AUT三維成像及計(jì)算機(jī)輔助評(píng)判技術(shù)研究課件

1、目錄2一、AUT技術(shù)簡(jiǎn)介二、AUT三維成像三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù) 四、技術(shù)展望一、AUT技術(shù)簡(jiǎn)介近年來(lái)，為滿足能源發(fā)展的需要，我國(guó)陸地油氣管道向高鋼級(jí)、高壓力、大口徑方 向發(fā)展，全自動(dòng)超聲波檢測(cè)(AUT)被廣泛應(yīng)用于長(zhǎng)輸管道全自動(dòng)焊的環(huán)焊縫檢測(cè)領(lǐng)域。3一、AUT技術(shù)簡(jiǎn)介相控陣電子偏轉(zhuǎn)聚焦特性：4一、AUT技術(shù)簡(jiǎn)介分區(qū)掃查技術(shù)：5一、AUT技術(shù)簡(jiǎn)介AUT檢測(cè)主要針對(duì)焊縫坡口未熔合缺陷，利用分區(qū)掃查法對(duì)焊縫的不同分區(qū)設(shè)置 不同的延時(shí)聚焦方案，同時(shí)輔以體積通道和TOFD通道，實(shí)現(xiàn)整個(gè)焊縫的全覆，對(duì)任 意分區(qū)的檢測(cè)靈敏度均達(dá)到標(biāo)準(zhǔn)要求。AUT檢測(cè)不僅能夠測(cè)量缺陷的長(zhǎng)度，還能測(cè)量 缺陷的高度，

2、能及時(shí)根據(jù)檢測(cè)結(jié)果指導(dǎo)自動(dòng)焊的施工，調(diào)整焊接參數(shù)，避免相同位置 連續(xù)出現(xiàn)相同的缺陷。根部聲束鈍邊聲束6一、AUT技術(shù)簡(jiǎn)介7一、AUT技術(shù)簡(jiǎn)介特點(diǎn)：AUT對(duì)全自動(dòng)焊未熔合缺陷具有很高的檢測(cè)能力，能夠及時(shí)的根據(jù)檢測(cè)結(jié) 果反饋指導(dǎo)自動(dòng)焊施工；設(shè)置得當(dāng)?shù)腁UT可對(duì)管道環(huán)焊縫進(jìn)行最敏感和最完整的檢測(cè)；在長(zhǎng)輸管道環(huán)焊縫的超聲檢測(cè)技術(shù)中，AUT是重復(fù)性最好、爭(zhēng)議最少的檢 測(cè)技術(shù)。8一、AUT技術(shù)簡(jiǎn)介9一、AUT技術(shù)簡(jiǎn)介AUT和PAUT聚焦對(duì)比10開(kāi)展三維成像和計(jì)算機(jī)輔助評(píng)判的技術(shù)背景：一、AUT技術(shù)簡(jiǎn)介11一、AUT技術(shù)簡(jiǎn)介12由于目前AUT的掃查結(jié)果以帶狀圖、體積通道、TOFD形式顯示，檢測(cè)人員通過(guò)評(píng) 判

3、掃查圖來(lái)判斷焊縫的質(zhì)量，人工判讀的方式費(fèi)時(shí)費(fèi)力，過(guò)分依賴檢測(cè)人員的經(jīng)驗(yàn)， 有必要開(kāi)展AUT計(jì)算機(jī)三維成像及輔助評(píng)判技術(shù)研究。國(guó)外AUT三維成像及輔助評(píng)判技術(shù)發(fā)展較快，用直觀的三維圖像顯示出缺陷在環(huán)焊 縫的位置，借助聲場(chǎng)仿真和專家數(shù)據(jù)庫(kù)，由計(jì)算機(jī)進(jìn)行工藝方案設(shè)計(jì)和評(píng)判，目前國(guó) 外該技術(shù)開(kāi)始進(jìn)入實(shí)用階段。AUT智能識(shí)別技術(shù)，國(guó)內(nèi)外尚處于研發(fā)和摸索階段，開(kāi)展了一些相關(guān)的研究工作， 距離工程應(yīng)用還有較大的差距。一、AUT技術(shù)簡(jiǎn)介13一、AUT技術(shù)簡(jiǎn)介技術(shù)需求：把工藝設(shè)置和檢測(cè)結(jié)果盡量用直觀的圖像方式顯示出來(lái)三維成像；把典型缺陷的長(zhǎng)度、高度、位置等信息用計(jì)算機(jī)統(tǒng)計(jì)顯示計(jì)算機(jī)輔助評(píng)判；在典型缺陷特征提取基

