WO2008000940A1 - Controle non destructif de produits siderurgiques par ultrasons - Google Patents

Controle non destructif de produits siderurgiques par ultrasons Download PDF

Info

Publication number
WO2008000940A1
WO2008000940A1 PCT/FR2007/001048 FR2007001048W WO2008000940A1 WO 2008000940 A1 WO2008000940 A1 WO 2008000940A1 FR 2007001048 W FR2007001048 W FR 2007001048W WO 2008000940 A1 WO2008000940 A1 WO 2008000940A1
Authority
WO
WIPO (PCT)
Prior art keywords
tube
imperfection
echoes
ultrasonic
imperfections
Prior art date
Application number
PCT/FR2007/001048
Other languages
English (en)
Inventor
Bernard Bisiaux
Frédéric LESAGE
Sébastien PETIT
Sylvain Deutsch
Original Assignee
V & M France
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to AU2007264866A priority Critical patent/AU2007264866C1/en
Application filed by V & M France filed Critical V & M France
Priority to US12/306,534 priority patent/US8265886B2/en
Priority to BRPI0713049-0A priority patent/BRPI0713049B1/pt
Priority to ES07788926T priority patent/ES2377147T3/es
Priority to EP07788926A priority patent/EP2035822B1/fr
Priority to EA200970075A priority patent/EA012925B1/ru
Priority to CA2656120A priority patent/CA2656120C/fr
Priority to AT07788926T priority patent/ATE536546T1/de
Priority to JP2009517315A priority patent/JP5162583B2/ja
Priority to CN2007800303159A priority patent/CN101501487B/zh
Priority to PL07788926T priority patent/PL2035822T3/pl
Publication of WO2008000940A1 publication Critical patent/WO2008000940A1/fr
Priority to NO20090481A priority patent/NO340510B1/no

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0609—Display arrangements, e.g. colour displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/221—Arrangements for directing or focusing the acoustical waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
    • G01N29/262—Arrangements for orientation or scanning by relative movement of the head and the sensor by electronic orientation or focusing, e.g. with phased arrays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
    • G01N29/265—Arrangements for orientation or scanning by relative movement of the head and the sensor by moving the sensor relative to a stationary material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4445—Classification of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/02854—Length, thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/04—Wave modes and trajectories
    • G01N2291/042—Wave modes
    • G01N2291/0421—Longitudinal waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/04—Wave modes and trajectories
    • G01N2291/042—Wave modes
    • G01N2291/0422—Shear waves, transverse waves, horizontally polarised waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/04—Wave modes and trajectories
    • G01N2291/044—Internal reflections (echoes), e.g. on walls or defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/10—Number of transducers
    • G01N2291/106—Number of transducers one or more transducer arrays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/26—Scanned objects
    • G01N2291/263—Surfaces
    • G01N2291/2634—Surfaces cylindrical from outside

Definitions

  • the invention relates to non-destructive testing of materials, especially for tubes in manufacture.
  • the object of the invention is to improve the situation towards a system that can:
  • a device which forms a tool for operating assistance, for the non-destructive testing of tubes (or other steel products) during and after production.
  • a tool is intended to draw information about possible imperfections of the tube.
  • Transmitter ultrasound sensors are selectively excited according to a chosen time law.
  • Feedback signals are picked up by receiving ultrasonic sensors forming a selected geometry arrangement mounted ultrasonically coupled to the tube via a liquid medium.
  • the proposed farm support tool includes:
  • a converter capable of selectively isolating a digital representation of possible echoes in designated time windows, as a function of the relative rotation / translation movement, and of drawing an image of possible imperfections in the tube
  • a filter capable of determining, in the images, areas of presumed imperfection, as well as the properties of each presumed imperfection
  • a combiner arranged to prepare digital inputs of a neural circuit, from an extract of the images corresponding to a zone of presumed imperfection, of properties of the presumed imperfection in the same zone, resulting from the filter, and of data; context,
  • At least one neural circuit which receives inputs from the combiner
  • a sorting and marking automaton arranged to separate and mark non-compliant decided tubes by the digital decision and alarm stage.
  • the invention may also be placed at the level of a device for non-destructive testing of tubes (or other steel products) during or after manufacture, which comprises:
  • Another aspect of the invention is expressed in the form of a method of non-destructive testing of tubes (or other iron and steel products) during or after manufacture, comprising the following steps: a. providing an arrangement of ultrasonic transducers of selected geometry, mounted in ultrasonic coupling with the tube via a liquid medium, with relative rotation / translation movement between the tube and the transducer arrangement, b. selectively exciting these transducer elements according to a chosen time law, c. collect the return signals they capture, in order to selectively analyze these feedback signals, to obtain information on possible imperfections of the tube.
  • the proposed method further comprises the following steps: d. selectively isolating a digital representation of possible echoes in designated time windows, as a function of the relative rotational / translational movement, and drawing an image of possible imperfections in the tube, e. filtering the images according to selected filtering criteria to determine areas of presumed imperfection, as well as properties of each presumed imperfection, f. forming neural circuit digital inputs, from an extract of the images corresponding to a presumed imperfection area, properties of the presumed imperfection in the same area, from the filter, and context data, g. apply the inputs thus formed to at least one neural circuit, h. numerically processing the output of the neural circuit according to selected decision criteria, to derive a decision and / or an alarm, and i. discard and mark non-compliant tubes decided by step h.
  • FIG. 1 is a schematic perspective view of a tube, having imperfections or so-called standard defects;
  • FIG. 2 is a schematic side view illustrating an example of a "revolving control" type installation on a tube at the output of manufacture
  • FIGS. 3A to 3C are details of different types of thickness measurement and control of longitudinal and transverse imperfections
  • FIGS. 5A and 5B are an end view and a side view of a particular type of non-destructive control cell, commonly referred to as a "rotating head" and shown schematically;
  • FIG. 6 shows the complexity of the ultrasonic paths encountered in a tube, in a simple example
  • FIGS. 6A and 6B are schematic time diagrams of ultrasonic signals, for an oblique incidence sensor, and for a nominal incidence sensor (perpendicular), respectively;
  • FIG. 7 is a graph showing a conventional representation of the selectivity of a control installation
  • FIG. 8 is a schematic diagram of the electronics associated with an ultrasonic sensor in non-destructive control in an example of an installation capable of implementing the invention
  • FIG. 8A is the more detailed block diagram of part of Figure 8;
  • FIG. 9 is a schematic screen copy illustrating two digitized ultrasound images of potential imperfections in a tube;
  • FIGS. 10A to 10D are schematic representations of various types of imperfections according to the API classification (American Petroleum Institute) and which constitute the output data of the neural network tending to determine the type of the imperfection;
  • FIG 11 is a more detailed block diagram of another part of Figure 8.
  • FIG. 12 is a sequential diagram illustrating the treatment of successive potential imperfections in an image
  • FIG. 13 is a block diagram of a filter system that can be used according to the invention.
  • FIG. 14 is a block diagram of a neural network assembly for determining the type of imperfection in a tube
  • FIG. 15 is a block diagram of a neural network assembly tending to determine the degree of depth of an imperfection in a tube
  • FIG. 16 is the block diagram of the neuron model
  • FIG. 17 is an example of a transfer function of an elementary neuron
  • FIG. 18 is the general diagram of an installation using the invention for the detection of defects on different types of sensors.
  • the drawings contain elements of a certain character. They can therefore not only serve to better understand the present invention, but also contribute to its definition, if any.
  • an ultrasonic sensor may be designated indifferently by the terms sensor, or probe or transducer, well known to those skilled in the art.
  • DE 42 01 502 C2 discloses a method for creating a signal intended for a neural network, but provides little or no teaching on the interpretation of the results, in terms of diagnosis. In addition, again, only eddy current detection is processed.
  • Japanese Patent Publication 11-002626 relates to the detection of longitudinal imperfections only, and only by eddy currents.
  • Patent Publication No. 08-110323 is content with a frequency study of signals obtained by ultrasound.
  • Patent Publication No. 2003-279550 describes a program for differentiating between a zone qualified as healthy and a bad zone of a product using a neural network. This program does not go further, and does not allow classification or localization of imperfections. As a result, the application of this program can frequently lead to the rejection of parts that would be considered good if the results were interpreted by a human operator.
  • imperfections in a tube T can be distinguished from their position.
  • surface imperfections, internal or external include longitudinal imperfections LD, and circumferential (or transverse or transverse or transverse) imperfections CD and oblique or inclined imperfections ID; by different sensor arrangements, we try to detect them as soon as they extend over a length and a depth defined according to the norms or specifications or specifications of the customers (for example a value of length of imperfection quoted in the standards is 1/2 inch, or about 12.7 mm with a depth of about 5% of the thickness of the controlled product).
  • imperfections "in the wall” that is to say in the mass MD (not visible in Figure 1), which often correspond to inclusions or gaps, which we seek to detect at the same time that a measurement of thickness is made.
  • the ultrasonic beams are shown divergent in Figure 1 to understand the detection of imperfections. In practice, they will rather converge, as we will see.
  • Ultrasonic sensors or probes emit longitudinal waves in the water. A given sensor works for example at 1 or a few MHz. It is repetitively excited by pulses, of a chosen waveform, at a frequency (or frequency) of recurrence Fr which is of the order of a few kHz or tens of kHz, for example 10 kHz.
  • an ultrasound transducer has:
  • Fresnel zone which is the site of many interferences, the length of which in the axis of the beam is
  • N 0.25 D 2 / ⁇
  • D is the diameter of the active pellet of the transducer
  • ⁇ is its working wavelength
  • Figs. 3A, 3B, 3C show converged sensors using a concave (ultrasonic) lens as commonly used in tube applications.
  • the Fraunhofer area which is less disturbed, is preferably used.
  • the ultrasound beam which is generally focused, extends in the vicinity of a plane perpendicular to the axis of the tube T.
  • the detection is therefore substantially in cross section. Their roles are:
  • the beam is also perpendicular to the axis of the tube T in the cross section, and they are used for the thickness measurement (eg P1, Figure 3A); this is called “right probing"; - Or their beam is incident on the axis of the tube T, in cross section, and they are used to detect longitudinal imperfections (eg PI l, Figure 3B).
  • the angle of incidence in the cross section is preferably chosen to generate in the tube only transverse or shear ultrasonic waves, taking into account the characteristics of the water / metal interface of the tube (in principle water / steel).
  • Two PU and P 12 sensors are generally provided, with opposing incidences relative to the axis of the tube (FIG. 2).
  • the machine also comprises sensors such as P21 and P22, the ultrasonic beam, which is also focused in general, extends in the vicinity of a plane passing through the axis of the tube, but incidentally by relative to the plane perpendicular to the axis of the tube T (see sensor P21, Figure 3C).
  • the angle of incidence relative to the plane perpendicular to the axis of the tube is preferably chosen to generate in the tube only ultrasonic waves transverse or shear, taking into account the characteristics of the water interface
  • sensors are used to detect transverse imperfections, and two P21 and P22 sensors are generally provided with opposing incidences relative to the plane perpendicular to the axis of the tube (FIG.
  • the control of imperfections is usually done by focusing the beam.
  • the focal point is measured in relation to the "jump", which corresponds to the first ultrasound back in the thickness of the tube.
  • the sensor of FIG. 3A is focused at half-leap, while the sensors of FIGS. 3B and 3C are focused at three quarters of a jump.
  • the control of external imperfections is generally leap, and that of internal imperfections half-jump.
  • Ta is noted the presence time required for the probe to receive correctly the return of the ultrasound beam, representative of a possible imperfection. This time Ta depends on the sum of the two following times:
  • the propagation time of transverse ultrasonic waves, as required inside the tube to do the nondestructive control itself This time depends mainly on a choice of the desired number of reflections of the transverse waves inside the wall of the tube.
  • the feelers are rotated about the axis of the tube, by means not shown, at a speed T of the order of several thousand revolutions per minute (6000 rpm for example).
  • T the speed of the order of several thousand revolutions per minute (6000 rpm for example).
  • the rotational speed of the tube is order of a few tens to a few thousand revolutions per minute.
  • each set sensor - transmission medium (water) - tube For a cell, one must also consider the beam opening Od ultrasonic probes in detection.
  • An opening can be defined with two components (Figure 1), one OdI in the cross section of the tube, the other Od2 in the plane passing through the axis of the tube and the probe.
  • the setting of the installation (according to the rotation speed, the running speed, the dimensions OdI and Od2 and the number of feelers) must guarantee a scanning by the ultrasonic beams of all the surfaces and the volume of the tube to control. It should be noted that certain standards or specifications or specifications of customers impose a recovery of swept areas.
  • the analysis time Ta is therefore defined by a compromise between: the frequency (or frequency) of recurrence Fr,
  • the rotational speed ⁇ taking into account the opening in OdI detection of ultrasonic probes (in other words, taking into account the rotation of the sensors, the component OdI of the beam opening must allow a time of presence of the imperfection in front of the sensors which is at least equal to Ta), - along the tube, the speed of travel v thereof, taking into account the opening in detection Od2 of a probe to ultrasound, and the number of NFi probes dedicated to the same function Fi (which therefore constitute a group of probes), on the periphery of the tube (in other words, given the advance of the tube, the component Od2 of the opening of beam must allow a time of presence of the imperfection in front of the sensor (or the group of sensors) which is at least equal to Ta).
  • the machine typically comprises in all two sensors such as PI l, Pl 2 for the control of imperfections of LD type, and possibly ID, two sensors such as P21, P22 for the control of imperfections of CD type, to which is added in principle a sensor such as Pl, for the measurement of the thickness of the product and the control of imperfections of type MD.
  • sensors such as PI l, Pl 2 for the control of imperfections of LD type, and possibly ID
  • P21, P22 for the control of imperfections of CD type
  • Pl for the measurement of the thickness of the product and the control of imperfections of type MD.
  • Each sensor can actually be a group of sensors working together, as we will see.
  • the machine has, in an integrated manner or apart, an excitation and detection electronics associated with each of the sensors. It comprises (FIG. 4) a transmitter 70 of pulses, for example at 250 Volts for the excitation of the probe PO mounted on the water box 100. As part of the non-destructive control system, the ultrasonic probe PO, here transmitter / receiver, receives echoes consecutive to this excitation.
