南昌航空大学：航空锻件用铝合金棒材内部缺陷的超声高精度成像检测

铝合金棒材因密度小、比强度高、加工性能好及耐腐蚀性强等优点，常用于飞机的机身和翼面等主体结构中。然而，由于生产工艺波动，棒材容易产生气孔、裂纹、夹杂等缺陷，严重时会引发结构损伤而导致使用性能下降。因此，开展高精度无损检测对铝合金棒材内部缺陷的准确识别和定位至关重要，也是保障结构可靠性和运行安全性的重要手段。

在实际检测中，棒材的几何特性带来了诸多挑战，如小直径棒材曲率大、耦合区域受限；大直径棒材厚度增加，信号衰减显著且精准定位难度大。

目前，双晶探头法和水浸聚焦检测法是棒材检测的主要手段。双晶探头法具有盲区小、分辨率高等优点，但其通用性差且探头易磨损，难以满足小批量、多规格棒材的检测要求。

相比之下，水浸聚焦检测法既可弥补双晶探头法的不足，又能通过分区聚焦检测技术实现对大规格棒材的高精度检测。

水浸聚焦检测法通过分析不同入射角度的成像结果评估缺陷的形状尺寸，倾斜入射法适用于表面缺陷的尺寸评估，垂直入射法则专门用于内部缺陷的检测。

为进一步提高检测精度并减少漏检，通常采用小波变换、小波包分解等信号处理技术，来减小噪声提高信噪比。尽管现有超声检测技术在棒材检测领域取得了显著进展，但随着航空零部件制造对检测精度要求的不断提升，大规格航空锻件用铝合金棒材的无损检测技术仍面临灵敏度不足和漏检等问题的挑战。

为此，南昌航空大学联合江西景航航空锻铸有限公司、宁波市特种设备检验研究院的研究人员提出了一种喷水式超声波分层聚焦检测技术，结合改进软阈值小波分解技术，通过提高检测信号的信噪比、改善检测图像质量，最终实现高精度检测。

1

试块制备及试验方法

航空铝合金棒材试块的尺寸为φ120 mm×150 mm，垂直阶梯面加工两个φ0.2 mm平底孔，5个φ0.3 mm平底孔，如图1所示，其中2号和3号平底孔、4号和5号平底孔的中心间距均为5 mm。

图1 棒材阶梯试块结构示意

试验系统由工控机、超声发射接收仪和自动扫查装置组成，其结构示意如图2所示。

图2 检测系统结构示意

探头安装在自动扫查装置的云台上，可通过调整探头来确保超声波垂直入射到棒材内部。扫查过程中周向运动轴带动棒材原位沿棒材周向转动，同时轴向运动轴带动探头沿棒材轴向步进，二者相结合实现整个棒材的螺旋扫查。设置扫查步进为0.1 mm，脉冲发射电压为200 V，重复频率为500 Hz，采样频率为125 MHz。

喷水式探头前端安装专用水套，水套端部与棒材基本贴合。鉴于检测灵敏度为φ0.3 mm平底孔当量尺寸，故探头频率应高于10 MHz。为满足不同深度的检测需求，试验设计并选用了3种水浸超声探头：

探头

中心频率

/MHz

晶片直径

/mm

焦距

/mm

A

15

6.35

13.9

B

10

25.4

154

C

10

25.4

300

基于平底孔阶梯试块测得一定水距下各个探头的焦区参数，通过移动探头观察回波信号的变化，以焦点处最大声压降低6 dB为标准，测定其焦区尺寸，并规划3层检测区：

检测区

探头

水距

/mm

焦区覆盖

范围/mm

扫查区域/mm

1

A

5.40

焦点位置：2

焦柱直径：0.05

焦柱长度：4.4

0~4.4

2

B

焦点位置：15

焦柱直径：0.21

焦柱长度：24.0

3~27

3

C

焦点位置：45

焦柱直径：0.41

焦柱长度：42.0

24~66

探头布置方式及焦区覆盖范围示意如图3所示。探头前端安装水套、超声波通过水套喷出的水柱沿棒材径向入射至内部并在设定区域形成焦区，通过上述3种探头的布置规划可完全覆盖整个棒材内部区域。

图3 探头布置方式及焦区覆盖范围示意

（Hi为水距， di为焦柱直径，Li为焦柱长度）

2

检测信号分析处理

调整探头使超声波聚焦声束覆盖深度为12 mm的φ0.2 mm平底孔（记为12-φ0.2平底孔），检测结果如图4所示。

图4 12-φ0.2平底孔A扫描信号

检测信号中水/铝界面波、平底孔反射回波、底面反射回波所对应的时间分别为39.56，43.83，44.40 μs，铝中声速为6300 m/s，根据平底孔与界面反射回波时间差以及脉冲反射法原理可计算实际埋深为13.45 mm，测量相对误差为12.08%。

此外，检测信号中除了能够分辨平底孔反射回波信号外，还存在一些噪声干扰，影响对缺陷特征信号的判读，为此试验采用小波分解技术对信号进行多尺度分解，得到不同尺度的近似小波系数和细节小波系数。

有效信号与噪声信号的小波系数存在差异，噪声信号分布广、小波系数较小，而有效信号能量相对集中、小波系数较大。通过对各尺度分解得到的细节小波系数设定阈值，大于等于阈值的系数则用原系数与阈值的差值进行替换；小于阈值的系数置零，并重构降噪后的检测信号。

Sqtwolog阈值作为一种基于最小化损失函数来选择最优阈值的方法，具有数值稳定性和计算简便性，重构信号既能反映原始信号特性又能有效去除噪声。因此试验基于Sqtwolog阈值构建一种新的软阈值函数，使得阈值能够随着分解尺度增加而减小，同时还能根据尺度分解系数而变化。

