動車組車輪輪輞相控陣超聲探傷成像優化研究

穆 鑫

(中國國家鐵路集團有限公司 機輛部， 北京 100844)

車輪是列車走行部的關鍵部件，受制造工藝、運行環境等因素的影響，服役期間易產生各類疲勞缺陷。當裂紋源在輪輞淺層時，多形成剝離；若裂紋源埋藏在輪輞內部且發展到較大尺寸后，會快速擴展到輪輞側面或踏面，如未及時發現會造成車輪“掉塊”甚至“崩輪”，危及行車安全[1]。

目前,我國動車組定期在線探傷和定期落輪探傷主要采用常規超聲與相控陣超聲組合探傷技術[2]，參照TG/CL 287—2013《和諧系列動車組車輪超聲波探傷規定》執行。常規超聲探傷時通常采用固定入射角，相控陣超聲技術可以實現多波束和多聚焦點的綜合覆蓋，探傷范圍更廣，可以提升檢測效率[3]，但常規超聲和傳統相控陣電子掃查均存在近場盲區，難以清晰呈現輪輞內部裂紋的幾何尺寸、形態等。

本文以動車組車輪輪輞缺陷為研究對象，利用相控陣超聲全聚焦算法(Total Focusing Method， TFM)優化缺陷成像效果，并通過仿真和對比試驗進行論證。

1 超聲全聚焦成像技術

1.1 全聚焦成像的發展

21世紀初Holmes 等[4]提出的基于全矩陣捕獲(Full Matrix Capture，FMC)數據的全聚焦成像算法，已具有較高的超聲成像分辨率。相較于常規相控陣超聲，全聚焦算法成像精度明顯提高，可以解決微小缺陷形態特征識別不足的問題，逐漸成為相控陣超聲檢測領域的研究熱點[5]。算法研究主要圍繞提升成像分辨率、成像速度和對工件的適應性等方面展開，如，Deutsch 等[6]提出一種基于全聚焦方法和聲波模式轉換的多波模式組合全聚焦成像檢測方法，可以進一步提高成像分辨率；胡宏偉等[7]提出一種基于稀疏陣列的兩層介質超聲相控陣全聚焦成像算法，可以大幅提高成像速度；Robert 等[8]提出一種基于全矩陣數據的自適應相控陣超聲成像方法，適用于檢測不規則表面樣品；Hunter等[9]提出一種基于頻域全聚焦的波數算法，可以提高計算速度與成像質量。近年來，王沖等[10]建立了基于固體指向性補償的超聲全聚焦優化算法,對大偏角缺陷的成像幅度補償效果更好,檢測靈敏度更高,擴展了全聚焦算法的檢測范圍。Mineo等[11]介紹了一種針對各向異性或不均勻材料計算超聲射線路徑的廣義迭代方法，并實現了全聚焦成像。

隨著電子技術發展和算法的不斷完善，全聚焦成像已被廣泛應用于航空航天、石油、船舶等工業領域，如，于朋等[12]采用HSTFM(一種TFM后處理算法)對焊縫試件下表面附近的平面類缺陷進行成像，測量出缺陷的尺寸信息；范學騰等[13]使用全聚焦算法對復合粘接結構脫粘缺陷進行檢測；闕永彬等[14]研究通過全聚焦成像評價輸氣管線焊縫區內部缺陷高度的方法。

1.2 全聚焦成像機理

相控陣超聲的全聚焦成像分為全矩陣捕獲和全聚焦成像兩個過程。FMC全矩陣捕獲過程采用“單發全收”來獲取數據，見圖1。對于陣元數為N的相控陣探頭，從陣元1開始依次激發信號，每次激發后，所有陣元全部接受信號，直至第N個陣元完成激發，所有陣元接受信號完畢。采集完成后，共可以獲取N2組數據信號，將其儲存在一個二維矩陣里，可以獲取包含所有采集信號的矩陣e(t,xi,xj)[15]，exixj(t)為第i個陣元激發、第j個陣元接收到的信號，i,j=1,2,…,N。

圖1 FMC激發和接收示意

i,j=1,2，…，N

( 1 )

TFM成像原理見圖2，在相控陣探頭掃查平面內定義一個虛擬的TFM成像區域，將TFM成像區域網格化，每一個網格點的聲波幅值I(x,z)為FMC數據對應位置的幅值疊加。

圖2 TFM算法聚焦示意

( 2 )

式中:tij(x,z)為聲波從陣元i發射到點(x,z)并從該點返回陣元j所用時間。

( 3 )

式中：xi和xj為發射和接收陣元的橫坐標；c為超聲波在被測區域中的傳播速度。

上述過程中，單陣元激發時較小的孔徑可以減小近場盲區且有利于聲束擴散，多陣元接收可以更全面地接收目標點信號，因而，全聚焦成像相較于傳統成像方法能更有效地獲取到裂紋的走向。

