基于参考信号的厚拉挤碳纤维复合材料超声检测层间回波抑制方法

《Materials》：Reference-Based Layer Echo Suppression for Ultrasonic Evaluation of Thick Pultruded CFRP Composites

　　

厚拉挤碳纤维增强聚合物（pultruded carbon-fiber-reinforced polymer, CFRP）复合材料越来越多地应用于大型风力发电机叶片，但厚拉挤结构的超声检测因重复的层间反射和延长的换能器振铃而变得复杂。本研究提出一种基于参考信号的层间回波抑制方法（Layer Echo Suppression Method, LESM），用于抑制可能掩盖内部缺陷回波的确定性结构响应，从而提高厚CFRP构件中损伤相关反射体的可见性和识别能力。研究人员使用0.5 MHz单晶接触式换能器，从一块厚度为100 mm、在约50 mm深度处含人工缺陷的拉挤CFRP试样的无缺陷区和缺陷区采集了超声A扫描信号。LESM结合了基于互相关的配准、独立小波去噪、基于参考信号的希尔伯特包络差分以及去噪缺陷信号的正残差加权。参考信号与缺陷信号之间的归一化互相关系数为0.9941。基于缺陷-背景比（defect-to-background ratio, DBR）的评估选择了Sym5小波，分解层数为5。最终LESM信号的缺陷-背景比为34.82 dB，而原始信号为14.14 dB，提升了20.68 dB。约50 mm处与缺陷相关的波形得以保留，而周围的层间回波和振铃显著减少。通过在不增加额外超声硬件的情况下增强局部缺陷反射，LESM可利用常规脉冲回波测量支持厚CFRP构件中内部平面损伤类不连续性的识别。这些结果证明了所提出方法在所述条件下的概念验证可行性。

厚拉挤碳纤维复合材料超声检测的层间回波抑制：研究背景、方法、结果与结论解读

一、研究背景与问题

随着可再生能源的快速发展，大型风力发电机叶片规模持续增大，对轻质、高刚度、高强度和高疲劳抗力材料的需求日益迫切。碳纤维增强聚合物（carbon-fiber-reinforced polymer, CFRP）复合材料因其高比刚度和减重潜力，被越来越多地应用于大型风电叶片的主梁帽等承载部件。在CFRP叶片部件的制造技术中，拉挤成型（pultrusion）因其能够连续生产具有高纤维取向度和制造重复性的单向CFRP构件而受到广泛关注，特别适用于厚截面承载结构。然而，拉挤CFRP材料内部沿厚度方向周期性分布着纤维-树脂界面和富树脂区。从超声检测角度看，这些内部界面因局部声阻抗变化而产生重复的结构性反射。在厚构件中，为获得足够的穿透深度需要使用低频超声激励，而低频换能器的长时域响应会导致相邻层间回波和振铃成分重叠，从而抬升缺陷响应周围的超声背景水平。与传统的预浸料CFRP不同，厚拉挤CFRP中周期性重复的纤维-树脂结构在整个检测深度范围内产生额外的中间回波，这些确定性结构响应可能与缺陷相关反射重叠，降低缺陷回波与其周围背景之间的对比度。

尽管已有多种信号处理方法被用于改善超声测量中的缺陷-背景分离，包括分裂频谱处理、期望最大化算法、混合互相关-小波-希尔伯特方法以及针对混响抑制的各类补偿和成像技术，但现有混响抑制方法主要针对阵列成像、医学超声、薄混响层、浸液二次界面回波或位于离散混响层后方的缺陷。在厚拉挤CFRP构件中，重复回波由材料固有的纤维-树脂结构在整个厚度内产生，且工业检测可能使用低频单晶接触式换能器。在此条件下，结构响应直接存在于A扫描信号中，且在相邻的无缺陷区和含缺陷区可能呈现相似的波形特征。这种可重复性为利用无缺陷区采集的信号作为结构参考来抑制共同层间回波成分提供了机会。因此，本研究旨在提出一种基于参考信号的层间回波抑制方法（Layer Echo Suppression Method, LESM），以提高厚拉挤CFRP构件超声检测中的缺陷-背景分离能力。

二、主要技术方法

研究人员采用100 mm厚拉挤CFRP试样，该试样由十层拉挤CFRP层粘合而成，层间形成富树脂界面，并在约50 mm深度处嵌入20 mm×20 mm×1 mm聚四氟乙烯（PTFE）插片模拟内部平面分层缺陷。使用EPOCH XT超声探伤仪配备0.5 MHz单晶接触式换能器（Panametrics M2008），在无缺陷参考区和缺陷区分别采集A扫描信号，声速设定为2500 m/s，深度范围0–140 mm。LESM处理流程包括五个主要环节：基于归一化互相关的信号配准、对配准后的参考信号和缺陷信号独立进行小波去噪（采用经验贝叶斯方法、Cauchy先验和后验中值阈值规则）、希尔伯特包络提取与101点移动平均平滑、正包络残差的形成与归一化，以及将归一化权重函数逐点乘以小波去噪后的缺陷信号。小波参数通过缺陷-背景比（DBR）评估进行选择，缺陷区间定义为48–58 mm，背景区间为25–45 mm和65–90 mm。

