基于小波变换的低碳钢连铸坯超声探伤

　　1 引 言

　　钢材中所夹杂物对其性能有很大的影响, 因此对这种杂物的检测非常重要, 超声检测是检测钢材内所夹杂物的一种重要无损检测方法。不同钢材的晶体结构互不相同, 其检测的效果也不尽相同, 粗晶钢材的超声无损检测比较困难[1], 研究如何有效地提取和利用反映所夹杂物的信号特征, 对于工业应用有重要的意义。

　　超声检测中由晶粒产生的噪声属于结构噪声,对此研究表明[2], 结构噪声在相当长时间里能保持与入射脉冲基本相同的频谱; 其高频分量比同一时间的反射信号多得多。因此, 在粗晶材料超声检测信号处理中, 采用时频域分析的方法比较有效, 主要有分离谱处理技术和小波变换方法。分离谱的恢复算法实质上是一种排序统计滤波, 严格分析分离谱技术的性能比较困难, 这种方法对滤波参数的调整很敏感, 信噪比的增强有限[3-4]。

　　随着小波变换理论和应用研究的日益完善, 很多研究者尝试用小波变换的方法处理粗晶材料的超声检测信号[4-9]。文献[4] 采用小波变换软阈值去噪的方法, 对平均晶粒直径约 0.3mm 的铸铁件的超声检测信号进行了处理。文献[9] 采用小波变换和基于采样信号幅值混乱度的自适应滤波方法, 对平均晶粒直径约为 0.5mm 的粗晶材料的超声检测信号进行了处理。

　　本文利用离散序列的小波变换多尺度分析上海宝山钢铁公司提供的低碳钢连铸坯材料, 材料的晶粒直径约为 2000!m, 对有缺陷的粗晶钢材料检测信号进行了处理, 使用了不同的小波基, 并对不同尺度中突出体现的信息分别进行处理后重构信号。

　　2 离散序列的小波变换多尺度分析

　　小波变换在工程中能得到广泛应用的一个重要原因是它能由粗及精地对信号进行逐级分析, 即多分辨率分析。它的特点是当尺度较大时, 视野宽而频率分辨率低, 可以作概貌的观察; 当尺度较小时,视野窄而频率分辨率高, 可以分析信号的细节, 并在不同的尺度值下保持不变的品质因数[10-12]。因此, 利用小波变换能在某一尺度下突出一定特性的信号特征。再通过小波重构信号, 就可以得到特征更明显、更有利于识别利用的信号, 这就是小波变换的特征识别和提取技术。

　　从理想滤波器组可以更直观地理解多分辨率分析。当信号的采样率满足 Nyquist 要求时, 可用低通与高通滤波器将它分解成低频和高频部分, 分别反映信号的概貌和细节, 分解结果被称为近似系数和细节系数。经此处理后两路输出信号正交, 带宽均减半, 因此采样率可以减半而不致引起信息的丢失,即可进行“二抽取”。对每次分解后的低频部分再重复类似的过程, 并不断进行下去。每一级分解把这一级的输入信号分解成一个低频的近似和一个高频的细节部分。而且每级输出采样率都可以再减半。