基于時頻特征的汽車點焊質(zhì)量自動化超聲評價

聶　昕　郭志福　何智成

湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室，長沙，410082

?

基于時頻特征的汽車點焊質(zhì)量自動化超聲評價

聶昕郭志福何智成

湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室，長沙，410082

通過定義超聲回波相關(guān)時頻特征量，提出基于超聲回波時頻特征量的焊點質(zhì)量自動評價方法。通過數(shù)據(jù)統(tǒng)計分析，建立了便于在線自動檢測的量化焊點質(zhì)量評價標(biāo)準(zhǔn)，實現(xiàn)了汽車點焊質(zhì)量的自動化評價。實際檢測效果表明，基于該方法的檢測系統(tǒng)能夠快速有效地自動識別八種焊點質(zhì)量類型，能夠初步運用于汽車點焊質(zhì)量的在線自動檢測。

超聲檢測；在線自動檢測；焊點質(zhì)量評價標(biāo)準(zhǔn)；時頻特征

0　引言

近年來，汽車廠家主要利用一些便攜式的焊點超聲檢測設(shè)備對白車身焊點質(zhì)量進(jìn)行無損檢測，人工判定焊點質(zhì)量好壞，其檢測準(zhǔn)確率依賴于檢測人員的知識經(jīng)驗，且工作量巨大。因此，研究一種簡單有效、準(zhǔn)確率高的焊點質(zhì)量實時自動評價方法具有重要意義。目前，大部分學(xué)者均基于人工智能算法對焊點缺陷自動分類進(jìn)行研究[1-3]。人工智能算法算法復(fù)雜，數(shù)據(jù)均是離線處理，無法實現(xiàn)實時自動評價，不能兼顧復(fù)雜性和準(zhǔn)確率。焊點蘭姆波檢測[4-5]、聲-超聲檢測[6]等技術(shù)對提高檢測效率、降低檢測成本具有一定意義。但蘭姆波中的多模態(tài)及其頻散特性導(dǎo)致超聲檢測信號難于區(qū)分[7]，信號特征不明顯、不易量化，僅能粗略地對焊點質(zhì)量進(jìn)行評估，可靠性不高。超聲成像技術(shù)[8-9]雖能直觀顯示焊核的尺寸大小，但其檢測方式復(fù)雜，檢測效率低下，無法實現(xiàn)自動化在線檢測。王俊強[10]針對超聲回波時域特征進(jìn)行了焊點缺陷自動識別研究，但由于焊點較薄，焊核內(nèi)部缺陷尺寸較小，故缺陷反射回波與焊點界面回波極易混疊。加上超聲回波的非平穩(wěn)、非線性、弱信號特性[11]，缺陷回波易被噪聲淹沒，時域特征有時無法提取。同時，超聲回波是探頭、焊點組織結(jié)構(gòu)和焊核形狀、噪聲等多方耦合共同作用的結(jié)果，研究分析信號在統(tǒng)計意義上的整體時頻分布特征更為合理，僅分析信號時域特征忽略了大量缺陷信息，極易造成誤判。

本文針對現(xiàn)有點焊超聲檢測技術(shù)檢測準(zhǔn)確率不高、不能實時在線檢測的不足，研究分析超聲信號在統(tǒng)計意義上的整體時頻分布特征，提出基于超聲回波時頻特征量的焊點質(zhì)量自動評價方法。該方法能夠簡單有效地識別焊點質(zhì)量類型，通過數(shù)字化超聲檢測系統(tǒng)，調(diào)用量化的超聲回波時頻特征量標(biāo)準(zhǔn)數(shù)據(jù)庫，進(jìn)行較為簡單的邏輯運算，便可完成焊點質(zhì)量的實時自動評價。

1　焊點質(zhì)量超聲自動評價方法

超聲波垂直入射到焊點工件時，由于焊點和空氣的聲阻抗不同，超聲波在空氣-焊點界面會來回反射，形成脈沖回波序列。根據(jù)回波序列的時頻特征，可對焊點質(zhì)量進(jìn)行評估。下面將基于焊點超聲檢測的基本原理、信號時頻處理方法和超聲回波數(shù)據(jù)統(tǒng)計分析，研究分析信號的整體時頻分布特征。

