时间：2023-03-24 15:52:10
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇超声检测技术论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
现代无损检测的定义是：在不损坏试件的前提下，以物理或化学方法为手段，借助先进的技术和设备器材，对试件的内部及表面的结构，性质，状态进行检查和测试的方法。
（一）射线检测
射线检测技术一般用于检测焊缝和铸件中存在的气孔、密集气孔、夹渣和未融合、未焊透等缺陷。另外，对于人体不能进入的压力容器以及不能采用超声检测的多层包扎压力容器和球形压力容器多采用Ir或Se等同位素进行γ射线照相。但射线检测不适用于锻件、管材、棒材的检测。
射线检测方法可获得缺陷的直观图像，对长度、宽度尺寸的定量也比较准确，检测结果有直观纪录，可以长期保存。但该方法对体积型缺陷（气孔、夹渣）检出率高，对体积型缺陷（如裂纹未熔合类），如果照相角度不适当，容易漏检。另外该方法不适宜较厚的工件，且检测成本高、速度慢，同时对人体有害，需做特殊防护。
（二）超声波检测
超声检测（UltrasonicTesting，UT）是利用超声波在介质中传播时产生衰减，遇到界面产生反射的性质来检测缺陷的无损检测方法。
超声检测既可用于检测焊缝内部埋藏缺陷和焊缝内表面裂纹，还用于压力容器锻件和高压螺栓可能出现裂纹的检测。
该方法具有灵敏度高、指向性好、穿透力强、检测速度快成本低等优点，且超声波探伤仪体积小、重量轻，便于携带和操作，对人体没有危害。但该方法无法检测表面和近表面的延伸方向平行于表面的缺陷，此外，该方法对缺陷的定性、定量表征不准确。
（三）磁粉检测
磁粉检测（MagneticTesting，MT）是基于缺陷处漏磁场与磁粉相互作用而显示铁磁性材料表面和近表面缺陷的无损检测方法。
在以铁磁性材料为主的压力容器原材料验收、制造安装过程质量控制与产品质量验收以及使用中的定期检验与缺陷维修监测等及格阶段，磁粉检测技术用于检测铁磁性材料表面及近表面裂纹、折叠、夹层、夹渣等方面均得到广泛的应用。
磁粉检测的优点在于检测成本低、速度快，检测灵敏度高。缺点在于只适用于铁磁性材料，工件的形状和尺寸有时对探伤有影响。
（四）渗透检测
渗透检测（PenetrantTest，PT）是基于毛细管现象揭示非多孔性固体材料表面开口缺陷，其方法是将液体渗透液渗入工件表面开口缺陷中，用去除剂清除多余渗透液后，用显像剂表示出缺陷。
渗透检测可有效用于除疏松多孔性材料外的任何种类的材料，如钢铁材料、有色金属材料、陶瓷材料和塑料等材料的表面开口缺陷。随着渗透检测方法在压力容器检测中的广泛应用，必须合理选择渗透剂及检测工艺、标准试块及受检压力容器实际缺陷试块，使用可行的渗透检测方法标准等来提高渗透检测的可靠性。
该方法操作简单成本低，缺陷显示直观，检测灵敏度高，可检测的材料和缺陷范围广，对形状复杂的部件一次操作就可大致做到全面检测。但只能检测出材料的表面开口缺陷且不适用于多孔性材料的检验，对工件和环境有污染。渗透检测方法在检测表面微细裂纹时往往比射线检测灵敏度高，还可用于磁粉检测无法应用到的部位。
（五）声发射检测
声发射（AcousticEmission,AE）是指材料或结构受外力或内力作用产生变形或断裂，以弹性波形式释放出应变能的现象。而弹性波可以反映出材料的一些性质。声发射检测就是通过探测受力时材料内部发出的应力波判断容器内部结构损伤程度的一种新的无损检测方法。
压力容器在高温高压下由于材料疲劳、腐蚀等产生裂纹。在裂纹形成、扩展直至开裂过程中会发射出能量大小不同的声发射信号，根据声发射信号的大小可判断是否有裂纹产生、及裂纹的扩展程度。
声发射与X射线、超声波等常规检测方法的主要区别在于它是一种动态无损检测方法。声发射信号是在外部条件作用下产生的，对缺陷的变化极为敏感，可以检测到微米数量级的显微裂纹产生、扩展的有关信息，检测灵敏度很高。此外，因为绝大多数材料都具有声发射特征，所以声发射检测不受材料限制，可以长期连续地监视缺陷的安全性和超限报警。