  • the lines 700 and 710 respectively transmit the excitation pulse and the signal across the probe to an amplifier 73.
  • the output of the amplifier 73 is used for visualization for the operator and / or the control of a sorting machine, able to discard (downstream) the non-compliant tubes.
  • the display is for example performed by an oscilloscope 750, which receives as a signal the output of the amplifier 73, and as a time base 752 a signal of a synchronization stage 753 from the transmitter 70.
  • a threshold stage 754 avoids the blindness of the oscilloscope at the time of the emission pulse.
  • a signal processing stage 760 This processing generally includes rectification, smoothing and filtering. It is followed by a detection stage or selector 762, capable of isolating the significant echoes, in a known manner. In detection of imperfection, it is the presence of an echo, with its amplitude or its duration (thus its energy), which are significant, in certain time slots, essentially the half-leap and the leap. For the detection in thickness, it is verified that the equivalent-distance of the time difference between the respective bottom echoes corresponds to the desired thickness of the tube. The anomalies detected according to these criteria can be used to emit an alarm at 764, and / or to drive a sorting automat 766 that evacuates the non-compliant tubes, marking them according to the anomaly (s) detected.
  • the cell further comprises, on a mechanical support 80, the water box 100, which houses a sensor assembly PO, with a connection 701, which connects lines 700 and 710 of FIG. 4.
  • the water box 100 which houses a sensor assembly PO, with a connection 701, which connects lines 700 and 710 of FIG. 4.
  • three bearings 81 to 83 are provided to center the tube T.
  • the PO sensor assembly comprises sensors that rotate at a few thousand revolutions / minute around the tube. It is also possible to use a plurality of sensors distributed in a ring around the tube.
  • the ring comprises for example 6 sectors of 128 ultrasonic sensors, distributed around the periphery.
  • the sensor sectors are alternately slightly offset in the direction of the axis of the tube. This allows overlapping between two consecutive sensor sectors longitudinally, and also reduces interference problems.
  • the interference occurs when a given sensor receives echoes due to a shot made on another sensor.
  • a bench (not shown) for guiding the tube upstream and downstream of the non-destructive control station, to properly position the tube which scrolls continuously, with respect to ultrasonic sensors.
  • Non-destructive testing should be done on the entire periphery of the tube. But it is also essential that this control follows the linear velocity v of the tube at the output of manufacture. It therefore comes to a compromise between the linear velocity v of the tube, the frequency (or frequency) of recurrence Fr, the analysis time Ta, the working opening Od of the ultrasonic probe in detection, and the rotational speed ⁇ , the number of sensors providing the same function and the speed of propagation of the ultrasonic waves.
  • any manufacturing change involves a new adjustment of the ultrasonic angles of attack of each sensor on the periphery of the tube. This delicate operation, performed manually, usually takes about half an hour, during which time the production of tubes is stopped. These are the conditions under which the ultrasonic non-destructive testing of tubes, or other profiled and / or thin-walled products at the time of manufacture is being carried out.
  • scan means a sequence of relative tube / sensor positions
  • - “increment” means the scanning step (inversely proportional to the frequency of recurrence or frequency of ultrasound shots)
  • - “Ascan” designates the graph of the voltage measured at the terminals of an ultrasonic sensor, with the abscissa flight and on the ordinate a representation of the electric voltage, also called ultrasonic amplitude
  • Bscan denotes an image relating to a given value of V increment, with, on the abscissa, the scan corresponding to the ultrasonic firing, in ordinate the flight time, and at each point the ultrasonic amplitude converted into a grayscale, - "Echodynamics” means a graph with the indication of ultrasonic fire on the abscissa and the maximum amplitude recorded in an Ascan temporal selector for the corresponding shot,
  • Cscan designates an image with the abscissa and the ordinate the equivalent position in a plane space of the firing point of the ultrasonic wave and representative, converted into a gray gradient, the maximum ultrasonic amplitude for this shot in the selector considered time of the Ascan ("amplitude of the image").
  • amplitude of the image In the case of a tube, a point of the abscissa of the Cscan corresponds to a position along the length of the tube and a point of the ordinate corresponds to a position on the circumference of the tube.
  • a point of the abscissa of the Cscan corresponds to a position on the length of the flat product and a point of the ordinate corresponds to a position on the width of the flat product.
  • Figure 6 is a schematic longitudinal sectional view of a system formed of a sensor, its water column and the tube, and with illustration of different ultrasonic paths forming echoes. It allows to understand the complexity of these journeys, and the difficulty of the analysis.
  • FIG. 6A is a schematic amplitude / time diagram of the ultrasonic signal at a sensor operating at oblique incidence. From the moment of excitement of the sensor, we find a water-tube interface echo at the instant Tinterf (which can also be noted TphiExterO). Are then marked (vertical dotted line) instant Tphilnter where the ultrasonic beam reaches the inner skin of the tube, where it is reflected and refracted, and the instant TphiExterl where the ultrasound beam reaches the outer skin of the tube . Because of the oblique incidence, there is no significant reflected echo that returns to the Tphilnter sensor in the absence of imperfection at this location.
  • Tinterf which can also be noted TphiExterO
  • Figure 6B is a schematic amplitude / time diagram of ultrasonic signals at a sensor operating at normal incidence.
  • the general timeline of the signals is the same as for Figure 6A (to a factor, related to incidence).
  • non-destructive testing systems used in tube production work by making the K ratio between:
  • This "standard reference dt-standard” is generally defined on a standard tube provided with an artificial defect (for example a U-shaped or V-notch) of selected dimensional characteristics, for example in accordance with a non-destructive testing standard, and / or the specifications of a customer.
  • the Claimant has therefore endeavored to improve the situation.
  • Figure 8 shows a device similar to that of Figure 4, but modified for the implementation of the invention.
  • the output of the amplifier 73 is applied to a stage 761, which digitizes the amplitude of the signal from the amplifier 73, and works on this digitized signal. This treatment will be described hereinafter with reference to FIG. 1 1. It is then possible to keep stages 764 and 766 functionally similar to those of FIG. 8.
  • the raw signal of the sensor, such as visible on the oscilloscope 750 is called A-Scan by those skilled in the art. It includes echoes according to the diagram defined in Figure 6.
  • a sensor Px which may be of one of the above-mentioned types P1, P1, P12, P21 and P22, is considered.
  • this sensor Px comprises in fact n elementary sensors Px-I, ..., Px-i, ..., Px-n, which are aligned along the longitudinal axis of the tube, and which make subject to ultrasonic firing at the same time.
  • what is between the elementary sensors and the output images 769A and 769B can be considered as a converter.
  • the Ascan signal of the first Px-I elementary sensor is applied to an amplifier 73-1, followed by two parallel channels: that of the selector 761-1A, followed by the line digitizer 765-IA, and that of the selector 761-IB, followed by 765-IB Line Digitizer.
  • the operator enters in the selector 761-1A the information T_1A corresponding to an indication of position and temporal width, which indicates to him, according to the known geometry of the tube , the moments when it will find an "internal skin echo", relative to the interior of the tube for example the first echo Intl of Figure 6.
  • Figure 6A shows more clearly the corresponding time window "Int", around Tphilnter .
  • the operator enters in the selector 761-IB the information T 1 B corresponding to an indication of position and temporal width, which designates him, as a function of the known geometry of the tube, the moments when it will find an "external skin echo", relative to the outside of the tube, for example the first echo Extl of Figure 6.
  • Figure 6 A shows more clearly the time window "Ext Corresponding, around TphiExter.
  • each time selector 761 works by time windows taking into account the instant of emission of the ultrasound, and predeterminable time intervals where echoes concerning this selector can be expected.
  • the illustration of FIGS. 6 shows how one can define the time intervals of interest, taking into account the angle of attack of the ultrasonic beam on the tube, as well as the diameter (internal or external) and the tube thickness.
  • a given time interval corresponds to a given echo at a given point of the tube, for a given relative position between the tube and the sensor.
  • the shooting times are synchronized to the relative rotation tube / sensors, so that an elementary sensor always works on the same longitudinal generator of the tube.
  • the output of its selector therefore provides a spaced sequence of analog signal samples, each of which corresponds to the amplitude of an expected echo on a wall of the tube.
  • These Px-I sensor samples are scanned at 765.
  • the synchronism with the transmission can be provided by a link (not shown) with the transmitter 70, or with its trigger, the synchronization circuit 753, or its time base 752 (FIG. 8).
  • the display 750 can be maintained, if desired.
  • the system can operate on a tube rotating at a substantially constant speed. In this case, the angular velocity and the advance of the tube can be measured using a precise angular encoder, for example the RS0550168 model provided by the Hengstler company, and a laser velocimeter, for example the LSV model. 065 provided by your company Polytec.
  • the tube may also not rotate while the sensor system is rotating.
  • the laser velocimeter is sufficient to measure the advance of the tube, while the speed of rotation of the sensors is known by means of an angular encoder.
  • the set of sensors Px-I to Px-n provides a line of an image, which corresponds to a cross section of the tube.
  • a given elementary sensor provides a line that corresponds to a generatrix of the tube.
  • Scanners 765-IA, 765-2A, ..., 765-iA, ..., 765-nA make it possible to fill an "internal" image 769A, relative to the inner skin of the tube.
  • the 765-IB, 765-2B, ..., 765-iB, ..., 765-nB digitizers make it possible to fill an "external" image 769B, relative to the outer skin of the tube (at the output, mixed lines are used to clarify the scheme).
  • the image stored in 769A or 769B which is a Cscan as defined above, is valid for the sensor or group of Px sensors considered. Each point of this image corresponds, transposed in shades of gray, to a value taken from the amplitude of the echo due to the reflection of the ultrasonic signal on a possible imperfection of the zone of the tube considered.
  • This value (noted K below) may represent the ratio between the maximum amplitude of the ultrasonic signal picked up on the test test tube and the maximum amplitude of the ultrasonic signal obtained with an artificial "reference standard defect", as defined. upper.
  • This image now corresponds to a zone of the tube, obtained by the meeting of the substantially annular zones of the tube which correspond to each of the digitized lines.
  • these are annular areas if the ultrasound beam is applied substantially perpendicular to the axis of the tube.
  • the areas are then rather elliptical and, in fact, left or "twisted” in space.
  • the expression “annular zones” covers these different possibilities.
  • the additional information of positioning of the tube with respect to the sensor is necessary. It is available as a separate input 740. This information comes from an XYZ encoder or an XYZ laser. As the tube can be likened to a cylinder without thickness, the position information can be reduced to two dimensions.
  • UT bench ultrasound bench
  • UT bench - Accessibility to raw UT Raw Data, for example using an acquisition card, such as the NI 6024 E-Series or the NI 6251 M-Series. National Instrument company,
  • FIG. 8A can also be applied to a P1 sensor, in which case three parallel channels are provided behind each amplifier (at least virtually). One of the channels operates on a repetitive time slot positioned as shown in "Volum. In Figure 6B. This way allows control of imperfections in volume, that is to say in the thickness of the tube.
  • the other two channels can respectively operate on the repetitive time slots positioned as indicated in "WphiExterO” and “Wphilnterl” in Figure 6B. These two other ways allow a measurement of the thickness of the tube.
  • a second sensor or sensor group Pl 2 provides an ultrasonic image of the same tube in another direction of work ("counter clock wise").
  • the longitudinal imperfections are advantageously detected with two sensors or groups of sensors whose beam axes are inclined symmetrically with respect to a plane perpendicular to the axis of the tube.
  • the inclination is for example about +/- 17 °.
  • FIG. 9 shows an example of two C-Scan images 901 and 902, one above the other, with the same time reference. These two images come respectively from the information of two groups of sensors in opposite situations, here the groups of PI type sensors P1 and P12 (alternatively the P21 and P22 type sensor groups), and this for one of the two cases " Internal external ".
  • the images of blocks 901 and 902 represent the gray level signal (in fact, in color palette). Additional indications are displayed at will, including complementary images: 921, which is a view of the amplitude of the signal along a vertical line 91 1 chosen in the image 901,
  • the image blocks 901 and 902 represent the images stored for the sensor groups P11 and P12, for example as visible in FIG. 9.
  • the image 901 has been prepared as illustrated in Figure 8A.
  • the converter block 891 of FIG. 11 corresponds to the assembly of FIG. 8A. applied to the PI sensor l.
  • the converter block 892 also corresponds to the assembly of FIG. 8A, but applied to the sensor Pl 2.
  • the converter blocks 891 and 892 use the tube / sensor context data of the block 740. These data relate to the characteristics of the tube. under review and sensors in use. They are also transmitted to the converter blocks 891 and 892, to the image blocks 901 and 902, as well as to the combiner block 960.
  • the filters 921 and 922 which make it possible, in particular, to extract the images, and their preparation data, as input data gathered by the combiner block 960 for the neuronal processing 970, As will be seen.
  • the filter 921 has: a signal output Zcur designating a working area in the image. This output is used by an extraction function 951 which consequently realizes an extract of the image (Cscan) for the zone Zcur, and an access to the image preparation 891 to obtain therein stored information (called Ascan) to the same area Zcur. All of these data are transmitted by the extraction function 951 to the combiner 960, as inputs of the neural processing 970, an output providing information obtained by filtering, some at least realizable to the zone Zcur, which it transmits as neural processing input
  • the neuronal processing 970 feeds a decision and alarm logic 992, which controls a sorting and marking automation 994. It can be provided an interpretation interface by an operator 996, which can present all or part of the data contained in the memory 990, in relation to the portion of tube under examination.
  • FIG. 1 1 deals with information coming from at least two groups of sensors performing the same function or intended for the same type of control (the 2 groups PI l and P 12 or both groups P21 and P22).
  • the same scheme can be used to process information from a larger number of sensor groups for different types of controls. The number of images processed at the same time is increased accordingly.
  • the primary function of the filters 921 and 922 is to determine areas of imperfections in the Cscan images 901 and 902.
  • the filtering is arranged to identify the areas to be analyzed, and distinguish the imperfections of the other indications.
  • the filtering works on two homologous portions of the two images of Figure 9. In fact, the two filters work together, as reflected by the bidirectional link that joins them in Figure 11.