1.1焊點超聲回波時域特征量

由于點焊焊核是鑄造組織，其柱狀晶粒比母材粗大，對超聲波的散射衰減更為強烈，因此對于直徑相同的焊核，可以通過超聲波衰減率來評估其焊透率。焊核直徑則通過有無缺陷回波進(jìn)行檢測，在測量過程中，將探頭垂直放置在焊點上進(jìn)行測量，若焊核直徑小于正常焊點直徑，探頭直徑范圍內(nèi)的焊點將有未焊合部分，未焊合部分對超聲波進(jìn)行反射，產(chǎn)生缺陷中間回波。

根據(jù)以上分析，對超聲回波信號定義以下4個時域特征量：

(1)底面回波波峰間隔S。波峰的間隔(兩次超聲反射的時間差)與超聲波傳播速度的乘積即為焊接區(qū)厚度，同時板材厚度與焊接區(qū)厚度相減即能得到壓痕深度。

(2)回波幅值的衰減率為

式中，Bi為第i個底面回波的幅值。

(3)底面回波個數(shù)N1，即一個超聲回波序列中，底面回波幅值大于預(yù)設(shè)閾值X1的回波個數(shù)。

(4)中間回波個數(shù)N2，即一個超聲回波序列內(nèi)，中間面回波幅值大于預(yù)設(shè)閾值X2的回波個數(shù)。

1.2焊點超聲回波頻域特征量

超聲回波時域特征量雖直觀且易于提取，但其易受外界噪聲及檢測方式的影響且信號易于混疊，因此僅基于時域特征量進(jìn)行焊點質(zhì)量評價，極易造成誤判。例如氣孔缺陷和小焊核缺陷均有中間回波，兩者極易混淆。頻域分析能夠提取信號的頻率、能量等信息，進(jìn)一步提高焊點質(zhì)量評價精準(zhǔn)度。

超聲回波頻譜由一系列共振峰組成，這些共振峰是聲波在板中多次疊加引起的半波諧振信號。圖1中，薄板超聲回波頻譜的中心頻率基本與15MHz的探頭中心頻率相近，而合格焊點回波頻譜則出現(xiàn)大量高頻衰減，中心頻率往低頻移動較大。同時，焊點的頻譜共振峰由于焊核散射等作用，明顯增多，且焊點頻譜信號峰值小于薄板回波頻譜信號峰值，表明能量大量衰減。小焊核在超聲波探頭直徑范圍內(nèi)有未焊合部分，高頻分量被未焊合部分的空氣大量衰減，低頻分量被反射回探頭接收，導(dǎo)致其低頻分量的能量占比高于正常焊點。氣孔缺陷(虛焊)是體積型缺陷反射體，對低頻分量反射能力較弱。在時域中存在中間回波的情況下，可據(jù)此分辨小焊核和虛焊缺陷。

圖1　薄板和合格焊點的超聲回波頻譜

根據(jù)以上分析，對超聲回波信號定義以下3個頻域特征量：

(1)超聲回波信號中心頻率f0。主要作為辨識脫焊和過燒的特征量。

(2)超聲回波信號總能量E。反應(yīng)超聲能量衰減情況，作為時域特征量衰減率的補充。

(3)低頻分量E1和高頻分量E2能量的比值R。反映不同缺陷對不同頻帶超聲信號衰減情況。

采用AR(auto-regressive)模型對超聲回波的中心頻率進(jìn)行估計[12]。采用小波包分析[13]，對回波信號0～32MHz頻段進(jìn)行4層小波包分解。以合格焊點中心頻率(8MHz左右)的50%(4MHz)和150%(12MHz)為界，即將0～4MHz作為低頻分量E1，對應(yīng)小波包第4層第0和1個分解信號；將頻帶12MHz～20MHz作為高頻分量E2，即將第4層第4、5、12、13個分解信號作為高頻分量。頻帶信號能量按下式計算[14]：

(1)

i=0，1，…，15k=1，2，…，n

式中，S4,i為第4層第i個頻帶信號的小波包分析重構(gòu)信號；xi,k為重構(gòu)信號上每個離散點的幅值；E4,i為第4層第i個頻帶信號重構(gòu)信號的能量；n為離散點個數(shù)。

1.3回波信號消噪與包絡(luò)處理

特征提取超聲信號前，需進(jìn)行去噪處理，以保證特征提取的精確性。同時對信號進(jìn)行包絡(luò)處理，以降低后續(xù)信號處理難度，實現(xiàn)信號實時處理。

