m0935

Л.Н. Степанова, К.В. Канифадин, И.С. Рамазанов

ального времени, поэтому для сокращения времени контроля при обработке сигналов АЭ используются различные методы кластерного анализа.

а)

б)

Рис. 3. Распределение параметров АЭ:

а – суммарного счета сигналов вдоль сварного шва; б – энергии локализованных сигналов вдоль сварного шва в области введения титановых вставок

Цель – разработка методов кластерного анализа для контроля дефектов сварки в режиме реального времени.

Благодаря своей точности наиболее широкое применение получил метод кластеризации по цифровой форме. При его практическом использовании осуществляется расчет максимума корреляционной функции между двумя сигналами АЭ [1]:

				N
				Uml Ukl a
Ri,k				l 1	i
	max						,
	a N				N
			(Uml		)2 (Ukl a )2
			l 1	i	l 1

где Ri,k – коэффициент корреляции «текущий сигнал – опорный сигнал класте-

ра»; a – смещение, в пределах которого рассчитывается Ri,k; N – количество от-

счетов в окне расчета корреляции; Uml i – отсчет с индексом l опорного сигнала АЭ; Ukl – отсчет с индексом l текущего сигнала АЭ с номером k.

Если рассчитанный коэффициент корреляции больше установленного порогового уровня, то считается, что эти сигналы принадлежат к одному кластеру. Однако данный метод не может быть использован для обработки в реальном времени из-за большого количества вычислительных операций.

141

Диагностика и неразрушающие методы контроля

Для сокращения времени обработки сигналов АЭ были разработаны новые методы кластеризации – по скорости нарастания переднего фронта и по набору информативных параметров сигналов АЭ.

При использовании метода кластеризации по скорости нарастания переднего фронта сигнала АЭ устанавливаются три пороговых уровня (рис. 4), значения которых определяются экспериментально, исходя из следующих условий:

–первый пороговый уровень U0 устанавливается выше уровня шумов;

–второй пороговый уровень U1 устанавливается на уровне, не превышающем максимального значения быстрой моды;

–третий пороговый уровень U2 устанавливается на уровне между быстрой и медленной модами, но не выше максимального значения последней.

Рис. 4. Оценка скорости нарастания переднего фронта

Установка трех пороговых уровней позволила разбить передний фронт огибающей сигнала АЭ на два участка, на которых затем вычислялись скорости нарастания. Дальнейшая кластеризация выполнялась по двум параметрам. Первый параметр соответствовал скорости нарастания огибающей переднего фронта Cнар1 сигнала АЭ на участке между первым и вторым пороговыми уровнями. Скорость нарастания второго участка огибающей переднего фронта, расположенного между вторым и третьим пороговыми уровнями, обозначается как Cнар2. На основании полученных данных строилась матрица сигналов АЭ по скоростям нарастания Ciнар1 и Ciнар2. При этом в каждое пересечение строк и столбцов вписывалось такое число сигналов АЭ, значение скоростей нарастания которых удовлетворяло условию [3–4]:

k 1 C Ciнар2 k 1 C,

142

Л.Н. Степанова, К.В. Канифадин, И.С. Рамазанов

	l 1 C Cнар1				l 1 C,
				i
где k, l – номер строки и столбца соответственно;									C – ширина интервала па-
раметров Cнар1 и Cнар2.
Затем по всем зарегистрированным сигналам АЭ строилась матрица вида:
	b11		b12	b1P
	b		b	b					(1)
B		21	22		2P ,
			bQ1
	bQ1				bQP
где P Q – размерность матрицы B, вычисляемая по формулам:
P	M1	1,			Q		M2	1,
	C						C

где M1 и M2 – максимумы скорости нарастания первого и второго участков переднего фронта по всему множеству рассматриваемых сигналов АЭ соответственно.

