車軸超聲檢測數據的滑動中值濾波算法

錢微冬，高曉蓉

(西南交通大學 物理科學與技術學院 光電工程研究所，成都 610031)

車軸超聲檢測數據的滑動中值濾波算法

錢微冬，高曉蓉

(西南交通大學 物理科學與技術學院 光電工程研究所，成都 610031)

提出了一種基于A掃描的滑動中值濾波算法，其通過對被檢測工件與圓形超聲直探頭聲場進行分析來確定滑動中值濾波的采樣點數。對空心車軸超聲檢測系統采集的A掃描數據進行算法處理后可以發現，由算法處理后的A掃數據還原而來的B掃圖、C掃圖干凈清晰,一方面去除了所處環境、機械運轉結構及裝配等因素造成的隨機干擾；另一方面很好地保留了缺陷信息。

超聲檢測；車軸；滑動中值濾波；隨機干擾

在鐵路領域中，輪軸的安全是列車能否安全運行的關鍵因素。由于運行過程中受力的原因，輪軸極易產生疲勞缺陷，如不能及時對其檢測處理，則可能引起列車斷軸、脫軌等事故[1]。因此，對車軸的檢測在列車的日常檢修過程中尤其重要。

目前，我國對車軸的檢測方法主要是超聲檢測和磁粉檢測。磁粉檢測只能檢測車軸表面缺陷，不能檢測內部缺陷[2]，對內部缺陷的檢測主要靠超聲檢測[3]。超聲檢測分手動和自動化兩種，手動檢測受人為因素的影響較大，對待檢工件的要求較高。國內部分企業已經研發了一些全自動化車軸檢測系統[4]，但由于設備所處環境、使用條件以及設備裝配等因素的影響，檢測中會出現一些隨機噪聲干擾而影響超聲檢測信號，導致超聲檢測結果出現不正常顯示，影響對缺陷的判斷。所以，對超聲信號的濾波顯得尤其重要。筆者提出了一種基于A掃描的滑動中值濾波算法，其通過對被檢測工件與圓形超聲直探頭聲場進行分析來確定滑動中值濾波的采樣點數。

1 滑動中值濾波算法

滑動中值濾波是一種非線性的濾波方法，其基本原理是將數據中一點的值用該點的一個鄰域內各點值的中值來代替。其基本技術思路是對窗口內的所有像素灰度進行排序，取排序結果的中值作為原窗口中心點處像素的灰度，從而起到消除奇異噪聲點的功能[5]。

用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升(或下降)的二維數據序列[6]。二維中值濾波輸出為

式中：f(x,y)，g(x,y)分別為原始圖像和處理后的圖像，(k,l∈W)。

W為二維模板，通常為3×3，5×5區域，也可以是不同的形狀，如線狀、圓形、十字形、圓環形等。中值濾波的濾波效果依賴于對窗口形狀和大小的選擇；若選擇不當，會嚴重影響濾波的效果。

筆者基于對超聲檢測的理論分析，從超聲A掃出發，開展超聲數據滑動中值濾波的研究。

超聲換能器發射的超聲波在工件中傳播，當傳播至缺陷處時，超聲波會發生反射、折射、散射等現象，超聲換能器接收到返回的聲波，即為檢測到的缺陷信號[7]。在工件的同一檢測點連續采樣N次(N取奇數)A掃數據，將N次A掃數據中同一深度的采樣點按大小排列，取中間值為本次有效值，組成一個新的A掃數據，即完成對超聲檢測數據的滑動中值濾波。

圖1 滑動中值濾波算法數據處理原理示意

采樣次數N的確定需通過對超聲發射聲場與規則發射體回波的分析計算得到。

圖2 圓盤波源輻射的縱波聲場示意

2 采樣次數N的確定

2.1超聲波發射聲場

聲場是指有聲波在其中傳播的那部分媒質范圍[8]。根據檢測用的超聲類型進行聲場分類，可以分為縱波和橫波兩大類。根據檢測用的探頭波源形狀，又可分為圓盤波源和矩形波源。因對車軸的檢測主要使用的是圓形探頭，其波源為圓盤狀，所以下面以圓盤狀波源為例進行分析。

聲軸線上的聲壓幅值為

式中：Rs為聲源半徑；x為聲程;l為波長;P0為波源起始聲壓。

當x?R時：

以頻率2.25 MHz，直徑20 mm的圓盤聲源為例，其聲場聲壓分布如圖3所示。

圖3 理論計算的聲場聲壓分布示意

根據聲場中聲壓的分布，聲場可分為近場區、遠場區和足夠遠場[9]。

近場區(菲涅爾區)，在聲源附近由于波的干涉而出現一系列聲壓極大值和極小值的區域。聲場橫截面聲壓分布呈中心軸線上聲壓為0，偏離中心軸線聲壓則較高的特征。

遠場區，聲壓隨距離增加單調減小，聲場橫截面聲壓分布呈軸線上聲壓最高，偏離中心線聲壓逐步降低，且完全對稱的特征。

足夠遠場，聲壓與聲程成反比，近似球面波的規律，是所有規則反射體回波聲壓計算的基礎。

所以探頭聲軸偏移的測量、折射角的測量均應在遠場上進行。

2.2波束指向性和半擴散角

圖4 波束指向性和半擴散角示意

以確定的擴散角向固定的方向輻射超聲波的特性稱為波束指向性。波束指向性和半擴散角示意如圖4所示，聲束向兩側擴散的角度稱為擴散角(2θ0)，向其一側擴散的角度稱為半擴散角(θ0)。超聲波的能量主要集中在半擴散角以內，2θ0以內的波束稱為主波束，只有當缺陷位于主波束以內時才容易被發現。