小波變換是在傳統(tǒng)傅里葉變換基礎(chǔ)上發(fā)展起來的，在時頻兩域都具有表征信號局部特征的能力和多分辨率分析的特點。小波變換對超聲信號這種非平穩(wěn)信號的消噪和包絡(luò)提取具有較好處理效果。本文消噪算法具體如下：①采用symmlet小波對回波信號進(jìn)行小波分解，得到小波系數(shù)；②采用Donoho提出的軟閾值方法[15-16]，對各層次高頻系數(shù)分量進(jìn)行非線性軟閾值處理，即

(2)其中，γ1為常數(shù)；σ為反映噪聲水平的參數(shù)，σ=M/0.6745；M為最高分辨率時小波系數(shù)絕對中值。

③根據(jù)第N層的低頻系數(shù)和進(jìn)行閾值處理，求得各個分解尺度上的近似高頻系數(shù)，然后對信號進(jìn)行重構(gòu)，則重構(gòu)信號可表示為

(3)

對于超聲信號的包絡(luò)處理，則采用經(jīng)過調(diào)制的高斯小波：

(4)

對信號進(jìn)行小波變換，可得到信號f(t)的解析信號：

Wfe(a,b)=WfT(a,b)+jWfi(a,b)=

(5)

2　焊點質(zhì)量評價標(biāo)準(zhǔn)的建立

根據(jù)焊點缺陷的物理特征，焊點質(zhì)量類型可以分為合格、壓痕過深、壓痕過淺、脫焊、薄焊核、小焊核、過燒和虛焊(氣孔)。人為控制焊接參數(shù)，制備多板厚、多材料的2層和3層不同質(zhì)量類型的焊點試樣，進(jìn)行焊點的超聲檢測、拉伸試驗和金相試驗。試驗流程如圖2所示。

圖2　焊點質(zhì)量評價標(biāo)準(zhǔn)建立試驗流程

采用前述消噪算法對獲得的回波數(shù)據(jù)進(jìn)行消噪處理，根據(jù)前述特征量定義及提取方法，提取各種類型焊點的特征向量(S，β，N1，N2，f0，E，R)。圖3為1.4mm×1.4mm兩層板焊點超聲回波特征量數(shù)據(jù)統(tǒng)計圖(限于篇幅，僅列4個特征量數(shù)據(jù)統(tǒng)計圖)。通過數(shù)據(jù)統(tǒng)計分析，建立起以超聲回波特征值為評價因子的焊點質(zhì)量評價標(biāo)準(zhǔn)，標(biāo)準(zhǔn)數(shù)據(jù)如表1所示。

表1　基于超聲時頻特征量的焊點質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)

注：a、b、c、d、e、f、g、h分別表示合格、壓痕過深、壓痕過淺、脫焊、薄焊核、小焊核、虛焊(氣孔)和過燒八種焊點質(zhì)量類型。

通過前文所述超聲波特征量提取方法，提取焊點超聲波檢測數(shù)據(jù)的超聲波特征量，調(diào)用此標(biāo)準(zhǔn)數(shù)據(jù)，根據(jù)焊點質(zhì)量判定準(zhǔn)則，確定特征量所在區(qū)間，便可完成1.4mm×1.4mm兩層板焊點的質(zhì)量評價。焊點質(zhì)量判定準(zhǔn)則如下：

(1)根據(jù)中間回波個數(shù)N2>0判定脫焊、小焊核、虛焊(氣孔)缺陷。如表1所示，N2≥6直接判定為脫焊，特征量S、β、N1、 f0、E、R輔助校驗判斷，若有2個以上的特征量不在表中對應(yīng)的數(shù)字區(qū)間，則系統(tǒng)認(rèn)為數(shù)據(jù)有誤，重新進(jìn)行檢測。小焊核和虛焊(氣孔)則進(jìn)一步根據(jù)R進(jìn)行判定，R<35為虛焊(氣孔)，S、β、N1、 f0、E輔助校驗判斷，若有2個以上的特征量不在對應(yīng)區(qū)間，則系統(tǒng)重新檢測。

