基于激光超声技术的增材制件近表面缺陷特征提取方法
技术领域
本发明涉及一种基于激光超声技术的增材制造近表面缺陷特征提取方法。
背景技术
增材制造目前在航空、航天、医疗、工程机械等领域已经开展了一定的应用，并且具有广阔的应用前景和商业化价值。然而，增材制件不可避免的存在气孔、夹渣、未熔合、裂纹等表面和内部缺陷，极大程度制约着增材制件的广泛工程化应用，因此亟需开发有效的增材制件无损检测方法。
增材制件可实现复杂结构的一体化成形，能够制造出具有复杂表面形状和内部结构的大尺寸、高密度制件，给传统无损检测技术(超声、射线、涡流、磁粉、渗透)带来了严重的挑战。近些年来，增材制造过程在线检测技术得到了一定的发展，通过对新成形层的逐层检测来完成制件整体缺陷检测，能够在一定程度上有效避免制件完成后复杂结构带来的检测难题。
激光超声检测技术作为一种非接触检测手段，已经被引入到增材制造过程在线检测中，并且具有较高的检测分辨率。然而在激光激励作用，产生的激光超声信号具有复杂多模态、宽频带、低信噪比的特性，易出现超声波模态重叠显现(缺陷回波与纵波)等问题，同时还有外界环境的噪声干扰，严重影响制件缺陷的识别和检测结果的准确性。因此需要提高激光超声信号的信噪比，提取有效的缺陷特征信息，从而提高缺陷识别的准确性。
激光超检测技术已成为先进的无损检测关键技术之一，也是解决增材制造过程的质量保证问题的一种方法，随着应用领域的不断拓展，对增材制件缺陷定量评价也提出了更高要求，相应而来的是对超声波信号有了更高要求。
专利号CN 106018288 A——《激光超声在线无损检测增材制造零件的方法》公开了一种利用激光激励超声表面波幅度的变化，检测增材制造过程产生的冶金缺陷的方法。通过将检测装置安装在增材制造设备的高能束发生装置上，实现了增材制造过程中对零件缺陷的同步检测，提高了增材制造零件的可靠性。
专利号201810224085.X——《一种基于机械手扫查激光超声信号相关分析的增材制造构件检测方法》公开了一种通过对构件表面检测区域网格化的方法，利用机械手式激光超声自动检测系统，依次扫查X及Y方向的超声波检测信号，并进行相异系数计算，实现增材制造构件缺陷在线快速定位。
以上两种方法能够及时检测出增材制造过程中的缺陷，避免了零件制造完成后因复杂结构带来的检测盲区，具有极强的实用性和推广价值。但上述两种方法使用的信号均为超声波原始信号，直接定位处理，未考虑增材制造过程中表面粗糙度、环境振动等干扰因素对激光超声检测信号的影响，如当回波信息淹没在噪声之中。尤其是用激光激励出来的超声波信号是一种宽频带信号，而接收到的超声波信号具有复杂多模态(多种模态信号出现甚至混叠)、宽频带、低信噪比信号，从而影响缺陷定位、定量的准确性。
发明内容
本发明的目的是提供一种基于激光超声系统增材制件近表面缺陷特征提取方法，能够解决激光超声信号复杂多模态、宽频带、低信噪比问题，有效提取近表面缺陷超声波信号。
为实现上述目的，本发明是通过以下技术方案来实现：
基于激光超声技术的增材制件近表面缺陷特征提取方法，包括如下步骤：
步骤1，利用脉冲激光工件表面激励出超声波，再接收超声波信号；
步骤2，对超声波信号采用时域平均处理；
步骤3，根据表面波的大致频率范围对经过时域平均处理的超声波信号进行带通滤波，得到滤波信号；
步骤4，对滤波信号采用改进的经验模式分解方法进行分解，得到M个IMF分量，将频率最高IMF分量作为表面缺陷特征。
本发明进一步的改进在于，步骤2中，对超声波信号采用32次时域平均处理。
本发明进一步的改进在于，步骤3中，表面波的大致频率范围fmax通过下式计算：
其中a0为激光脉冲光斑半径，cR为表面波的波速。
本发明进一步的改进在于，步骤4的过程为：
