挑战。
为了解决这些挑战，需要先进的信号处理技术。信号处理增强了从超声信号中提取的信息，特别是在应用于复杂多层材料时。在这些方法中，小波变换在时间和频率上都能实现定位，使其非常适合检测材料中的小而局部的缺陷。小波变换已成功用于将超声信号分解为组成频率，从而在噪声环境中提高缺陷检测能力[12][13]。然而，小波变换的有效性在很大程度上取决于所选的小波，选择不当会导致缺陷检测效果不佳。此外，小波变换在处理相干噪声时可能表现不佳，这可能会掩盖小幅度的信号。
希尔伯特-黄变换（HHT）特别适合分析非线性和非平稳信号，如多层复合材料中遇到的信号。通过将信号分解为固有模函数（IMFs），HHT在识别传统傅里叶基方法可能遗漏的微妙缺陷方面显示出潜力[13][14]。然而，当信号的固有模频率紧密相邻时，HHT方法在频率分离方面可能会遇到困难，导致模式混合问题。此外，该算法计算量较大，在处理高噪声水平的信号时效果较差。
时频表示技术，如重新分配频谱图和维格纳-维勒分布，有助于将色散波模式与有用信号分离，从而提高缺陷识别能力。通过提高各个波模式的分辨率，这些方法即使在存在多个重叠模式的情况下也能促进缺陷检测[15][16]。然而，这两种技术都容易受到交叉项干扰的影响，这使得时间-频率表示的解释变得复杂。在维格纳-维勒分布的情况下，交叉项干扰可能导致检测小缺陷时出现歧义。
其他算法方法，如泄露归一化最小二乘（NLMS）算法[17]，可以用来提高SNR。但是，当信号和噪声频率接近时，它可能会遇到困难，并且如果设置不当可能会抑制缺陷信号。另一种有前景的算法是信号相关算法[18]，它比较无缺陷区域和有缺陷区域的信号。然而，它是为传统复合材料设计的，在检测近表面缺陷时表现不佳。另一种方法是快速傅里叶变换（FFT）[19]，它对于可视化缺陷非常有效，特别是在钢中，但随着缺陷形状和材料结构复杂性的增加，准确性会下降。另一种方法是使用人工智能（AI）[20]，其主要目标是替代手动特征提取或处理，并允许分析较长的信号片段。然而，它需要选择合适的模型并定义其关注的重点，正确调整，以及大量的训练数据样本，而且一些模型作为“黑盒子”运行，不允许对功能错误的模型进行修改。
关于FMLs，Gupta等人[21]提出在有限元（FE）模拟中使用反对称Lamb波模式进行分层检测。该方法被证明在检测方面有用，但研究人员指出，该技术最适合位于样本中心的缺陷，在评估尺寸方面存在困难，且只能在模拟提供的理想条件下运行。因此，它需要进一步在实际情况中进行研究和验证。
作为一种更先进的方法，在物理样本上进行了验证，用于A0波模式分析，Jin等人[22]采用了双面反对称激励和基于希尔伯特变换的提取算法、贝叶斯混合定位和概率估计。该方法在定位方面表现出准确性，并能够进行尺寸估计；然而，它需要从结构的两侧同时访问数据，需要大量的传感器——过于复杂的传感器网络可能导致较大的误差——以及精确的放置（其中一个案例的误差约为13.7%）。此外，它在复合材料上的极端情况（通孔）进行了测试，因此仍需验证其对其它缺陷类型的适用性。
作为对比，Fattahi等人[23]测试了每层界面都有分层现象的FML 3/2结构，不仅测量了A0波模式，还测量了对称Lamb波模式（S0），以评估FE模拟与测试结果的准确性。观察到S0对较小缺陷的存在更为敏感，这对于检测近表面缺陷尤为重要，而A0在尺寸测量方面更有效。然而，它仍然面临与[21]中的大多数相同挑战，需要先进的、特别调整过的测试设置，并且正如作者指出的，其准确性随着层数的增加而显著降低。
尽管有各种方法可用于处理、转换或过滤超声信号，但没有一种技术直接专注于分析由多层多材料结构产生的复杂、不规则和依赖于材料的信号。为了填补这一空白，本文提出了一种新的数学方法，用于自动化系统，通过直接分析原始的、未经转换和不规则的超声信号来二分评估多层薄壁层压板的结构质量。这种方法基于深度数学参数化，构建了信号描述符，能够检测任何接收到的超声脉冲回波信号中的不规则性，允许分析具有任何配置、厚度或层数的层压板。通过操作特定材料配置生成的独特信号，这种方法在设计和检测复杂混合结构方面代表了重大进展。此外，它不受超声波参数的影响，因为任何技术上准确的机械波脉冲都会产生可以实时分析的独特响应。

部分摘录
材料案例和损伤检测问题
其中一组更先进的材料包括多层混合材料，如金属-复合材料层压板。它们在控制性能和提高强度以及长期行为方面显示出巨大潜力。然而，多层材料的特点是通过超声波方法进行诊断的难度很高，这直接源于波在材料中的传播现象[24]。

结果与讨论
开发的模型包括两个基本活动。第一个（第3.1节）涉及信号的深度分解，以及定义关键信号参数的类型和值；第二个（第3.2节）基于对应关系的参数比较，以及对合规性和偏差的评估。
数据收集、自动分析和最终二分决策
所设计的用于自动化分析和二分评估来自薄壁混合材料的原始超声信号的描述符方法的总体概念在图4中呈现。
所设计模型的概念包含一些基本阶段，在这些阶段中创建输入和输出数据以持续进行过程。模型的整个工作基于从NDT设备获得的信号。实验规则并不重要，除了生成的必要性之外。
模型验证
模型性能的验证是在一组真实数据上进行的。从层压结构中获得了四个真实的超声信号，在这些信号中模拟了一些缺陷。图5中展示了来自示意图中未损坏材料、分层和钻孔区域的信号。
使用所提出的方法分析的超声信号是直接从Omniscan MXI探伤仪显示器中收集的，该显示器使用了频率为5 MHz的单探头脉冲回波头。

结论
关于多层结构中超声信号分析的深度数学参数化模型进行研究，揭示了与混合复合材料中损伤检测相关的几个关键方面。开发的方法能够有效检测由于缺陷（如分层或夹杂物）存在而引起的超声信号的变化。此外，信号参数的分析，特别是峰值关系，能够精确评估...

作者署名声明
帕特里克·雅库布查克：写作——审阅和编辑，撰写原始草稿，可视化，监督，方法论，形式分析，概念化。
亚当·雅内克：撰写原始草稿，软件，调查，数据管理。

利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢
该研究得到了卢布林工业大学机械工程科学学科的支持，项目编号为FD-20/IM-5/047。