(a)底面回波間隔S

(b)能量比值R

(c)中間回波個數(shù)N2

(d) 衰減率β圖3　超聲回波特征量數(shù)據(jù)統(tǒng)計

(2)特征量N2=0，S<1.9，系統(tǒng)判定為壓痕過深；N2=0，S>2.7，系統(tǒng)判定為壓痕過淺。判定出質(zhì)量類型后，根據(jù)表1，可以得到對應(yīng)焊點質(zhì)量類型的7個特征量的大小范圍區(qū)間，采用β、N1、 f0、E、R輔助校驗判斷，若β、N1、 f0、E、R中有2個以上的特征量不在表1對應(yīng)焊點質(zhì)量類型的7個特征量的大小范圍區(qū)間內(nèi)，則認(rèn)為檢測數(shù)據(jù)有誤，系統(tǒng)重新檢測。

(3)特征量N2=0，1.9

以上焊點質(zhì)量評判方法簡單有效，評判迅速，僅需調(diào)用焊點質(zhì)量標(biāo)準(zhǔn)數(shù)據(jù)庫，進(jìn)行數(shù)據(jù)比對和簡單布爾邏輯運算，便可完成焊點質(zhì)量的評判，十分易于實現(xiàn)實時自動檢測，對大規(guī)模在線自動化檢測十分有利。

2.1離線檢測及結(jié)果分析

采用50組1.4mm×1.4mm兩層板焊點試樣進(jìn)行離線檢測，并進(jìn)行相應(yīng)的拉伸和金相試驗，檢測結(jié)果如表2所示。表2中， D、H分別為焊核的直徑和厚度。拉伸試驗主要驗證超聲檢測系統(tǒng)所判定的合格焊點是否達(dá)到拉伸力要求，而金相試驗則進(jìn)一步區(qū)分焊點的質(zhì)量類型。檢測結(jié)果表明，檢測系統(tǒng)能夠正確識別50個焊點的質(zhì)量類型，該方法能夠快速有效自動識別8種焊點質(zhì)量類型。

2.2在線檢測及結(jié)果分析

以某商用車前大梁為例，設(shè)計專用夾具系統(tǒng)及機(jī)器人端持器。將超聲探頭夾持在機(jī)器人端持器，采用提出的焊點超聲自動評價方法，對焊點進(jìn)行在線檢測。

在線檢測結(jié)果如表3所示，實際焊接中出現(xiàn)的焊點缺陷多數(shù)為過燒和小焊核缺陷，其他缺陷較少。在線檢測結(jié)果表明，在焊點能夠準(zhǔn)確定位的情況下，本文所提出的焊點質(zhì)量評價方法和檢測系統(tǒng)能夠運用于焊點在線自動檢測。

表2　離線檢測結(jié)果

表3　某車型在線檢測結(jié)果

3　結(jié)論

(1) 通過分析焊點超聲回波信號的時頻特性，提出了基于超聲回波時頻特征量的焊點質(zhì)量自動評價方法，并建立了量化的焊點質(zhì)量評價標(biāo)準(zhǔn)數(shù)據(jù)庫。

(2) 實際檢測結(jié)果表明，本文提出的焊點質(zhì)量自動評價方法能實時有效地自動判定焊點質(zhì)量類型。

(3) 后續(xù)研究將重點針對焊點的高精度智能定位。通過系統(tǒng)分析焊點特征，研究高精度焊點視覺信息獲取理論與方法，實現(xiàn)焊點的精確定位。

[1]Naga R, Anjaneyulu S, Satyanarayana T, et al. Denoising EOG Signal Using Stationary Wavelet Transform[J]. Measurement Science Review, 2012, 12(2)：46-51.

[2]Seyedtabaii S. Performance Evaluation of Neural Network Based Pulse-echo Weld Defect Classifiers[J]. Measurement Science Review, 2012, 12(5)：168-174.

[3]Sambath S, Nagaraj P, Selvakumar N. Automatic Defect Classification in Ultrasonic NDT Using Artificial Intelligence[J]. J. Nondestruct. Eval., 2011, 30：20-28.

[4]Mirahmadi S J, Honarvar F. Application of Signal Processing Techniques to Ultrasonic Testing of Plates by S0Lamb Wave Mode[J]. NDT & E International, 2011, 44(1)：131-137.

[5]Zhao Xiang, Royer R L, Owens S E, et al. Ultrasonic Lamb Wave Tomography in Structural Health Monitoring[J]. Smart Materials and Structures, 2011, 20：20-28.

[6]陳振華, 盧超, 陸銘慧, 等. 基于聲-超聲檢測的薄鋼板多焊點結(jié)構(gòu)完整性評價技術(shù)[J].機(jī)械工程學(xué)報, 2013, 49(16)：57-61.