将单个滤波信号添加辅助白噪声；确定添加辅助噪声后的滤波信号的局部极大值和局部极小值；根据局部极大值和局部极小值，得到均值线；判断滤波信号与均值线的差是否满足IMF的两个性质，如果满足IMF的两个性质，则得到第j个IMF分量，判断第j+1待分解量是否满足单调或者是否恒为常值，若满足单调或恒为常值，则得到每次添加白噪声的M个IMF分量；对第i+1个添加白噪声的滤波信号进行分解，i＝1,2,3....N得到N×M个IMF分量；根据N×M个IMF分量得到单个滤波信号的M个IMF分量，将M个IMF分量按频率从高到低排序，将频率最高的IMF分量作为缺陷特征，其中，j＝1,2,3...,M，i＝1,2,3....N。
本发明进一步的改进在于，步骤4的具体过程如下：
1)将单个滤波信号x(t)添加辅助白噪声，设置白噪声添加次数N和白噪声水平，得到N组添加白噪声后的滤波信号xi(t)，i＝1,2,3....N；
2)确定添加辅助噪声后的滤波信号xi(t)的局部极大值和局部极小值；
3)根据局部极大值利用三次B样条构造上包络线E1，根据局部极小值利用三次B样条构造下包络线E2，根据上包络线E1与下包络线E2构造均值线
4)利用添加辅助噪声后的滤波信号xi(t)减去均值线m，得到中间变量h(t)，判断中间变量h(t)是否满足IMF的两个性质，如果满足IMF的两个性质，则得到第j个IMF分量cj，j＝1,2,3…,M，若不满足IMF的两个性质，则将xi(t)-h(t)，重复步骤2)至步骤4)，直至满足IMF的两个性质；
5)根据第j个IMF分量，得到第j+1个待分解量rj+1(t)＝rj(t)-cj，其中，r1(t)＝x1(t)，rj(t)为第j个待分解量，判断第j+1个待分解量rj+1(t)是否满足单调或者是否恒为常值，若rj+1(t)满足单调或恒为常值，得到每次添加白噪声的M个IMF分量，完成了对第i个滤波信号xi(t)的分解；若不满足，则将j+1个待分解量rj+1(t)重复步骤2)至步骤5)，直至j+1个待分解量rj+1(t)满足单调或者恒为常值；
6)对第i+1个添加白噪声的滤波信号xi+1(t)进行分解，得到N×M个IMF分量；
7)将N×M个IMF分量相加，得到N组添加白噪声的M个的IMF分量之和，再除以白噪声添加次数N，得到单个滤波信号的M个IMF分量，将M个IMF分量按频率从高到低排序，将频率最高的IMF分量作为缺陷特征。
本发明进一步的改进在于，步骤4)中，IMF的两个性质为：
(1)中间变量h(t)的极值点数目Ne和过零点数目Nz相等或最多相差一个；
(2)中间变量h(t)在任意时间点ti上，局部极大值构成的上包络线fmax(ti)和由局部极小值构成的下包络线fmin(ti)的平均值为零。
与现有技术相比，本发明具有的有益效果：
1)、本方法针对激光激励超声波本身具有复杂多模态(多种模态信号出现甚至混叠)、宽频带、低信噪比信号特点，通过激励光斑、表面波波速与表面波频率的关系，确定出表面波所在频带范围，通过带通滤波与改进的经验模式分解方法相结合的方式，实现信号中不同模态的有效分离(表面波、纵波、掠面纵波等)，提取到对近表面缺陷较为敏感的表面波信息。
2)、相较于原始信号直接提取表面波信息，表面波信息易受环境振动、被测件表面粗糙度干扰，造成缺陷回波信息淹没。本方法通过带通滤波可以解决环境振动(主要为低频振动)干扰；通过改进的经验模式分解方法分解有效提取表面波信息，从而解决表面粗糙度对接收激光对焦的干扰引起缺陷回波不明显或缺陷回波被噪声淹没的问题，有助于提高激光超声系统的有效识别精度。
3)、本发明的超声波信号处理方法，直接在时域中对超声波信号进行处理，无需时域到频域再到时域进行信号重构，可减少计算机运算量，提高效率。
