焊缝结构是重要的金属连接部件,广泛应用于现代工业中。但由于受到焊接工艺本身的限制,焊缝中可能产生各类缺陷。为了保障焊接结构的安全,必须对焊缝进行无损检测。超声衍射时差法(TOFD,Time of Flight Diffraction),是一种常用的焊缝缺陷检测手段,该方法检测速度快、成本低且对人体无危害,可现场对缺陷作定性、定量的评价。本文针对焊缝典型缺陷的超声TOFD-D扫描图像特征及其自动识别技术开展研究工作,首先对超声TOFD检测过程进行了计算仿真,根据仿真结果分析了超声TOFD检测的超声波传播机理及缺陷形态对检测结果的影响;制备大量含自然缺陷的对接焊缝试样并对其进行超声TOFD-D扫描成像,深入分析了各类焊缝典型缺陷D扫描成像图的特征;最后,根据分析得到的焊缝典型缺陷成像图的特征设计了缺陷自动识别分类网络,并通过改变试验参数获得大量训练和识别样本对分类网络进行训练。具体研究内容如下:第一,本文采用有限元法对钢板对接焊缝的超声TOFD检测过程进行了仿真模拟。模拟了焊缝中存在的各种形态的圆孔、开口槽、深埋槽缺陷,并分析了各类缺陷类型、深度、尺寸、面型缺陷取向对检测信号幅度的影响。仿真结果表明:有限元仿真能很好地模拟体积型、面型缺陷的衍射波形成机理;通过对比仿真结果发现,缺陷衍射波幅度分布特征与缺陷的形态具有一定的对应关系。第二,对含各类典型缺陷的钢板焊缝进行超声TOFD-D扫成像,并分析了各类缺陷的成像图特征。通过对比分析图像特征发现,焊缝典型缺陷的D扫描图像大多为抛物线型、直线型条纹状,可用于区分缺陷类型的重要图像特征主要为抛物线的开口方向、形状的连续性、端部的平滑程度。最后,基于Faster R-CNN算法设计对超声TOFD-D扫图像的缺陷进行自动识别与分类,获得了较高的自动识别率。针对超声TOFD-D扫描成像的特点,对Faster R-CNN算法进行了优化配置。在对网络进行训练时采用了数据扩充方法,扩充了训练集、避免欠拟合,增强了识别系统的抗噪声能力和鲁棒性。通过识别试验,分析了该方法应用于超声TOFD-D成像的可行性、准确性及效率。综上所述,焊缝缺陷的超声TOFD检测信号及扫描图像与缺陷形态密切相关,焊缝典型缺陷的超声TOFD-D扫特征图像可用于区分缺陷类型,将缺陷自动识别算法应用于超声TOFD检测可以实现对缺陷快速、准确地自动检测识别,研究焊缝典型缺陷的自动识别方法对检测自动化具有重要意义。