● 摘要
随着现代工业和工程技术的不断发展，超声探伤技术在焊缝检测、锅炉检测、混凝土基桩检测、隧道桥梁、大坝工程等领域都得到了广泛的应用。目前对于工程领域的超声探伤，传统的手动超声检测仍然被广泛的应用。但是在传统的超声检测中存在着两个关键缺陷，一个是在检测大跨距材料或者检测材料存在较大缺陷时，声波中会夹杂着较多的噪声信号，噪声信号会掩盖一些可用信号，导致对检测结果的误判，进而影响工程建设的质量；另一缺陷是无法对缺陷定量、定性的自动智能分析，现有的分析方法主要依赖检测人员的经验判断，具有较高的主观性，检测效率低并且容易产生漏检、错检。这些问题都给实际的现场超声检测带来了诸多不便，也时刻影响着工程建设的质量安全。
针对现有超声透射波混凝土检测中存在的噪声干扰首波检测的问题，文章首先从超声检测原理的角度对噪声的产生进行了介绍，得出了超声检测中的噪声主要来源于材料结构噪声和检测系统的电噪声。通过对傅里叶变换和小波变换的对比分析，得出小波变换在时域和频域都具有良好的局部化特性，非常适合超声检测信号处理。
然后，对基于阈值能量的超声透射波信号小波降噪方法进行了深入研究，主要采用基于小波变换的阈值降噪的方法对信号进行去噪处理。根据超声波的特性，研究了阈值降噪三个方面的问题：第一，根据超声波数学模型和现有常规的小波函数函数性质和特性得出了比较适合于超声透射波分析处理的小波函数和分解尺度；第二，对比分析不同阈值选取规则的优缺点，通过不同选取规则对信号降噪后的信噪比比较，最后确定“Minimaxi”规则对超声透射波信号比较适用；第三，在传统选取规则的基础上，提出了一种基于能量放大的阈值选取方法，这种方法在降噪的过程中可以将信号增强，有效地去除噪声，减少有用信息的丢失。同时，还可以将经过阈值函数处理后的小波系数还原，尽量避免失真。经实验分析，该方法比较适用于在高频信号中含有一些可用信息且信噪比较低的超声透射波信号。
最后，对于缺陷的定量、定性分析问题，文章构建了基于BP神经网络的识别分类器对缺陷声波的多值域不变特征进行分类识别，从而达到智能识别缺陷的目的。利用常规的超声仪，用不同频率的超声换能器对含有孔洞、夹泥、离析、裂缝和断层五类缺陷的混凝土试块进行缺陷声波采集。采用人工智能方法对混凝土缺陷的判读与识别，关键是能够获取材料中不同缺陷的各种不变特征值。通过分析不同缺陷对声波反射、衍射等特性，分别在时域、频域和时频域提取了用于缺陷智能识别的缺陷特征值，实现了对混凝土缺陷的多值域不变特征提取。将这些多值域不变特征作为输入端传入构建的三层BP网络中，对这五类常见的缺陷进行分类识别，识别平均成功率达到90%以上。与传统的超声透射波检测相比，有效地解决了对检测材料缺陷的客观定量、定性分析，大大提高了检测效率。