時間：2023-03-24 15:52:10
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇超聲檢測技術論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
現代無損檢測的定義是：在不損壞試件的前提下，以物理或化學方法為手段，借助先進的技術和設備器材，對試件的內部及表面的結構，性質，狀態進行檢查和測試的方法。
（一）射線檢測
射線檢測技術一般用于檢測焊縫和鑄件中存在的氣孔、密集氣孔、夾渣和未融合、未焊透等缺陷。另外，對于人體不能進入的壓力容器以及不能采用超聲檢測的多層包扎壓力容器和球形壓力容器多采用Ir或Se等同位素進行γ射線照相。但射線檢測不適用于鍛件、管材、棒材的檢測。
射線檢測方法可獲得缺陷的直觀圖像，對長度、寬度尺寸的定量也比較準確，檢測結果有直觀紀錄，可以長期保存。但該方法對體積型缺陷（氣孔、夾渣）檢出率高，對體積型缺陷（如裂紋未熔合類），如果照相角度不適當，容易漏檢。另外該方法不適宜較厚的工件，且檢測成本高、速度慢，同時對人體有害，需做特殊防護。
（二）超聲波檢測
超聲檢測（UltrasonicTesting，UT）是利用超聲波在介質中傳播時產生衰減，遇到界面產生反射的性質來檢測缺陷的無損檢測方法。
超聲檢測既可用于檢測焊縫內部埋藏缺陷和焊縫內表面裂紋，還用于壓力容器鍛件和高壓螺栓可能出現裂紋的檢測。
該方法具有靈敏度高、指向性好、穿透力強、檢測速度快成本低等優點，且超聲波探傷儀體積小、重量輕，便于攜帶和操作，對人體沒有危害。但該方法無法檢測表面和近表面的延伸方向平行于表面的缺陷，此外，該方法對缺陷的定性、定量表征不準確。
（三）磁粉檢測
磁粉檢測（MagneticTesting，MT）是基于缺陷處漏磁場與磁粉相互作用而顯示鐵磁性材料表面和近表面缺陷的無損檢測方法。
在以鐵磁性材料為主的壓力容器原材料驗收、制造安裝過程質量控制與產品質量驗收以及使用中的定期檢驗與缺陷維修監測等及格階段，磁粉檢測技術用于檢測鐵磁性材料表面及近表面裂紋、折疊、夾層、夾渣等方面均得到廣泛的應用。
磁粉檢測的優點在于檢測成本低、速度快，檢測靈敏度高。缺點在于只適用于鐵磁性材料，工件的形狀和尺寸有時對探傷有影響。
（四）滲透檢測
滲透檢測（PenetrantTest，PT）是基于毛細管現象揭示非多孔性固體材料表面開口缺陷，其方法是將液體滲透液滲入工件表面開口缺陷中，用去除劑清除多余滲透液后，用顯像劑表示出缺陷。
滲透檢測可有效用于除疏松多孔性材料外的任何種類的材料，如鋼鐵材料、有色金屬材料、陶瓷材料和塑料等材料的表面開口缺陷。隨著滲透檢測方法在壓力容器檢測中的廣泛應用，必須合理選擇滲透劑及檢測工藝、標準試塊及受檢壓力容器實際缺陷試塊，使用可行的滲透檢測方法標準等來提高滲透檢測的可靠性。
該方法操作簡單成本低，缺陷顯示直觀，檢測靈敏度高，可檢測的材料和缺陷范圍廣，對形狀復雜的部件一次操作就可大致做到全面檢測。但只能檢測出材料的表面開口缺陷且不適用于多孔性材料的檢驗，對工件和環境有污染。滲透檢測方法在檢測表面微細裂紋時往往比射線檢測靈敏度高，還可用于磁粉檢測無法應用到的部位。
（五）聲發射檢測