进一步的，本方法通过采用合理时域平均次数为32次，提高了信号信噪比，避免单次信号采集时，回波信息在情况下不稳定的效果，更好的发现缺陷信息，降低缺陷漏检率；同时延长激光器使用寿命。
附图说明
图1为基于激光超声技术的增材制造近表面缺陷特征提取方法实现的流程。
图2为不同次时域平均的实验示意图。
图3为不同时域平均次数效果图(两黑线间的范围为缺陷回波范围)。其中，(a)为1次时域平均，(b)为8次时域平均，(c)为16次时域平均，(d)为32次时域平均，(e)为64次时域平均，(f)为128次时域平均。
图4为EMD算法流程图。
图5为EEMD算法流程图。
图6为超声波传播路径图。
图7为A扫信号对比效果，其中，(a)为原始信号，(b)为表面波特征提取。
图8为激光超声系统图。
图9为实验示意图。
图10为实验试块实物图(黑色框中为激励过后的痕迹)。
图11为实例A扫效果对比图。其中，(a)为原始信号，(b)为表面波特征提取。
图12为实例B扫信号效果对比图。其中，(a)为原始信号，(b)为表面波特征提取。
图13为实例B扫信号成像效果对比图(黑线范围分别为表面直达波、缺陷回波)，其中，(a)为原始信号成像，(b)为表面波特征提取成像。
具体实施方式
下面结合附图对本发明进行详细说明。
参见图1，本发明主要步骤包括：原始信号获取、时域平均、敏感频带滤波以及EEMD特征提取。
利用激光超声技术，激励激光在增材制造过程中的工件表面激励出超声波，通过干涉仪接收超声波信号，针对光学仪器易受外界干扰造成的信噪比差的特点，通过时域平均的方式，采用同一激励点多次，数据平均的方式，实现信噪比改善；
据同一位置收发不变性以及裂纹缺陷的空间不变性，首先对信号进行类时域平均处理，时域平均处理方法为：
设超声波信号x(t)由周期信号s(t)与白噪声n(t)组成，即x(t)＝s(t)+n(t)，以周期信号s(t)的周期T截取超声波信号x(t)，即将x(t)分成N段，每段有M个点，将各段对应点相加。在预制缺陷的试块上进行实验，对时域平均次数进行优选，实验示意图如图2所示，超过32次后，信噪比改善无较大提升，确定时域平均次数设置为32次，可以获得较优的信噪比，效果如图3中的(a)、(b)、(c)、(d)、(e)、(f)所示。
针对宽频带问题，通过表面波波速与激励光斑直径的关系，确定表面波大概频率范围，通过锁相带通滤波器，进行窄带滤波，同时克服滤波过程中信号相位变化；
表面波和中心频率计算公式如下：
其中a0为激光脉冲光斑半径，cR为表面波的波速。
针对缺陷回波信息特征提取部分，采用改进的经验模式分解算法(EEMD)完成对缺陷回波信号的特征提取，改善B扫成像。
由于EEMD是基于EMD进行的，下面先介绍EMD。EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数(IMF,Intrinsic Mode Function)，且IMF须满足以下两个性质：
(1)信号的极值点数目Ne和过零点数目Nz相等或最多相差一个；
(Nz-1)≤Ne≤(Nz+1) (2)
(2)在任意时间点ti上，局部极大值构成的上包络线fmax(ti)和由局部极小值构成的下包络线fmin(ti)的平均值为零。
[fmax(ti)+fmin(ti)]/2＝0 (3)
参见图4，EMD算法的计算步骤如下：
(1)找出原数据序列X(t)的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上和下包络线；上下包络线的均值为m；将原数据序列减去m可得到一个减去低频的新序列h，即h＝X(t)-m；一般h不一定是平稳数据序列，为此需对它重复上述过程。如h1的包络均值为m11，则去除该包络平均所代表的低频成分后的数据序列为h11。
