为了识别厚截面碳纤维复合材料(CFRP) 远表面的微缺陷, 使用递归分析方法对超声检测信号进行分析。首先在厚截面CFRP材料上打孔以模拟微缺陷, 采用水浸超声脉冲反射法对不同大小的模拟缺陷进行检测。然后选取缺陷位置附近信号段, 确定嵌入维数m、延迟时间τ、阈值ε等参数, 对各信号段进行递归分析, 得到递归图及递归定量分析结果。比较无缺陷信号和有缺陷信号的递归图, 从宏观上定性确定微缺陷对超声信号的影响; 比较无缺陷信号和有缺陷信号的递归定量分析结果, 根据每个递归定量参数的物理意义, 对缺陷产生的影响作出合理的解释。最后, 使用不同中心频率探头进行实验, 确定合适的探头参数。分析结果表明, 使用7.5 MHz高分辨率超声探头时检测效果最好; 当嵌入维数为7、延迟时间为2、阈值为2时, 递归图中出现异常白色区域、递归点增多且对角线结构变长, 同时所选取的递归定量参数随缺陷增大而上升, 表明厚截面CFRP远表面超声信号可能存在混沌结构, 而微缺陷的存在会改变原有信号结构。所研究内容为实际微缺陷的定量识别及分类打下基础。

针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite, CFRP)的富树脂检测需求, 提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究, 并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法, 通过低通滤波抑制高频随机噪声。其次根据频率差异, 应用变分模态分解算法分离并消除共振结构噪声, 提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次, 引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后, 应用Otsu多阈值方法自适应获得富树脂识别的阈值, 消除相干噪声的影响, 完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像, 在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明: 变分模态分解的分量数为2, Otsu多阈值的类别数为3时, 能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号; 采用0.15作为多视图成像的阈值, 可简洁有效地描述富树脂在小孔隙率CFRP中的分布。