В практике поиска дефектов используется ультразвуковая толщинометрия. Обычно в основе лежит эхо метод, который фиксирует отражение ультразвуковой (УЗ) волны от границ сред (передней и задней поверхности трубы). Но этот метод имеет ограничения, связанные с проблемами интерпретации результатов. Например, данный метод не дает полных данных, чтобы судить о толщине стенки трубы.
Для сбора данных мы используем акустико-резонансный метод, который является новым подходом в сфере коммунальной инфраструктуры. К металлу направляется широкополосный ультразвуковой сигнал и в ответ фиксируется отклик, который включает как эхо импульсный ответ, так и установившийся резонансный отклик. В отличии от эхо метода резонансный сигнал содержит дополнительную информацию о том, на каких частотах сигнал становится установившимся. Резонансный отклик анализируется с целью выявления структурных изменений в металле и определения остаточной толщины металла.
В качестве примера приводим поведение сигнала направленного на стальную трубу толщиной 4 мм частотой 800 кГц.
Рисунок 1. Схема проведения измерений.
Генератор направляет широкополосный сигнал на ультразвуковой трансдьюсер. Отраженный сигнал фиксируется на осциллографе.
Измерения проводились на образце трубы, показанной на рисунке 2, широкополосным импульсом. Установка образца на стенде аналогична той, что показана на рисунке 1 (дефект находится с внешней стороны от датчика). Описание дефектов приведено в Таблице 1.
Таблица 1. Дефекты на внешней стороне образца
№ дефекта |
Диаметр, мм |
Остаточная толщина,мм |
---|---|---|
1 |
20 |
2,5 |
2 |
20 |
3,5 |
3 |
20 |
5,5 |
4 |
5 |
2,5 |
5 |
5 |
3,5 |
6 |
5 |
4,5 |
Рисунок 2.Образец трубы с внешними дефектами.
а) |
б) |
в)
Рисунок 3. Измерения внешних дефектов: а) общий вид сигнала, б) спектр сигнала измерения внешнего дефекта 1, в) спектр сигнала измерения внешнего дефекта 2.
Предлагаемый подход основан на построении модели известного физического процесса – данных датчика, считывающего сигнал отраженной волны. Из данной модели мы получаем содержательную информацию с высоким уровнем достоверности.
Полученный идеальный сигнал выглядит так как на рисунке 4. Необходимо различать и интерпретировать в какой части сигнала находятся основные зоны:
Рисунок 4. Типичный сигнал для обработки.
Новизна подхода заключается в применении методов искусственного интеллекта для выделения содержательного сигнала и идентификации параметров в спектре «хвоста» гармоник. При этом для разных ситуаций методики выделения этих гармоник будут различными.
Расширение возможностей определения дефекта заключается в использовании информации из частично пересекающихся пятен измерения. Это подход синтетической фокусировки, позволяющий идентифицировать более мелкие дефекты по сравнению с пятном измерения.
Рисунок 5. Иллюстрация подхода синтетической фокусировки
Подход больших данных позволяет использовать частично пересекающиеся пятна измерения для выявления закономерностей в сигнале. Это реализация подхода синтетической фокусировки, который позволяет выделить из сигнала информацию, несмотря на возможные эффекты «шума» и потерь сигнала в условиях быстрого затухания. Значит, несмотря на несовершенство данных, решаются одновременно три задачи:
Без применения сложных вычислительных методов не удалось бы различить совокупности сигналов от различных слоев и различных дефектов. То есть предлагаемое решение дает возможность получить информацию ранее недоступную.