Chen Zhenhua, Lu Chao, Lu Minghui, et al. Integrity Evaluation on Spot Welded Construction of Thin Steel Sheet Based on Acousto-ultrasonic Technique[J]. Journal of Mechanical Engineering, 2013, 49(16)：57-61.

[7]Aslanlar S, Ogur A, Ozxarac U, et al. Effect of Welding Current on Mechanical Properties of Galvanized Chromided Steel Sheets in Electrical Resistance Spot Welding[J]. Materials and Design, 2007, 28：2-7.

[8]Andrey M，Romn G，F(xiàn)edar M．Acoustic Microscopy of Internal Structure of Resistance Spot Welds[J]. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 2007, 54(8)：1521-1529.

[9]Koichiro K, Morimasa M，Ryuzo Y. Nonlinear Ultrasonic Imaging of Imperfectly Bonded Interfaces[J]. Ultrasonics，2006，44：1329-1333.

[10]王俊強. 基于超聲回波特征的電阻點焊接頭缺陷識別[D]. 上海：上海交通大學(xué), 2006.

[11]李霞, 孫靈芳, 楊明. 基于改進(jìn)FOA匹配追蹤的超聲信號處理研究[J].儀器儀表學(xué)報, 2013, 49(16)：57-61.

Li Xia, Sun Lingfang, Yang Ming. Research on Ultrasonic Signal Processing Based on Improved FOA Matching Pursuit[J]. Chinese Journal of Scientific Instrument, 2013, 49(16)：57-61.

[12]盛磊, 周著黃, 吳水才, 等. 基于AR譜模型的超聲頻移溫度相關(guān)性[J].北京工業(yè)大學(xué)學(xué)報, 2014, 40(1)：139-144.Sheng Lei, Zhou Zhuhuang, Wu Shuicai, et al. Correlations of Ultrasonic Frequency Shift with Temperature Change by AR Model[J]. Journal of Beijing Polytechnic University, 2014, 40(1)：139-144.

[13]張海燕, 周全, 夏金東. 超聲缺陷回波信號的小波包降噪及特征提取[J].儀器儀表學(xué)報, 2006, 27(1)：94-97.Zhang Haiyan, Zhou Quan, Xia Jindong. Wavelet Packet Denoising and Feature Extraction for Flaw Echo Signal in Ultrasonic Testing[J]. Chinese Journal of Scientific Instrument, 2006, 27(1)：94-97.

[14]Gargoom A M, Eetugrul N，Soong W L. Automatic Classification and Characterization of Power Quality Events[J]. IEEE Transactions on Power Delivery, 2013, 23(4)：2417-2425.

[15]Donoho D L. De-noising by Soft-thresholding[J]. IEEE Trans. Infor. Theo., 1995, 41(3)：613-627.

[16]Ykhlef F, Arezk I M. A Wavelet Denoising Method to Improve Detection with Ultrasonic Signal[C]// IEEE IC IT. Hammamet, Tunisia, 2004, 1422-1425.

(編輯張洋)

Automatic Ultrasonic Evaluation of Vehicle Spot Welding Quality Based on Time-frequency Characteristics

Nie XinGuo ZhifuHe Zhicheng

State Key Laboratory of Advanced Design and Manufacture for Vehicle Body,Hunan University, Changsha, 410082

A spot welding quality automatic evaluation methodology was proposed by defining the time-frequency characteristics of ultrasonic echo, and a spot welding quality evaluation criterion was built, which was convenient for online automatic detection by data statistical analysis. Finally, vehicle spot welding quality was evaluated automatically. Practical test results indicate the detecting system based on the proposed method can automatically identify eight types of spot welding quality quickly and effectively, so this system may preliminarily apply to online automatic detection of spot welding quality.

ultrasonic testing; online automatic detection; spot welding quality evaluation criterion; time-frequency characteristics

聶昕，男，1982年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室助理研究員。主要研究方向為汽車車身結(jié)構(gòu)、工藝及質(zhì)量控制。郭志福，男，1989年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室碩士研究生。何智成，男，1984年生。湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點實驗室講師。

2015-04-22

國家自然科學(xué)基金資助重點項目(61232014);廣西科技計劃資助項目(桂科攻1348005-1，桂科攻14122005-7);中央高校基本科研業(yè)務(wù)費專項資金資助項目

TB553

10.3969/j.issn.1004-132X.2016.08.019