（六）磁记忆检测
磁记忆(Metalmagneticmemory,MMM)检测方法就是通过测量构件磁化状态来推断其应力集中区的一种无损检测方法，其本质为漏磁检测方法。
压力容器在运行过程中受介质、压力和温度等因素的影响，易在应力集中较严重的部位产生应力腐蚀开裂、疲劳开裂和诱发裂纹，在高温设备上还容易产生蠕变损伤。磁记忆检测方法用于发现压力容器存在的高应力集中部位，它采用磁记忆检测仪对压力容器焊缝进行快速扫查，从而发现焊缝上存在的应力峰值部位，然后对这些部位进行表面磁粉检测、内部超声检测、硬度测试或金相组织分析，以发现可能存在的表面裂纹、内部裂纹或材料微观损伤。
磁记忆检测方法不要求对被检测对象表面做专门的准备，不要求专门的磁化装置，具有较高的灵敏度。金属磁记忆方法能够区分出弹性变形区和塑性变形区，能够确定金属层滑动面位置和产生疲劳裂纹的区域，能显示出裂纹在金属组织中的走向，确定裂纹是否继续发展。是继声发射后第二次利用结构自身发射信息进行检测的方法，除早期发现已发展的缺陷外，还能提供被检测对象实际应力---变形状况的信息，并找出应力集中区形成的原因。但此方法目前不能单独作为缺陷定性的无损检测方法，在实际应用中，必须辅助以其他的无损检测方法。
二、展望
作为一种综合性应用技术，无损检测技术经历了从无损探伤(NDI)，到无损检测(NDT)，再到无损评价(NDE)，并且向自动无损评价(ANDE)和定量无损评价(QNDE)发展。相信在不员的将来，新生的纳米材料、微机电器件等行业的无损检测技术将会得到迅速发展。
参考文献：
[1]魏锋，寿比南等.压力容器检验及无损检测：化学工业出版社，2003.
[2]王自明.无损检测综合知识：机械工业出版社，2005.
[3]沈功田，张万岭等.压力容器无损检测技术综述：无损检测，2004.
[4]林俊明，林春景等.基于磁记忆效应的一种无损检测新技术：无损检测，2000.
[5]叶琳，张艾萍.声发射技术在设备故障诊断中的应用：新技术新工艺，2000.
Zhong Huisheng；Zhang Jintuan
①Xi'an University of Architecture and Technology School of Management，Xi'an 710055，China；
②Zhonghe Quality of Testing in Wuhan Co.，Ltd.，Wuhan 430082，China；③Hezhou University, Hezhou 542800，China）
摘要：声速、声时、声幅、主频这四个声测参数是判断桩基完整性的主要依据。而在实际桩检中，各参数都不能达到足够的精度评判出桩身质量的好坏，必须经过综合比较加以确定，仅评某一参数的异常来作出判定容易得出相左的结论。并且PSD、声速参数可以归为同一参数。
Abstract： Four sounding parameters of acoustic speed, acoustic time, acoustic amplitude and basic frequency are the foundation of judging integrity of foundation pile. In the actual test of pile, each parameter is not precise enough to judge the pile quality. We must judge through comprehensive comparison. Certain abnormal parameter can not be used to make judgement; otherwise, contrary conclusions are easily obtained. And parameter of PSD and acoustic speed can be classified as same parameter.