4、礎(chǔ)上，通過(guò)經(jīng)驗(yàn)積累和深度學(xué)習(xí)，逐步實(shí)現(xiàn)對(duì)疑難缺陷 的計(jì)算機(jī)評(píng)判智能判讀。14二、AUT三維成像15二、AUT三維成像|sin(sin(eX ) 2X )N2ej N 1 X2jn O|N 1n 0Bejn 2 d sin | F() |BBsin )sind(sin sin )sinN d(sin 1、相控陣聲場(chǎng)仿真計(jì)算16二、AUT三維成像2、三維重建架構(gòu)三維成像最關(guān)鍵的部分是三維重建，就是由一維波形數(shù)據(jù)合成二維圖像，繼而通過(guò) 二維切片數(shù)據(jù)導(dǎo)出三維幾何結(jié)構(gòu)的處理過(guò)程。目前較為常用的三維可視化重構(gòu)方法有兩種：一種是通過(guò)計(jì)算機(jī)圖形化處理中間網(wǎng) 格體的表面繪制技術(shù)；再者是直接由離散的三維數(shù)據(jù)場(chǎng)產(chǎn)生

5、人們感官視覺(jué)下二維圖像，稱為體繪制技術(shù)。對(duì)于超聲檢測(cè)結(jié)果重現(xiàn)來(lái)說(shuō)，更適合于體繪制方法。17二、AUT三維成像3、三維重建過(guò)程18以A掃波型為基礎(chǔ)進(jìn)行焊縫的三維成像，A掃圖像橫坐標(biāo)為時(shí)間軸，縱坐標(biāo)為反射波 的幅值。建立三維坐標(biāo)系：在AUT檢測(cè)原理基礎(chǔ)上，以掃查器行走方向?yàn)閄軸，橫跨焊 縫方向?yàn)閅軸，壁厚垂直方向?yàn)閆軸建立三維坐標(biāo)系。并從數(shù)據(jù)域和配置域兩個(gè)層面進(jìn) 行三維建模；配置域建模：通過(guò)掃查焊縫配置數(shù)據(jù)（坡口參數(shù)信息等）進(jìn)行焊縫三維建模， 并進(jìn)行體繪制成像；二、AUT三維成像19（3）數(shù)據(jù)域建模，分通道進(jìn)行建模：普通通道，進(jìn)行時(shí)間門和波幅門參數(shù)配置，然 后進(jìn)行數(shù)據(jù)提取量量化按掃查方向記錄數(shù)據(jù)庫(kù)

6、。TOFD通道，進(jìn)行參數(shù)配置，然后進(jìn) 行數(shù)據(jù)提取量化按掃化按掃查方向記錄數(shù)據(jù)庫(kù)。體積通道，進(jìn)行參數(shù)配置，然后進(jìn)行 數(shù)據(jù)提取查方向記錄數(shù)據(jù)庫(kù)；二、AUT三維成像20消除干擾噪聲：各通道數(shù)據(jù)進(jìn)行自噪聲過(guò)濾，以消除噪聲干擾，分別對(duì)椒鹽噪 聲、異常噪聲和形態(tài)學(xué)不聯(lián)通域噪聲進(jìn)行過(guò)濾；消除異常噪聲：與掃查焊縫模型數(shù)據(jù)融合，進(jìn)行關(guān)聯(lián)噪聲過(guò)濾。重點(diǎn)過(guò)濾與掃 查焊縫模型差異大的異常噪聲；三維模型映射：各通道數(shù)據(jù)與掃查焊縫模型一起，在建立的三維坐標(biāo)系下進(jìn)行 三維模型映射；三維圖像成像：在OpenInvertor架構(gòu)下，將三維模型映射數(shù)據(jù)進(jìn)行鄰域的體單 元繪制，體素的配色表達(dá)缺陷程度，進(jìn)而進(jìn)行體素拼接和體素的平滑處

7、理，與掃查焊 縫模型合成，形成三維體繪制圖。二、AUT三維成像21二、AUT三維成像長(zhǎng)方體工件圓柱體工件4、具體工作工件建模：模擬兩種典型工件：長(zhǎng)方體和圓柱體。22二、AUT三維成像對(duì)V型、X型、CRC型及I型四種坡口形式進(jìn)行模擬，下圖是在一個(gè)長(zhǎng)方體工 件上模擬幾種坡口。模擬坡口類型23二、AUT三維成像在一個(gè)40020020 的碳鋼工件上模擬一個(gè)V型焊縫，左側(cè)部分為參數(shù)設(shè)置區(qū)， 右側(cè)為模擬仿真區(qū)。V型焊縫模擬仿真界面圖24二、AUT三維成像換能器設(shè)置面板楔塊參數(shù)設(shè)置聲場(chǎng)計(jì)算設(shè)置好焊縫后，工作人員需要從“探頭”的功能標(biāo)簽欄選擇需要的探頭，并設(shè)置 探頭的參數(shù)，設(shè)置界面如下:25二、AUT三維成像

