Page 261 - 《应用声学》2025年第3期

第 44 卷 第 3 期 汪翔等： 奥氏体不锈钢焊缝的优化相位相干加权因子全聚焦成像实验分析 795

为验证 σ 2 是否具有一般性，对奥氏体不锈钢 其中，I max 为缺陷区域的最大幅值；I average 为非缺
左侧非焊缝区和熔合区进行实验验证，TFM 成像 陷区域的平均幅值。
检测结果如图 8(a) 所示，PCI 算法如图 8(b) 所示， 由图 10 可知，对于近场的缺陷，PCI 算法的
OPCF-TFM 成像算法如图 9 所示。实验结果基本 SNR 相对较高，对于深度较深的缺陷，PCI 算法
符合上述结论，因此σ 2 具有一般性。 的 SNR 总是低于其他两种算法，OPCF-TFM 算
以缺陷最宽处的中心位置为基准对图 4(a)、 法的 SNR 在总体上高于 TFM 算法，仅有个别缺
图4(b) 和图 6(b) 进行定位，详细检测数据如表 2 所
陷的 SNR 会略低于 TFM 算法。对于纵向间距为
示。OPCF-TFM 成像算法定位误差平均值都比其
20 mm 的熔合区缺陷，OPCF-TFM 算法的 SNR 比
他算法低，能够实现缺陷的深度定位。此外，PCI
TFM 算法分别高 1.801 dB、3.308 dB 和 3.965 dB。
算法在抑制结构噪声的同时也抑制了缺陷信号，
对于纵向间距为 10 mm 的焊缝区缺陷，OPCF-
使得缺陷成像变小甚至消失，难以辨识消失缺陷。
TFM 算法的 SNR 比 TFM 算法分别高 2.473 dB、
综上所述，OPCF-TFM 成像算法在定位和成像效
0.428 dB、−0.648 dB、4.387 dB 和 0.656 dB。对于
果上都优于 TFM 成像系统、TFM 成像算法和 PCI
纵向间距为 5 mm 的焊缝区缺陷，OPCF-TFM 算
算法。
法的 SNR 比 TFM 算法分别高 3.784 dB、0.061 dB、
为了定量表示算法的成像性能，计算了信噪比
0.475 dB、0.014 dB 和1.385 dB。综上所述，OPCF-
(Signal-to-noise ratio, SNR) 进行比较：
TFM 算法能提高成像质量和信噪比，有利于缺陷
SNR = 20 lg I max , (13) 检测。
I average

ࣨϙ/dB ࣨϙ/dB
0 0
10 10
-5 -5
20 20
30 -10 30 -10
40 -15 40 -15
ງए/mm 50 -20 ງए/mm 50 -20
60
60
-25
-25
70
-30 70 -30
80 80
90 -35 90 -35
100 -40 100 -40
-20 0 20 40 60 -20 0 20 40 60
ඵࣱᡰሏ/mm ඵࣱᡰሏ/mm
(a) TFMੇϸካข (b) PCIካข
图 8 奥氏体不锈钢试块 TFM 成像结果
Fig. 8 TFM imaging results of austenitic steel weld test block

ࣨϙ/dB ࣨϙ/dB ࣨϙ/dB
0 0 0
10 10 10
-5 -5 -5
20 20 20
-10 -10 -10
30 -15 30 -15 30 -15
40
40
40
ງए/mm 50 -20 ງए/mm 50 -20 ງए/mm 50 -20
60
60
60
-25
-25
-25
70
-30 70 -30 70 -30
80 80 80
90 -35 90 -35 90 -35
100 -40 100 -40 100 -40
-20 0 20 40 60 -20 0 20 40 60 -20 0 20 40 60
ඵࣱᡰሏ/mm ඵࣱᡰሏ/mm ඵࣱᡰሏ/mm
(a) σ 2 =1.0 (b) σ 2 =1.7 (c) σ 2 =2.0
图 9 奥氏体不锈钢试块 OPCF-TFM 成像结果
Fig. 9 OPCF-TFM imaging results of austenitic steel weld test block