  • the Applicant currently prefers to use a threshold that adapts to the current noise level in the image.
  • the method is based on the theory of the detection of a signal in a white noise, which can be based on two assumptions:
  • Statistical tests are used to determine whether one is in the setting of the HO hypothesis or the Hl hypothesis. These statistical calculations are performed in real time on n sliding points of the image corresponding to consecutive shots, the number n can be determined by learning.
  • the parasites are manifested by very brief peaks in the ultrasound signal. These parasites can be discarded by simple algorithms that we can call cumulative counting algorithms or integrators (example: "n strokes before alarm” or "double threshold”).
  • the Applicant has again considered the "turn", which is the path followed by the sensor along the cylindrical surface to which the tube is assimilated. Filtering can be done along each turn to further reduce the false alarm rate. For this purpose, for example, a Butterworth filter and / or a discrete Fourier transform, such as a fast Fourier transform, are used. This technique is applied to each digital line.
  • the algorithm is organized around different stages: - contour detection (Roberts gradient for example),
  • Figure 12 illustrates this image area processing in the form of a flow diagram.
  • the operation 803 assumes that there is at least one first zone, which serves as the current zone Zcur 805.
  • the operation 807 selectively extracts the data of the images 901 and 902 which correspond to this zone (defined by its coordinates in the image).
  • operation 809 selectively extracts data which has been involved in the preparation of images 901 and 902, and which correspond to zone Zcur. Examples of these data will be given below.
  • Operation 81 1 performs the actual neuronal processing, to which we will return.
  • zone Zcur The results obtained for zone Zcur are memorized selectively at 813, in correspondence of a designation of zone Zcur. -
  • the test 820 search if there is another area to be treated in the image, in which case it starts again in 805 with this other area as indicated in 821; otherwise the processing of the current image (s) is completed (822).
  • the filtering may comprise other functions.
  • FIG. 13 schematically illustrates the interaction between the filtering and the sequence of operations illustrated in FIG. 11.
  • FIG. 13 is similar to FIG. 11, but only for image 901. It shows: the tube-sensor context elements of block 740,
  • an internal / external block 7410 indicating whether the imperfection in the zone Zcur considered is located in internal skin or in external skin.
  • the data such as 935 and 936 go to the memory 990.
  • the rest goes to the neural networks 970.
  • Neural circuits An imperfection in a lube can be defined by its position, its type, and its gravity often assimilated to its depth.
  • the type and degree of depth of a tube imperfection are determined separately using two neural processes of the same general structure, which will now be detailed on an example.
  • FIGS. 10A to 10D The types can be defined for example as illustrated in FIGS. 10A to 10D. These figures illustrate four types, constituting a simplifying choice with respect to the list of imperfections provided by the API and that can be produced by the tube making processes.
  • the titles in French and English are those used by those skilled in the art to describe the nature of the imperfections. It is observed that the imperfections of types 1 and 3 are straight, those of FIGS. 2 and 4 arcuate (at "chord").
  • FIGS. 14 and 15 both use neuronal circuits with three intermediate neurons (or “hidden neurons"), denoted NCl 21 to NC 123 for FIG. 14, and NC 141 to NC 143 for FIG. Figures 14 and 15 have a number of inputs in common.
  • the entries are illustrated by different types of traits. The double lines indicate that the entries are multiple, that is, repeated for each point of the zone Zcur.
  • the second category of common input quantities includes context magnitudes, which come from block 740 (Figure 13):
  • WT / OD which is the ratio of the wall thickness to the diameter of the tube
  • Freq which is the working frequency of ultrasonic probes
  • ProbDiam which is the useful diameter of ultrasonic probes.
  • the third category of common quantities includes quantities from the filtering which can be considered as common to the two sensors 921 and 922 (or more). For example, we make the average of the results on the two sensors, or we take the most representative result (maximum / minimum, as the case may be). These quantities are the quantities in 9201, the obliquity of the defect, and in 9202 its length. . These two quantities are easily identifiable in the two images of FIG. 9, which have a mirror symmetry.
  • the next category of quantities includes separate measurement quantities for each of the two sensors (or group of sensors), and for each of the zones Zcur, which is reflected in the drawing by the use of a double line.
  • K1 which is the ratio between the maximum amplitude of the ultrasonic signal encountered in zone Zcur and in image 901, with respect to the maximum amplitude of the "standard defect" reference ".
  • the amplitude at each pixel of the image 901 is defined by this ratio; Kl is then simply the maximum amplitude encountered in the zone Zcur of the image 901; we note Pmaxl the point of the zone Zcur where this maximum is met.
  • QBE1 which is a quantity of the C-Scan called QuantBumpsEchodyn, representing the number of local maxima encountered in the zone Zcur of the image 901 near the point Pmax1 of maximum amplitude.
  • This number QBE1 is limited to the local maxima encountered in the vicinity of Pmaxl, on both sides, but without the amplitude of the signal having fallen back below a level corresponding to the background noise.
  • QBEl will usually take either the value 1 or the value 2.
  • RTl is a quantity representing the rise time of the echo in the native ultrasonic signal called A-Scan, (it is the difference between the moment when the signal is maximum and the last previous moment when the signal is at the level of the background noise, commonly expressed in microseconds).
  • This quantity RT1 was previously measured at the output of the amplifier 73 concerned (FIG. 8A); it has been stored, for example in 891, in correspondence of the point of the tube which it concerns. Thus it can be recovered selectively by the extractor 951.
  • K2 which is defined as K1, but for the image 902 instead of the image 901.
  • K2 is simply the maximum amplitude encountered in the zone
  • QBE2 is defined as QBE1, but in the image 902 instead of the image 901, and in the vicinity of Pmax2. Again, QB E2 will generally take either the value 1 or the value 2.
  • RT2 which is a quantity representing the rise time of the echo in the native signal called A-Scan.
  • this quantity RT2 was previously measured at the output of the amplifier 73 concerned (FIG. 8A); it has been stored, for example in 892, in correspondence of the point of the tube which it concerns. Thus it can be recovered selectively by the extractor 952.
  • the last input 958 of the neural network is a constant value, noted ConstantA, which represents a constant determined during the calibration of the model and resulting from the learning.
  • the output 998 of FIG. 14 is a magnitude indicative of the type of imperfection and its average inclination (defined according to the type).
  • the inputs are the same as in Figure 14 except: - for the first sensor, the block 9512 is replaced by a block 9513, which processes a quantity EW l, or EchodynWidth, which is the width at half height (50% ) of the echodynamic waveform, for this first sensor.
  • This quantity EW l is taken from the Cscan.
  • the block 9522 is replaced by a block 9523, which processes the quantity EW 2, or EchodynWidth, which is the width at half height (50%) of the echodynamic waveform, for this second sensor.
  • output 999 is an indication of severity of imperfection, denoted DD.
  • a given neural circuit 970 processes an image extract 951 for one of the groups of ultrasonic sensors, as well as an image extract 952 corresponding to the same zone, but from another group of sensors.
  • the Applicant has observed that it was possible to obtain very satisfactory results, subject to a suitable adjustment of the parameters of the neural circuits, and possibly their number, to optimize the prediction.
  • the input parameters of the neural network are then characteristics of the two images (ratio of the amplitude max to the amplitude of the standard, echo width, echo orientation representative of the obliquity of imperfection ...) and control (sensor, tube dimensions ).
  • the output parameters are the characteristics of the imperfection (depth, inclination / type).
  • the decision and / or alarm (992) can be taken automatically using selected decision criteria, based on thresholds, with a safety margin as needed. To define these thresholds, one can use the results of the learning.
  • Figure 16 is a model of the elementary neural circuit of Figures 14 or 15, for two sensors.
  • This template includes an Input Layer (IL) level or layer, which groups all input parameters (often called “input neurons”). To avoid overloading the figure, only three neurons El to E3 are represented, plus a constant, which can also be considered as an EO neuron. This constant is most often called “bias”. In practice, the input neurons are more numerous, according to FIG. 14 or FIG. 15, as the case may be.
  • IL Input Layer
  • At least one level or layer HL (“Hidden Layer” or “hidden layer”), which includes k neurons (of which only 2 are represented to avoid overloading the drawing).
  • neuron - constant EO intervenes to weight not only the HL hidden layer (s), but also the output neuron (OL layer or "Output Layer”).
  • an elementary neuron behaves according to the formula [12], as shown schematically in FIG. 17.
  • the output S 1 of FIG. 16 provides an estimated value which corresponds to the formula [13] of Appendix 1.
  • the Applicant has adjusted the hidden neurons and their weights so that the function f is a non-linear, continuous, differentiable and bounded function.
  • the currently preferred example is the arc-tangent function.
  • a neural network determines its coefficients w y commonly called synapses by learning. This learning should typically involve 3 to 10 times more examples than there is weight to calculate, while properly covering the range of desired working conditions.
  • the quality of operation of the neural circuit is defined by a global magnitude of difference Cg, called "cost”. It can be expressed for example according to the formula [15], as an overall quantity of weighted quadratic difference.
  • the Applicant first conducted a first simulation learning.
  • the CIVA software developed and marketed by the French Atomic Energy Commission can be used for this purpose.
  • This first learning made it possible to locate the influential parameters, and to build a first version of the neural network on the basis of virtual imperfections.
  • the cost function has been optimized.
  • the Applicant then conducted a second learning combining the results obtained on simulation and artificial imperfections, that is to say intentionally created on real tubes.
  • This second learning makes it possible to build a second version of the neural network, whose cost function has also been optimized.
  • the Applicant then combined the results obtained on artificial imperfections, and on a set of imperfections present on real tubes, these imperfections being accurately known by measurements made a posteriori off the production line.
  • This third phase validated the latest version of the neural network.
  • This version proved to be operational for manufacturing monitoring. However, when it is installed on a new or modified installation, it is currently advisable to make it undergo a "calibration", using a dozen artificial samples covering the whole range of imperfections to be treated. It naturally follows an optimization.
  • the same principle can be applied to the sensor group Pl. In this case, there will be no picture 2, and the constructed network has fewer input parameters, as already indicated.
  • the circuits described for two sensors can be used for one, but without input parameters for the "Image 2" part.
  • the same principle can also be applied to two groups of sensors P21 and P22, responsible for detecting transverse imperfections, taking into account that the sensors are inclined for this detection (for example +/- 17 °) in a plane. passing through the axis of the tube.
  • FIG. 18 An assembly as shown in FIG. 18 is thus obtained, with: for the sensor P1, a treatment 761-1, followed by a decision and alarm phase 764-1; for the sensors P1 and P12, a treatment 761-10, followed by a decision and alarm phase 764-10;
  • FIG. 18 A variant of FIG. 18, not shown, consists in providing only one "Decision &Alarm" phase, directly using the outputs of the three processes 761-1, 761-10 and 761-20.
  • the nondestructive test proper is done "on the fly", that is to say as the tube scrolls in the control installation.
  • the decision resulting from the processing of the information described above can also be taken either as the tube passes through the control installation (with an alarm decision and "on the fly” marking); one variant is to take this decision after the entire length of the tube has been inspected, or even later (after checking the whole of a batch of tubes for example), each tube being identified / identified (No. order, for example). In this case, it is necessary that the information obtained be recorded (stored).
  • the recordings can be the subject of a later analysis by an operator authorized to make a decision after having analyzed the results recorded and treated by the network (s) of neurons.
  • neural circuit arrangement may cover other nonlinear statistical techniques, with or without neural circuits.
  • the system proves to be able to determine in addition the limits of the weld bead, and consequently to locate any imperfections in the bead. welding, which may be to watch. For their part, imperfections located outside the limits of the weld seam, which may correspond to inclusions already present in the strip (or product) base, are to be considered differently.

Abstract

Dispositif de contrôle non destructif de tubes. Il tire des informations sur des imperfections de signaux captés par des récepteurs ultrasonores consécutivement à l'excitation sélective d'émetteurs ultrasonores selon une loi de temps choisie. Les récepteurs forment un agencement de géométrie choisie, couplé de manière ultrasonore, avec mouvement relatif de rotation/translation, avec le tube. Le dispositif comprend un convertisseur (891; 892) isolant sélectivement une représentation numérique d'échos dans des fenêtres temporelles désignées, en fonction du mouvement, et en tirant une image (901; 902) d'imperfections, un filtre (921; 922) déterminant des zones d'imperfection présumée (Zcur) et des propriétés de celles-ci, un combinateur (960) préparant des entrées numériques de travail à partir d'un extrait (951; 952) des images d'une zone d'imperfection, de propriétés de celle-ci issues du filtre, et de données de contexte (740), un circuit neuronal (970) recevant les entrées de travail, un étage numérique de décision et d'alarme (992) opérant sur la base de la sortie du circuit neuronal, et un automate de tri et de marquage (994) des tubes décidés non conformes par l'étage de décision et alarme.

Description

CONTROLE NON DESTRUCTIF DE PRODUITS SIDERURGIQUES PAR ULTRASONS
L'invention concerne le contrôle non destructif de matériaux, notamment pour des tubes en fabrication.
On connaît déjà différentes propositions, sur lesquelles on reviendra, tendant à utiliser les réseaux neuronaux dans le cadre du contrôle non destructif de matériaux. Mais cet existant n'est pas de nature à fonctionner en milieu industriel, sur des équipements déjà en service, en temps réel, et tout en permettant une classification au vol des imperfections selon leur nature, de sorte que l'on puisse remédier rapidement à un problème survenu en phase de production.
L'objet de l'invention est d'améliorer Ia situation vers un système qui puisse :
- être utilisé en milieu industriel et implanté facilement sur des équipements déjà existants dans ce milieu,
- être utilisé en temps réd, c'est-à-dire donner un diagnostic rapide (à une vitesse suffisante pour ne pas ralentir la vitesse de production globale), et - qui permette une classification des imperfections selon leur nature de manière à connaître leur gravité et à permettre la détermination de la cause technique à l'origine de l'imperfection et ainsi remédier rapidement au problème en phase de production.
