超声无损检测仪器的发展超声检测仪器性能直接影响超声检测的可靠性，其发展与电子技术等相关学科的发展是息息相关的。

计算机的介入，一方面提高了设备的抗干扰能力，另一方面利用计算机的运算功能，实现了对缺陷信号的定量、自动读数、自动识别、自动补偿和报警。

20世纪80年代，新一代的超声检测仪器——数字化、智能化超声仪问世，标志着超声检测仪器进入一个新时代。

超声无损检测仪器将向数字化、智能化、图像化、小型化和多功能化发展。

在第十三、十四世界无损检测会议仪器展览会、1996年中国国际质量控制技术与测试仪器展览会、1997年日本无损检测展览会等大型国际会议会展中，数字化、智能化、图像化超声仪最引人注目，显示了当今世界无损检测仪器的发展趋势。

其中以德国Krauthammer公司、美国Panametrics公司、丹麦Force Institutes公司与美国PAC公司的产品最具代表性。

真正的智能化超声仪应该是全面、客观地反映实际情况，而且可以运用频谱分析，自适应专家网络对数据进行分析，提高可靠性。

提高超声检测中对缺陷的定位、定量和定性的可靠性也是超声检测仪器实现数字化、智能化急待解决的关键技术问题。

现代的扫查装置也在向智能化方向发展。

扫查装置是自动检测系统的基础部分，检测结果准确性、可靠性都依赖于扫查装置。

例如采用声藕合监视或藕合不良反馈控制方式提高探头与工件表面的耦合稳定度以及检测的可靠性。

从20世纪90年代以来，出现的各种智能检测机器人，已经形成了机器人检测的新时代及工程检测机器人的系列与商业市场。

例如日本东京煤气公司的蜘蛛型机器人，移动速度约60m/h ，重约140kg，采用16个超声探头可以对运行状态下的球罐上任意点坐标位置进行扫描。

日本NKK公司研制的机器人借助管道内液体推力前进，可以测量输油管道腐蚀状况，其检测精度小于1mm。

丹麦Force研究所的爬壁机器人，重约10吨，采用磁吸附与预置磁条跟踪方式可检测各类大型储罐与船体的缺陷。

超声无损检测技术的发展超声无损检测技术是国内外应用最广泛、使用频率最高且发展较快的一种无损检测技术, 体现在改进产品质量、产品设计、加工制造、成品检测以及设备服役的各个阶段和保证机器零件的可靠性和安全性上。

世界各国出版的无损检测书籍、资料文献中, 超声探伤所占的数量都是首屈一指的。

有关资料表明, 国外每年大约发表3000篇涉及无损检测的文献资料, 全部文献资料中有关超声无损检测的内容约占45%。

在前几届世界无损检测会议论文集收录的论文中有关超声检测的论文数遥遥领先于其它检测方法, 特别是2000年10月在罗马召开的第十五届世界无损检测会议(WCNDT)收录的663 篇论文中, 超声检测就占250 篇。

以上这些都说明超声检测在无损检测中的突出贡献与重要地位和研究势头, 所以超声检测一直以来都是研究的热点。

于是, 随着电子学和计算机科学技术的飞速发展, 采用人工智能技术、自适应技术、机器人技术、相关技术、信息融合技术、激光技术和CAD\CAM 等技术与无损检测技术有机结合以实现复杂形面复合构件的超声扫描成像检测, 是近年来国外复合材料构件无损检测领域研究的前沿课题。

