超声无损检测在金属板材轧制过程中内部缺陷的在线监测

金属板材是航空航天、汽车制造、压力容器等行业的核心原材料，其内部质量直接决定终端产品的安全性与可靠性。轧制作为板材生产的关键工序，易因原料夹杂、轧制力不均、温度波动等因素产生分层、微裂纹、非金属夹杂物等内部缺陷，若未及时发现会导致后续加工报废甚至服役失效。传统离线检测因滞后性无法满足现代生产线的效率需求，而超声无损检测凭借非破坏性、高灵敏度、实时性等特点，成为轧制过程中内部缺陷在线监测的核心技术，有效填补了“过程质量控制”的空白。

超声无损检测在线监测的核心原理与适配性

超声无损检测的核心原理是利用压电换能器将电信号转换为超声波，当声波在金属板材中传播时，若遇到内部缺陷（声阻抗与基体不同的界面）会发生反射、折射或散射，反射波被接收换能器转换为电信号后，通过分析信号的幅值、渡越时间、频谱等特征，即可定位缺陷的位置、大小与性质。这一原理的本质是“声阻抗差识别”——缺陷与基体的声阻抗差越大，反射信号越强，检测灵敏度越高。

对于轧制过程的在线监测而言，超声技术的适配性主要体现在三点：首先是“非破坏性”，无需破坏板材即可完成检测，完全兼容生产线的连续化要求；其次是“高灵敏度”，可检测到0.1mm级的微缺陷，远高于射线检测的分辨率；最后是“实时性”，超声信号的传播速度达5000m/s（钢铁中），即使板材以20m/s的速度轧制，信号采集与处理的时间也可控制在毫秒级，完全同步于生产节奏。

值得注意的是，轧制过程中的板材多处于“运动状态”，因此在线超声检测需解决“动态覆盖”问题——通过探头阵列的设计，将多个超声换能器按一定间距排列，实现对板材宽度方向的全面扫描，同时结合生产线的速度信号，完成“空间-时间”的同步采样，确保每个区域都被检测到。

轧制过程中典型内部缺陷的超声信号特征

轧制过程产生的内部缺陷类型与成因不同，其超声信号特征也存在显著差异，这是在线监测中“缺陷识别”的核心依据。以分层缺陷为例，它多因原料中的“皮下气泡”在轧制过程中被压合扩展而成，缺陷面平行于板材表面，因此超声反射波通常与底面回波平行。当缺陷面积超过探头声束直径（如10mm）时，第一次反射波的幅值会超过底面回波，且信号呈现“连续平稳”的特征，仿佛“在底面回波前插入了一道平行线”。

微裂纹缺陷则多由轧制应力集中（如局部轧制力过大、温度不均）引发，初始阶段为“微裂纹群”，随着轧制道次增加逐渐扩展为宏观裂纹。其超声信号呈现“尖峰状”，幅值随裂纹扩展而持续增强，且因裂纹面的不规则性，反射波的渡越时间会出现小幅波动——若裂纹倾斜角度超过15°，信号还会出现“双尖峰”现象（裂纹上下表面的两次反射）。

非金属夹杂物（如FeO、MnS）是轧制过程中最常见的“原生缺陷”，多来自连铸坯的凝固过程。由于夹杂物与基体的声阻抗差较小（如氧化物与钢的声阻抗差约10%），其反射信号幅值相对较低，但频谱特征具有明显辨识度：氧化物夹杂物的反射信号频谱中会出现“1-2MHz的特征峰”，而硫化物夹杂物则表现为“宽频带杂波”。通过提取这些频谱特征，可有效区分夹杂物与其他缺陷。

当多种缺陷重叠时（如分层与夹杂物共存），信号会呈现“复合特征”——比如分层的连续反射波中夹杂着夹杂物的点状信号，此时需通过“时频分析”（如小波变换）将信号分解到不同频率band，逐一提取各缺陷的特征。

在线监测系统的核心组成与集成设计

一套完整的超声在线监测系统需实现“信号发射-采集-处理-联动”的全流程闭环，其核心组成包括四部分：超声探头阵列、高速数据采集模块、实时信号处理单元、生产线联动接口。

超声探头阵列是“感知前端”，需根据板材宽度设计——比如1580mm宽的热轧线，通常采用64阵元的线阵探头（间距10mm），确保覆盖整个板面；若需检测复杂缺陷（如三维夹杂物），则会采用面阵探头（如8×8阵元）。探头的频率选择也需适配缺陷大小：检测0.2mm以下的微缺陷时，需用5-10MHz的高频探头；检测1mm以上的分层缺陷时，2-5MHz的探头即可满足需求。