聲發射（AcousticEmission,AE）是指材料或結構受外力或內力作用產生變形或斷裂，以彈性波形式釋放出應變能的現象。而彈性波可以反映出材料的一些性質。聲發射檢測就是通過探測受力時材料內部發出的應力波判斷容器內部結構損傷程度的一種新的無損檢測方法。
壓力容器在高溫高壓下由于材料疲勞、腐蝕等產生裂紋。在裂紋形成、擴展直至開裂過程中會發射出能量大小不同的聲發射信號，根據聲發射信號的大小可判斷是否有裂紋產生、及裂紋的擴展程度。
聲發射與X射線、超聲波等常規檢測方法的主要區別在于它是一種動態無損檢測方法。聲發射信號是在外部條件作用下產生的，對缺陷的變化極為敏感，可以檢測到微米數量級的顯微裂紋產生、擴展的有關信息，檢測靈敏度很高。此外，因為絕大多數材料都具有聲發射特征，所以聲發射檢測不受材料限制，可以長期連續地監視缺陷的安全性和超限報警。
（六）磁記憶檢測
磁記憶(Metalmagneticmemory,MMM)檢測方法就是通過測量構件磁化狀態來推斷其應力集中區的一種無損檢測方法，其本質為漏磁檢測方法。
壓力容器在運行過程中受介質、壓力和溫度等因素的影響，易在應力集中較嚴重的部位產生應力腐蝕開裂、疲勞開裂和誘發裂紋，在高溫設備上還容易產生蠕變損傷。磁記憶檢測方法用于發現壓力容器存在的高應力集中部位，它采用磁記憶檢測儀對壓力容器焊縫進行快速掃查，從而發現焊縫上存在的應力峰值部位，然后對這些部位進行表面磁粉檢測、內部超聲檢測、硬度測試或金相組織分析，以發現可能存在的表面裂紋、內部裂紋或材料微觀損傷。
磁記憶檢測方法不要求對被檢測對象表面做專門的準備，不要求專門的磁化裝置，具有較高的靈敏度。金屬磁記憶方法能夠區分出彈性變形區和塑性變形區，能夠確定金屬層滑動面位置和產生疲勞裂紋的區域，能顯示出裂紋在金屬組織中的走向，確定裂紋是否繼續發展。是繼聲發射后第二次利用結構自身發射信息進行檢測的方法，除早期發現已發展的缺陷外，還能提供被檢測對象實際應力---變形狀況的信息，并找出應力集中區形成的原因。但此方法目前不能單獨作為缺陷定性的無損檢測方法，在實際應用中，必須輔助以其他的無損檢測方法。
二、展望
作為一種綜合性應用技術，無損檢測技術經歷了從無損探傷(NDI)，到無損檢測(NDT)，再到無損評價(NDE)，并且向自動無損評價(ANDE)和定量無損評價(QNDE)發展。相信在不員的將來，新生的納米材料、微機電器件等行業的無損檢測技術將會得到迅速發展。
參考文獻：
[1]魏鋒，壽比南等.壓力容器檢驗及無損檢測：化學工業出版社，2003.
[2]王自明.無損檢測綜合知識：機械工業出版社，2005.
[3]沈功田，張萬嶺等.壓力容器無損檢測技術綜述：無損檢測，2004.
[4]林俊明，林春景等.基于磁記憶效應的一種無損檢測新技術：無損檢測，2000.
[5]葉琳，張艾萍.聲發射技術在設備故障診斷中的應用：新技術新工藝，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：聲速、聲時、聲幅、主頻這四個聲測參數是判斷樁基完整性的主要依據。而在實際樁檢中，各參數都不能達到足夠的精度評判出樁身質量的好壞，必須經過綜合比較加以確定，僅評某一參數的異常來作出判定容易得出相左的結論。并且PSD、聲速參數可以歸為同一參數。
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.