下面主要探讨超声成像技术、人工智能技术、自适应技术、机器人技术和相关技术在超声无损检测技术中的一些应用和理论分析。

（一）超声成像技术超声成像技术是在电视技术、计算机技术和信息技术的基础上发展起来的，经历了一个漫长发展历程。

早在20年代，人们就开始探索超声成像的原理及方法，使超声成像成为最早实现的超声无损检测技术。

其后由于技术上的原因，早期的超声成像检测技术很快被其它超声无损检测技术所取代。

20世纪60年代，激光的发明和光学全息技术的成就极大地刺激了人们对声像研究的兴趣。

然而，在声学领域，简单地模仿光全息等光学成像方法遇到了极大的障碍，迫使人们在新技术基础上，根据声波的特点，发展出以扫描成像技术为主流的各种新成像方法。

在现代无损检测技术中，超声成像技术是一种令人瞩目的新技术。

超声图像可以提供直观和大量的信息，直接反映物体的声学和力学性质，有着非常广阔的发展前景。

现代超声成像技术都是计算机技术、信号采集技术和图象处理技术相结合的产物。

数据采集技术、图象重建技术、自动化和智能化技术以及超声成像系统的性能价格比等发展直接影响超声检测图像化的进程。

现代超声成像技术大多有自动化和智能化的特点，因而有许多优点，如检测的一致性好，可靠性、复现性高，存储的检测结果可随时调用，并可以对历次检测的结果自动比较，以对缺陷做动态检测等。

总之，超声成像技术克服了传统超声检测不直观、判伤难，无记录的缺陷，减少了检测中人为干扰，有效地提高无损检测的可靠性，是定量无损检测的重要工具。

目前已经使用和正在开发的成像技术包括:超声B扫描成像，超声C扫描成像、超声D扫描成像，ALOK(德文“振幅—传播时间—位置曲线”的缩写)成像，SAFT(合成孔径聚焦)成像，P扫描成像，超声全息成像，超声CT成像等技术。

（二）人工智能技术顾名思义, 所谓人工智能技术就是用人工的方法在计算机上实现的智能。

由于人工智能是在机器上实现的模拟人类智能, 因此又可称为机器或模拟智能。

通俗地说, 人工智能就是研究如何使机器具有能听、会说、能看、会写、能思维、会学习、能适应环境变化、能解决各种实际问题等功能的一门学科。

目前, 人工智能的研究更多的是结合具体领域进行的, 在超声无损检测应用中, 主要研究领域有专家系统和人工神经网络等。

1、专家系统所谓专家系统就是一种具有特定领域内大量知识与经验的程序系统, 它应用人工智能技术, 模拟专家求解问题的思维过程求解领域内的各种问题, 其水平可以达到甚至超过专家的水平。

在超声界有许多检测技术高明的专家, 他们在各自的工作领域中都具有丰富的实践经验和高人一筹的“绝招”, 如果把对某一探伤对象的检测经验集中起来, 并以某种表示模式存储到计算机中形成知识库, 然后再把专家们运用这些知识判断缺陷的思维过程编成程序构成推理机, 使得计算机能像人类专家那样对缺陷信号进行判断, 则这样的程序就是一个专家系统。

图1为一个三段结构的AI专家系统, 它可以帮助那些对UT应用并不熟练的操作人员选择最好的检测方法和检测技术去解决他所遇到的问题,该系统被称为超声UE顾问, 可为诸如“哪一种检测方法或检测技术能最好地解决我这个问题?这样的咨询者”提供咨询服务。

系统的三个组成部分分别为:a、UT方法和技术库从各超声专家搜集不同的检测方法和检测技术组成UT方法和技术库, 这样做有助于消除单独某一个专家所产生的偏见。

根据检测对象和要求, 每一方法又可以是多种多样的。

b、UT方法和技术优先顺序的排列在这一阶段, 使用者被请求回答“是\否\或许(Yes\No\Maybe)”这一类型的问题, 这些问题涉及价格、速度、精度、设备及人员的可利用性等。

AI 系统从所获得的这些信息中根据实际情况及检测要求选择最合适的检测方法和检测技术。

c 、 各类专家系统每一个专家系统对应一种UT 方法, 图1中只具体列出了三个专家系统,即脉冲反射法专家系统、时间渡越衍射专家系统和各种谱分析(包括裂谱、倒谱、能谱分析)专家系统,另外还有许多专家系统可归到其它类专家系统一栏中。