В каждой строке и каждом столбце матрицы (1) учитываются только те сигналы АЭ, у которых значение скоростей Cнар1 и Cнар2 находятся в определенном диапазоне, отведенном для данной строки матрицы. Например, для первой строки учитываются только те сигналы АЭ, у которых значение скорости Cнар1 находится в пределах от 0 до 2ΔC. В кластер объединялись сигналы, соответствующие тем элементам матрицы (1), которые больше любого из соседних элементов. Если число сигналов, попавших в один кластер, превышает установленное критическое значение, то делается вывод, что данный источник излучает эти сигналы. Следовательно, исследуемый объект контроля содержит дефект и подлежит браковке [3–4].

Кластеризация по набору информативных параметров (координаты локализации, доминантная частота, время и скорость нарастания, число осцилляций) выполнялась в два этапа [5]. На первом этапе осуществлялась группировка сигналов АЭ по координатам, на втором – по выбранному набору параметров. В основу объединения сигналов по координатам было положено предположение о том, что сигналы, излучаемые одним источником, должны иметь компактное расположение при локализации. В процессе объединения первый из зарегистрированных сигналов выбирался в качестве базового. При определении последующих кластеров в качестве базовых рассматривались сигналы в зависимости от того, были ли они объединены к этому времени в какой-либо кластер или нет.

Сначала определялась погрешность локализации базового сигнала. Расчет координат сигналов АЭ на плоскости производится по их разности времен прихода (РВП) на пьезоантенну, состоящую из ПАЭ. Общую погрешность локализации сигнала АЭ можно представить как сумму вкладов двух составляю-

143

Диагностика и неразрушающие методы контроля

щих погрешностей измерения: РВП

Ti и скорости звука

C сигналов АЭ на

датчики пьезоантенны по его оцифрованной форме.

Вклад величин

T1,

T2 в погрешность локализации дефекта (Δx,

y) запи-

сывается в следующем виде:

TC

TC

T T1

T

x T1 , T2 A1 T1 TC T1 T1A1

T2 ,

1

21

(2)

T T

B B

T T

B

T B B T B

TC

TC

,

y

T1

T2

1

C

1 2

T1

2

C

1

T2

1 1 2

2 1

T

T1

T

T2

1

21

где x, y – неизвестные координаты источника сигналов АЭ; T1, T2 – времена прихода сигнала на два датчика пьезоантенны; TC – неизвестное время распространения сигнала до момента регистрации первым ПАЭ.

Аналитические выражения для частных производных TС , TС находятся

T1 T2

дифференцированием системы триангуляционных уравнений для определения координат дефекта. Коэффициенты Ai, Bi вычисляются по следующим выражениям:

A		c2	; B		c2		; B	x	2	,
1		x	1		y		2	x
						2
	1								1

где x1, х2, у2 – координаты ПАЭ, приведенные к первому принявшему датчику. Из (2) определялись значения погрешности локализации по осям x и y. Затем из полученных значений выбиралась максимальная погрешность либо по x, либо по y. Выбранное значение погрешности в дальнейшем служило границей для отбраковки сигналов АЭ. На следующем этапе определялась функция расстояния dE между двумя сигналами. В качестве одного из сигналов использовался базовый, а в качестве второго – поочередно все l сигналов. Функция dE

находилась как [1]:

dE i

xбаз xi 2 yбаз yi 2 ,

(3)

где i – индекс сигнала АЭ; xбаз, yбаз – координаты локализации базового сигнала АЭ; xi, yi – координаты сигналов АЭ.

После расчета функций расстояния dE (i) между базовым и остальными сигналами АЭ эти значения сравнивались с максимальной погрешностью определения координат базового сигнала. Если значение функции было меньше, чем максимальная погрешность, то считалось, что исследуемый сигнал принадлежит к тому же источнику, что и базовый [5–6].

Второй этап кластеризации осуществлялся с использованием метода «ближайших соседей». Для определения принадлежности каждого из m сигналов к тому же кластеру, что и базовый сигнал, значения четырех его парамет-

144

Л.Н. Степанова, К.В. Канифадин, И.С. Рамазанов

ров (скорость и время нарастания, доминантная частота, число осцилляций) поочередно сравнивались с параметрами базового сигнала. Если значения всех параметров сравниваемого сигнала находились в пределах ширины заданного интервала от значений базового сигнала, то считалось, что они принадлежат к одному кластеру. Если какой-либо из параметров выходил за установленные границы интервала, то считалось, что регистрируемые сигналы не принадлежат к одному кластеру, а следовательно, относятся к разным источникам АЭ.