(2)用X(t)减去c1，得到一个去掉高频成分的新数据序列r1；对r1再进行上述分解，得到第二个本征模函数分量c2；如此重复直到最后一个数据序列rn不可被分解，此时，rn代表数据序列X(t)的趋势或均值，rn的数学性质：单调或者恒等于常值。
参见图5，改进的经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)算法是针对EMD算法的不足，提出了一种噪声辅助数据分析方法。EEMD优势：当附加的白噪声均匀分布在整个时频空间时，提高信号局部均值的求解精度，该时频空间就由滤波器组分割成的不同尺度成分组成。
EEMD原理：将高斯白噪声添加到每次本征模式分解过程中，将添加后的含有白噪声的信号x(t)＝y(t)+n(t)，其中y(t)为原始信号，n(t)为添加的高斯白噪声，添加噪声目的就是要寻找于是信号y(t)的一个逼近
本发明基于激光超声技术的增材制件近表面缺陷特征提取方法包括如下步骤：
步骤1，利用脉冲激光工件表面激励出超声波，再利用激光干涉仪探头接收超声波信号；
步骤2，对超声波信号采用32次时域平均处理，该步效提高信号的信噪比，但无法对模态信息进行删选。
步骤3，根据计算公式如下：
其中a0为激光脉冲光斑半径，cR为表面波的波速。确定表面波的大致频率范围fmax，根据表面波的大致频率范围fmax对经过时域平均处理的超声波信号进行带通滤波，得到滤波信号；该步在时域平均的基础上，锁定对近表面缺陷敏感的表面波信息大致频带，同时对超声波信号进行去趋势项处理。
步骤4，滤波信号采用改进的经验模式分解方法(EEMD)进行分解，在EMD的基础上利用集合平均的思想，多次EMD分解结果相加，再进行求和取平均，得到M个IMF分量，将频率最高的第1个IMF分量作为表面缺陷特征。
1)将单个滤波信号x(t)添加辅助白噪声，设置白噪声添加次数N和白噪声水平，可以得到N组添加白噪声后的滤波信号xi(t)(i＝1,2,3…N)；
2)第i个添加白噪声后的xi(t),中间变量r(t)初始化r1(t)＝xi(t)，确定添加辅助噪声后的滤波信号xi(t)的局部极大值和局部极小值。
3)根据局部极大值利用三次B样条构造上包络线E1，根据局部极小值利用三次B样条构造下包络线E2，根据上包络线E1与下包络线E2构造均值线
4)利用xi(t)-m得到中间变量h(t)，判断中间变量h(t)是否满足IMF的两个性质，如果满足IMF的两个性质则得到j个IMF分量cj(j＝1,2,3…,M)，若不满足IMF的两个性质，则将xi(t)-h(t)，重复步骤2)、3)与步骤4)，直至满足IMF的两个性质；
5)当得到第j个IMF分量，进行第j+1个待分解量rｊ＋１(t)＝rｊ(t)-cｊ，其中，r1(t)＝x1(t)，rj(t)为第j个待分解量，判断rj+1(t)是否满足单调或者均值线m是否为常值，若rj+1(t)满足单调或为常值，得到每次添加白噪声的M个IMF分量，完成了对第i个xi(t)的分解。若不满足，则将第j+1个待分解量rj+1(t)重复步骤2)、3)4)与步骤5)，直至满足rj+1(t)满足单调或者为常值。
6)进行第i+1个添加白噪声的xi+1(t)分解，具体的是重复2)、3)4)与步骤5)，直到i＝N，得到N×M个IMF分量。
7)将获得的N×M个IMF分量相加，这样得到N组添加白噪声的M个的IMF分量之和，再除以辅助白噪声添加次数N，即可得更为准确的单个滤波信号的M个IMF分量，将M个IMF分量按频率从高到低排序，将频率最高的第1个IMF分量作为缺陷特征。实现表面波信息的有效提取，可以分别获得直达表面波到达时间t1和缺陷回波到达时间t2，直达表面波到达时间t1的幅值分别为V1，缺陷回波到达时间t2的幅值为V2。