關鍵詞：基樁檢測 聲測判據 精度
Key words： test of foundation pile；sounding criterion；precision
中圖分類號：TU7文獻標識碼：A文章編號：1006-4311（2011）19-0095-02
0引言
應用超聲波投射混凝土檢測樁體完整性，是一個成熟而又年輕的方法。說其成熟是因為，在國內經歷了近五十年的研究，已經獲得了大量的研究成果，其判斷依據已經逐步成熟起來，各種聲測參數能夠比較準確的獲得并用以判別分析。說其年輕是因為，各參數的分析深度有待加強，無法使用一個參數來做出質量評定，而最重要的是無法將樁體的強度即使用性能，通過各參數反映出來。
1各參數研究脈絡
目前，各參數的研究都已經開展，并且提出了許多的判據，而各判據的使用卻存在一定的局限。
南京水利科學院羅騏先早年曾提出一種判斷缺陷的方法，即“概率法”，此方法經多年實踐已經作為判斷缺陷的基本方法列入各類超聲波規程中 [1-2]。該方法粗略認為，正?；炷恋穆晫W參數是符合正態分布的缺陷是由過失誤差引起，它的聲學分布不符合正態分布。湖南大學吳慧敏等[3]在對鄭州大橋灌注樁的超聲波透射法檢測結果的判定過程中，提出了一種判斷樁內缺陷的方法，以“聲參數一深度”曲線相鄰兩點之間的斜率與聲參數差值之積為判斷依據，簡稱“判據”。該方法認為缺陷處波速明顯變小，即聲時明顯變大，與相鄰正常測點對比，形成一突變。巫英凱、黃永萊、王根清等[4]在中國水利學會第二屆混凝土無損檢測學術會議上提出了“基樁混凝土無損檢測一超聲波脈沖NFP法”。廣州建科院陳如桂[5]提出了“逆概率解釋法”，它在概率法和PSD判別法的基礎上以隨機函數為前提，在有干擾的基礎上分離有用的強弱異常，進一步克服傳統方法中錯判和漏判缺陷的缺點。福建省建筑科學研究院葉健[6]提出了“聲波透射法樁基檢測技術中聲測管距真實管距求解及CBV判據”。河南交通基本建設質量檢測監督站閻光輝[4]提出了“PSD、V、A綜合判斷法”，其分別將PSD、V、A判據，根據工程經驗進行細化，再加以綜合考慮。南京水利科學研究院宋人心等[7]提出了“灌注樁聲波透射法缺陷分析方法一陰影重疊法”，將加密對測和斜測的檢測結果標示于檢測剖面圖上，可以更直觀的分析判斷缺陷的范圍。
超聲波透射法檢測混凝土灌注樁樁身缺陷、評價其完整性的依據是通過測定聲波經過混凝土傳播后各種聲學參數的量值得出的，聲波在有缺陷介質中傳播路徑如圖1。目前混凝土質量檢測中所用的聲學參數主要有波速、波幅、頻率及波形?；炷恋牟ㄋ倥c其彈性性質及混凝土內部結構有關波幅是表征聲波穿過混凝土后能量衰減程度的指標之一，它的強弱與混凝土的彈塑性有關，它對缺陷區反應比聲時更為敏感接收波主頻率實質是介質衰減作用的一個表征量，當遇缺陷時衰減嚴重接收波形可以根據波形畸變程度作為判斷缺陷的參考依據。這幾種聲學參數都是判斷混凝土質量的重要參量。
2各類判據的評判
聲速、聲時、聲幅、主頻這四個聲測參數是判斷樁基完整性的主要依據。其中，聲幅、主頻、聲時是儀器中實測的絕對數值，能直接表達樁身材料的一定性能。而聲速卻是一個相對變動參數，其準確數值的獲得必須要另一非判據參數-測距的確定來間接計算得出。