2 動車組車輪輪輞缺陷全聚焦成像仿真

采用有限元方法對動車組車輪輪輞缺陷進行線性掃查、扇形掃查和TFM成像仿真。基本思想為將模型分割成有限個簡單又相互作用的小單元，對這些小單元按照物理規律依次求解分析，綜合所有結果得到整體模型的求解。基本流程為幾何建模、設置材料屬性、設置接觸面、網格劃分和調用求解單元等[16]，見圖3。

圖3 車輪探傷有限元仿真流程

根據輪輞內部周向裂紋的特點，將缺陷設置為軸向傾斜30°、直徑12 mm的圓盤形，位于車輪滾動圓以下25 mm。采用沿軸向布置的5 MHz、64陣元線陣(相鄰陣元中心間距為0.6 mm)相控陣探頭對缺陷分別進行線性掃查、扇形掃查和TFM檢測成像仿真，見圖4。

圖4 仿真模型

線性掃查時，采用16陣元為一組依次激發0°縱波，成像結果見圖5(a)，圓盤形缺陷的上、下端點信號強，中間區域的回波幅值弱，易將該缺陷誤判為兩個危害較小的相鄰點狀缺陷；相控陣扇形掃查時，激發-45°～45°縱波，結果見圖5(b)，也僅能看到缺陷上、下兩個端點信號。TFM成像結果見圖5(c)，與線性掃查和扇形成像結果相比，TFM成像較好地還原了缺陷走向，并可以通過光標測量出缺陷的水平長度和垂直高度，分別為10.9、6.4 mm，進而計算出缺陷與垂直方向的傾角為59.6°，與水平方向的傾角為30.4°，與設定傾角值30°相比僅相差0.4°。

圖5 輪輞內部缺陷仿真結果

3 車輪輪輞缺陷全聚焦成像對比試驗

3.1 試塊驗證

采用與仿真模型相同的線陣相控陣探頭對定制試塊上深度15 mm、45°斜向刻槽進行線性掃查、扇形掃查和TFM成像，見圖6。線性掃查僅能夠顯示刻槽上、下兩個端點，若缺陷形態未知，則易判定為兩個相鄰的點狀缺陷，見圖7(a)；扇形掃查在上、下端點和缺陷中間位置均有較強的回波信號，但缺陷形態變形很大，難以準確識別缺陷類型，見圖7(b)；TFM成像準確地還原了45°斜向刻槽的形態和走向，為缺陷判定提供了更準確的結果，見圖7(c)。此外，在線性掃查和扇形掃查結果中均有較大近場盲區，而TFM成像盲區范圍較小，與仿真結果相符。缺陷尺寸測量一般采用端點峰值法或相對6 dB法，本試驗選取端點峰值法測量缺陷尺寸。不同檢測方式下得到的缺陷長度及其測量誤差見表1，其中線性掃查測量誤差最大，扇形掃查對缺陷整體長度的測量較為準確，但綜合考慮豎直高度和水平長度測量值后，TFM更具優勢。

圖6 45°人工裂紋檢測及其成像區域(單位：mm)

圖7 45°人工裂紋成像結果(單位：mm)

表1 線性掃查、扇形掃查和TFM缺陷測量值及誤差

3.2 實車缺陷輪測試

將頻率7.5 MHz的64陣元相控陣探頭沿軸向放置于車輪踏面，分別采用線性掃查、扇形掃查和TFM實現車輪輪輞內部裂紋成像。該缺陷在距踏面深度約25 mm處萌生，然后向車輪內側和外側同時擴展，呈“S”形，見圖8。

圖8 輪輞內部裂紋形態示意

線性掃查結果見圖9(a)，從其水平包絡圖中可以看出，探頭與輪輞接觸面10 mm范圍內存在較強始發波，最大幅值超過100%；缺陷呈現上，僅在裂紋與輪輞表面平行的區域有較高回波，其他位置回波幅值均在10%以下，難以準確判斷裂紋擴展趨勢。扇形掃查結果見圖9(b)，因裂紋中部傾角與超聲波聲束角度近似垂直，探頭接收到了較強的反射回波，但卻未能顯示出裂紋兩端近似水平的部分。

圖9 線性掃查和扇形掃查成像結果

TFM成像見圖10所示，在探頭與輪輞接觸面附近無明顯檢測盲區，且在水平方向和垂直方向的動態回波圖中，裂紋所在區域幅值基本都超過了20%，其“S”形形態基本得到還原。

圖10 TFM掃查結果

4 結束語

實現車輪缺陷的準確探測及監控對行車安全具有非常重要的意義。本文對比分析了相控陣線性掃查成像、扇形掃查成像和TFM算法成像在動車組車輪輪輞探傷中的效果。采用TFM成像算法后可以減小近場區盲區的影響，更好地還原輪輞內部缺陷真實形態，為監測缺陷擴展趨勢、預測車輪剩余壽命提供更為準確的依據。