8、探頭及楔塊模擬仿真聲束線仿真26二、AUT三維成像軸向聲場(chǎng)計(jì)算圖橫向聲場(chǎng)計(jì)算圖27三維成像圖二、AUT三維成像281、計(jì)算機(jī)輔助評(píng)判缺陷閘門位置分析；缺陷長(zhǎng)度計(jì)算；缺陷高度計(jì)算；缺陷深度計(jì)算。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)29缺陷長(zhǎng)度計(jì)算目前AUT分析軟件能夠自動(dòng)計(jì)算超過(guò)一定閾值的紅色色塊長(zhǎng)度，但沒(méi)有結(jié)合閘門位 置進(jìn)行分析，計(jì)算機(jī)輔助計(jì)算缺陷長(zhǎng)度需根據(jù)閘門位置進(jìn)行計(jì)算。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)30缺陷高度計(jì)算根據(jù)波型顯示及閘門位置進(jìn)行缺陷高度測(cè)量，跨區(qū)缺陷需考慮分區(qū)高度及校準(zhǔn) 圖中相鄰分區(qū)覆蓋大小，自動(dòng)進(jìn)行缺陷高度計(jì)算。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)31缺陷深度計(jì)算根據(jù)波型顯示及閘

9、門位置確定為缺陷需進(jìn)行缺陷深度測(cè)量，根據(jù)帶狀圖顯示 通道及分區(qū)高度自動(dòng)計(jì)算缺陷深度。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)32；2、智能識(shí)別技術(shù)缺陷特征提取：缺陷位置分析；雙門限圖、TOFD、體積通道的融合分析信號(hào)分析。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)33AUT檢測(cè)智能識(shí)別以AUT檢測(cè)A掃描數(shù)據(jù)為基礎(chǔ)，雙門帶狀圖的每一個(gè)通道代表了 環(huán)焊縫不同分區(qū)的A掃描數(shù)據(jù)，A掃的波幅及閘門位置包含了焊縫缺陷的坡口位置、深 度等信息，這些缺陷信息經(jīng)提取特征后可用于智能識(shí)別。AUT檢測(cè)A掃圖像三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)343、AUT檢測(cè)缺陷智能識(shí)別流程A掃數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理過(guò)程，進(jìn)行 缺陷特征識(shí)別（包括A掃波幅

10、信息、閘門 信息等）、學(xué)習(xí)機(jī)分類學(xué)習(xí)，最終實(shí)現(xiàn)缺 陷的智能識(shí)別，具體流程如圖所示。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)354、特征提取A掃描數(shù)據(jù)經(jīng)歸一化處理后，對(duì)其進(jìn)行小波包分解，然后提取子帶能量值作為缺 陷特征，其中包括所在通道、波幅值及閘門位置等信息。將得到的缺陷特征分為訓(xùn)練樣本集和測(cè)試樣本集，其中訓(xùn)練樣本集的作用是訓(xùn)練 分類器，測(cè)試樣本集的作用是測(cè)試分類器的網(wǎng)絡(luò)訓(xùn)練效果，缺陷特征提取流程圖如下所示：缺陷特征提取流程三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)36小波包分解離散小波變換有兩種類型，可分為小波分解和小波包分解，本文涉及到的是小波包 分解。它可同時(shí)對(duì)A掃波形信號(hào)的低頻和高頻部分進(jìn)行分解，并能夠

11、根據(jù)被分解信號(hào) 的特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號(hào)頻譜相匹配。小波包將A掃波形中的缺陷信息分解到子頻帶中，增強(qiáng)了對(duì)缺陷信息的分析能力。 定義小波包函數(shù)_( j,k)m （t）為：其中m=0,1,2，為振蕩參數(shù)，j Z 和 k Z 分別是尺度參數(shù)和平移參數(shù)三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)37小波包分解與重構(gòu)算法如式三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)38在實(shí)際應(yīng)用小波變換時(shí)，連續(xù)小波要經(jīng)歷離散化的處理，離散過(guò)程是對(duì)小波的平移 參數(shù)和尺度參數(shù)進(jìn)行離散處理。離散小波變換可以被抽象為由低通濾波器和高通濾波 器構(gòu)成的樹(shù)，信號(hào)每通過(guò)一次濾波器，就被視為完成一次小波分解。小波包分解圖三、計(jì)算機(jī)輔助評(píng)判及智