高速数据采集模块需匹配轧制速度——比如轧制速度达18m/s时，采样率需达到100MHz以上，才能保证每毫米板材采集到至少5个采样点；实时信号处理单元则采用FPGA或DSP芯片，快速提取信号的特征值（如幅值、渡越时间、频谱峰值），确保在1ms内完成单通道信号的分析。

生产线联动接口是“控制桥梁”，需将检测结果实时传输给PLC（可编程逻辑控制器）：当检测到缺陷超过阈值时，PLC会触发报警（如声光提示），或直接调整轧制参数（如减少局部压下量、调整冷却水量），实现“检测-反馈-调整”的闭环控制。

高温轧制环境下的超声探头与耦合技术优化

热轧过程中，板材温度可达800-1200℃，普通压电探头（如PZT陶瓷）会因高温失效（居里温度约300℃），因此需针对高温环境优化探头设计。目前主流方案是采用“耐高温压电材料+冷却结构”：比如用铌酸锂（居里温度1200℃）或改性钛酸铅锆陶瓷（居里温度500℃以上）作为换能器，同时在探头内部设计循环水冷却通道，将探头温度控制在200℃以下。

耦合技术是高温环境下的另一大挑战——传统的水耦合会因高温蒸发导致耦合失效，因此需采用“动态耦合”方案：比如某热轧厂的1580mm生产线，采用“高压水膜耦合”（耦合水压力0.5MPa），既保证了超声信号的有效传输，又能同时冷却探头与板材表面的氧化皮；对于铝合金等易氧化的材料，则采用“空气耦合”探头（避免水污染），通过提高探头的发射功率（如100W以上），弥补空气与金属之间的声阻抗差（空气声阻抗约415Rayl，铝约17×10^6Rayl）。

此外，高温下板材表面的氧化皮（厚度0.3-0.8mm）会增加声能衰减，解决方法是采用“扇形波束探头”（声束角度30°-60°），扩大声束覆盖范围，减少氧化皮的影响——某钢厂的实践表明，采用扇形波束探头后，信号幅值的变异系数从15%降到5%，检测稳定性显著提升。

实际生产线中的应用案例与效果验证

某热轧板带厂的1580mm生产线是超声在线监测的典型应用案例：该线采用64阵元的超声线阵探头（间距10mm），检测速度达18m/s，能检测0.2mm以上的分层缺陷和0.5mm以上的微裂纹。系统运行1年后，内部缺陷导致的下游投诉率下降了75%，轧制工序的废品率从2.1%降至0.6%，直接减少经济损失约800万元/年。

某铝合金板材厂的冷轧线则采用“空气耦合超声探头”（避免油污污染），监测到的夹杂物缺陷与离线金相分析的吻合率达92%。该系统运行后，后续阳极氧化工序的“针孔”缺陷（由夹杂物引起）发生率从12%降至2%，有效提高了产品的表面质量。

另一案例来自某不锈钢厂的冷连轧线：该厂采用“弹性缓冲探头”解决了板材表面粗糙度大（Ra=3.2μm）导致的耦合不良问题，探头与板材的接触面积增加了40%，信号幅值的稳定性提高了60%。系统检测到的分层缺陷与离线超声波探伤的吻合率达95%，成功将下游加工的报废率从3.2%降至0.8%。

在线监测中的常见挑战与解决策略

在线监测中常遇到“板材表面粗糙度大导致耦合不良”的问题，解决方法是采用“弹性缓冲探头”——在探头前端增加一层硅橡胶垫（厚度2mm），增加与板材的接触面积，同时吸收表面凹凸的影响；对于轧制速度波动（如从10m/s骤升至18m/s）导致的采样点错位，需用“编码器同步”技术：通过安装在轧机滚筒上的编码器采集板材速度信号，实时调整采样间隔，确保每毫米板材的采样点数量一致。

多缺陷重叠信号的识别是另一大挑战——当分层与夹杂物缺陷重叠时，信号会呈现“复合特征”，此时需采用“多特征融合算法”：将幅值、渡越时间、频谱峰值三个特征进行加权融合，通过支持向量机（SVM）分类模型，区分重叠的缺陷信号。某钢厂的实践表明，该算法的识别准确率比单一特征提高了25%。

此外，探头的“疲劳失效”也是常见问题——轧制线的探头每天需接触数千吨板材，易因机械磨损导致性能下降。解决方法是采用“可快速更换的探头模块”：将探头与耦合系统设计为一体化模块，更换时间从1小时缩短至15分钟，有效减少了生产线的停机时间。