Ширина каждого установленного интервала задавалась исходя из размаха значений данного параметра на всем множестве зарегистрированных сигналов АЭ и определялась как:

lj	max		p(ji)			min		p(ji)
	i					i					,
				N j

где lj – длина интервала рассматриваемого параметра; pj – рассматриваемый параметр; Nj – выбранное число интервалов гистограммы.

Для уточнения размера интервала рассматриваемого параметра из анализа исключались наиболее удаленные от среднего значения параметры. Это означает, что вместо максимума и минимума значений параметра pj использовались квантили его распределения:

	K0,95 (p(i) ) K0,05	(p(i))
lj	j	j	,
	Nj

где K0,95(p(ji) ), K0,05(p(ji)) – квантили уровня 0,95 и 0,05.

Затем осуществлялся выбор интервала вида:

(pKj 0,5lj );

(pKj 0,5lj ),

где pKj – значение данного параметра из образа кластера.

Разработанные методы кластеризации отрабатывались в идеальных условиях: при отсутствии посторонних шумов и помех. Однако процесс контроля может сопровождаться различными помехами, поэтому были проведены исследования по сравнению устойчивости различных методов кластеризации к внешним условиям.

Для этого анализировались сигналы АЭ от двух положений датчика-ими- татора на стальном листе, когда один источник располагался в центре пьезоантенны, а другой – на ее краю. В идеальном случае все примененные методы кластеризации с высокой достоверностью устойчиво разделяли источники. Достоверность определялась как процент сигналов от каждого положения имитатора, соотнесенных с соответствующим кластером.

Далее условия кластеризации искусственно ухудшались путем добавления к оцифрованной форме сигналов АЭ случайного шума, распределенного по нормальному закону. При этом варьировалось среднее квадратическое откло-

145

Диагностика и неразрушающие методы контроля

нение (СКО) шума. В результате воздействия моделируемого шума затруднялось определение времени прихода сигналов АЭ, ухудшалась локализация, вносились искажения в рассчитываемые параметры сигналов.

Из-за влияния шума достоверность методов кластеризации понижалась с различной скоростью. На рис. 5 приведены графики зависимости достоверности кластеризации от СКО шумовой добавки. Наиболее устойчивым оказался метод кластеризации по форме сигнала АЭ. Однако время работы данного метода существенно увеличивается с возрастанием количества сигналов и разнообразия их форм, что практически исключает его применение для работы в режиме реального времени.

Рис. 5. Сравнение методов кластеризации по числу сигналов, правильно отнесенных в кластер при разных уровнях шума

Метод кластеризации по скорости нарастания переднего фронта (при значительно более высокой скорости работы и независимости времени обработки данных от количества присутствующих источников АЭ) показал значительное падение достоверности уже при СКО шума, составляющем 30 % от амплитуды быстрой моды сигнала АЭ [5–6].

Метод кластеризации по параметрам сравним по скорости обработки данных с методом по скорости нарастания переднего фронта. Однако вследствие значительной зависимости от качества локализации его достоверность может уменьшаться быстрее всего. Так, для второго источника АЭ, расположенного на краю зоны локализации, было сразу же отмечено резкое падение достоверности результатов работы метода [6].

146

Л.Н. Степанова, К.В. Канифадин, И.С. Рамазанов

Анализ времени, затраченного на выполнение кластеризации при разных уровнях шумов, подтверждает, что кластеризация по скорости нарастания переднего фронта и по параметрам сигналов АЭ выполняется за один и тот же промежуток времени. Временные затраты на кластеризацию по цифровой форме начинают значительно увеличиваться при повышении уровня шума. Следовательно, метод кластеризации по цифровой форме оказался наиболее устойчив к помехам, но его невозможно использовать при обработке больших объемов АЭ-информации в реальном времени для контроля дефектов в момент сварки [6].