式中：Ds為探頭直徑。

所以，探頭頻率f越高，Ds越大，半擴散角2θ0越小，波束的指向性越好，方向性越好，定位誤差越小。

2.3N的理論計算對空心車軸的檢測，主要采用TR直探頭，探頭頻率為5 MHz，直徑為8 mm。根據半擴散角計算公式可計算出其半擴散角θ0=10.325°，所以TR探頭的波束寬度2θ0=20.65°。當TR探頭在空心車軸內側進行螺旋掃查時，一圈可以采集到216個A掃描數據，每次A掃描旋轉度數Δ=1.67°。如果出現缺陷，理論上可以獲得缺陷信息的A掃描一共12個。

2.4N的實際測試

對CRH380D樣板軸進行檢測，人工缺陷被A掃描采集到了缺陷信息，圖5是包含隨機干擾的A掃描信號。

圖5 包含隨機干擾的樣板軸的A掃描信號

但隨機干擾只出現在3個連續A掃描中的當中的那個A掃信號中，其他兩個A掃描中均未出現隨機干擾。相鄰3個A掃描信號如圖6所示。

圖6 樣板軸的相鄰3個A掃描信號

針對軸向運動，TR圓探頭的波束指向性為圓錐狀，分析情況和周向一致。通過軸向檢測結果(見圖7)可以明顯看出，人工缺陷可以在4個螺距里檢測到，每個螺距4 mm，軸向聲束指向性有約16 mm的長度。

圖7 樣板軸的軸向檢測結果

隨機干擾信號最多只會連續出現在2個A掃描中，采樣次數N設置為5，可以把隨機噪聲去除，保留真正的缺陷信號。

3 算法驗證

現場進行數據采集，然后利用MATLAB軟件進行數據的滑動中值濾波算法處理，并還原超聲B掃描、C掃描圖像進行驗證。對現場采集的部分數據的驗證結果如圖810所示。

圖8 第一組數據處理結果

圖9 第二組數據處理結果

圖10 第三組數據處理結果

從上述結果可以看出，算法處理后的B掃描、C掃描圖干凈清晰，一方面去除了隨機干擾，另一方面也很好地保留了缺陷信息。

4 結語

在空心車軸的超聲檢測后的數據處理過程中，滑動中值濾波算法可以很好地濾除超聲原始A掃描數據當中的隨機噪聲干擾信號，保留缺陷信息，B、C掃描視圖非常干凈。

[1] 唐魯楠, 馮文慧. 無損檢測技術在地鐵檢修中的應用[J]. 無損檢測, 2016, 38(3):82-84.

[2] 董漢杰, 陳翠麗, 李國棟,等. 軸承零件的常見磁粉探傷缺陷[J]. 無損檢測, 2015, 37(3):56-58.

[3] 張國華, 紀曉明, 王亞新,等. 淺析機車車軸內部缺陷的超聲波探傷[J]. 無損檢測, 2010，32(4):302-305.

[4] 王玉國, 李雄兵, 宋永鋒,等. 機車車軸超聲自動檢測系統設計[J]. 鐵道科學與工程學報, 2012, 34(3):124-128.

[5] ZHU W Z, DONG C P. Median filtering and its application on image processing[J].Journal of Tianjin Vocational Technical Teachers College,2002,3(4):27-28.

[6] 李婧, 黃進. 一種圖像測量中的快速中值濾波算法[J]. 微計算機信息, 2007, 23(21):299-300.

[7] 龐勇, 韓焱. 超聲成像方法綜述[J]. 測試技術學報, 2001, 15(4):280-284.

[8] 彭應秋, 李堅, 權義萍,等. 超聲檢測中的聲場特性及應用分析[J]. 無損檢測, 2003, 25(12):612-615.

[9] 馮雨, 周超, 呂景林. 超聲波換能器中軸線上振幅分布[J]. 實驗室研究與探索, 2013, 32(12):35-37.

歡迎網上投稿歡迎訂閱歡迎刊登廣告

SlidingMedianFilterAlgorithmforUltrasonicTestingDataofAxels

QIAN Weidong, GAO Xiaorong

(Photoelectric Engineering Institute, School of Physical Science & Technology,Southwest Jiaotong University, Chengdu 610031, China)

In this paper, a sliding median filtering algorithm based on A-scan was proposed, and the sampling points of the sliding median filter were determined by the analysis of the sound field of the circular ultrasonic probe and the actual workpiece.The B-scan and C-scan, which were restored by the A-scan data collected by ultrasonic inspection of hollow axles and processed by the algorithm, were clean and clear. On the one hand, this algorithm removed the random interference caused by the environment, mechanical structure and assembly, whereas on the other hand, it also retained the defect information.

ultrasonic testing; axle; sliding median filter; random disturbance

TG115.28

： A

：1000-6656(2017)09-0007-04

2017-03-05

錢微冬(1991-)，男，碩士，工程師，主要從事無損檢測工作

錢微冬，13882051943@163.com

10.11973/wsjc201709002