12、能識(shí)別技術(shù)39小波包能量譜使用小波包對(duì)A掃信號(hào)進(jìn)行分解后，會(huì)得到不同頻段的分解系數(shù)，以各頻段能量 來(lái)構(gòu)造特征向量，提取出來(lái)的能量值包含豐富的缺陷信息。設(shè)di （k）是電壓信號(hào)V經(jīng)小波包分解后的第i層第j個(gè)節(jié)點(diǎn)的分解系數(shù)，各個(gè)頻帶對(duì)j應(yīng)的能量為Eij,則：其中j=0，1，2i-1；N表示信號(hào)的長(zhǎng)度，全部Eij構(gòu)成小波包能量譜。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)40目前收集了未熔合、未焊透和裂紋三種缺陷類型的數(shù)據(jù)進(jìn)行智能識(shí)別，每種缺陷類 型包含50組對(duì)應(yīng)的樣本，用1、2、3表示極限學(xué)習(xí)機(jī)的目標(biāo)值，如表所示。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)41使用Db3小波基對(duì)A掃描波形進(jìn)行三層小波包分解，得出8個(gè)子

13、頻段，使用小波包能 量譜公式提取各個(gè)頻段的能量譜，構(gòu)成三類缺陷特征向量（未熔合、未焊透和裂紋），如圖所示。部分缺陷特征向量1234567812343210缺陷類別部分缺陷特征子頻帶能量值三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)425、極限學(xué)習(xí)機(jī)使用極限學(xué)習(xí)機(jī)作為分類器，極限學(xué)習(xí)機(jī)是一種前饋網(wǎng)絡(luò)，它是單隱層的網(wǎng)絡(luò)結(jié)構(gòu)，如圖所示。極限學(xué)習(xí)機(jī)只需一步即可求出訓(xùn)練網(wǎng)絡(luò)的輸出權(quán)值，學(xué)習(xí)速度快，可降低網(wǎng)絡(luò)訓(xùn)練 的消耗。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)43W i i1 ,i 2 , ,in 設(shè)訓(xùn)練樣本集為Xi=xi1,xi2, ,xin，目標(biāo)樣本集為Ti=ti1,ti2, ,tin，單隱層神經(jīng)網(wǎng)絡(luò)具 有L個(gè)隱層節(jié)點(diǎn)

14、，其表達(dá)式為：其中，g(x)為極限學(xué)習(xí)機(jī)的激活函數(shù)，它能夠設(shè)成正弦函數(shù)sin、徑向基函數(shù)和sigmoid函數(shù)等。-輸入權(quán)重，-極限學(xué)習(xí)機(jī)輸出權(quán)重-隱層的偏置-輸入的數(shù)據(jù)-極限學(xué)習(xí)機(jī)的輸出三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)44在進(jìn)行分類器的網(wǎng)絡(luò)訓(xùn)練時(shí)，首先把得到的缺陷特征分為訓(xùn)練樣本集和測(cè)試樣本 集：訓(xùn)練樣本集的作用是訓(xùn)練分類器；測(cè)試樣本集的作用是測(cè)試分類器的網(wǎng)絡(luò)訓(xùn)練效果。三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)45將50組缺陷特征分成30組的訓(xùn)練樣本和20組的測(cè)試樣本。將訓(xùn)練樣本輸入極限 學(xué)習(xí)機(jī)對(duì)其進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，然后用測(cè)試樣本對(duì)訓(xùn)練好的極限學(xué)習(xí)機(jī)的缺陷識(shí)別能力 進(jìn)行檢驗(yàn)，得到的結(jié)果如下01020405060132.82.62.42.221.81.61.41.230測(cè) 試 集 樣 本 編 號(hào)測(cè)試集樣本類別測(cè) 試 集 預(yù) 測(cè) 結(jié) 果 對(duì) 比 (ELM)(正 確 率 Accuracy = 73.3333%)真 實(shí) 值ELM預(yù) 測(cè) 值三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)466、AUT典型缺陷數(shù)據(jù)庫(kù)填充區(qū)體積通道氣孔根部體積中顯示根部未熔合三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)47三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)軌道裝偏鈍邊區(qū)缺陷48填充區(qū)缺陷裂紋缺陷三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)49層間未熔表面未熔三、計(jì)算機(jī)輔助評(píng)判及智能識(shí)別技術(shù)50四、技術(shù)展望1、根據(jù)AUT檢測(cè)帶狀圖