[pt] Sinais ultrassônicos são amplamente utilizados na indústria para detecção
de defeitos e caracterização de materiais. Neste âmbito, o método de focalização
total (TFM) é comumente aplicado no pós-processamento dos dados ultrassônicos.
Estes dados são adquiridos por transdutores multielementos do tipo
phased array pela técnica de Captura de Matriz Completa (FMC). Embora a
técnica FMC-TFM seja amplamente empregada, a energia da onda transmitida
ao material é limitada pela utilização de um único elemento do transdutor, podendo
fornecer uma baixa relação sinal-ruído (SNR) na imagem reconstruída.
Para superar essa limitação e melhorar a qualidade das imagens TFM, propõese
neste trabalho o uso da técnica Fontes Virtuais combinada com dois métodos
diferentes de melhoria do SNR: Decomposição do Operador de Reversão Temporal
(DORT) e Correlação Espacial de Sub-abertura (SASACI). Neste último,
foram ainda propostas alterações para tornar a abordagem original mais robusta.
Ambas as propostas de combinação foram aplicadas e avaliadas para
melhorar as imagens de caracterização de múltiplos defeitos. Tais propostas
foram avaliadas por meio de simulações e experimentos. As simulações consideraram
um modelo de elementos finitos de um bloco de aço contendo quatro
furos simulando defeitos volumétricos no material. Vários níveis de ruído foram
adicionados aos sinais simulados para se avaliar o desempenho das combinações
propostas em um ambiente com alto nível de ruído não-correlacionado. As
combinações propostas nos dados de FMC simulados mostraram que o uso da
técnica Fontes Virtuais combinada com a técnica DORT foi capaz de aumentar
o SNR em 21.5 dB, enquanto a combinação de Fontes Virtuais com o SASACI
foi capaz de aumentar o SNR em 76.2 dB. Este último resultado está 16.3 dB
acima da soma dos ganhos individuais de cada técnica, enquanto o primeiro
está 7.4 dB acima. Isso indica um efeito sinérgico no aumento da qualidade
da imagem para ambas as combinações. Além disso, o uso das Fontes Virtuais
mostrou-se capaz de melhorar a imagem reconstruída, onde inicialmente não
é possível distinguir o ruído do sinal de interesse. A avaliação experimental foi
realizada sobre o bloco de aço de quatro furos com as mesmas propriedades
do bloco simulado. Ao contrário da simulação, os dados coletados não estão
sujeitos à altos níveis de ruído não-correlacionado. Portanto, em ambas as
combinações, o emprego da técnica Fontes Virtuais não resultaram em ganhos
significativamente superiores aos ganhos individuais de cada técnica. Os métodos
DORT e SASACI sem Fontes Virtuais aumentaram o SNR em 7.5 dB e
75.0 dB, respectivamente, enquanto que, com o seu uso, esse aumento foi de
9.2 dB e 74.1 dB. Os resultados do SASACI, quando comparados ao DORT, se
mostraram evidentemente superiores tanto na simulação quanto na avaliação
experimental. Ambos os métodos proporcionaram melhoria da qualidade de
imagens TFM e, portanto, promissores para serem aplicados em ensaios não
destrutivos. / [en] Ultrasonic signals are widely utilized in the industry for detecting defects
and material characterization. In this context, the Total Focusing Method
(TFM) is commonly applied for post-processing of ultrasonic data. Those are
acquired by phased array transducers through the Full Matrix Capture (FMC)
technique. Although the FMC-TFM technique is widely employed, the energy
of the wave transmitted to the material is limited by the utilization of a single
element of the transducer, which can provide a low Signal-Noise Ratio (SNR)
of the reconstructed image. To circumvent this limitation and enhance TFM
image quality, this work proposes the use of the Virtual Sources technique
combined with two different methods for SNR improvement: Decomposition
of the Time Reversal Operator (DORT) and Spatially Averaged Sub-Aperture
Correlation Imaging (SASACI). In the latter, we also propose modifications to
make the original approach more robust. Both combinations were implemented,
applied and evaluated for the enhancement of images for characterization of
multiple defects. These proposals were all assessed through simulations and
experiments. The simulations considered a finite element model of a steel
block containing four holes emulating volumetric defects on the material.
Several noise levels were added to the simulated signals aiming for performance
assessment in an environment with high levels of non-correlated noise. The
proposed combinations in the simulated FMC data showed that the utilization
of the Virtual Sources technique combined with DORT increased the SNR
up to 21.5 dB, while the combination of Virtual Sources with SASACI was
capable of increasing SNR up to 76.2 dB. The second combination is 16.3 dB
above the sum of the individual gains for each technique applied separately,
while the first combination is 7.4 dB above. This implies a synergistic effect in
the improvement of image quality for both proposed combinations. Moreover,
the utilization of the Virtual Sources technique was capable of enhancing
the reconstructed image, where it is not possible to initially distinguish the
noise of the signal of interest. The experimental evaluation was realized on the
four-hole steel block with the same properties of the simulated block. Unlike
the simulation, the collected data were not subjected to high levels of noncorrelated
noise. Thus, for both combinations, the utilization of the Virtual
Sources technique did not result in significantly superior gains when compared
to the individual gains obtained from each technique individually applied. The
use of DORT and SASACI without Virtual Sources caused an SNR increase of
7.5 dB and 75.0 dB, respectively, while this increase was of 9.2 dB and 74.1 dB
when the Virtual Sources was used in combination. The results obtained
from SASACI, when compared to DORT, were evidently superior for both
simulation and experimental evaluation. Both methods showed potential for
improvement of TFM image quality, and thus, are promising for application
in nondestructive evaluation.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:50741 |
Date | 10 December 2020 |
Contributors | ALAN CONCI KUBRUSLY, ALAN CONCI KUBRUSLY, ALAN CONCI KUBRUSLY |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | Portuguese |
Detected Language | English |
Type | TEXTO |
Page generated in 0.002 seconds