Selon un premier aspect de l'invention, il est proposé un dispositif qui forme outil d'aide à l'exploitation, pour le contrôle non destructif de tubes (ou autres produits sidérurgiques) en cours et en sortie de fabrication. Un tel outil est destiné à tirer des informations sur d'éventuelles imperfections du tube. Des capteurs ultrasonores émetteurs sont excités sélectivement selon une loi de temps choisie. Des signaux de retour sont captés par des capteurs ultrasonores récepteurs formant un agencement de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide. Enfin, il y a généralement un mouvement relatif de rotation/translation entre Ie tube et l'agencement de transducteurs. L'outil d'aide à l'exploitation proposé comprend :
- un convertisseur, capable d'isoler sélectivement une représentation numérique de possibles échos dans des fenêtres temporelles désignées, en fonction du mouvement relatif de rotation/translation, et d'en tirer une image d'imperfections possibles dans le tube,
- un filtre, capable de déterminer, dans les images, des zones d'imperfection présumée, ainsi que des propriétés de chaque imperfection présumée,
- un combinateur, agencé pour préparer des entrées numériques de circuit neuronal, à partir d'un extrait des images correspondant à une zone d'imperfection présumée, de propriétés de l'imperfection présumée dans la même zone, issues du filtre, et de données de contexte,
- au moins un circuit neuronal, qui reçoit des entrées issues du combinateur,
- un étage numérique de décision et alarme, opérant sur la base de la sortie du circuit neuronal, et
- un automate de tri et de marquage, agencé pour écarter et marquer des tubes décidés non conformes par l'étage numérique de décision et alarme.
L'invention peut aussi se placer au niveau d'un dispositif de contrôle non destructif de tubes (ou autres produits sidérurgiques) en cours ou en sortie de fabrication, qui comprend :
- un agencement de transducteurs ultrasonores de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide, avec mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs, - des circuits pour exciter sélectivement ces éléments transducteurs selon une loi de temps choisie, et pour recueillir les signaux de retour qu'ils captent, et - un outil d'aide à l'exploitation tel que défini plus haut, et détaillé ci-après.
Un autre aspect de l'invention s'exprime sous forme de procédé de contrôle non destructif de tubes (ou autres produits sidérurgiques) en cours ou en sortie de fabrication, comprenant les étapes suivantes : a. prévoir un agencement de transducteurs ultrasonores de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide, avec mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs, b. exciter sélectivement ces éléments transducteurs selon une loi de temps choisie, c. recueillir les signaux de retour qu'ils captent, afin d'analyser sélectivement ces signaux de retour, pour en tirer des informations sur d'éventuelles imperfections du tube.
Le procédé proposé comprend en outre les étapes suivantes : d. isoler sélectivement une représentation numérique de possibles échos dans des fenêtres temporelles désignées, en fonction du mouvement relatif de rotation/translation, et en tirer une image d'imperfections possibles dans le tube, e. filtrer les images selon des critères de filtrage choisis, afin d'y déterminer des zones d'imperfection présumée, ainsi que des propriétés de chaque imperfection présumée, f. former des entrées numériques de circuit neuronal, à partir d'un extrait des images correspondant à une zone d'imperfection présumée, de propriétés de l'imperfection présumée dans la même zone, issues du filtre, et de données de contexte, g. appliquer les entrées ainsi formées à au moins un circuit neuronal, h. traiter numériquement la sortie du circuit neuronal selon des critères de décision choisis, pour en tirer une décision et/ou une alarme, et i. écarter et marquer des tubes décidés non conformes par l'étape h.
D'autres aspects de l'invention seront trouvés dans la suite de la présente demande de brevet.
D'autres caractéristiques et avantages de l'invention apparaîtront à l'examen de la description détaillée ci-après, ainsi que des dessins annexés sur lesquels :
- la figure 1 est une vue schématique en perspective d'un tube, ayant des imperfections ou défauts dits étalons;
- la figure 2 est une vue latérale schématique illustrant un exemple d'installation du type "'contrôle à tête tournante" sur un tube en sortie de fabrication ;
- les figures 3A à 3C sont des détails de différents types de mesure d'épaisseur et de contrôle d'imperfections longitudinales et transverses ;
- la figure 4 est le schéma de principe de l'électronique associée à un capteur ultrasonore en contrôle non destructif dans une installation classique ; - les figures 5A et 5B sont une vue en bout et une vue latérale d'un type particulier de cellule de contrôle non destructif, communément appelé "à tête tournante" et représenté schématiquement ;
- la figure 6 montre la complexité des trajets ultrasonores rencontrés dans un tube, sur un exemple simple ;
- les figures 6A et 6B sont des diagrammes temporels schématiques de signaux ultrasonores, pour un capteur sous incidence oblique, et pour un capteur sous incidence nomale (perpendiculaire), respectivement ;
- la figure 7 est un graphe montrant une représentation classique de la sélectivité d'une installation de contrôle ;
- la figure 8 est un schéma de principe de l'électronique associée à un capteur ultrasonore en contrôle non destructif dans un exemple d'installation susceptible de mettre en oeuvre l'invention ;
- la figure 8A est le schéma fonctionnel plus détaillé d'une partie de la figure 8; - la figure 9 est une copie d'écran schématisée illustrant deux images ultrasonores numérisées d'imperfections potentielles dans un tube ;
- les figures 10A à 10D sont des représentations schématiques de différents types d'imperfections selon la classification API (American Petroleum Institute) et qui constituent les données de sortie du réseau neuronal tendant à déterminer le type de l'imperfection ;
- la figure 11 est le schéma fonctionnel plus détaillé d'une autre partie de la figure 8;
- la figure 12 est un diagramme séquentiel illustrant le traitement d'imperfections potentielles successives dans une image ;
- la figure 13 est le schéma fonctionnel d'un système de filtres utilisables selon l'invention ;
- la figure 14 est le schéma fonctionnel d'un montage à réseau neuronal tendant à déterminer le type d'une imperfection dans un tube ;
- la figure 15 est le schéma fonctionnel d'un montage à réseau neuronal tendant à déterminer le degré de profondeur d'une imperfection dans un tube ; - la figure 16 est le schéma fonctionnel du modèle de neurone ;
- la figure 17 est un exemple de fonction de transfert d'un neurone élémentaire ; et
- la figure 18 est le schéma général d'une installation utilisant l'invention pour la détection des défauts sur différents types de capteurs. Les dessins contiennent des éléments de caractère certain. Ils pourront donc non seulement servir à mieux faire comprendre Ia présente invention, mais aussi contribuer à sa définition, le cas échéant.
Dans la suite du présent texte, un capteur ultrasonore pourra être désigné indifféremment par les termes capteur, ou palpeur ou transducteur, bien connus de l'homme du métier.
Usages connus des réseaux neuronaux
L'utilisation de réseaux neuronaux dans le cadre du contrôle non destructif de matériaux a fait l'objet de nombreuses publications, la plupart du temps assez théoriques, que l'on considérera maintenant.
L'article "Localization and Shape Classification of Defects using the Finite Elément Method and the Neural Networks" de ZAOUI, MARCHAND et RAZEK (NDT.NET- AOUT 1999, vol. IV n° abrégé 8) formule des propositions dans ce domaine. Cependant, ces propositions sont faites dans le cadre de manipulations en laboratoire, et l'application décrite ne permet pas une mise en oeuvre en ligne, en milieu industriel. En outre, seule la détection par courants de Foucault est traitée, ce qui est souvent insuffisant.
L'article "Automatic Détection of Defect in Industrial ultrasound images using a neural Network" de Lawson et Parker (Proc. of Int. Symposium on Lasers, Optics, and Vision for Productivity in Manufacturing I (Vision Systems: Applications), June 1996, Proc. of SPIE vol. 2786, pp. 37-47, 1996), décrit l'application du traitement d'images et des réseaux neuronaux à l'interprétation de ce que l'on appelle "scan TOFD". La méthode dite TOFD (Time of Flight Diffraction) consiste à repérer les positions du capteur ultrasonore où l'on peut observer une diffraction du faisceau sur les bords de l'imperfection, ce qui permet par la suite de dimensionner l'imperfection. Cette méthode est difficilement adaptable aux équipements de contrôle non destructif déjà existants, en particulier en milieu industriel.
L'article "Shape Classification of Flaw Indications in 3-Dimensional ultrasonic Images" de Dunlop et McNab (IEE Proceedings - Science, Measurement and Technology — JuIy
1995 ~ Volume 142, Issue 4, p. 307-312) concerne le diagnostic en termes de corrosion de pipeline. Le système permet un contrôle non destructif en profondeur et permet une étude dans les trois dimensions et en temps réel. Cependant, le système est très lent. Cela rend son utilisation en milieu industriel relativement difficile.
L'article "Application of neuro-fuzzy techniques in oil pipelines ultrasonic nondestructive testing" de Ravanbod (NDT&E International 38 (2005) p 643-653) suggère que les algorithmes de détection de l'imperfection peuvent être améliorés par l'utilisation d'éléments de logique floue, mêlés au réseau de neurones. Cependant, les techniques étudiées concernent là aussi l'inspection d'imperfections de pipeline et un diagnostic sur des imperfections de corrosion.
DE 42 01 502 C2 décrit une méthode pour créer un signal destiné à un réseau de neurones, mais n'apporte que peu ou pas d'enseignements sur l'interprétation des résultats, en termes de diagnostic. En outre, une nouvelle fois, seule la détection par courants de Foucault est traitée.
La publication de brevet japonais 11-002626 concerne la détection d'imperfections longitudinales uniquement, et seulement par courants de Foucault.
La publication de brevet No. 08-110323 se contente d'une étude en fréquence des signaux obtenus par ultrasons.
La publication de brevet No. 2003-279550 décrit un programme pour faire la différence entre une zone qualifiée de saine et une zone mauvaise d'un produit en utilisant un réseau de neurones. Ce programme ne va pas plus loin, et ne permet pas la classification ni Ia localisation d'imperfections. En conséquence, l'application de ce programme peut fréquemment conduire au rejet de pièces qui seraient pourtant considérées comme bonnes si les résultats étaient interprétés par un opérateur humain.
Contrôle non destructif de tubes - Etat de la technique
La description détaillée ci-après est donnée essentiellement dans le cadre du contrôle non destructif de tubes en sortie de fabrication, à titre non limitatif.
Comme indiqué sur la figure 1, les imperfections dans un tube T peuvent être distinguées d'après leur position. Ainsi, les imperfections de surface, interne ou externe, comprennent les imperfections longitudinales LD, et les imperfections circonférentielles (ou transverses ou travers ou transversales) CD et les imperfections obliques ou inclinées ID ; par différents agencements de capteurs, on cherche à les détecter dès qu'elles s'étendent sur une longueur et une profondeur définies selon les normes ou les spécifications ou cahiers de charges des clients (à titre d'exemple une valeur de longueur d'imperfection citée dans les normes est de 1/2 pouce, soit 12,7 mm environ avec une profondeur d'environ 5 % de l'épaisseur du produit contrôlé). On s'intéresse aussi aux imperfections « dans la paroi », c'est-à-dire dans la masse MD (non visibles sur la figure 1), qui correspondent souvent à des inclusions ou des dédoublures, que l'on cherche à détecter en même temps que l'on fait une mesure d'épaisseur. Les faisceaux ultrasonores sont représentés divergents sur la figure 1 pour faire comprendre la détection d'imperfections. En pratique, ils seront plutôt convergents, comme on le verra.
De manière classique, en contrôle non destructif par ultrasons, on utilise l'un des trois types d'installations suivants : les installations dites "à tête tournante", les installations dites "à tube tournant", et les installations à capteur encerclant multi-éléments, toutes bien connues de l'homme du métier. Dans le cas d'utilisation de capteurs opérant en balayage électronique, la rotation relative tube/capteurs est virtuelle. Telle qu'utilisée ici, l'expression "mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs" couvre le cas où la rotation relative est virtuelle.
Sur la figure 2, la machine de contrôle non destructif à tête tournante comprend un dispositif à ultrasons proprement dit, monté sur une enceinte à eau ou "boîte à eau" 100, que traverse le tube T à la vitesse v = 0,5 mètre par seconde, par exemple. Les capteurs ou palpeurs à ultrasons émettent des ondes longitudinales dans l'eau. Un capteur donné travaille par exemple à 1 ou quelques MHz. Il est excité répétitivement par impulsions, de forme d'onde choisie, à une cadence (ou fréquence) de récurrence Fr qui est de l'ordre de quelques kHz ou dizaines de kHz, par exemple de 10 kHz.
Par ailleurs, un transducteur à ultrasons possède :
- un rayonnement de champ proche, pratiquement parallèle, dans une zone dite de Fresnel, siège de nombreuses interférences, dont la longueur dans l'axe du faisceau est
N = 0,25 D2 / λ où D est le diamètre de la pastille active du transducteur, et λ sa longueur d'onde de travail, et - un rayonnement de champ lointain, dans une zone dite de Fraunhofer, selon un faisceau divergent d'angle 2 α, avec sin α = 1,22 λ / D
Les figures 3A, 3B, 3C représentent des capteurs rendus convergents au moyen d'une lentille (à ultrasons) concave, tels qu'ils sont couramment utilisés dans les applications aux tubes. On utilise de préférence la zone de Fraunhofer, moins perturbée.
Ainsi, pour des capteurs tels que PI l et Pl 2, le faisceau d'ultrasons, qui est en général focalisé, s'étend au voisinage d'un plan perpendiculaire à l'axe du tube T. La détection se fait donc sensiblement en section droite. Leurs rôles sont les suivants:
- ou bien leur faisceau est également perpendiculaire à l'axe du tube T dans la section droite, et ils servent à la mesure d'épaisseur (par exemple Pl, figure 3A); on parle alors de "palpage droit"; - ou bien leur faisceau est incident sur l'axe du tube T, en section droite, et ils servent à détecter les imperfections longitudinales (par exemple PI l, figure 3B). Dans ce cas, l'angle d'incidence dans la section droite est de préférence choisi pour n'engendrer dans le tube que des ondes ultrasonores transversales ou de cisaillement, compte tenu des caractéristiques de l'interface eau/métal du tube (en principe eau/acier). On prévoit généralement deux capteurs PU et P 12, d'incidences opposées par rapport à l'axe du tube (figure 2).
