奥氏体不锈钢管道导波信号分析技术研究

胡 栋* 李杜伟 陈增江 陆 斌 翟永军

（泰安市特种设备检验研究院）

0 前言

奥氏体不锈钢管道具有优良的高低温韧性及强耐腐性等特点[1-2]，在化工行业中被广泛应用。为了保证这类管道的运行安全，按现行国家标准及行业规范要求，需对其进行定期检验，在定期检验过程中，通常采用渗透、超声或射线检测等无损检测技术手段，这类技术具有高度的局部检测特征，检测效率较低，容易产生漏检。

超声导波是一种新兴的结构健康检测技术[3]，通过在被检工件表面布置传感器，既可实现双向数十米甚至上百米的全截面检测工作，在管道检测工作中也具有较好的适用性。Kwun 等[4]利用磁致伸缩效应在带有煤焦油磁漆防腐层的埋地管道中激励出T（0, 1）模态并对管道进行缺陷检测，分析了信号的衰减特性后指出，随着检测频率增大，检测信号衰减也越严重。华中科技大学的武新军等[5]研究了基于磁致伸缩效应纵向导波模型并将其应用于管道检测。

由于奥氏体不锈钢晶粒粗大且具有明显的各向异性，使超声导波信号衰减幅度较大，同时粗晶体易使超声导波产生散射、衍射和折射，极大降低了回波信号的信噪比，对缺陷的判别产生影响。采用多点测试的方法能够降低反向反射和多次反射的干扰，但无法解决噪声信号引起的草状回波影响。

针对以上问题，本文基于匹配追踪算法对奥氏体不锈钢管道导波信号进行处理，从时域和频域的角度进行信号分析技术研究，提高奥氏体不锈钢管道超声导波检测的可行性。

1 奥氏体不锈钢导波信号时频去噪理论

1.1 奥氏体不锈钢中的导波

奥氏体不锈钢管道中的声波控制方程、应力-应变方程和应变-位移方程分别如式（1）、式（2）、式（3）所示[6]。

假设导波在无限大介质中传播，其具有以下形式：

矩阵A为三协晶系个性异性材料的普遍表达式，当矩阵A的所有项都不为零时，三个方向的位移互相耦合。因此各向异性材料中不存在独立的纯纵波和纯横波模态。

1.2 匹配追踪去噪原理

匹配追踪算法（Matching Pursuits）是一种自适应信号分解算法[7]，它把信号表示为与其结构匹配波形（原子）的线性展开，然后根据信号的局部特征从字典库中选择合适的基函数自动匹配，从而实现噪声抑制。匹配追踪算法具有很强的自适应性，因此适用于对奥氏体不锈钢导波检测信号的去噪处理。

匹配追踪算法的原子可通过窗函数g（t）平移、伸缩或频率调制而成[8]，窗函数g（t）满足‖g‖＝1，g（0）≠0 且g（t）的积分也不为零,得到的原子可用式（6）表示：

2 磁致伸缩超声导波检测系统及检测试样

2.1 实验设计

实验采用美国西南研究院生产的MsSR3030R 长距离超声导波检测系统，系统主要由MsSR3030R 主机、数据采集分析软件和磁致伸缩传感器三部分构成。磁致伸缩传感器由带状交流线圈、线圈适配器和薄铁钴带组成。带状线圈与线圈适配器结合在一起可以指定模式、频率及导波的方向。薄铁钴带需要利用永磁体进行磁化，一方面可以加强外加磁场强度，另一方面利用铁钴带的磁致伸缩效应使其中的粒子产生振动，并机械耦合到被检材料产生超声导波[15]，从而突破了检测材质的限制，使磁致伸缩超声导波可以应用到任何材料，包括铁磁性和非铁磁性材料。在铁钴带上产生磁针伸缩效应具有很大的优势：（1）具有较高的MsS 灵敏度；（2）不需要笨重的磁铁提供直流偏磁化；（3）始终如一的传感器性能，不会因为检测位置及检测试件的不同，而导致检测性能不同。

2.2 奥氏体不锈钢检测样管

实验采用的检验样管如图1 所示，样管材质为304L，管道壁厚 =6 mm，外径为219 mm，总长度约为30 m。该样管由三段无缝管焊接制成，每段长约10 m，共加工11 处缺陷，以左端为0 点，缺陷位置及参数如表1 所示。

图1 奥氏体不锈钢样管

表1 缺陷位置及参数

3 时频处理及信号分析

3.1 原始检测信号分析

采用64 kHz 传感器激发扭转模态T(0,1)导波对样管进行检测，以传感器左方为正方向，获取正、负两个检测信号，如图2、图3 所示。

图2 负方向检测信号

图3 正方向检测信号

图2、图3 中横坐标为距离，纵坐标为幅值，除焊缝管端等强反射信号可见外，缺陷信号几乎被噪声信号湮没，信噪比约为10 dB。

3.2 原始信号匹配追踪去噪处理

图4、图5 分别为正、负方向原始信号经匹配追踪去噪后的结果，经去噪处理后，信噪比提高了约6 dB，表征管道缺陷的低幅值信号出现。

图4 负方向检测信号匹配追踪处理结果

图5 正方向检测信号匹配追踪处理结果

由于管道实际长度为30 m，将处理后的信号按实际距离截取有用区域，并将负方向信号反转与正向信号拼接，拼接后的图像如图6 所示。

图6 中，以探头位置MsS1 为0 点，左侧为负方向信号，右侧为正方向信号，缺陷用代号D 表示，焊缝用代号W 表示，X 和Y 分别代表反向反射信号与多重反射信号，EP 为管端信号，经去噪处理后，样管中的缺陷均可识别。

图6 信号去噪后的拼接图像

图7 为拼接图像的频谱图，频谱图横坐标为距离，纵坐标为频率分布，频谱图中信号与拼接图像中信号按距离一一对应，缺陷及特征结构的信号频率约为64 kHz，与激励频率一致。

图7 合成信号频谱图

4 结论

（1）直接采用T（0，1）模态导波进行奥氏体不锈钢管道检测时，信噪比较低，缺陷难以识别。

（2）采用匹配追踪算法对检测信号进行处理后，信噪比提高至6 dB 以上，能够获取低幅值缺陷信号信息。

（3）采用匹配追踪算法对奥氏体不锈钢导波检测信号去噪后，能够有效识别环形切槽、凹坑和密集钻孔缺陷，广泛覆盖了奥氏体不锈钢管道的各类型缺陷，基于匹配追踪的奥氏体不锈钢管道导波检测具有可行性。