2.1 測距在聲測過程中測距參數是在隱蔽工程中難以實測的數據，其參數的獲得只有通過測量管口的管間距來間接反映樁身管間距，而規范中對聲測管間距測試精度要求為1%，這在實際施工中是難以達到的。聲測管一般為金屬材料制作而成，其變形一般較小，而在實際施工中，特別是深樁施工中，累積長度的扭曲往往較大，再由于綁扎不牢等因素的存在，易使聲測管出現扭曲，這樣就無法保證聲程的一致性。而在實際檢測工作中，常見到樁頭或樁底出現聲時值的快速滑移現象。而導致聲時滑移的因素主要有兩個，一是介質性質發生變異，二是聲程發生變化導致聲時變化。這些影響因素的存在，是檢測工程師們所熟知的，并且通過規范易知聲測是粗側混凝土的完整性，而對混凝土的其它性質無法統一給出。這樣就限定了聲測的應用范圍，使其工程應用領域偏狹。
2.2 聲時值在超聲檢測中聲時參數是一個相當重要的參數。其數值的獲取由設備自身自動獲得，為聲測唯一準確值。聲時值作為一個聲測判據，能夠反映混凝土的質量差異。當聲時出現突變時，一般認為混凝土質量存在差異。而聲時差異出現的另一因素是，聲測管的扭曲變形，往往這種差異僅僅表現在聲時值的變化中，同樣會對聲速值產生一定的影響，而從其他判據中可以看到比較正常的波形，特別是對于波幅參數中。
2.3 PSD判據與聲速而從另一個方面來看，聲測的聲時實測值為PSD判據的推定依據，同樣聲速為聲時推演值，因此二參數的判斷依據與判斷結果必定是一致的，聲速的減少聲時必增加，表現在判據曲線上，聲速的下凹，而在PSD對應位置為曲線的上凸。因此，二判據具有高度的一致性，即二判據可以舍一，僅取聲速判據足以。
2.4 波幅和主頻參數而對于其它兩參數，波幅與主頻的穩定性更差。主頻離散性太強，幾乎布滿了整個頻域限定的范圍，因此主頻只是用于對聲波收發波束的篩選功能，無法作為一具體的樁身質量判據。波幅判據為一穩定性較高的判據，但是其判斷精度也無法保證，因其反映的是接收到的首波的波幅值，而一般首波波幅較后續疊加波小很多，也就是說只要接受探頭能夠接收到頻域范圍內的聲波則聲幅值比較穩定，除非缺陷較大，波能損失殆盡，通過波幅可以反映出部分缺陷。
2.5 各參數的改進分析綜上可以看出在有價值的判斷中聲速值是一最敏感的參數。而聲速值的由來卻無法得到準確的保證。在實測資料中經常獲得≥5km/s的聲速值，已接近鋼材的聲速值，而實驗室中標準試件的聲速值為3.8-4.6km/s，因此這一較大數據的采集得不到有效的理論解釋，而地下樁體中常含有比標準試件更多的裂隙和水，而裂隙和水的存在只會減少聲速，而不會增加聲速值，這就給我們提出了一個新的研究課題，對聲速測量的準確化。
在上文中提到了，聲速、測距、聲時是三個相關參量，只有知道兩個才能確定第三個，因此可以通過一定的技術手段是測距能夠準確化來換算聲速值。
對于波幅的研究多是通過首波波幅值來反映樁身質量，對于后續波形形態的研究較少。因為后續波形為聲波在混凝土內部經復雜的反射、折射、繞射等過程得到的，分析起來具有較大難度，并且其分析價值的多少還有待進一步細化研究。
3結語
通過對各參數的對比分析，可以看出，雖然超聲檢測已經歷了幾十年的發展到目前已經成為在工程中成熟應用的基樁檢測技術，但是卻存在著一個難以逾越的難題。這就是對樁身質量的定量化評定，以上各種手段都難以做到定量化，并且各有利弊，需要綜合考慮來評定樁身質量。
而工程實際應用的樁體，是樁身的綜合評定，即樁身在存在缺陷的情況下能不能達到設計要求的強度。大量學者都研究了聲速與強度的關系，但是由于影響因素過多，無法形成統一的函數關系。這也成為一個亟待解決的問題。
參考文獻：
[1]陳凡，徐天平，陳久照等.基樁質量檢測技術[M].北京:中國建筑工業出版社，2003.222-313.
