Page 93 - 无损检测2024年第三期
P. 93

云维锐, 等:
   基于双晶相控阵探头的奥氏体不锈钢检测试验及应用


   纹1和内部自然裂纹2 , 底片上很难辨别裂纹的轮廓,                             ( 1 ) 单晶线阵横波法因衰减过大无法得到应用;
   容易漏判。双晶面阵相控阵法却可在图谱中清晰辨                            对于单晶一维线阵纵波法, 其具备一定穿透能力, 但
   别出裂纹缺陷, 具有较高的信噪比和灵敏度, 能够检                         是由于盲区、 结构回波和探测范围等因素影响, 也难
   出裂纹缺陷全貌。                                          以在现场应用。
             表2 现场焊口缺陷测量结果                    mm          ( 2 ) 双晶一维线阵探头纵波法能够较好穿透衰

   编号     类型      缺陷长度 缺陷深度 自身高度          备注         减很大的焊缝区域, 并且有较高的信噪比, 满足标准
                                         偏 A侧        要求。但是由于双晶一维线阵探头必须搭配不同屋
    1 内部自然裂纹1 20.30       15.12  6.02

    2   表面人工槽      16.23   0     3.12  偏 A侧20mm      顶角楔块才能实现不同深度的聚焦区域覆盖, 不利于

    3   底面人工槽      17.04  36.42  3.58     中心         大厚度工件检测工艺的制定。

    4   表面人工槽      16.30   0     1.80  偏 B侧20mm           ( 3 ) 双晶二维面阵探头纵波法能穿透大厚度不


    5 内部自然裂纹2 54.47       19.66  6.58     中心
                                                     锈钢焊缝, 具有更高的灵敏度和信噪比, 并且菱形聚
       在对侧表面刻槽的检出上, 双晶二维面阵探头激                        焦区域可根据需要调整, 无需频繁更换楔块, 工艺设

   发的爬波能穿过衰减更大的、 宽度为42mm 的焊缝,                        置灵活, 且能调整声场能量使其聚焦到工件表面, 而

   依然能检出自身高度为1.5mm 的对侧表面刻槽, 也                        利于激发爬波。
   说明双晶二维面阵探头更有利于激发爬波, 并且双晶
                                                     参考文献:
   面阵探头放置在2 表面刻槽本侧依然能检出缺陷,
                   #
   更验证了其无近表面盲区的优势, 推荐在现场进行                            [ 1 ]  康纪黔, 李家鳌. 奥氏体不锈钢焊缝超声波检验规程
   应用。                                                     [ J ] . 无损检测, 2001 , 23 ( 4 ): 162-166.
                                                      [ 2 ]  朱琪, 孙磊, 庞兵. 奥氏体不锈钢小径管相控阵超声检
  4 结语
                                                           测方法探究[ J ] . 电力勘测设计, 2019 ( 3 ): 49-54.
     针对奥氏体不锈钢焊缝检测, 经过对比和试验分                           [ 3 ]  乔江伟. 不锈钢管环焊缝的相控阵超声爬波检测[ J ] .
   析, 得到以下结论。                                              无损检测, 2019 , 41 ( 11 ): 5-9.





                                                                                                 



   ( 上接第32页)                                          [ 9 ]  HANZY , WANG J , WANG X , etal.Robustfeature

    [ 5 ]  王恩泽, 何东健. 基于 MFCC和双重 GMM 的鸟类识别                 extractionfors p eechreco g nitionbasedonp erce p tuall y

        方法[ J ] . 计算机工程与设计, 2014 , 35 ( 5 ): 1868-1871.   motivated MUSICand CCBC [ J ] .ChineseJournalof

    [ 6 ]  罗森林, 王坤, 谢尔曼, 等. 融合 GMM 及 SVM 的特定              Electronics , 2011 , 20 ( 1 ): 105-110.

        音频事件高精度识别方法[ J ] . 北京理工大学学报,                 [ 10 ]  SHI TL , ZHENJQ.O p timizationofMFCCal g orithm

        2014 , 34 ( 7 ): 716-722.                         forembedded voice s y stem [ C ]// Lecture Notesin

                                                          Electrical En g ineerin g .Sin g a p ore : S p rin g erSin g a p ore ,
    [ 7 ]  CHENG X Y , HUANG B K.CSI-based human

        continuousactivit y reco g nitionusin gGMM – HMM [ J ] .  2021 : 657-660.

        IEEESensorsJournal , 2022 , 22 ( 19 ): 18709-18717.  [ 11 ]  陈刚, 吴振家. 一种基于 GMM-EM 的非平衡数据的概
    [ 8 ]  黄凯, 郑瑶辰, 邓兆祥. 基于 MFCC的汽车敲击异响识                   率增强算法[ J ] . 控制与决策, 2020 , 35 ( 3 ): 763-768.
        别[ J ] . 振动与冲击, 2022 , 41 ( 13 ): 275-282.   [ 12 ]  李航. 统计学习方法[ M ] . 北京: 清华大学出版社, 2019.












                                                                                                5
                                                                                               5
                                                                             2024年 第46卷 第3期
                                                                                     无损检测
   88   89   90   91   92   93   94   95   96   97   98