关键词：基桩检测 声测判据 精度
Key words： test of foundation pile；sounding criterion；precision
中图分类号：TU7文献标识码：A文章编号：1006-4311（2011）19-0095-02
0引言
应用超声波投射混凝土检测桩体完整性，是一个成熟而又年轻的方法。说其成熟是因为，在国内经历了近五十年的研究，已经获得了大量的研究成果，其判断依据已经逐步成熟起来，各种声测参数能够比较准确的获得并用以判别分析。说其年轻是因为，各参数的分析深度有待加强，无法使用一个参数来做出质量评定，而最重要的是无法将桩体的强度即使用性能，通过各参数反映出来。
1各参数研究脉络
目前，各参数的研究都已经开展，并且提出了许多的判据，而各判据的使用却存在一定的局限。
南京水利科学院罗骐先早年曾提出一种判断缺陷的方法，即“概率法”，此方法经多年实践已经作为判断缺陷的基本方法列入各类超声波规程中 [1-2]。该方法粗略认为，正常混凝土的声学参数是符合正态分布的缺陷是由过失误差引起，它的声学分布不符合正态分布。湖南大学吴慧敏等[3]在对郑州大桥灌注桩的超声波透射法检测结果的判定过程中，提出了一种判断桩内缺陷的方法，以“声参数一深度”曲线相邻两点之间的斜率与声参数差值之积为判断依据，简称“判据”。该方法认为缺陷处波速明显变小，即声时明显变大，与相邻正常测点对比，形成一突变。巫英凯、黄永莱、王根清等[4]在中国水利学会第二届混凝土无损检测学术会议上提出了“基桩混凝土无损检测一超声波脉冲NFP法”。广州建科院陈如桂[5]提出了“逆概率解释法”，它在概率法和PSD判别法的基础上以随机函数为前提，在有干扰的基础上分离有用的强弱异常，进一步克服传统方法中错判和漏判缺陷的缺点。福建省建筑科学研究院叶健[6]提出了“声波透射法桩基检测技术中声测管距真实管距求解及CBV判据”。河南交通基本建设质量检测监督站阎光辉[4]提出了“PSD、V、A综合判断法”，其分别将PSD、V、A判据，根据工程经验进行细化，再加以综合考虑。南京水利科学研究院宋人心等[7]提出了“灌注桩声波透射法缺陷分析方法一阴影重叠法”，将加密对测和斜测的检测结果标示于检测剖面图上，可以更直观的分析判断缺陷的范围。
超声波透射法检测混凝土灌注桩桩身缺陷、评价其完整性的依据是通过测定声波经过混凝土传播后各种声学参数的量值得出的，声波在有缺陷介质中传播路径如图1。目前混凝土质量检测中所用的声学参数主要有波速、波幅、频率及波形。混凝土的波速与其弹性性质及混凝土内部结构有关波幅是表征声波穿过混凝土后能量衰减程度的指标之一，它的强弱与混凝土的弹塑性有关，它对缺陷区反应比声时更为敏感接收波主频率实质是介质衰减作用的一个表征量，当遇缺陷时衰减严重接收波形可以根据波形畸变程度作为判断缺陷的参考依据。这几种声学参数都是判断混凝土质量的重要参量。
2各类判据的评判
声速、声时、声幅、主频这四个声测参数是判断桩基完整性的主要依据。其中，声幅、主频、声时是仪器中实测的绝对数值，能直接表达桩身材料的一定性能。而声速却是一个相对变动参数，其准确数值的获得必须要另一非判据参数-测距的确定来间接计算得出。
2.1 测距在声测过程中测距参数是在隐蔽工程中难以实测的数据，其参数的获得只有通过测量管口的管间距来间接反映桩身管间距，而规范中对声测管间距测试精度要求为1%，这在实际施工中是难以达到的。声测管一般为金属材料制作而成，其变形一般较小，而在实际施工中，特别是深桩施工中，累积长度的扭曲往往较大，再由于绑扎不牢等因素的存在，易使声测管出现扭曲，这样就无法保证声程的一致性。而在实际检测工作中，常见到桩头或桩底出现声时值的快速滑移现象。而导致声时滑移的因素主要有两个，一是介质性质发生变异，二是声程发生变化导致声时变化。这些影响因素的存在，是检测工程师们所熟知的，并且通过规范易知声测是粗侧混凝土的完整性，而对混凝土的其它性质无法统一给出。这样就限定了声测的应用范围，使其工程应用领域偏狭。
2.2 声时值在超声检测中声时参数是一个相当重要的参数。其数值的获取由设备自身自动获得，为声测唯一准确值。声时值作为一个声测判据，能够反映混凝土的质量差异。当声时出现突变时，一般认为混凝土质量存在差异。而声时差异出现的另一因素是，声测管的扭曲变形，往往这种差异仅仅表现在声时值的变化中，同样会对声速值产生一定的影响，而从其他判据中可以看到比较正常的波形，特别是对于波幅参数中。