Для отработки метода кластеризации по параметрам сигналов АЭ проводился контроль сварки металлических образцов из стали Ст3. При выполнении кластеризации было получено 94 кластера. В нулевой кластер попало 1 760 сигналов АЭ (из них локализовано 1 310). Большее число сигналов АЭ в нулевом кластере объясняется особенностью кластеризации по параметрам, состоящей в том, что кластеры с большим разбросом сигналов АЭ относительно центра исключались из дальнейшего анализа. Все полученные кластеры условно можно разделить на три группы. К первой группе были отнесены кластеры, не имеющие ярко выраженной группировки точек локализации, т.е. сигналы распределялись хаотично вдоль сварного шва. Эти кластеры исключались из дальнейшего рассмотрения, так как их невозможно было соотнести ни с одним из источников сигналов АЭ. Вторую группу составляли кластеры, сгруппированные по краям сварного шва, а третью – кластеры, расположенные в местах установки титановых вставок. Эта группа кластеров была наиболее многочисленной (рис. 6).

Рис. 6. Распределение кластеров вдоль сварного шва

147

Диагностика и неразрушающие методы контроля

После определения параметров кластеров образцы были направлены на металлографические исследования. Металлографический анализ поперечных шлифов сварных швов выполнялся в отделе прочности материалов и элементов конструкций ФГУП «СибНИА им. С.А. Чаплыгина».

Сварные швы имели разную высоту, были обнаружены внешние дефекты в виде наплывов и подрезов. Внутренние дефекты включали поры, цепочки пор на границе сплавления с основным металлом, шлаковые включения, непровары по сечению металла и по кромке шва. В месте введения в сварной шов титановой вставки был обнаружен непровар в корне сварного шва и наружные дефекты типа подреза и наплыва (рис. 7) [6].

Рис. 7. Результаты металлографического анализа

Таким образом, на основании проведенных исследований были разработаны методы кластеризации сигналов АЭ по скорости нарастания переднего фронта и по набору информативных параметров сигналов. Отработка предложенных методов была выполнена при контроле сварных швов с введенными искусственными дефектами в виде титановых вставок. По результатам контроля установлено, что параметрический метод кластеризации позволяет определить наличие внутренних дефектов в сварном соединении. Достоверность полученных результатов подтверждена металлографическими исследованиями участков сварного шва с дефектами.

Библиографический список

1.Акустико-эмиссионный контроль железнодорожных конструкций / А.Н. Серьезнов, Л.Н. Степанова, В.В. Ивлиев и др.; Под ред. Л.Н. Степановой, А.Н. Серьезнова. Новосибирск: Наука, 2011. 367 с.

2.Серьезнов А.Н., Степанова Л.Н., Кабанов С.И. Акустико-эмиссионная система для регистрации непрерывных и дискретных сигналов // Датчики и системы. 2010. № 2. С. 55–59.

148

Л.Н. Степанова, Е.С. Тенитилов

3.Серьезнов А.Н., Степанова Л.Н., Лебедев Е.Ю. и др. Исследование возможностей локализации дефектов сварного шва в процессе остывания с использованием акустической эмиссии // Дефектоскопия. 2009. № 5. С. 25–33.

4.Степанова Л.Н., Рамазанов И.С., Кабанов С.И. и др. Кластеризация источников сигналов акустической эмиссии по скорости нарастания переднего фронта // Дефектоскопия. 2009.

№10. С. 27–35.

5.Степанова Л.Н., Канифадин К.В., Рамазанов И.С. и др. Разработка метода кластеризации по параметрам сигналов акустической эмиссии // Дефектоскопия. 2010. № 2. С. 78–89.

6.Степанова Л.Н., Канифадин К.В., Лазненко С.А. Исследование источников сигналов акустической эмиссии при остывании сварного шва с использованием кластерного анализа // Дефектоскопия. 2010. № 1. С. 73–82.