[2]建設部一建筑基樁檢測技術規范[M].北京:中國建筑工業出版社,2003.
[3]羅駭先.半個世紀的回顧一混凝土聲學檢測技術在我國的發展[J].第七屆全國建筑無損檢測技術學術會議論文集，2001.
[4]閻光輝，何榮裕.基樁完整性PSD、V、A綜合判斷法[J].巖土工程界，Vll.5(1).
[5]劉金礪.樁基工程檢測技術[M].北京：中國建材工業出版社,1993.
【關鍵詞】管道；焊縫檢測；核機器
隨著“西氣東輸”工程的啟動，被稱譽為國家的重大生命線――油氣長輸管道在我國進入建設和發展的高峰期。高質量的焊管是保證管道安全、經濟、高效可靠運行的基礎和根本保障，目前螺旋埋弧焊技術廣泛地應用于石油化工鋼管和壓力容器的制造中，但遺留在焊縫中的缺陷產生失效行為，導致管道破裂與爆炸。因此焊縫缺陷檢測和跟蹤系統是機械、冶金、石油化工等焊管制造中必不可少且尤為重要的環節。
傳統的x射線檢測技術在焊縫質量檢測方法中占有重要地位，檢測結果可以作為焊縫缺陷分析及其質量判斷的重要依據。常用的x射線檢測方式一般是由有經驗的專業檢測人員在實時圖像或者照相底片上人工完成，工作量較大，檢測結果的可靠性在很大程度上取決于檢驗者的主觀因素[1]，而且x射線探傷法存在輻射性、人工讀片的不確定性弊端，用計算機實現自動評片因缺陷特征和類別的復雜性難以達到滿意的效果，不能與現代化大生產的實際完全適應。因此，近年來國內外的相關技術人員利用計算機、圖像處理及模式識別等現代技術，在焊縫及其缺陷的自動識別方面進行了許多有意義的探索和研究，取得了相當多的進展[2]。文獻[3]在程序的控制下，輸入裝置順序掃描底片，產生與底片內容相對應的連續圖像，然后經AD轉換，生成8bit灰度圖像，存入設定緩沖區。圖象處理軟件對離散圖像作相關處理，分類識別，評定結果準確實時地提交給輸出設備，供用戶使用。用計算機評定焊接射線底片是無損探傷領域的一次技術革命。但拍攝圖像的亮度差、對比度低時對缺陷誤檢、漏檢的幾率仍然大。一些學者采用神經網絡等來自動辨識缺陷[4]，而可移植性差，過學習和推廣性較差等原因降低實用性。
據統計，現在世界上有1/2的金屬制品是靠焊接完成的，焊接在現代工業中具有非常重要的作用。焊縫跟蹤是實現焊接自動化的一項關鍵技術，直接影響到焊接質量[5]。所以有必要尋求一種具有識別率高、容噪能力強的技術進行油氣長輸管道焊縫的跟蹤檢測。
基于核的機器學習方法，簡稱為核機器學習方法（Kernel Machine Learning）或核方法[6-8]，是近年在機器學習領域涌現的一類新模型與新方法的總稱。其基本思想是對一些只涉及樣本間內積運算的學習方法，通過改變內積定義的方式，用事先定義的核函數取代內積，從而得到與原學習方法對應的非線性版本。核機器學習方法不僅可以高效分析蘊藏在樣本集內部的非線性關系，簡化了欲解決的問題，并且能借助核技巧規避特征空間內的內積運算因映射函數而可能引發的維數災難。