2.3 PSD判据与声速而从另一个方面来看，声测的声时实测值为PSD判据的推定依据，同样声速为声时推演值，因此二参数的判断依据与判断结果必定是一致的，声速的减少声时必增加，表现在判据曲线上，声速的下凹，而在PSD对应位置为曲线的上凸。因此，二判据具有高度的一致性，即二判据可以舍一，仅取声速判据足以。
2.4 波幅和主频参数而对于其它两参数，波幅与主频的稳定性更差。主频离散性太强，几乎布满了整个频域限定的范围，因此主频只是用于对声波收发波束的筛选功能，无法作为一具体的桩身质量判据。波幅判据为一稳定性较高的判据，但是其判断精度也无法保证，因其反映的是接收到的首波的波幅值，而一般首波波幅较后续叠加波小很多，也就是说只要接受探头能够接收到频域范围内的声波则声幅值比较稳定，除非缺陷较大，波能损失殆尽，通过波幅可以反映出部分缺陷。
2.5 各参数的改进分析综上可以看出在有价值的判断中声速值是一最敏感的参数。而声速值的由来却无法得到准确的保证。在实测资料中经常获得≥5km/s的声速值，已接近钢材的声速值，而实验室中标准试件的声速值为3.8-4.6km/s，因此这一较大数据的采集得不到有效的理论解释，而地下桩体中常含有比标准试件更多的裂隙和水，而裂隙和水的存在只会减少声速，而不会增加声速值，这就给我们提出了一个新的研究课题，对声速测量的准确化。
在上文中提到了，声速、测距、声时是三个相关参量，只有知道两个才能确定第三个，因此可以通过一定的技术手段是测距能够准确化来换算声速值。
对于波幅的研究多是通过首波波幅值来反映桩身质量，对于后续波形形态的研究较少。因为后续波形为声波在混凝土内部经复杂的反射、折射、绕射等过程得到的，分析起来具有较大难度，并且其分析价值的多少还有待进一步细化研究。
3结语
通过对各参数的对比分析，可以看出，虽然超声检测已经历了几十年的发展到目前已经成为在工程中成熟应用的基桩检测技术，但是却存在着一个难以逾越的难题。这就是对桩身质量的定量化评定，以上各种手段都难以做到定量化，并且各有利弊，需要综合考虑来评定桩身质量。
而工程实际应用的桩体，是桩身的综合评定，即桩身在存在缺陷的情况下能不能达到设计要求的强度。大量学者都研究了声速与强度的关系，但是由于影响因素过多，无法形成统一的函数关系。这也成为一个亟待解决的问题。
参考文献：
[1]陈凡，徐天平，陈久照等.基桩质量检测技术[M].北京:中国建筑工业出版社，2003.222-313.
[2]建设部一建筑基桩检测技术规范[M].北京:中国建筑工业出版社,2003.
[3]罗骇先.半个世纪的回顾一混凝土声学检测技术在我国的发展[J].第七届全国建筑无损检测技术学术会议论文集，2001.
[4]阎光辉，何荣裕.基桩完整性PSD、V、A综合判断法[J].岩土工程界，Vll.5(1).
[5]刘金砺.桩基工程检测技术[M].北京：中国建材工业出版社,1993.
【关键词】管道；焊缝检测；核机器
随着“西气东输”工程的启动，被称誉为国家的重大生命线――油气长输管道在我国进入建设和发展的高峰期。高质量的焊管是保证管道安全、经济、高效可靠运行的基础和根本保障，目前螺旋埋弧焊技术广泛地应用于石油化工钢管和压力容器的制造中，但遗留在焊缝中的缺陷产生失效行为，导致管道破裂与爆炸。因此焊缝缺陷检测和跟踪系统是机械、冶金、石油化工等焊管制造中必不可少且尤为重要的环节。
传统的x射线检测技术在焊缝质量检测方法中占有重要地位，检测结果可以作为焊缝缺陷分析及其质量判断的重要依据。常用的x射线检测方式一般是由有经验的专业检测人员在实时图像或者照相底片上人工完成，工作量较大，检测结果的可靠性在很大程度上取决于检验者的主观因素[1]，而且x射线探伤法存在辐射性、人工读片的不确定性弊端，用计算机实现自动评片因缺陷特征和类别的复杂性难以达到满意的效果，不能与现代化大生产的实际完全适应。因此，近年来国内外的相关技术人员利用计算机、图像处理及模式识别等现代技术，在焊缝及其缺陷的自动识别方面进行了许多有意义的探索和研究，取得了相当多的进展[2]。文献[3]在程序的控制下，输入装置顺序扫描底片，产生与底片内容相对应的连续图像，然后经AD转换，生成8bit灰度图像，存入设定缓冲区。图象处理软件对离散图像作相关处理，分类识别，评定结果准确实时地提交给输出设备，供用户使用。用计算机评定焊接射线底片是无损探伤领域的一次技术革命。但拍摄图像的亮度差、对比度低时对缺陷误检、漏检的几率仍然大。一些学者采用神经网络等来自动辨识缺陷[4]，而可移植性差，过学习和推广性较差等原因降低实用性。
据统计，现在世界上有1/2的金属制品是靠焊接完成的，焊接在现代工业中具有非常重要的作用。焊缝跟踪是实现焊接自动化的一项关键技术，直接影响到焊接质量[5]。所以有必要寻求一种具有识别率高、容噪能力强的技术进行油气长输管道焊缝的跟踪检测。
