机器人辅助超声波飞行时间测量用于腐蚀厚壁管道中的缺陷距离定位

《Ultrasonics》：Robot-assisted ultrasonic TOF measurement for defect-distance localization in corroded thick-walled pipelines

　　摘要：腐蚀厚壁管道中的缺陷距离精确定位仍然具有挑战性，因为粗糙的内壁条件会破坏探头耦合、扭曲超声波波形，并降低飞行时间提取的可靠性。本研究提出了一种基于飞行时间的缺陷距离定位框架，该框架通过机器人辅助超声采集实现，集成了主动按压、表面处理、计量耦合剂输送和可伸缩探头进给，以提高测量一致性。该框架结合了基于变分模态分解的去噪阶段，用于抑制噪声主导分量，同时保留用于飞行时间拾取的主回波。该框架在包含水平、弯头和垂直管段的铸钢管道上进行了验证，并在一个直径为5米的在役水电站管道中进行了进一步评估。受控多位置验证表明，经变分模态分解处理的测量结果实现了低于5%的相对定位误差，平均绝对误差为2.226毫米，94%的评估位置误差在5毫米以内。变分模态分解显著提高了波形质量，而其对飞行时间重复性的影响与位置相关。建立了可追溯的激光扫描参考和不确定度传播框架，以确定定位不确定度的主要来源。现场评估实现了83.33%的总体有效信号率，证明了所提出的测量工作流程在真实退化管道条件下的适用性。

引言：钢制压力管道和厚壁管道的结构完整性对于水电站设施的可靠运行至关重要。疲劳、腐蚀相关退化、裂纹扩展和焊接接头损伤会逐渐削弱其服役性能[1], [2], [3]。水力瞬变、循环压力加载以及弯头和焊接区域周围的局部流动扰动进一步加剧了材料退化 [4], [5], [6]。超声检测为评估这些部件提供了一种手段，但定量测量不仅依赖于可检测回波的存在。表面粗糙度、耦合条件和探头接触会改变声传输，并为超声信号的解释引入不确定性 [7], [8], [9], [10]。对于缺陷距离定位，这些效应必须与传播模型、飞行时间估计和独立建立的位置参考一起考虑。

近期研究通过改进耦合和补偿解决了超声测量可靠性问题。Wang等人开发了柔性毛细管水柱阵列以适应不平整表面并改善超声耦合[11]。对于管道腐蚀监测，Matuda等人研究了自补偿超声测厚中的系统误差，证明了传播速度补偿和机械稳定性的重要性[12]。在一个相关但不同的接触敏感应用中，Du等人开发了一种改进的虚拟时间反转方法用于螺栓预紧力监测，并考察了界面接触、波模式和频率对结果指标的影响[13]。这些研究表明，接触和采集条件应纳入超声测量的解释中，而非仅仅视为机械部署要求。

对于表面开口缺陷，近期瑞利波研究在波生成和定量表征方面均取得了进展。Verma和Bélanger通过适当控制的单元延迟，证明了使用常规相控阵实现选择性瑞利波激励[14]。他们随后开发了一种无楔块脉冲-回波方法，利用裂纹相关的飞行时间信息进行表面裂纹尺寸测定[15]。Xu等人研究了宽带激光激发瑞利波在垂直表面裂纹上的频率相关散射，并建立了用于裂纹表征的光谱指标[16]。Li等人开发了多晶材料中瑞利波背向散射的理论和数值模型，将测量的波场与微结构散射联系起来[17]。这些研究共同表明，有用的缺陷信息取决于激励配置、波-缺陷相互作用和材料响应。然而，他们的裂纹尺寸测定和散射结果不应直接等同于单探头距离测量的精度。

传播几何形状在厚壁圆柱结构中尤为重要。Zhang等人研究了厚壁空心圆柱中的弹性波，并利用选定的内表面信号进行损伤定位，证明准表面波和模式转换体波可以共存[18]。Liu等人开发了半解析有限元框架和开源工具，用于评估复杂和声弹性波导中的色散和模态特性[19]。这些发现强调了在将测量到的到达时间转换为缺陷位置之前，需要识别相关传播路径并选择合适的速度模型。沿表面检测到的信号不能仅凭其表观传播方向就被归属于特定波模式。

信号处理提供了改善超声测量性能的另一途径，但其效益应针对预期测量任务进行评估。Lu等人提出了一种基于短时傅里叶变换和非线性最小二乘优化的超声飞行时间估计器[20]。最近，Zhang等人开发了一种改进的U-Net用于抑制碳纤维复合材料回波中的结构噪声，并评估了其对缺陷重建的影响[21]。另一项研究将变分模态分解与全聚焦法相结合，用于粗糙增材制造钛部件表面缺陷的激光超声成像[22]。这些进展证明了任务特定回波处理的价值。它们也表明，将变分模态分解应用于粗糙表面超声信号本身并不足以定义新方法论；由此产生的时序行为和定量测量性能需要单独评估。

相关研究进一步将信号增强与物理或诊断上有意义的特征相结合。He等人结合熵极化双边滤波和最小方差波束形成，在低信噪比条件下对厚波导中的亚毫米缺陷进行成像[23]。Tang等人使用多域导波特征和稀疏传感器阵列来识别复合材料结构中的损伤位置和严重程度[24]。尽管这些成像和分类任务不同于基于接触的瑞利波测距，但它们说明了通过最终诊断输出评估处理效果的重要性。对于基于飞行时间的定位，这促使我们同时评估时序偏差、重复性和距离误差，而非仅使用波形平滑度或信噪比作为改进精度的证据。

