非金属管道无损探伤采用超声导波技术的信号处理方法

非金属管道（如FRP、纤维增强塑料、PVC、PE等）因耐腐蚀、轻质、安装便捷等特性，已成为化工输送、市政供水、油气传输等领域的核心管材。但长期受介质侵蚀、机械应力或环境老化影响，管道易产生裂纹、分层、壁厚减薄等缺陷，若未及时检测可能引发泄漏甚至爆炸。超声导波技术凭借“单端长距离检测”（最远覆盖50米以上管道）、“非接触式耦合”（部分场景）的优势，成为非金属管道无损探伤的主流方案。然而，非金属材料的高衰减性（如塑料对超声能量的吸收远高于金属）、各向异性（如FRP纤维方向导致的导波传播速度差异）及非线性散射（如缺陷开合引发的信号畸变），使得导波信号往往淹没在噪声中，信号处理方法因此成为从复杂波形中提取缺陷信息的关键环节。

原始信号预处理：解决噪声与耦合干扰的第一步

非金属管道的超声导波信号易受三类干扰：环境噪声（如管道振动、周围电机的电磁辐射）、耦合噪声（如探头与管道表面贴合不均导致的信号反射）、系统噪声（如超声仪的电子噪声）。预处理的核心是“还原真实信号”——首先通过带通滤波去除无关频率成分：例如PE管道常用T(0,1)扭转波（中心频率100kHz），可设置80-120kHz的带通滤波器，过滤掉>150kHz的高频电磁噪声和<50kHz的管道振动噪声。其次是增益调节：由于导波沿管道传播时能量衰减显著（每米衰减可达3dB以上），需通过自动增益控制（AGC）提升远端信号的幅值，确保近端与远端的信号幅值处于同一分析维度。最后是去趋势处理：利用多项式拟合去除信号的基线漂移（如塑料管道的热胀冷缩导致的信号整体偏移），让缺陷的反射峰更清晰。

小波变换：破解多模式导波的识别难题

超声导波在管道中会激发多模式传播（如纵向波L(0,n)、扭转波T(0,n)、弯曲波F(m,n)），非金属管道的各向异性会加剧模式混淆——例如FRP管道的纤维方向会导致同一频率下出现3种以上的导波模式，若无法识别目标模式，缺陷信号将被其他模式淹没。小波变换（尤其是连续小波变换CWT）通过“可变窗口”的时频分析，能捕捉不同模式的脊线特征：例如用Morlet小波分析PVC管道的导波信号，T(0,1)模式的脊线在时频图上呈现“窄带平稳”特征（频率稳定在100kHz），而F(1,1)弯曲波的脊线则是“宽频波动”（频率在80-120kHz间变化）。通过提取T(0,1)模式的脊线并重构信号，可有效过滤弯曲波的干扰，聚焦缺陷的反射信息。

时频分析：捕捉缺陷的瞬态反射特征

非金属管道的缺陷（如分层、裂纹）对导波的散射是“瞬态非线性”的——例如分层缺陷会导致导波在界面处产生短脉冲反射，这类信号在时域上是“尖峰”，在频域上是“宽谱”，单纯的傅里叶变换无法完整描述其特征。时频分析技术（如平滑伪Wigner-Ville分布SPWVD）能将信号映射到“时间-频率”二维平面，清晰展示缺陷反射的瞬态特征：例如PE管道的分层缺陷（厚度2mm），其反射信号在SPWVD时频图上表现为“时间2.5ms、频率120kHz”的高能量点，结合导波速度（T(0,1)模式在PE中的速度约2000m/s），可计算缺陷距离探头的位置为2.5m（距离=速度×时间延迟/2），频率值则与分层厚度正相关（厚度每增加1mm，频率降低10kHz）。

EEMD：处理非线性非平稳信号的有效工具

非金属材料的“非线性”（如塑料的弹塑性变形）和缺陷的“非平稳散射”（如裂纹的开合导致信号幅值突变），使得导波信号呈现“非线性非平稳”特性，传统的线性滤波（如低通滤波）无法有效去噪。集合经验模态分解（EEMD）通过向原始信号中添加高斯白噪声（信噪比20dB），利用噪声的统计特性抑制“模态混叠”（即一个本征模态函数IMF包含多个频率成分），将信号分解为多个单分量IMF：例如FRP管道的裂纹信号，经EEMD分解后得到5个IMF，其中第3个IMF对应裂纹的反射信号（频率150kHz、幅值0.4V），第5个IMF对应环境噪声（频率>200kHz、幅值0.1V）。去除噪声IMF后重构的信号，裂纹反射峰的信噪比从10dB提升至25dB，缺陷识别率显著提高。

多传感器阵列：用空间滤波强化缺陷指向性

单传感器的导波信号指向性差，无法区分管道圆周方向的缺陷（如3点钟方向的裂纹与9点钟方向的噪声）。多传感器阵列（如沿管道圆周布置8个传感器）通过“空间相位调整”实现定向聚焦：例如检测PVC管道的圆周裂纹时，激发T(0,1)模式导波后，8个传感器同时接收信号，通过延迟求和算法（Delay-and-Sum）调整每个传感器的信号相位，使裂纹方向（如3点钟）的信号同相叠加，其他方向的信号反相抵消。实验表明，多传感器阵列的缺陷信号幅值比单传感器高3-5倍，圆周方向的定位误差从±30°缩小至±5°，能准确判断裂纹位于管道的具体方位。

特征融合：从时域-频域提取缺陷“指纹”

单一的时域特征（如峰值、能量）或频域特征（如特征频率）难以区分不同类型的缺陷（如分层与裂纹）——例如分层缺陷的时域峰值可能与裂纹相当，但频域特征频率差异显著。时域-频域融合特征能综合两者的优势：例如采用小波包分解将信号分解到4层16个子带，计算每个子带的能量熵（反映能量分布的均匀性），再结合时域的峰值幅值，形成“峰值-能量熵”的二维特征向量。在PE管道的缺陷分类实验中，分层缺陷的特征向量为（0.5V、0.8），裂纹缺陷为（0.3V、0.6），通过支持向量机（SVM）分类，准确率从单一特征的75%提升至92%，有效解决了“同信号不同缺陷”的误判问题。

缺陷定量：用反射系数关联尺寸参数

非金属管道缺陷的定量评估（如裂纹深度、分层厚度）是探伤的核心目标，但信号特征与缺陷尺寸的关系高度非线性。反射系数（缺陷反射信号幅值与入射信号幅值的比值）是定量评估的关键指标：例如FRP管道的裂纹深度每增加10%壁厚，反射系数约增加0.05——当实测反射系数为0.25时，裂纹深度约为50%壁厚。此外，透射系数（缺陷透射信号幅值与入射信号幅值的比值）可辅助验证：裂纹深度越大，透射系数越小（如50%壁厚裂纹的透射系数约为0.3）。在实际应用中，需通过“标定实验”建立反射系数与缺陷尺寸的拟合曲线（如多项式拟合y=0.01x²+0.05x+0.1，x为裂纹深度%，y为反射系数），再代入实测反射系数计算缺陷尺寸，误差可控制在±5%以内。