La machine comprend aussi des capteurs tels que P21 et P22 dont, par contre, le faisceau d'ultrasons, qui est également focalisé en règle générale, s'étend au voisinage d'un plan passant par l'axe du tube, mais incident par rapport au plan perpendiculaire à l'axe du tube T (voir capteur P21, Figure 3C). Dans ce cas, l'angle d'incidence par rapport au plan perpendiculaire à l'axe du tube est de préférence choisi pour n'engendrer dans le tube que des ondes ultrasonores transversales ou de cisaillement, compte tenu des caractéristiques de l'interface eau/métal du tube (en principe eau/acierj. Ces capteurs servent à détecter les imperfections transverses. On prévoit généralement deux capteurs P21 et P22, d'incidences opposées par rapport au plan perpendiculaire à l'axe du tube (figure 2).
Le contrôle des imperfections se fait généralement en focalisant le faisceau. Le point de focalisation se mesure par rapport au "bond", qui correspond au premier trajet aller- retour des ultrasons dans l'épaisseur du tube. Ainsi, le capteur de la figure 3A est focalisé au demi-bond, tandis que les capteurs des figures 3B et 3C sont focalisés à trois-quarts de bond. Par ailleurs, le contrôle des imperfections externes se fait généralement au bond, et celui des imperfections internes au demi-bond.
On note Ta le temps de présence requis pour que le palpeur puisse recevoir correctement le retour du faisceau d'ultrasons, représentatif d'une éventuelle imperfection. Ce temps Ta dépend de la somme des deux temps suivants:
- d'une part le temps de propagation aller-retour d'ondes ultrasonores longitudinales, sur la hauteur de la "colonne d'eau" présente entre le palpeur et le tube, sur le trajet des ultrasons,
- d'autre part le temps de propagation d'ondes ultrasonores transversales, tel qu'il est requis à l'intérieur du tube pour faire Ie contrôle non destructif lui-même. Ce temps dépend principalement d'un choix du nombre souhaité de réflexions des ondes transversales à l'intérieur de la paroi du tube.
Classiquement, les palpeurs sont entraînés en rotation autour de l'axe du tube, par des moyens non représentés, à une vitesse T de l'ordre de plusieurs milliers de tours par minute, (6000 rpm par exemple). Dans le cas également connu de l'homme du métier où c'est le tube qui est entraîné en rotation alors que les palpeurs ne sont pas entraînés en rotation (installation dite "à tube tournant") la vitesse de rotation du tube est de l'ordre de quelques dizaines à quelques milliers de tours par minute.
On peut appeler "cellule" chaque ensemble capteur - milieu de transmission (eau) - tube. Pour une cellule, on doit considérer en outre l'ouverture de faisceau Od des palpeurs à ultrasons en détection. Une ouverture peut être définie avec deux composantes (figure 1), l'une OdI dans la section droite du tube, l'autre Od2 dans le plan passant par l'axe du tube et le palpeur.
Le réglage de l'installation (en fonction de la vitesse de rotation, de la vitesse de défilement, des dimensions OdI et Od2 et du nombre de palpeurs) doit garantir un balayage par les faisceaux ultrasonores de l'ensemble des surfaces et du volume du tube à contrôler. II est à noter que certaines normes ou cahiers des charges ou spécifications des clients imposent un recouvrement des zones balayées.
Le temps d'analyse Ta est donc défini par un compromis entre: - la cadence (ou fréquence) de récurrence Fr,
- en section droite du tube, la vitesse de rotation ω, compte tenu de l'ouverture en détection OdI des palpeurs à ultrasons (autrement dit, compte tenu de la rotation des capteurs, Ia composante OdI de l'ouverture de faisceau doit permettre un temps de présence de l'imperfection en face des capteurs qui soit au moins égal à Ta ), - le long du tube, la vitesse de défilement v de celui-ci, compte tenu de l'ouverture en détection Od2 d'un palpeur à ultrasons, et du nombre NFi de palpeurs consacrés à la même fonction Fi (qui constituent donc un groupe de palpeurs), sur la périphérie du tube (autrement dit, compte tenu de l'avance du tube, la composante Od2 de l'ouverture de faisceau doit permettre un temps de présence de l'imperfection en face du capteur (ou du groupe de capteurs) qui soit au moins égal à Ta).
- le nombre de palpeurs dédiés au même rôle (c'est à dire à la même fonction) , et
- les temps de propagation des ondes tels définis précédemment.
Classiquement, la machine comprend typiquement en tout deux capteurs tels que PI l, Pl 2 pour le contrôle des imperfections de type LD, et éventuellement ID, deux capteurs tels que P21, P22 pour le contrôle des imperfections de type CD, auxquels s'ajoute en principe un capteur tel que Pl, pour la mesure de l'épaisseur du produit et le contrôle des imperfections de type MD. Chaque capteur peut être en fait un groupe de capteurs travaillant ensemble, comme on le verra.
La machine possède, de façon intégrée ou à part, une électronique d'excitation et de détection associée à chacun des capteurs. Elle comprend (figure 4) un émetteur 70 d'impulsions, par exemple à 250 Volts pour l'excitation du palpeur PO monté sur la boîte à eau 100. Comme partie intégrante du système de contrôle non destructif, le palpeur à ultrasons PO, ici émetteur/récepteur, reçoit les échos consécutifs à cette excitation. Les lignes 700 et 710 transmettent respectivement l'impulsion d'excitation et le signal aux bornes du palpeur à un amplificateur 73.
La sortie de l'amplificateur 73 sert à la visualisation pour l'opérateur et/ou au pilotage d'un automate de tri, capable d'écarter (en aval) les tubes non conformes. La visualisation est par exemple réalisée par un oscilloscope 750, qui reçoit comme signal la sortie de l'amplificateur 73, et comme base de temps 752 un signal d'un étage de synchronisation 753 en provenance de l'émetteur 70. Un étage de seuil 754 évite l'aveuglement de l'oscilloscope au moment de l'impulsion d'émission.
Une autre sortie de l'amplificateur 73 va vers un étage de traitement de signal 760. Ce traitement comprend généralement un redressement, un lissage et un filtrage. Il est suivi d'un étage de détection ou sélecteur 762, capable d'isoler les échos significatifs, de manière connue. En détection de l'imperfection, c'est la présence d'un écho, avec son amplitude ou sa durée (donc son énergie), qui sont significatifs, dans certains créneaux temporels, essentiellement le demi-bond et le bond. Pour la détection en épaisseur, on vérifie que l'équivalent-distance de l'écart temporel entre les échos de fond respectifs correspond bien à l'épaisseur voulue du tube. Les anomalies détectées selon ces critères peuvent servir à émettre une alarme en 764, et/ou à piloter un automate 766 de tri qui évacue les tubes non conformes, en les marquant selon la ou les anomalies détectées.
Matériellement dans le cas d'une installation à tête tournante (figures 5 A et 5B), la cellule comprend encore, sur un support mécanique 80, la boîte à eau 100, qui loge un ensemble capteur PO, avec une connexion 701, qui réunit les lignes 700 et 710 de la figure 4. On prévoit par exemple trois roulements 81 à 83 pour centrer le tube T.
Selon la technique connue (machine vendue par exemple par la société allemande GE NUTRONIK anciennement NUKEM), l'ensemble capteur PO comprend des capteurs qui tournent à quelques milliers de tours/minute autour du tube. On peut également utiliser une pluralité de capteurs répartis en anneau autour du tube. L'anneau comprend par exemple 6 secteurs de 128 capteurs ultrasonores, répartis autour de la périphérie. Les secteurs de capteurs sont alternativement légèrement décalés dans le sens de l'axe du tube. Ceci permet d'avoir un recouvrement entre deux secteurs de capteurs consécutifs longitudinalement, et réduit également les problèmes d'interférences. L'interférence intervient lorsqu'un capteur donné reçoit des échos dus à un tir effectué sur un autre capteur. A cela s'ajoute un banc (non représenté) de guidage du tube en amont et en aval du poste de contrôle non destructif, pour bien positionner le tube qui défile en continu, par rapport aux capteurs à ultrasons.
Le contrôle non destructif doit se faire sur toute la périphérie du tube. Mais il est également essentiel que ce contrôle suive la vitesse linéaire v du tube en sortie de fabrication. On en vient donc à un compromis entre la vitesse linéaire v du tube, la cadence (ou fréquence) de récurrence Fr, le temps d'analyse Ta, l'ouverture de travail Od du palpeur à ultrasons en détection, et la vitesse de rotation ω, le nombre de capteurs assurant la même fonction et la vitesse de propagation des ondes ultrasonores.
Il est également souhaitable que la même installation puisse travailler sur toute une gamme de diamètres de tubes (et aussi d'épaisseurs de tubes), couvrant la gamme de production. Il est alors fréquent de prévoir plusieurs valeurs de la vitesse de rotation ω et de la fréquence de récurrence Fr, valeurs que l'on sélectionne en fonction du diamètre du tube à traiter.
On notera enfin que tout changement de fabrication implique un nouveau réglage des angles d'attaque des ultrasons de chaque capteur sur la périphérie du tube. Cette opération délicate, effectuée manuellement, prend couramment de l'ordre d'une demi- heure, temps pendant lequel la production de tubes est arrêtée. Telles sont les conditions dans lesquelles s'effectue actuellement le contrôle non destructif par ultrasons des tubes, ou d'autres produits profilés et/ou à parois minces, en sortie de fabrication.
Dans le domaine du contrôle non destructif par ultrasons, on utilise souvent la terminologie suivante :
- « balayage » (ou « scan ») désigne une suite de positions relatives tube/capteur,
- « incrément » désigne le pas de balayage (inversement proportionnel à la fréquence de récurrence ou fréquence de tirs ultrasonores), - « Ascan » désigne Ie graphe de la tension électrique mesurée aux bornes d'un capteur ultrasonore, avec en abscisse le temps de vol et en ordonnée une représentation de la tension électrique, appelée également amplitude ultrasonore,
- « Bscan » désigne une image relative à une valeur donnée de V incrément, avec, en abscisse, le balayage correspondant au tir ultrasonore, en ordonnée le temps de vol, et en chaque point l'amplitude ultrasonore convertie en dégradé de gris, - « Echodynamique » désigne un graphe avec en abscisse l'indication du tir ultrasonore et en ordonnée l'amplitude maximale relevée dans un sélecteur temporel du Ascan pour Ie tir correspondant,
- « Cscan » désigne une image avec en abscisse et en ordonnée la position équivalente dans un espace plan du point de tir de l'onde ultrasonore et représentant, convertie en dégradé de gris, l'amplitude ultrasonore maximale pour ce tir relevée dans le sélecteur temporel considéré du Ascan ("amplitude de l'image"). Dans le cas d'un tube, un point de l'abscisse du Cscan correspond à une position sur la longueur du tube et un point de l'ordonnée correspond à un position sur la circonférence du tube. Dans le cas d'un produit plat, un point de l'abscisse du Cscan correspond à une position sur Ia longueur du produit plat et un point de l'ordonnée correspond à un position sur la largeur du produit plat.
La figure 6 est une vue en coupe longitudinale schématique d'un système formé d'un capteur, de sa colonne d'eau et du tube, et avec illustration de différents trajets ultrasonores formant échos. Elle permet de bien comprendre la complexité de ces trajets, et la difficulté de l'analyse.
La figure 6A est un diagramme amplitude/temps schématique du signal ultrasonore au niveau d'un capteur qui travaille sous incidence oblique. A partir de l'instant Texcit d'excitation du capteur, on trouve un écho d'interface eau-tube à l'instant Tinterf (que l'on peut également noter TphiExterO). Sont marqués ensuite (trait pointillé vertical) l'instant Tphilnter où le faisceau d'ultrasons atteint la peau interne du tube, où il se réfléchit et réfracte, ainsi que l'instant TphiExterl où le faisceau d'ultrasons atteint la peau externe du tube. Du fait de l'incidence oblique, il n'y a pas d'écho réfléchi significatif qui revient au capteur en Tphilnter en l'absence d'imperfection à cet endroit.
Ceci vaut aussi en TphiExterl .
La figure 6B est un diagramme amplitude/temps schématique du signaux ultrasonore au niveau d'un capteur qui travaille sous incidence normale. La chronologie générale des signaux est la même que pour la figure 6A (à un facteur près, lié à l'incidence). Par contre, sous incidence normale, il y a des échos significatifs en Tphilnter et en TphiExterl, même en l'absence d'imperfection aux endroits concernés du tube. Actuellement, les systèmes de contrôle non destructif utilisés en production de tubes fonctionnent en faisant le rapport K entre :
- l'amplitude As d'un signal provenant du tube à inspecter, et
- l'amplitude AO du signal provenant d'un défaut étalon de référence, pour le type de contrôle considéré. Ce « dt-faut étalon de référence » est en général défini sur un tube étalon muni d'un défaut artificiel (par exemple une entaille en U ou en V) de caractéristiques dimensionnelles choisies, par exemple conformément à une norme de contrôle non destructif, et/ou au cahier des charges d'un client.
L'hypothèse implicite est que cette amplitude de signal est proportionnelle à la criticité de l'imperfection, c'est-à-dire à sa profondeur (DD). Le graphe de la figure 7 (bien connu de l'homme du métier, voir Nondestructive Testing Handbook - chapitre statistics du volume 7 publié par l'ASNT - American Society for Nondestructive Testing) représente la répartition réelle K = f(DD). Il montre qu'en réalité, la corrélation est très mauvaise (de l'ordre de 0.3 à 0.4 pour le contrôle par ultrasons).
Plus précisément, sur le graphe de la figure 7, si l'on fixe l'amplitude de référence AO (K=I) sur la valeur XL (profondeur de l'imperfection maximum acceptable) au centre de la distribution (elle-même axée sur l'oblique TDis), on voit que l'on peut encore trouver des imperfections à K = 0,5 de profondeur DD supérieure à XL. Il s'ensuit que, par prudence, on est amené à fixer AO pour une valeur nettement plus basse que XL. Par conséquent, on écarte en production des tubes qui, pourtant, seraient en fait satisfaisants. C'est d'autant plus néfaste, économiquement, que les techniques de fabrication de tubes demeurent assez lourdes, tant en complexité qu'en besoins en énergie.
La Demanderesse s'est donc attachée à améliorer la situation.
La figure 8 représente un dispositif semblable à celui de la figure 4, mais modifié pour la mise en oeuvre de l'invention.
