تصویربرداری فراصوتی با شکل‌دهی پرتو مبتنی بر تقریب کمینه واریانس و کاربرد آن در آزمون غیرمخرب لوله‌های بویلر

تصویربرداری فراصوتی با آرایه‌های فازی امروزه کاربرد وسیعی در آزمون‌های غیر مخرب صنعتی از جمله در تشخیص نقصها و ترکها در قطعات صنعتی و در بازرسی جوش پیدا کرده است. در این مقاله جهت بهبود دقت تشخیص نقص و کاهش نویز زمینه در تصویربرداری فراصوتی آرایه فازی در آزمون غیر مخرب، روشی برای شکل‌دهی پرتوهای دریافتی آرایه مبتنی بر تقریبی از تکنیک کمینه واریانس ارائه می‌شود و در کاربرد بازرسی غیرمخرب لوله‌های بویلر مورد بررسی قرار می‌گیرد. در این روش، تقریب ماتریس معکوس، با استفاده از لم معکوس ماتریس به‌صورتی انجام می‌شود که شکل‌دهی پرتو متناسب با دامنه سیگنالهای دریافتی آرایه صورت گیرد. عملکرد روش پیشنهاد شده به‌صورت کمی و کیفی در آزمون نظری و عملی مورد ارزیابی قرار گرفته و با روشهای مشابه شکل‌دهی پرتو مقایسه می‌شود. نشان داده می شود که این روش قادر به کاهش نویز زمینه تصویر، با حفظ قدرت آشکارسازی نقص در مقایسه با روش شکل‌دهی پرتو مبتنی بر جمع و تاخیر و شکل‌دهی پرتو وفقی کمینه واریانس می‌باشد. همچنین سبب بهبود دقت تشخیص نقص در مقایسه با روش کمینه واریانس می‌گردد. پیچیدگی محاسباتی روش پیشنهادی نسبت به روش متعارف و وفقی شکل‌دهی پرتو کمینه واریانس کمتر است.

ultrasonic imaging based on approximated minimum variance beamforming and its application in non-destructive test of boiler tubes

ultrasonic phased array imaging has found wide applications in industrial non-destructive test (ndt) including defect and crack detection in industrial samples and weld inspection. in this paper, an approximated minimum variance based beamforming method is proposed to improve the defect detection accuracy and reducing the background noise in the phased array ultrasonic imaging. the proposed method is employed in the boiler tube ndt. the matrix inverse approximation is computed using matrix inverse lemma such that the beamforming is performed proportional to the received signal amplitude. the performance of the proposed method is quantitatively and qualitatively evaluated in both theoretical and practical tests and compared with similar beamforming techniques. it is shown that the proposed method is able to reduce the image background noise while keeping the defect detection ability in comparison to both delay-and-sum and adaptive minimum variance beamforming methods. it also leads to defect detection enhancement compared with the minimum variance method. the computational complexity of the proposed method is less than that of both conventional and adaptive minimum variance beamforming methods.