每一个专家决定了所考虑的方法内具体技术的选择。

AI 系统可以对有关UT 的任务进行决策,决策的质量既依赖于提供给AI 系统的被检测对象的信息,也依赖于所使用的A I 系统的质量。

它能为非技术人员进行技术咨询时提供很好的回答,可以减少寻找人类专家时所花费的时间,且能够消除人类专家进行技术选择时可能产生的偏见。

（三）人工神经网络人工神经网络是一种以自适应为特征的无固定模型的非线性网络,可用于处理非线性模型或很难建立模型的问题, 有许多个处理单元(神经元) 相互连接的信号处理系统, 单元的输出通过权值与其它单元相互连接。

人工神经网络在超声检测中的应用是通过最佳似然比检测的原理由神经元之间的相互作用来实现的, 信号的存储表现为网络元件互连间分布式的物理联系, 网络的识别取决于各神经元连接权值的动态演化过程。

用于超声检测的神经网络是由三层感知器组成的, 即输入层、输出层及隐含层构成,如图2所示,它的输出层只有一个神经元。

若该神经元被激活, 即输出为1, 则判为1H ；若该神经元被抑制, 即输出为0(- 1),则判为0H 。

输入层神经元的数目与接收到的样本数目相同(即为M)。

中间层神经元的数目可视具体应用要求来确定, 通常也为1。

通过调节输入层到输出层的连接权系数1-il W (i= 1, 2, ⋯⋯,M ) , 隐含层到输出层的连接层权系数2-il W 以及各神经元的阀值, 就可以反映似然比和门限的大小。

人工神经网络可实现缺陷的分类, 具有很高的识别准确度, 对于不完全、不够清晰的数据同样有效；具有强大的学习能力, 能从样例中学习, 获取知识；易于实现并行运算, 而且便于硬件上的实现, 从而可大大提高速度；由于信息在网络中是分布表示的, 因而它对带有噪声或缺损的输入信息有很强的适应能力。

人工神经网络的这些优点, 使其很适合于应用到超声定量无损检测中。

例如, 由A dap tronics 公司研制的ALN 4060智能超声探伤仪就是人工神经网络在超声检测中成功应用的代表。

（四）自适应技术自适应处理技术是由Widrow.B 等人提出、20世纪60 年代开始发展起来的一门学科, 它是现代信号处理的重要组成部分, 对复杂信号的处理具有独特的功能。

目前国内外自适应算法研究仍比较活跃,自适应滤波的优点是对处理参数依赖性比较小, 软、硬件实现均较简单, 因而在工业性应用中有良好前景。

近年来, 国内外学者开始尝试将自适应滤波技术用于超声无损检测, 其目的是寻找一种便捷的抗干扰手段, 使得超声检测目标信号在各种干扰条件下(包括材料结构内部各种干涉杂波) 保持整齐、清晰且不畸变的波形。

为各种准确的无损检测奠定基础。

自适应数字滤波是其在超声检测中应用的一个方面, 图3是一个自适应数字滤波器, 具有两个输入端,信号输入端通常称之为主输入端, 所期望的响应d (n) 输入端称为参考输入端。

滤波器输出端y(n)就是自适应滤波器的输出端, 有时将其误差e (n) 引出一个误差输入端。

主信号s (n) 经过传输系统H (z)的频率特性和噪声干扰的影响, 信号x (n) 将与主信号s (n)不同, 但它蕴涵着主信号, 利用自适应滤波器可从信号x (n)中提取原来的主信号s (n),而噪声干扰被滤波作用抑制了。

对于传输系统H (z)给主信号劣化的情况来说, 当滤波器输出y (n)逼近参考输入d (n)=s (n),自适应滤波的最佳权矢量0W 可由下式决定:1)(0=∙W z H )(10z H W -=这表明自适应滤波器的最佳滤波响应是传输系统转移函数的倒数(逆函数) , 此时自适应滤波器对主输入信号x (n)进行逆波, 使其复原主信号。