La sortie de l'amplificateur 73 est appliquée à un étage 761, qui numérise l'amplitude du signal issu de l'amplificateur 73, et travaille sur ce signal numérisé. Ce traitement sera décrit ci-après en référence à la figure 1 1. On peut conserver ensuite des étages 764 et 766 fonctionnellement semblables à ceux de la figure 8. Le signal brut du capteur, tel que visible sur l'oscilloscope 750, est dénommé A-Scan par les hommes du métier. Il comprend des échos selon le schéma défini par la figure 6.
Il est souhaitable de passer à une imagerie des imperfections du tube, à l'aide des signaux d'ultrasons. On décrira maintenant l'obtention d'une image.
En pratique, une image est obtenue en considérant plusieurs explorations successives du tube par un capteur Px, sous des angles successifs qui couvrent sensiblement une section droite du tube. Il est possible de le faire avec des tirs successifs par un seul capteur, en utilisant la rotation relative tube/capteur.
On se place ici, à titre d'exemple non limitatif, dans le cas d'une installation du genre dit à tête tournante.
Sur la figure 8A, on considère un capteur Px, qui peut être de l'un des types Pl, Pl 1, P 12, P21 et P22 précité. Dans l'exemple illustré, ce capteur Px comprend en fait n capteurs élémentaires Px-I, ..., Px-i, ..., Px-n, qui sont alignés selon l'axe longitudinal du tube, et qui font l'objet d'un tir ultrasonore au même moment. Sur la figure 8A, ce qui est entre les capteurs élémentaires et les images de sortie 769A et 769B peut être considéré comme un convertisseur.
Le signal Ascan du premier capteur élémentaire Px-I est appliqué à un amplificateur 73- 1, suivi de deux voies parallèles : celle du sélecteur 761-1A, suivi du numériseur de ligne 765- IA, et celle du sélecteur 761 -IB, suivi du numériseur de ligne 765- IB.
Sur la base des informations obtenues lors du passage du tube étalon, l'opérateur saisit dans le sélecteur 761-1A l'information T_1A correspondant à une indication de position et de largeur temporelle , qui lui désigne, en fonction de la géométrie connue du tube, les instants où il va trouver un « écho de peau interne », relatif à l'intérieur du tube par exemple le premier écho Intl de la figure 6. La figure 6A montre plus nettement la fenêtre temporelle « Int » correspondante, autour de Tphilnter.
De même, sur la base des informations obtenues lors du passage du tube étalon, l'opérateur saisit dans le sélecteur 761 -IB l'information T l B correspondant à une indication de position et de largeur temporelle, qui lui désigne, en fonction de la géométrie connue du tube, les instants où il va trouver un « écho de peau externe », relatif à l'extérieur du tube, par exemple le premier écho Extl de la figure 6. La figure 6 A montre plus nettement la fenêtre temporelle « Ext » correspondante, autour de TphiExter.
Le schéma se répète pour les autres capteurs Px-2, ... Px-i, ... Px-n.
Ainsi, chaque sélecteur temporel 761 travaille par fenêtres temporelles compte tenu de l'instant d'émission des ultrasons, et des intervalles de temps prédéterminables où l'on peut attendre des échos concernant ce sélecteur. L'illustration des figures 6 montre comment l'on peut définir les intervalles de temps intéressants, compte tenu de l'angle d'attaque du faisceau d'ultrasons sur le tube, ainsi que du diamètre (interne ou externe) et de l'épaisseur du tube. Un intervalle de temps donné correspond à un écho donné en un point donné du tube, pour une position relative donnée entre le tube et le capteur.
Pour simplifier, on admet ici que les instants de tirs sont synchronisés sur la rotation relative tube/capteurs, de sorte qu'un capteur élémentaire travaille toujours sur la même génératrice longitudinale du tube. La sortie de son sélecteur fournit donc une suite espacée d'échantillons analogiques de signal, qui correspondent chacun à l'amplitude d'un écho attendu sur une paroi du tube. Ces échantillons du capteur Px-I (par exemple) sont numérisés en 765.
Le synchronisme avec l'émission peut être assuré par une liaison (non représentée) avec l'émetteur 70, ou avec son déclencheur, le circuit de synchronisation 753, ou sa base de temps 752 (figure 8). L'affichage 750 peut être maintenu, si on le souhaite. Le système peut fonctionner sur tube tournant à vitesse sensiblement constante. Dans ce cas, la vitesse angulaire et l'avance du tube peuvent être mesurées à l'aide d'un codeur angulaire précis, par exemple le modèle RS0550168 fourni par la société Hengstler, et d'un vélocimètre laser, par exemple le modèle LSV 065 fourni par ta société Polytec. Le tube peut aussi ne pas tourner, tandis que c'est le système de capteurs qui tourne. Dans ce cas, le vélocimètre laser suffit pour mesurer l'avance du tube, tandis que la vitesse de rotation des capteurs est connue au moyen d'un codeur angulaire. Pour un tir donné, l'ensemble des capteurs Px-I à Px-n fournit une ligne d'une image, qui correspond à une section droite du tube. Dans l'autre dimension de l'image, un capteur élémentaire donné fournit une ligne qui correspond à une génératrice du tube.
Les numériseurs 765- IA, 765-2A, ...,765-iA, ..., 765-nA permettent de remplir une image « interne » 769A, relative à la peau interne du tube. Les numériseurs 765- IB, 765- 2B, ...,765-iB, ..., 765-nB permettent de remplir une image « externe » 769B, relative à la peau externe du tube (en sortie, des traits mixtes sont utilisés pour clarifier le schéma).
L'image mémorisée en 769A ou 769B, qui est un Cscan tel que défini précédemment, vaut pour le capteur ou groupe de capteurs Px considéré. Chaque point de cette image correspond, transposé en nuances de gris, à une valeur tirée de l'amplitude de l'écho du à la réflexion du signal ultrasons sur une imperfection éventuelle de la zone du tube considérée. Cette valeur (notée K ci-après) peut représenter le rapport entre l'amplitude maximale du signal ultrasonore capté sur le tube encours de test et l'amplitude maximale du signal ultrasonore obtenu avec un « défaut étalon de référence » artificiel, tel que défini plus haut.
Cette image correspond maintenant à une zone du tube, obtenue par la réunion des zones sensiblement annulaires du tube qui correspondent à chacune des lignes numérisées. En fait, il s'agit de zones annulaires si le faisceau d'ultrasons est appliqué sensiblement perpendiculairement à l'axe du tube. On sait qu'il en est différemment pour certains types d'imperfections. Les zones sont alors plutôt elliptiques et, en fait, gauches ou "tordues" dans l'espace. Dans la présente description, l'expression "zones annulaires" couvre ces différentes possibilités.
Il est à noter que pour obtenir cette reconstitution complète de l'image C-Scan, l'information supplémentaire de positionnement du tube par rapport au capteur est nécessaire. Elle est disponible en entrée séparée 740. Cette information vient d'un codeur XYZ ou d'un laser XYZ. Comme le tube peut être assimilé à un cylindre sans épaisseur, l'information de position peut être réduite à deux dimensions.
On comprend que Ia mise ι.*n oeuvre de l'invention sur un banc existant de contrôle par ultrasons ("UT bench") implique : - l'accessibilité aux données brutes de contrôle par ultrasons ("UT Raw Data"), qui se fait par exemple à l'aide d'une carte d'acquisition, comme le modèle NI 6024 série E ou NI 6251 série M de la société National Instrument,
- Ia disponibilité d'une information en ligne sur la vitesse de rotation (du tube ou de la tête de capteurs), et
- la disponibilité d'une information en ligne sur la vitesse d'avance du tube.
Le schéma de la figure 8A peut être appliqué :
- en parallèle à un capteur de type PU et à un capteur de type P12, qui observent la même zone du tube selon deux directions différentes. Chaque capteur va permettre d'obtenir une image interne 769 A, et une image externe 769B. Ensuite, l'une des images pourra être choisie en fonction d'une commande notée « Int/Ext ».
- en parallèle à un capteur de type P21 et à un capteur de type P22, qui, là aussi, vont chacun permettre d'obtenir une image interne 769A, et une image externe 769B.
Le schéma de la figure 8A peut aussi être appliqué à un capteur de type Pl, auquel cas on prévoit trois voies parallèles derrière chaque amplificateur (au moins virtuellement). L'une des voies fonctionne sur un créneau temporel répétitif positionné comme indiqué en « Volum. » sur la figure 6B. Cette voie permet un contrôle d'imperfections en volume, c'est-à-dire dans l'épaisseur du tube.
Les deux autres voies peuvent fonctionner respectivement sur les créneaux temporels répétitifs positionnés comme indiqué en « WphiExterO » et en « Wphilnterl » sur la figure 6B. Ces deux autres voies permettent une mesure de l'épaisseur du tube.
La distinction entre les 3 voies est purement fonctionnelle (virtuelle). En effet, lesdites deux autres voies peuvent être physiquement la même, dans laquelle on discrimine les instants ou créneaux « WphiExterO » et « Wphilnterl ». On peut aussi utiliser une seule voie physique, dans laquelle on discrimine les instants ou créneaux « WphiExterO », « Volum. » et « Wphilnterl ».
Il est représentatif de décrire plus en détail le cas d'un capteur de type PI l avec un capteur de type P12. C'est ce que l'on fera maintenant. II est rappelé que ces deux groupes de capteurs PI l et P12 servent à la détection d'imperfections longitudinales sur les tubes. Le contrôle ultrasonore est réalisé avec des tirs d'ultrasons (US) dans deux directions privilégiées ("clock wise" - "counter clock wise"): - Un capteur ou groupe de capteurs Pl 1 fournit une image ultrasonore du tube dans une direction de travail ("clock wise").
- Un deuxième capteur ou groupe de capteurs Pl 2 fournit une image ultrasonore du même tube dans une autre direction de travail ("counter clock wise").
Ainsi, les imperfections longitudinales sont avantageusement détectées avec 2 capteurs ou groupes de capteurs dont les axes de faisceau sont inclinés symétriquement par rapport à un plan perpendiculaire à l'axe du tube. L'inclinaison est par exemple d'environ +/- 17°. Ceci fournit un exemple d'application du système à deux capteurs, ou deux groupes de capteurs, tel qui: mentionné plus haut.
La figure 9 montre un exemple de deux images 901 et 902 de type C-Scan, l'une au dessus de l'autre, avec la même référence de temps. Ces deux images proviennent respectivement des informations de 2 groupes de capteurs en situations opposées, ici les groupes de capteurs de type PI l et P12 (en variante les groupes de capteurs de type P21 et P22), et ceci pour l'un des deux cas « Interne » / « Externe ».
Les images des blocs 901 et 902 représentent le signal en niveau de gris (en fait, en palette de couleurs). Des indications complémentaires sont affichées à volonté, dont des images complémentaires : - 921, qui est une vue de l'amplitude du signal selon une ligne verticale 91 1 choisie dans l'image 901,
922, qui est une vue de l'amplitude du signal selon une ligne verticale 912 choisie dans l'image 902,
- 910, qui contient deux courbes, représentant le maximum rencontré sur la verticale correspondante dans les images 901 et 902, respectivement.
Il est maintenant fait référence à la figure 11. Les blocs d'images 901 et 902 représentent les images mémorisées pour les groupes de capteurs Pl 1 et Pl 2, par exemple telles que visibles sur la figure 9. L' image 901 a été préparée de la manière illustrée sur la figure 8A. Le bloc convertisseur 891 de la figure 11 correspond au montage de la figure 8A, appliqué au capteur PI l. De même, le bloc convertisseur 892 correspond lui aussi au montage de la figure 8A, mais appliqué au capteur Pl 2. Les blocs convertisseurs 891 et 892 utilisent les données de contexte tube/capteurs du bloc 740. Ces données sont relatives aux caractéristiques du tube en cours d'examen et des capteurs en cours d'utilisation. Elles sont également transmises aux blocs convertisseurs 891 et 892, aux blocs d'images 901 et 902, ainsi qu'au bloc combinateur 960.
Après les blocs 901 et 902 sont illustrés les filtres 921 et 922, qui permettent notamment de réaliser des extraits des images, et de leurs données de préparation, en tant que données d'entrée réunies par le bloc combinateur 960 pour le traitement neuronal 970, comme on le verra.
Dans le mode de réalisation décrit, le filtre 921 possède : une sortie de signal Zcur désignant une zone de travail dans l'image. Cette sortie est utilisée par une fonction d'extraction 951 qui réalise en conséquence un extrait de l'image (Cscan) pour la zone Zcur, et un accès à la préparation d'image 891 pour y obtenir des informations mémorisées (dites Ascan) relatives à la même zone Zcur. L'ensemble de ces données est transmis par la fonction d'extraction 951 au combinateur 960, comme entrées du traitement neuronal 970, - une sortie fournissant des informations obtenues par filtrage, certaines au moins realtives à la zone Zcur, qu'il transmet comme entrée du traitement neuronal
(combinateur 960),
- en option (trait tireté) des sorties de données complémentaires vers une mémoire
990.
II en est de même pour le filtre 922, avec la fonction d'extraction 952, pour la même zone courante Zcur.
Le traitement neuronal 970 alimente une logique de décision et d'alarme 992, qui pilote un automatisme de tri et marquage 994. Il peut être prévu une interface d'interprétation par un opérateur 996, laquelle peut présenter tout ou partie des données contenues dans la mémoire 990, en rapport avec la portion de tube en cours d'examen.
Ici, la figure 1 1 traite des informations provenant au minimum de deux groupes de capteurs assurant la même fonction ou destinés au même type de contrôle (les 2 groupes PI l et P 12 ou les 2 groupes P21 et P22). Le même schéma peut servir à traiter les informations provenant d'un plus grand nombre de groupe de capteurs destinés à des contrôles de type différent. Le nombre d'images traitées en même temps est augmenté d'autant.
La fonction primaire des filtres 921 et 922 est de déterminer des zones d'imperfections dans les images Cscan 901 et 902. De façon générale, le filtrage est agencé pour repérer les zones à analyser, et y distinguer les imperfections des autres indications. Le filtrage travaille sur deux portions homologues des deux images de la figure 9. En fait, les deux filtres travaillent conjointement, comme reflété par la liaison bidirectionnelle qui les joint sur la figure 11.