三、研究结果

3.1 LESM逐步信号处理

互相关分析确定最优时延为0个采样点，参考信号与缺陷信号的最大归一化互相关系数为0.9941，表明两者在选定配准区间内的重复层间回波模式已高度对齐。在Sym3至Sym6小波、分解层数3至6的16种组合中，Sym5小波配合分解层数5产生最大DBR值22.4958 dB，被选定用于后续处理。小波去噪后，参考信号与缺陷信号的重复层间回波模式保持高度相似，而缺陷相关响应得以保留。参考相减后，重复层间回波显著减少，缺陷反射在约50 mm处的相对突出性增强，但仍存在残余振铃成分。希尔伯特包络分析显示，参考与缺陷包络在共同层间回波区域具有相似的幅度分布，而在缺陷位置附近出现局部幅度差异；正包络残差更清晰地突出了与缺陷相关的局部幅度差异。将归一化正包络残差作为权重函数乘以小波去噪缺陷信号后，重复层间回波和残余振铃成分大幅减少，而缺陷相关波形得以保留。

3.2 定量性能比较

各处理阶段的归一化信号对比表明，原始缺陷信号在广泛检测深度范围内呈现明显振铃和重复层间回波，背景水平较高；参考相减后共同结构响应显著降低；小波去噪进一步减少小幅背景波动；希尔伯特包络处理后缺陷相关幅度差异更加局部化；最终LESM信号在所有评估阶段中具有最低的相对背景响应，同时保留主导缺陷相关波形。定量DBR计算显示，原始缺陷信号DBR为14.14 dB；参考相减后DBR增至22.49 dB，提升约8.35 dB；小波去噪后DBR为22.50 dB，与参考相减后几乎相同，表明小波去噪主要减少高频波动而非结构性回波；希尔伯特包络处理后DBR为20.31 dB，该中间阶段DBR未提升是因为包络变换同时改变了缺陷和背景成分的幅度分布；最终LESM信号DBR达34.82 dB，较原始信号提升20.68 dB，较直接参考相减提升12.33 dB。这表明完整的LESM流程比单纯的波形级参考相减提供了更大的缺陷-背景分离能力。

四、讨论与结论

研究人员指出，LESM的性能预期取决于输入信噪比（SNR），因为该方法比较两个独立采集的A扫描信号。在高SNR条件下，确定性层间回波模式占主导，互相关能识别时间对应关系，包络残差能突出缺陷相关幅度差异；随着SNR降低，随机噪声可能降低并展宽互相关峰，增加配准不确定性，噪声引起的包络正残差可能提高最终背景水平。本研究获得的0.9941归一化互相关系数表明该信号对具有强波形相似性，但不能确立跨SNR范围的鲁棒性。有限的重复杂取评估显示，换能器移除并重新手动定位后采集的第二次A扫描，使用相同参考信号和固定LESM参数处理，原始信号DBR为13.22 dB，最终LESM DBR为35.24 dB，提升22.02 dB，缺陷峰值位置差异仅为0.022 mm，缺陷峰值保留率为95.91%，表明在检测条件下抑制性能得以维持。由于拉挤CFRP各向异性且不均匀，测量信号可能包含散射和模式转换波成分，LESM不显式区分传播模式；参考信号和缺陷信号中相似存在的模式转换成分被作为共同结构响应衰减，而由局部各向异性、探头倾斜或耦合差异引起的成分可能残留在背景中。该方法预期应用于拉挤CFRP构件集成到风电叶片之前的制造阶段检测，此时可在具有相同标称厚度和材料架构的生产段内获取代表性参考信号。

研究结论指出，LESM的方法学贡献在于其基于参考的包络残差加权架构：从去噪缺陷信号与参考信号的平滑希尔伯特包络的正差中导出非负权重函数，再将该权重函数应用于去噪缺陷信号，以衰减共同层间回波和振铃，同时保留振荡性缺陷相关波形。最终LESM信号DBR为34.82 dB，较原始信号14.14 dB提升20.68 dB，较直接参考相减22.49 dB提升12.33 dB。约50 mm处缺陷相关波形得以保留，周围层间回波和振铃显著减少。LESM作为后处理方法无需额外超声硬件即可应用于常规脉冲回波A扫描测量，但实际应用需要具有与检测区域可比结构响应的代表性无缺陷区信号，其有效性取决于参考与缺陷信号共同结构响应的充分相似性，互相关可用于评估参考适用性，相关性较低时应选择局部或结构匹配的参考。本研究仅考虑均匀100 mm厚试样中固定深度的单一平面PTFE插片，正残差加权策略不纳入与声影相关的负残差，所报告的DBR提升应视为概念验证结果而非检出概率或缺陷定尺寸精度的综合评估。统计重复性需通过涵盖不同耦合条件、操作人员和空间位置的更大规模独立测量来建立，不同深度、尺寸和不规则形态缺陷的进一步研究也需开展以确立LESM的更广泛适用性。