8)根据直达波、缺陷回波信息，利用表面波波速V实现缺陷定位，超声波传播路径参见图6；
表面直达波为激励激光激励出的超声波直接被接收激光接收，传播路程为d，到达时间t1，计算公式(4)：
缺陷回波为激励激光激励出的超声波向缺陷方向传播，经缺陷边缘反射后，被接收激光接收，传播路程为d+2L，到达时间t2，计算公式(5)：
利用缺陷回波与直达波达到时间的比值，计算缺陷距离激励激光点的距离L，计算公式(6)：
步骤5，通过B扫获得大量A扫数据，本步骤目的实现数据扩充，实现B扫成像。将A扫并进行如上步骤1-步骤4，即可提高每一个信号的信噪比，A扫信号对比效果如图7中(a)和(b)所示，未知缺陷回波由非预制缺陷造成，经工业CT验证，原始信号中很难找到，经特征提取后可以发现；同时提高B扫成像质量，提高缺陷定位精度、可视化。
下面为一个具体实施例。
本发明提供了一种基于激光超声技术的增材制造近表面缺陷特征提取方法为：在激光超声系统中，使用激励激光探头在增材制造过程中的工件表面产生超声波，利用控制器控制振镜偏转，实现范围扫描，并利用干涉仪接收超声波信号，通过采集卡将模拟信号转化为数字信号，激光超声系统如图8所示。将采集到的超声波信号采用时域平均次数为32次，提升信号的信噪比；再经过材料声学特性和激励光斑直径，确定锁相带通滤波器上下截止带宽，实现缺陷回波信息有效信息的保留；结合EEMD算法，实现超声表面波信息的提取，排除其他模态的信息干扰。
本发明利用基于激光超声技术的增材制造近表面缺陷特征提取方法识别增材制造过程中工件加工状态，按以下具体步骤实施：
(1)时域平均
首先，在实验条件完全相同的情况下，改变激励次数，进行信号的时域平均处理；
然后，选择最优的激励次数(即时域平均次数为32次)，提高信号信噪比，延长激光器使用寿命。
(2)敏感频带滤波
首先，测量加工材料对应的超声表面波波速；
然后，测量对焦点处激励激光光斑直径，利用公式(7)，计算出表面波中心频率的大致范围；
面波和中心频率计算公式如下：
其中a0为激光脉冲光斑半径，cR为表面波的波速。
最后，设置锁相滤波器的上下截止频率，解决激光超声宽频带信息冗余问题，提取窄带信息。
(3)EEMD特征提取
将经过时域平均、敏感频带滤波后的超声波信号，采用改进的经验模式分解方法，确定白噪声添加强度选择超声波信号0.2倍的标准差、添加次数为50次，实现频带的进一步划分，实现表面波信息的有效提取，可以获得直达表面波和缺陷回波。
最后将缺陷信息进行反馈，便于增材制造过程中采取相应弥补措施。
以下给出一个具体应用实例过程，同时验证了本发明在工程应用中的有效性。
本实验在激光超声系统实验台开展，首先，接收点距离槽边缘距离为8mm，槽的深度为：1mm，激励与接收保持固定，保证为5mm利用机器手通过B扫形式(平行于槽边缘)获取大量超声波信号，如图9所示：
实验后的试块如图10所示。
实验对象以及实验参数请见表1所示。
表1实验对象以及实验参数
从A信号、B扫信号、B扫成像三方面进行效果对比，参见图11中(a)和(b)、图12中的(a)和(b)与图13中的(a)和(b)。经过特征提取后，只保留了表面波信息，将无关模态去除(如纵波、掠面纵波)。并开展大量实验数据验证，表明本发明所述的针对增材制造近表面缺陷激光超声检测信号的特征提取方法，提高信号的信噪比，避免不同超声波模态干扰问题，实现对近表面缺陷敏感的表面波信号提取，并对超声波B扫成像起到改善作用，提高缺陷的识别率。