Par balayage de l'image numérique, on localise d'abord les endroits de l'image où existent des imperfections potentielles.
A cet effet, il est possible d'appliquer un seuil fixe établi par étalonnage.
La Demanderesse préfère actuellement utiliser un seuil qui s'adapte au niveau de bruit en cours dans l'image. La méthode est fondée sur la théorie de la détection d'un signal dans un bruit blanc, qui peut se fonder sur deux hypothèses :
Hypothèse HO : mesure = bruit blanc de moyenne m_b et d'écart-type std b Hypothèse Hl : mesure = signal + bruit blanc
On procède à des tests statistiques, qui permettent de déterminer si l'on est dans le cadre de l'hypothèse HO, ou de l'hypothèse Hl. Ces calculs statistiques sont effectués en temps réel sur n points glissants de l'image correspondant à des tirs consécutifs, le nombre n pouvant être déterminé par l'apprentissage.
Selon cette méthode (cas dit "additif gaussien"), on peut par exemple utiliser le critère de Neyman-Pearson pour déterminer un seuil de détection selon une probabilité de fausse-alarme (pfa) donnée. Cela s'exprime par la formule [21] annexée. On utilise la fonction cumulative gaussienne, nommée en général Q (ou encore la fonction d'erreur erf), qu'il faut inverser pour obtenir le seuil, selon la formule [22] annexée. En pratique, on constate fréquemment la présence de bruit de fond pouvant avoir plusieurs origines (par exemple: présence d'eau à l'intérieur du tube, ronflement électrique, phénomènes acoustiques dus à la structure de la matière du produit contrôlé). L'usage d'un seuil variable évite les fausses alarmes qui se produisent si l'on applique un seuil fixe.
Parmi les autres fausses indications susceptibles d'apparaître, les parasites se manifestent par des pics très brefs dans le signal d'ultrasons. Ces parasites peuvent être écartés par des algorithmes simples que l'on peut appeler algorithmes de comptage cumulatif ou encore intégrateurs (exemple: "n coups avant alarme" ou "double seuil").
La demanderesse a encore considéré la "spire", qui est le trajet suivi par le capteur le long de la surface cylindrique à laquelle le tube est assimilé. Un filtrage peut être effectué le long de chaque spire pour encore réduire le taux de fausses alarmes. On utilise à cet effet par exemple un filtre de Butterworth, et/ou une transformée de Fourier discrète, telle qu'une transformée de Fourier rapide. Cette technique est appliquée à chaque ligne numérique.
Le même genre d'algorithme peut être appliqué dans le sens de la longueur du tube.
Ainsi, des imperfections potentielles sont localisées. Lorsqu'une imperfection est repérée, sa position correspond à la position analysée dans les images de la figure 9 (par exemple). Cette image 2D correspond à une développée du tube, assimilé à un cylindre sans épaisseur. Les indications de position radiale/épaisseur (ou plus simplement de situation interne, externe ou en masse de l'imperfection) peuvent être représentées comme des attributs des points de l'image. On aura ainsi : deux images 2D représentant les imperfections éventuelles en peau externe du tube, deux images 2D représentant les imperfections éventuelles en peau interne du tube, et une image 2D représentant les imperfections éventuelles dans l'épaisseur du tube.
On considère maintenant les imperfections « confirmées », après élimination des parasites et des fausses alarmes, notamment. Pour la suite, la Demanderesse a choisi actuellement de travailler sur une zone d'image de taille fixe. Il faut donc cadrer cette zone sur les données d'existence d'imperfection que l'on vient d'obtenir.
Autrement dit, il y a lieu de positionner les points repérés comme étant supérieurs au seuil pour déterminer la zone complète autour d'une imperfection. C'est un besoin par exemple, si l'on souhaite déterminer l'obliquité d'une imperfection.
L'algorithme s'articule autour de différentes étapes : - détection de contour (gradient de Roberts par exemple),
- dilatation (rassemblement des contours proches),
- érosion, puis fermeture, ce qui permet de déterminer un masque autour des imperfections,
- une dernière étape d'entourage permet de localiser complètement l'imperfection.
Pour chaque imperfection, on obtient ainsi les coordonnées de la zone d'image correspondante, qui seront utiles pour l'analyse par réseau de neurones qui intervient ensuite.
La figure 12 illustre ce traitement des zones d'image sous la forme d'un diagramme de flux.
En début d'images (801), on a de zéro kp zones d'image à traiter, comme présentant une imperfection confirmée. L'opération 803 suppose qu'il existe au moins une première zone, laquelle sert de zone courante à traiter Zcur en 805. Pour cette zone Zcur : l'opération 807 extrait sélectivement les données des images 901 et 902 qui correspondent à cette zone (définie par ses coordonnées dans l'image). l'opération 809 extrait sélectivement des données qui sont intervenues dans la préparation des images 901 et 902, et qui correspondent à la zone Zcur. Des exemples de ces données seront donnés ci-après. l'opération 81 1 réalise le traitement neuronal proprement dit, sur lequel on reviendra.
Les résultats obtenus pour la zone Zcur sont mémorisés sélectivement en 813, en correspondance d'une désignation de la zone Zcur. - Le test 820 recherche s'il existe une autre zone à traiter dans l'image, auquel cas on recommence en 805 avec cette autre zone comme indiqué en 821 ; sinon le traitement de la ou des images en cours est terminé (822).
Dans le cas du traitement du capteur Pl, il n'y a qu'une seule image, ce qui change le nombre de paramètres d'entrée. A part cela, le traitement peut être généralement le même.
Après la détermination de chaque zone d'intérêt Zcur, le filtrage peut comporter d'autres fonctions. Pour ces autres fonctions, la figure 13 illustre de façon schématique l'interaction entre le filtrage et la suite des opérations illustrées sur la figure 11.
La figure 13 est semblable à la figure 11, mais seulement pour l'image 901. Elle fait apparaître : - les éléments de contexte tube-capteurs du bloc 740,
- l'extracteur 951 qui trouve les données pour la zone Zcur, dans l'image 901 et sa préparation 891,
- un bloc interne/externe 7410, indiquant si l'imperfection dans la zone Zcur considérée est située en peau interne ou en peau externe.
Ce que le filtrage ajoute aux données de base, est défini en plus de détails à savoir, pour chaque zone Zcur (bloc 80:5), comme l'indique le contenu du cadre en trait tireté :
- une recherche de l'angle d'obliquité en 931, une indication de longueur d'imperfection 932, II peut s'y ajouter encore, notamment :
- une indication d'alignement en C-Scan, en 935, et
- en 936, une indication sur l'existence d'autres imperfections dans la même section droite du tube.
Dans le mode de réalisation décrit, les données telles que 935 et 936 vont vers la mémoire 990. Le reste va vers les réseaux neuronaux 970. Ceux-ci sont ici séparés en deux fonctions, comme on le verra maintenant.
Circuits neuronaux Une imperfection dans un lube peut être définie par sa position, son type, et sa gravité souvent assimilée à sa profondeur. Dans le mode de réalisation décrit, le type et le degré de profondeur d'une imperfection de tube sont déterminés séparément à l'aide de deux processus neuronaux de même structure générale, que l'on détaillera maintenant sur un exemple.
Le cas du type de l'imperfection est traité selon la figure 14, tandis que le cas de la gravité est traité selon la figure 15.
Les types peuvent être définis par exemple comme illustré sur les figures 10A à 10D. Ces figures illustrent quatre types, constituant un choix simplificateur par rapport à la liste des imperfections fournies par l'API et pouvant être produits par les processus d'élaboration du tube. Les intitulés en français et en anglais sont ceux utilisés par les hommes du métier pour désigner la nature des imperfections. On observe que les imperfections des types 1 et 3 sont droites, celles des figures 2 et 4 arquées (à "chord").
Une correspondance entre les imperfections réelles et les quatre types ci-dessus peut être définie comme suit :
Figure imgf000027_0001
Ici, les figures 14 et 15 utilisent toutes deux des circuits neuronaux à trois neurones intermédiaires (ou "neurones cachés"), notés NCl 21 à NC 123 pour la figure 14, et NC 141 à NC 143 pour la figure 15. Les figures 14 et 15 ont en commun un certain nombre d'entrées. Pour tenter de faciliter la compréhension, les entrées sont illustrées par des types de traits différents. Les traits doubles indiquent que les entrées sont multiples, c'est-à-dire répétées pour chaque point de la zone Zcur.
Tout d'abord, en 7410, il provient, conformément à l'état considéré des sélecteurs 761 concernés, une information indiquant s'il s'agit de traiter d'une imperfection située en peau interne ou en peau externe de la paroi du tube.
La seconde catégorie de grandeurs d'entrée communes comprend les grandeurs de contexte, qui viennet du bloc 740 (figure 13) :
- en 7401, WT/OD, qui est le rapport de l'épaisseur de paroi au diamètre du tube,
- en 7402, Freq, qui est la fréquence de travail des sondes à ultrasons, - en 7403, ProbDiam, qui est le diamètre utile des sondes à ultrasons.
La troisième catégorie de grandeurs communes comprend des quantités issues du filtrage qui peuvent être considérées comme communes aux deux capteurs 921 et 922 (ou plus). On fait par exemple la moyenne des résultats sur les deux capteurs, ou bien on prend le résultat Ie plus représentatif (maximum/minimum, suivant le cas) Ces quantités sont les grandeurs en 9201, l'obliquité du défaut, et en 9202 sa longueur. Ces deux grandeurs sont aisément repérables sur les deux images de la figure 9, qui ont une symétrie miroir.
Il est maintenant fait référence à la figure 14 seulement. La catégorie suivante de grandeurs comprend des grandeurs de mesures distinctes pour chacun des deux capteurs (ou groupe de capteurs), et pour chacune des zones Zcur, ce qui est reflété sur le dessin par l'usage d'un trait double.
Pour un premier capteur, on a : - en 951 1, Kl, qui est le rapport entre l'amplitude maximale du signal ultrasonore rencontré dans la zone Zcur et sur l'image 901, par rapport à l'amplitude maximale du « défaut étalon de référence » précité. En fait, dans l'exemple, l'amplitude en chaque pixel de l'image 901 est définie par ce rapport ; Kl est alors simplement le maximum d'amplitude rencontré dans la zone Zcur de l'image 901 ; on note Pmaxl le point de la zone Zcur où ce maximum est rencontré. - en 9512, QBEl qui est une grandeur du C-Scan dite QuantBumpsEchodyn, représentant le nombre de maxima locaux rencontrés dans la zone Zcur de l'image 901 à proximité du point Pmaxl d'amplitude maximale. Ce nombre QBEl est limité aux maximas locaux rencontrés au voisinage de Pmaxl, de part et d'autre, mais sans que l'amplitude du signal ne soit redescendue en dessous d'un niveau correspondant au bruit de fond. QBEl va généralement prendre soit la valeur 1, soit la valeur 2.
Ces deux grandeurs proviennent de l'image 901, via l'extracteur 951, ce que reflète la notation 951(901) sur le dessin. Il s'y ajoute : - en 9518, RTl qui est une grandeur représentant le temps de montée de l'écho dans le signal ultrasonore natif dit A-Scan, (il s'agit de l'écart entre le moment où le signal est maximal et le dernier moment antérieur où le signal est au niveau du bruit de fond, exprimé couramment en micro-secondes). Cette grandeur RTl a été antérieurement mesurée en sortie de l'amplificateur 73 concerné (figure 8A) ; elle a été stockée, par exemple en 891, en correspondance du point du tube qu'elle concerne. C'est ainsi qu'elle peut être récupérée sélectivement par l'extracteur 951.
Pour le second capteur, on a :
- en 9521, K2, qui est défini comme Kl, mais pour l'image 902 au lieu de l'image 901. Dans l'exemple, K2 est simplement le maximum d'amplitude rencontré dans la zone
Zcur de l'image 902 ; on note Pmax2 le point de la zone Zcur où ce maximum est rencontré.
- en 9522, QBE2 est défini comme QBEl, mais dans l'image 902 au lieu de l'image 901, et au voisinage de Pmax2. Là aussi, QB E2 va généralement prendre soit la valeur 1, soit la valeur 2.
Ces deux grandeurs proviennent de l'image 902, via l'extracteur 952. Il s'y ajoute :
- en 9528, RT2 qui est une grandeur représentant le temps de montée de l'écho dans le signal natif dit A-Scan. Comme précédemment, cette grandeur RT2 a été antérieurement mesurée en sortie de l'amplificateur 73 concerné (figure 8A) ; elle a été stockée, par exemple en 892, en correspondance du point du tube qu'elle concerne. C'est ainsi qu'elle peut être récupérée sélectivement par l'extracteur 952. La dernière entrée 958 du réseau neuronal est une valeur constante, notée ConstantA, qui représente une constante déterminée lors du calage du modèle et résultant de l'apprentissage.
La sortie 998 de la figure 14 est une grandeur indicative du type de l'imperfection et son inclinaison moyenne (définie en fonction du type).
Le cas du degré de profondeur (ou gravité) de l'imperfection est traité selon la figure 15.
Les entrées sont les mêmes que pour la figure 14, sauf : - pour le premier capteur, le bloc 9512 est remplacé par un bloc 9513, qui traite une grandeur EW l, ou EchodynWidth, qui est la largeur à mi-hauteur (50%) de la forme d'onde échodynamique, pour ce premier capteur. Cette grandeur EW l est tirée du Cscan.
- de même, pour le second capteur, le bloc 9522 est remplacé par un bloc 9523, qui traite la grandeur EW 2, ou EchodynWidth, qui est la largeur à mi-hauteur (50%) de la forme d'onde échodynamique, pour ce second capteur.
- en 959, la constante, notée maintenant ConstantB, est différente. la sortie 999 est une indication de gravité d'imperfection, notée DD.
On note que, dans les deux cas (figures 14 et 15), un circuit neuronal 970 donné traite un extrait d'image 951 pour l'un des groupes de capteurs ultrasonores, ainsi qu'un extrait d'image 952 correspondant à la même zone, mais provenant d'un autre groupe de capteurs.