在核機器學習這類方法中，有用于分類與回歸的高斯過程（GP）模型、支持向量機（SVM）、最小最大概率機（MPM）、核最近鄰（KNN）、核貝葉斯判別（KBD ）、核最小平方誤差（KMSE）判別、核Fisher判別（KFD）與核感知器（KP）等；有用于聚類的核自組織映射（KSOM）、核聚類和核Adatron方法等；有用于特征提取的核主成分分析（KPCA）、核獨立成分分析（KICA）等；也有用于特征選擇的核規范相關分析（KCCA）、核投影尋蹤（KPP）和核匹配追蹤（KMP）方法等。當然上面列舉的僅是一些最典型的核機器學習方法，限于篇幅還有上百種方法不能一一列舉。核機器學習方法與常規的模式識別方法（如人工神經網絡）相比優勢明顯，若能將之應用于管道焊縫特征提取、特征選擇以及缺陷預測，利用它們優良的性質和強大的功能，必將能大幅度提升檢測準確度。
利用核機器學習方法進行油氣管道焊縫跟蹤研究，使得在檢測系統中融入貝葉斯推理成為可能，因為貝葉斯推理與機器學習技術本來就密不可分。在機器學習過程中融入推理過程有諸多優勢，具體對焊縫缺陷檢測而言可以提升焊縫跟蹤系統的智能化程度。這是因為：第一，可以將從焊縫圖片資料中獲得的一些圖像信息作為先驗知識無縫融入檢測過程，進一步提升檢測準確度與智能化程度；第二，在檢測時可預設一組概率規則，推理遵循該規則逐步實現，從而使整個檢測過程既有條理又有層次。
利用核機器學習方法進行油氣管道焊縫檢測，也使得在檢測系統中引入多源信息融合技術成為可能，因為多源信息融合與機器學習同樣密不可分。在管道檢測中，焊縫的孔隙度、灰度等多個因素分別揭示了焊縫圖像各個方面的特性，在進行缺陷檢測時需要將各方面的信息進行綜合考慮。而信息融合正是利用多方面的信息資源，采用數學方法和計算機技術對各種信息在一定準則下加以自動分析、綜合和使用，獲得比單一信息更精確、更完全和更可靠的解釋。因此在焊縫跟蹤系統中引入多源信息融合技術可以綜合多種焊縫屬性信息，減小方法不同所帶來的不確定性，從而實現綜合檢測。
綜上所述，核機器學習提供了一個良好的平臺，以之為基礎開發一套管道焊縫自動跟蹤系統至少具有三點優勢：第一，核機器學習方法本身的特性能保證檢測系統具有很高的準確度；第二，以核機器學習為主的平臺能引入貝葉斯推理，保證檢測系統具有很高的智能化程度；第三，在檢測中采用了多源信息融合技術，因此所開發的系統能進行綜合檢測。況且，核機器學習方法在人臉識別、視頻分析與移動通信等領域均取得了優異的應用效果。
在國內在埋弧焊焊縫缺陷檢測領域開展核機器學習理論與應用研究是一個新思路新方法，核機器學習理論及其模型有助于提高缺陷有無的識別率，在焊管缺陷的在線識別與預測這一新領域中必將具有較好的應用前景。
參考文獻：
[1] 鄭世才. 關于缺陷影像識別的討論[J]. 無損探傷， 2002， （1）： 5-8
[2] 巴曉艷，滕永平. 焊縫缺陷的計算機模式識別方法的研究[A].全國射線檢測技術及加速器檢測設備和應用技術交流會論文集[C]， 鄭州：2001，50-54
[3] 傅德勝. 焊接缺陷計算機自動識別模式的研究[J] . 控制與決策，1998， 13： 469-474
[4] 劉志遠，裴潤等. 一種焊縫缺陷自動超聲檢測系統[J]，焊接學報，2002，23（3）：71-74
[5] 高向東，丁度坤，趙傳敏. 機器視覺型焊縫跟蹤技術[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.