УДК 620.179.17

Л.Н. Степанова, Е.Ю. Лебедев, С.И. Кабанов, C.А. Бехер, А.Л. Бобров, Р.Г. Цвайгерт

Использование метода акустической эмиссии для повышения достоверности оценки технического состояния боковых рам

Безопасность движения грузовых вагонов во многом определяется безотказной эксплуатацией их ходовых частей. Боковые рамы являются одним из наиболее нагруженных элементов тележки, воспринимающих динамические нагрузки, связанные с колебаниями необрессоренных частей грузового вагона. Проведенное тензометрирование боковых рам подтвердило, что наиболее нагруженными элементами их конструкции являются буксовые проемы, в которых действуют растягивающие напряжения [1]. Опасные зоны в боковой раме расположены во внешнем и внутреннем углах буксового проема (R = 55 мм), в радиусах рессорного проема (R = 40 мм) и наклонном поясе вдоль технологического окна.

Особенностями конструкции боковых рам являются: литая структура металла, наличие технологических несплошностей в виде дефектов литья (поры, раковины, неслитины и т.д.), а также неровная поверхность со следами формовочной смеси, шлака, окалины, цемента и других загрязнений. Все это приводит к значительному количеству помех, возникающих при неразрушающем контроле (НК) и вызывающих ложные срабатывания дефектоскопа.

Для НК боковых рам в условиях вагоноремонтных депо используется визуальный осмотр, вихретоковый, магнитный и феррозондовый методы. При этом достоверность контроля магнитным и вихретоковым методами в основном определяется квалификацией дефектоскописта. Достоверность контроля боковых рам активными методами НК низкая, поскольку необходимо сканировать поверхности с шероховатостью и окалиной [1].

149

Диагностика и неразрушающие методы контроля

В связи с производством новой конструкции боковых рам коробчатого сечения появилась практическая необходимость разработки методики их контроля. Основная причина разрушения данных рам вызвана образованием и быстрым развитием усталостных трещин. Как отмечается в [2], по этой причине в России ежегодно бракуется порядка 50 тыс. боковых рам.

Образование усталостных трещин в боковых рамах вызвано наличием конструктивных и технологических концентраторов напряжений. Технологические концентраторы напряжения, как правило, связаны с дефектами литья (засоры, раковины, поры, неслитины и другие несплошности). Конструктивные концентраторы напряжений вызваны конструктивными особенностями боковых рам коробчатого сечения (ребрами жесткости, технологическими отверстиями, окнами, углами и т.д.). Из-за влияния концентраторов напряжения и под действием переменных ударных нагрузок повышается вероятность появления и быстрого развития усталостных трещин в зонах радиусом R = 55 мм боковых рам коробчатого сечения. Они успевают развиться в межремонтный период времени, составляющий два года. Коробчатая конструкция боковых рам, в отличие от тавровой, затрудняет осмотр этих деталей под вагонами на пунктах технического облуживания. Особенно это касается трещин, развивающихся с внутренней стороны и не выходящих на наружную, доступную для осмотрщика сторону.

Цель работы – повышение достоверности оценки технического состояния боковых рам коробчатого сечения тележки грузового вагона.

С 2002 г. в вагоноремонтных депо при продлении срока службы боковых рам используется метод акустической эмиссии (АЭ), основанный на регистрации акустических волн, излучаемых дефектами, развивающимися в нагруженных конструкциях [3–5]. При этом в контролируемых зонах конструкции обеспечивается необходимый уровень деформаций растяжения. Данный метод позволяет автоматизировать процесс измерения, на микроуровне обнаруживать дефекты, определять их координаты и классифицировать повреждения по степени опасности. Однако его практическое использование затруднено, поскольку АЭ-система регистрирует не только сигналы от дефекта, но и посторонние шумы испытательной установки, шумы от трения и т.д. Процесс развития дефекта сопровождается шумами, имеющими сходные характеристики с сигналами АЭ. Это усложняет определение связи информативных параметров сигналов АЭ с параметрами процессов разрушения материала конструкции. При разработке методики АЭ-контроля боковых рам тележки грузового вагона решается сложная локационная задача, связанная с выделением сигналов АЭ на фоне значительного уровня шумов в местах приложения нагрузки, а также с определением степени опасности дефектов.

Однако дальнейшее развитие метода АЭ требует более глубокого изучения параметров регистрируемых сигналов АЭ с деструктивными изменениями,

150