3-φ0.3，22-φ0.2和56-φ0.3平底孔的A扫描信号检测结果及对比如图5所示。选用Sym8小波基分别对A扫描信号进行4层分解，得到多个不同尺度下的小波系数，由改进软阈值函数对其小波系数进行重构可得到滤波后的检测信号。

(a) 3-φ0.3平底孔A扫信号

(b) 22-φ0.2平底孔A扫信号

(c) 56-φ0.3平底孔A扫信号

(d) 埋深-信噪比对比

图5 3个平底孔的检测结果及信号对比

由图5可知，3-φ0.3平底孔回波位于7.10 μs，水/铝界面回波位于6.09 μs，滤波后信噪比由2.57提升至5.5；22-φ0.2平底孔回波位于47.32 μs，水/铝界面波位于39.71 μs，滤波后信噪比由1.61提升至2.69；56-φ0.3平底孔回波位于90.51 μs，水/铝界面波位于72.73 μs，滤波后信噪比由1.75提升至8.57。基于改进软阈值小波分解技术重构后的信号信噪比均有提升，提升率分别为114.01%，67.08%，389.71%。

基于改进软阈值小波分解技术，分别对21-φ0.3，22-φ0.2，36-φ0.3，56-φ0.3平底孔开展信号滤波及成像试验，4个平底孔的原始图像与阈值滤波降噪重构对比如图6所示。其中，21-φ0.3和22-φ0.2平底孔的轴向间距较大，加之阶梯底面回波的干扰，直接成像易导致平底孔图像失真，周向扫查距离不宜设置过大，故采用拼接方法对原始数据进行处理，从而确保成像结果能够准确反映平底孔的几何形状。

图6 4个平底孔的原始图像与阈值滤波降噪重构对比

计算得到21-φ0.3和22-φ0.2平底孔的增益差为7.85 dB，因此图像中φ0.2 mm平底孔的信号明显弱于φ0.3 mm平底孔。此外，平底孔的埋深较大，声能在传播过程中衰减显著，导致原始回波信号与噪声混叠，进而滤波时特征信号的识别存在误差，故滤波后成像所得尺寸小于实际当量尺寸。

综上可知，原始C扫描图像中，除了出现平底孔缺陷图像外，还伴随着一些噪声图像，缺陷边缘较为模糊，分辨率较低。基于重构后信号进行归一化幅值成像，重构后图像中的噪声得到了有效去除，缺陷图像边缘更为清晰，图像分辨率得到了显著提升。

3

自然缺陷检测试验

对航空锻件用铝合金棒材实施分层全厚度聚焦检测，采用探头A，B，C按分层扫查方案分别获取不同深度的原始检测信号。随后，采用改进软阈值小波分解技术对检测信号进行分解重构，从而得到滤波后的检测信号，并进行归一化幅值成像。

探头A，B，C在检测区1~3中所获得的原始及滤波后C扫描图像对比如图7所示，可知2 mm深度处的原始C扫描图像无缺陷特征，仅存在一些背景噪声，而滤波算法处理后图像噪声得到有效抑制；15 mm深度处的缺陷与噪声图像共存，经软阈值小波分解处理后的图像信噪比显著提高，可观察到1个缺陷，标示为Fb1；45 mm深度处的原始图像可观察到缺陷，但噪声干扰导致信号不连续、易出现误判；重构后有效抑制了条纹噪声、显著提高了信噪比，缺陷细节部分相较于原始图像更加平滑，可观察到缺陷Fc1~Fc6，且此时对所有缺陷均具有较高的分辨率。

图7 不同深度处信号处理前后的C扫描图像对比

Fb1和Fc1的A扫描信号如图8所示，可知缺陷Fb1反射回波位于135.21 μs，计算深度为23.69 mm，水/铝界面波位于127.69 μs；缺陷Fc1反射回波位于174.54 μs，计算深度为23.47 mm，水/铝界面波位于167.09 μs。缺陷Fb1与Fc1埋深相近，且位于探头B和C重叠覆盖区域内，因此判定两者为同一缺陷。对比幅值可得，同一缺陷距离探头焦点越近，其反射能量越高。

图8 缺陷Fb1和Fc1的A扫描信号

分析41.5 mm深度处C扫描图像中的缺陷Fc1和Fc2，根据C扫描的缺陷定位对检测试块进行解剖和金相分析，以验证C扫描图像检测结果的准确性。金相结果如图9所示，可清晰地显示缺陷，经测量Fc1缺陷长度为0.27 mm，缺陷Fc2长度为0.35 mm。

图9 试块金相分析结果

4

结论

1

通过优选探头频率、晶片直径及焦距等关键参数，可有效缩小棒材检测中的盲区，并确保检测灵敏度的均匀性。

2

基于喷水式聚焦水浸超声检测技术设计的3层分区聚焦检测方案可对直径为120 mm的航空锻件用棒材进行高精度检测，检测灵敏度可达到深度56 mm的φ0.3 mm平底孔当量尺寸。

3

通过改进软阈值小波分解技术能有效地滤除噪声、显著提高检测信号信噪比以及检测图像质量，检测信号信噪比至少提高了67.08%。

作者：唐佳旺1，王同超2，蔡如明2，王红源3，陈振华1，卢超1

工作单位：1. 南昌航空大学 无损检测技术教育部重点实验室

2. 江西景航航空锻铸有限公司

3. 宁波市特种设备检验研究院

第一作者简介：唐佳旺，硕士研究生，工程师，主要研究方向为超声无损检测成像检测及其自动化。

来源：《无损检测》2025年9期