超声检测也已与移动平台集成以解决受限通道问题。Sun等人开发了一种多视角空气耦合超声成像方法，用于埋地污水管道的机器人检测[25]。其空气传播和几何成像目标不同于壁面约束的瑞利波测量，但它展示了超声传感与机器人部署协调的重要性。早期研究包括内部合成孔径超声成像、基于EMAT的机器人检测和激光超声飞行时间映射[26], [27], [28]。综述和平台研究还考察了不同部署环境下的常规在线检测技术和管道内机器人架构[29], [30], [31], [32]。

表1总结了代表性的超声方法和辅助机器人平台。长距离导波检测和超声在线检测为管道评估提供了互补策略[33], [34], [35]。自主、遥控和多传感器机器人系统为在受限空间部署检测设备提供了替代手段[36], [37], [38], [39]。与接触式超声采集更直接相关的是，轮式和磁力爬行平台已将探头定位和耦合剂供应纳入厚度测量[40], [41]，而其他系统已集成相控阵检测、导波传感和超声映射[42], [43], [44]。自适应轮和连杆机构进一步支持通道访问和传感器部署[45], [46], [47]。这些部署能力应与实验证明的超声精度区分开来，特别是在传感配置或测量量在不同平台之间不同的情况下。

前述研究在波生成、耦合、信号增强和机器人部署方面取得了实质性进展。然而，对于本应用，必须解决一个更具体的测量问题：当探头接触重新建立且探头到缺陷距离改变时，是否能保持可靠的瑞利波距离估计。改善的信号质量本身并不能确定所选到达时间仍然无偏。因此，机器人辅助飞行时间工作流程的评估应区分声学接触的再现性、处理对回波时序的影响以及所得表面距离估计的精度。需要独立的参考测量来将这些效应与机器人行程估计误差区分开。

本研究考察了一种机器人辅助脉冲-回波瑞利波工作流程，用于定位腐蚀铸钢管道中的表面开口缺陷。表面处理、计量耦合剂输送和可伸缩探头放置支持超声采集，而基于参考的校准和变分模态分解增强的前沿拾取提供飞行时间推导的距离估计。独立尺寸测量为直径0.5米管道中的受控实验建立参考缺陷位置。在直径5米水电站管道中的单独现场评估评估了可部署性、信号有效性和飞行时间重复性，但不声称绝对的现场定位精度。超声关注点在于采集条件、回波处理和基于参考的距离估计之间的关系，机器人平台作为实施测量程序的手段。

本研究的主要贡献如下：

(1) 参考校准的瑞利波缺陷定位：建立了一种脉冲-回波瑞利波测量工作流程，用于定位腐蚀铸钢管道中的表面开口缺陷。同材料速度校准和系统延迟校正支持将回波到达时间转换为探头到缺陷的表面距离，随后与机器人行程信息结合以估计入口参考的缺陷位置。

(2) 变分模态分解对基于飞行时间的距离估计影响的定量评估：在50个参考位置进行受控测量，每个位置重复采集五次，用于评估变分模态分解处理前后的飞行时间拾取、重复性和定位误差。该分析考察了改善的信号质量是否能在更宽的测量范围内转化为更可靠的距离估计。

(3) 独立参考验证和现场信号评估：在直径0.5米铸钢管道中的受控定位测量与独立激光扫描参考进行对比评估，定位偏差和重复试验变异性分别考虑。在直径5米水电站管道中的补充测量评估了超声信号有效性和飞行时间重复性，但未将实验室精度声明扩展到现场环境。

章节片段：

用于超声测量的接触稳定机制：移动平台将表面处理、耦合剂输送和超声传感模块携带至检测位置。如图1所示，四个电机驱动轮提供牵引力，而两个被动上支撑轮通过气动缸-摇杆机构接收可调载荷。一个独立的中央伸缩执行器将检测模块定位在管壁处。底盘支撑机构和局部探头加载执行器因此执行不同的功能。

实验平台和测量设置：实验室实验在一个内径0.5米、公称壁厚15毫米的模块化铸钢管道中进行。该组件包括两个直管段和一个90°弯头，通过法兰接口连接，允许水平行进、弯头过渡和垂直穿越。内壁保留了锈蚀、焊缝和局部表面不规则，检测位置进行了表面处理。移动支撑、防滑块和...

讨论：受控模块化管道实验表明，所提出的面向测量的机器人平台可以在水平、弯头和垂直操作期间提供稳定的探头-壁接触和可重复的超声采集。定位性能主要受探头加载、对准、表面条件和耦合剂分布的影响，这些因素可能引入提离、回波衰减和到达时间抖动。压力反馈调节、表面处理和计量...

结论与未来展望：本研究开发了一种用于腐蚀厚壁管道的机器人辅助基于飞行时间的缺陷距离定位框架。该框架集成了主动按压、表面处理、计量耦合剂输送、可伸缩探头进给和变分模态分解增强的A扫描处理，以提高超声测量的再现性。在三段式铸钢管道上的受控实验证明了定量缺陷距离定位，变分模态分解处理的测量...

CRediT作者贡献声明：Weixin Xu：写作——审阅与编辑，写作——初稿，可视化，正式分析，数据管理，概念化。Leijie Hu：验证，监督，软件。Nanhui Wu：软件，资源，项目管理。Sihan Lv：写作——审阅与编辑，写作——初稿，数据管理，概念化。Yunfeng Tan：可视化，验证，监督，正式分析，数据管理。Dapeng Tan：方法学，调查，资金获取。

资金：本工作部分受国家自然科学基金（NSFC）资助，项目号52175124；浙江省自然科学基金资助，项目号LZ21E050003。

利益冲突声明：作者声明没有已知的竞争经济利益或个人关系可能影响本论文中报告的工作。

Weixin Xu|Leijie Hu|Nanhui Wu|Sihan Lv|Yunfeng Tan|Dapeng Tan
浙江工业大学机械工程学院，杭州 310014，中国