基于核的机器学习方法，简称为核机器学习方法（Kernel Machine Learning）或核方法[6-8]，是近年在机器学习领域涌现的一类新模型与新方法的总称。其基本思想是对一些只涉及样本间内积运算的学习方法，通过改变内积定义的方式，用事先定义的核函数取代内积，从而得到与原学习方法对应的非线性版本。核机器学习方法不仅可以高效分析蕴藏在样本集内部的非线性关系，简化了欲解决的问题，并且能借助核技巧规避特征空间内的内积运算因映射函数而可能引发的维数灾难。
在核机器学习这类方法中，有用于分类与回归的高斯过程（GP）模型、支持向量机（SVM）、最小最大概率机（MPM）、核最近邻（KNN）、核贝叶斯判别（KBD ）、核最小平方误差（KMSE）判别、核Fisher判别（KFD）与核感知器（KP）等；有用于聚类的核自组织映射（KSOM）、核聚类和核Adatron方法等；有用于特征提取的核主成分分析（KPCA）、核独立成分分析（KICA）等；也有用于特征选择的核规范相关分析（KCCA）、核投影寻踪（KPP）和核匹配追踪（KMP）方法等。当然上面列举的仅是一些最典型的核机器学习方法，限于篇幅还有上百种方法不能一一列举。核机器学习方法与常规的模式识别方法（如人工神经网络）相比优势明显，若能将之应用于管道焊缝特征提取、特征选择以及缺陷预测，利用它们优良的性质和强大的功能，必将能大幅度提升检测准确度。
利用核机器学习方法进行油气管道焊缝跟踪研究，使得在检测系统中融入贝叶斯推理成为可能，因为贝叶斯推理与机器学习技术本来就密不可分。在机器学习过程中融入推理过程有诸多优势，具体对焊缝缺陷检测而言可以提升焊缝跟踪系统的智能化程度。这是因为：第一，可以将从焊缝图片资料中获得的一些图像信息作为先验知识无缝融入检测过程，进一步提升检测准确度与智能化程度；第二，在检测时可预设一组概率规则，推理遵循该规则逐步实现，从而使整个检测过程既有条理又有层次。
利用核机器学习方法进行油气管道焊缝检测，也使得在检测系统中引入多源信息融合技术成为可能，因为多源信息融合与机器学习同样密不可分。在管道检测中，焊缝的孔隙度、灰度等多个因素分别揭示了焊缝图像各个方面的特性，在进行缺陷检测时需要将各方面的信息进行综合考虑。而信息融合正是利用多方面的信息资源，采用数学方法和计算机技术对各种信息在一定准则下加以自动分析、综合和使用，获得比单一信息更精确、更完全和更可靠的解释。因此在焊缝跟踪系统中引入多源信息融合技术可以综合多种焊缝属性信息，减小方法不同所带来的不确定性，从而实现综合检测。
综上所述，核机器学习提供了一个良好的平台，以之为基础开发一套管道焊缝自动跟踪系统至少具有三点优势：第一，核机器学习方法本身的特性能保证检测系统具有很高的准确度；第二，以核机器学习为主的平台能引入贝叶斯推理，保证检测系统具有很高的智能化程度；第三，在检测中采用了多源信息融合技术，因此所开发的系统能进行综合检测。况且，核机器学习方法在人脸识别、视频分析与移动通信等领域均取得了优异的应用效果。
在国内在埋弧焊焊缝缺陷检测领域开展核机器学习理论与应用研究是一个新思路新方法，核机器学习理论及其模型有助于提高缺陷有无的识别率，在焊管缺陷的在线识别与预测这一新领域中必将具有较好的应用前景。
参考文献：
[1] 郑世才. 关于缺陷影像识别的讨论[J]. 无损探伤， 2002， （1）： 5-8
[2] 巴晓艳，滕永平. 焊缝缺陷的计算机模式识别方法的研究[A].全国射线检测技术及加速器检测设备和应用技术交流会论文集[C]， 郑州：2001，50-54
[3] 傅德胜. 焊接缺陷计算机自动识别模式的研究[J] . 控制与决策，1998， 13： 469-474
[4] 刘志远，裴润等. 一种焊缝缺陷自动超声检测系统[J]，焊接学报，2002，23（3）：71-74
[5] 高向东，丁度坤，赵传敏. 机器视觉型焊缝跟踪技术[J].焊接，2006，50（2）：19-23.
[6] Xu J. et al. Kernel perceptron algorithm[R]. Beijing： Department of Automation， Tsinghua University， 2000.
[7] S. Papadimitriou and K. Terzidis. Growing kernel-based self-organized maps trained with supervised bias. Intelligent Data Analysis[J]. 2004， 8： 111-130.