La Demanderesse a observé qu'il était possible d'obtenir des résultats très satisfaisants, sous réserve d'un ajustement convenable des paramètres des circuits neuronaux, et éventuellement de leur nombre, pour optimiser la prédiction.
De plus, Ia demanderesse a constaté que par combinaison des informations recueillies par les différents réseaux de neurones il était possible d'affiner encore la prédiction.
Globalement, les paramètres d'entrée du réseau de neurones sont alors des caractéristiques des deux images (rapport de l'amplitude max par rapport à l'amplitude de l'étalon, largeur d'écho, orientation de l'écho représentative de l'obliquité de l'imperfection...) et du contrôle (capteur, dimensions du tube...). Les paramètres de sorties sont les caractéristiques de l'imperfection (profondeur, inclinaison/ type). La décision et/ou alarme (992) peut se prendre automatiquement à l'aide de critères de décision choisis, à base de seuils, assortis d'une marge de sécurité selon les besoins. Pour définir ces seuils, on peut s'aider des résultats de l'apprentissage.
Il est maintenant fait référence à la Figure 16, qui est un modèle du circuit neuronal élémentaire des figures 14 ou 15, pour deux capteurs.
Ce modèle comprend un niveau ou couche d'entrée IL ("Input Layer"), qui regroupe tous les paramètres d'entrée (souvent appelés "neurones d'entrée"). Pour ne pas surcharger la figure, sont seuls représentés trois neurones El à E3, plus une constante, qui peut être considérée elle aussi comme un neurone EO. Cette constante est le plus souvent appelée « biais ». En pratique, les neurones d'entrée sont plus nombreux, conformément à la figure 14 ou à la figure 15, selon le cas.
Ensuite est prévu au moins un niveau ou couche HL ("Hidden Layer" ou "couche cachée"), qui comprend k neurones (dont seulement 2 sont représentés pour ne pas surcharger le dessin).
Enfin vient le neurone de sortie Sl , qui fournit Ia décision, sous la forme d'une valeur représentative de l'importance d'une imperfection du tube, par exemple une imperfection longitudinale. Cette sortie correspond au bloc 998 sur la figure 14 et 999 sur la figure 15.
On notera que le "neurone" - constante EO intervient pour pondérer non seulement la ou les couches cachées HL, mais aussi le neurone de sortie (couche OL ou "Output Layer").
Le comportement général d'un circuit neuronal tel qu'utilisé ici est donné par la formule [1 1] de l'Annexe 1, où w,j est le poids affecté au signal Xi présent à l'entrée du neurone j.
Dans le circuit prévu ici, un neurone élémentaire se comporte selon la formule [12], comme cela est schématisé sur la figure 17.
La sortie S l de la figure 16 fournit une valeur estimée qui correspond à la formule [13] de l'annexe 1. Par apprentissage, la Demanderesse a ajusté les neurones cachés et leurs poids de sorte que la fonction f soit une fonction non-linéaire, continue, dérivable et bornée. L'exemple actuellement préféré est la fonction arc-tangente.
On sait qu'un réseau neuronal détermine ses coefficients wy communément appelés synapses par apprentissage. Cet apprentissage doit faire intervenir typiquement 3 à 10 fois plus d'exemples qu'il y a de poids à calculer, tout en couvrant correctement la plage des conditions de travail désirées.
Partant d'exemples Ep (p = 1 à M), on détermine pour chaque exemple l'écart Dp entre la valeur Sp donnée par le circuit neuronal et la valeur réelle Rp mesurée ou définie expérimentalement. C'est ce que rappelle la formule [14].
La qualité de fonctionnement du circuit neuronal est définie par une grandeur globale d'écart Cg, dite "coût". Elle peut s'exprimer par exemple selon la formule [15], comme une grandeur globale d'écart quadratique pondéré.
L'apprentissage pose différents problèmes dans un cas comme celui du contrôle des imperfections dans les tubes, notamment du fait qu'il s'agit de techniques lourdes, comme déjà indiqué.
La demanderesse a tout d'abord conduit un premier apprentissage sur simulation. On peut utiliser à cet effet le logiciel CIVA développé et commercialisé par le Commissariat à l'Energie Atomique, France. Ce premier apprentissage a permis de repérer les paramètres influents, et de construire une première version du réseau de neurones sur la base d'imperfections virtuelles. La fonction de coût a été optimisée.
La demanderesse a ensuite conduit un second apprentissage combinant les résultats obtenus sur simulation et des imperfections artificielles, c'est-à-dire créées intentionnellement sur des tubes réels. Ce second apprentissage permet de construire une seconde version du réseau de neurones, dont la fonction de coût a également été optimisée. La demanderesse a ensuite combiné les résultats obtenus sur des imperfections artificielles, et sur un ensemble d'imperfections présentes sur des tubes réels, ces imperfections étant connues avec précision par des mesures faites a posteriori hors la chaîne de fabrication. Cette troisième phase a permis de valider la dernière version du réseau de neurones. Cette version s'est avérée opérationnelle pour la surveillance en fabrication. Toutefois, lors de son implantation sur une installation nouvelle ou modifiée, il convient actuellement de lui faire subir un "calage", à l'aide d'une dizaine d'échantillons artificiels couvrant l'ensemble de la gamme des imperfections à traiter. Il s'ensuit naturellement une optimisation.
Les figures 1 1, 12, 14 et 15 ont été décrites dans le cadre des capteurs Pl 1 et P12.
Le même principe peut s'appliquer au groupe de capteurs Pl . Dans ce cas, il n'y aura pas d'image 2, et le réseau construit a moins de paramètres d'entrée, comme déjà indiqué. Les circuits décrits pour deux capteurs peuvent être utilisés pour un seul, mais sans paramètres d'entrée pour la partie « Image 2 ».
Le même principe peut s'appliquer aussi aux deux groupes de capteurs P21 et P22, chargés de détecter les imperfections transversales, en tenant compte du fait que les capteurs sont pour cette détection inclinés (par exemple de +/-17°) dans un plan passant par l'axe du tube.
On comprendra que, dans chaque cas, il intervient un traitement numérique du type défini par la figure 1 1, éléments 992 à 996 exceptés. Ce traitement est globalement désigné par 761, conformément à la figure 8, où il est suivi des blocs 764 et 766.
On obtient ainsi un ensemble tel que représenté par la figure 18, avec : pour le capteur Pl, un traitement 761-1, suivi d'une phase de décision et alarme 764- 1 ; - pour les capteurs Pl 1 et P12, un traitement 761-10, suivi d'une phase de décision et alarme 764-10 ;
- pour les capteurs P21 et P22, un traitement 761-20, suivi d'une phase de décision et alarme 764-20 ;
- les trois phases 764-1, 764-10 et 764-20 étant interprétées conjointement par l'automate de tri et d'alarme 766. Une variante de la figure 18, non représentée, consiste à ne prévoir qu'une seule phase « Décision & alarme », utilisant directement les sorties des trois traitements 761-1, 761 - 10 et 761-20.
Le contrôle non destructif proprement dit se fait "à la volée", c'est-à-dire au fur et à mesure que le tube défile dans l'installation de contrôle. La décision issue du traitement des informations décrit plus haut peut être prise elle aussi soit au fur et à mesure que le tube défile dans l'installation de contrôle (avec décision-alarme et marquage "à la volée") ; une variante consiste à prendre cette décision après que toute la longueur du tube ait été inspectée, ou même encore plus tard (après le contrôle de l'ensemble d'un lot de tubes par exemple), chaque tube étant repéré/identifié (N° d'ordre par exemple). Dans ce cas, il est nécessaire que les informations obtenues soient enregistrées (mémorisées). Les enregistrements peuvent faire l'objet d'une analyse postérieure par un opérateur habilité à prendre une décision après avoir analysé les résultats enregistrés et traités par le(s) réseau(x) de neurones.
Bien entendu, compte-tenu des propriétés des circuits neuronaux, il est possible de regrouper au moins partiellement l'ensemble des circuits neuronaux (contenus dans les traitements 761-1, 761-10 et 761-20) en un seul circuit neuronal, ayant toutes les entrées voulues.
Le mode de réalisation décrit utilise directement des réseaux neuronaux. L'invention n'est pas limitée à ce genre de réalisation. Ici, l'expression "agencement du genre circuit neuronal" peut couvrir d'autres techniques de statistiques non linéaires, avec ou sans circuits neuronaux.
Le système ici proposé a été décrit dans le cas du contrôle non destructif lors de la fabrication de tubes sans soudure, cas auquel l'invention s'applique particulièrement bien. Les mêmes techniques peuvent s'appliquer notamment à des produits sidérurgiques longs non nécessairement tubulaires.
Dans le cas de tubes soudés ou autres produits soudés (comme par exemple des tôles ou des plaques), le système s'avère capable de déterminer en plus les limites du cordon de soudure, et par conséquent de localiser les éventuelles imperfections dans le cordon de soudure, qui peuvent être à surveiller. De leur côté, les imperfections situées en dehors des limites du cordon de soudure, qui peuvent correspondre à des inclusions déjà présentes dans le feuillard (ou produit) de base, sont à considérer différemment.
Figure imgf000036_0001

Claims

Revendications
1. Dispositif formant outil d'aide à l'exploitation, pour le contrôle non destructif, en cours ou en sortie de fabrication, de produits sidérurgiques, tels que des tubes ou autres produits longs, cet outil étant destiné à tirer des informations sur d'éventuelles imperfections du tube, à partir de signaux de retour que captent (73), consécutivement à l'excitation sélective (70) de capteurs ultrasonores émetteurs selon une loi de temps choisie, des capteurs ultrasonores récepteurs formant un agencement de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide, avec mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs, ledit outil d'exploitation étant caractérisé en ce qu'il comprend :
- un convertisseur (891 ; 892) capable d'isoler sélectivement une représentation numérique de possibles échos dans des fenêtres temporelles désignées, en fonction du mouvement relatif de rotation/translation, et d'en tirer une image (901 ; 902) d'imperfections possibles dans le tube,
- un filtre (921 ; 922), capable de déterminer, dans les images (901 ; 902), des zones d'imperfection présumée (Zcur), ainsi que des propriétés de chaque imperfection présumée,
- un combinateur (960), agencé pour préparer des entrées numériques de travail, à partir d'un extrait (951 ; 952) des images correspondant à une zone d'imperfection présumée (Zcur), de propriétés de l'imperfection présumée dans la même zone, issues du filtre (921 ; 922), et de données de contexte (740),
- au moins un agencement du genre circuit neuronal (970), qui reçoit des entrées de travail issues du combinateur (960),
- un étage numérique de décision et alarme (992) opérant sur la base de la sortie de l'agencement du genre circuit neuronal (970), et
- un automate de tri et de marquage (994) agencé pour écarter et marquer des tubes décidés non conformes par l'étage numérique de décision et alarme (992).
2. Dispositif selon la revendication I, destiné à travailler avec deux agencements de transducteurs ultrasonores de géométrie choisie (Pl 1,P12;P21,P22), montés en couplage ultrasonore sensiblement selon une symétrie miroir de la direction de leurs faisceaux ultrasonores respectifs, caractérisé en ce que ledit outil d'exploitation comprend deux convertisseurs (891,892) respectivement consacrés à ces deux agencements de transducteurs (Pl 1,P12;P21,P22), et en ce que le combinateur (960) est agencé pour opérer sélectivement sur les échos de peau interne ou sur les échos de peau externe ou sur les échos intervenant dans la masse du tube, mais en même temps sur les données relatives à l'un et l'autre des deux agencements transducteurs.
3. Dispositif selon l'une des revendications 1 et 2, caractérisé en ce que le convertisseur (891 ; 892) est agencé pour isoler sélectivement une représentation numérique de possibles maximas d'échos dans des fenêtres temporelles désignées correspondant à des échos de peau interne, à des échos de peau externe, ainsi que des échos provenant de la masse du tube, respectivement, et en ce que le combinateur (960) est agencé pour opérer sélectivement sur les échos de peau interne ou sur les échos de peau externe ou sur les échos intervenus dans la masse.
4. Dispositif selon l'une des revendications précédentes, caractérisé en ce que le combinateur (960) reçoit au moins une entrée (9511 ;9521) relative à un extremum d'amplitude de l'image dans la zone d'imperfection présumée.
5. Dispositif selon l'une des revendications précédentes, caractérisé en ce que le filtre (921 ; 922) est agencé pour produire, en tant que propriétés de chaque imperfection présumée, son obliquité et sa longueur, tandis que le combinateur (960) reçoit des entrées correspondantes d'obliquité d'imperfection (931) et de longueur d'imperfection (932).
6. Dispositif selon l'une des revendications précédentes, caractérisé en ce que le filtre (921 ; 922), le combinateur (960), le circuit neuronal (970) et l'étage numérique de décision et alarme (992) sont agencés pour opérer itérativement sur une suite de zones d'imperfection présumée (Zcur), déterminées par ledit filtre (921 ; 922).
7. Dispositif selon la revendication 6, caractérisé en ce que le filtre (921 ; 922), le combinateur (960), le circuit neuronal (970) et l'étage numérique de décision et alarme (992) sont agencés pour opérer alternativement sur la peau interne et la peau externe du tube.
8. Dispositif selon l'une des revendications précédentes, caractérisé en ce que ledit agencement du genre circuit neuronal comprend :
- un premier circuit neuronal (NC121- NC123) propre à évaluer la nature d'une imperfection parmi une pluralité de classes prédéfinies, et
- un second circuit neuronal (NC141- NC143) propre à évaluer la gravité d'une imperfection.
9. Dispositif selon la revendication 8, caractérisé en ce que les deux circuits neuronaux ont des entrées qui diffèrent par :
- une entrée (9512 ; 9522) de nombre de maxima voisins pour le premier circuit neuronal, et
- une entrée (9513 ; 9523) de largeur d'écho pour le second circuit neuronal.
10. Dispositif selon l'une des revendications 8 et 9, caractérisé en ce que les sorties des deux circuits neuronaux sont combinées pour affiner la prédiction.
11. Dispositif selon l'une des revendications précédentes, caractérisé en ce que l'émission et la réception des signaux ultrasonores sont réalisées à chaque fois par un même transducteur, pour une partie au moins de l'agencement de capteurs.
12. Dispositif de contrôle non destructif de tubes en cours ou en sortie de fabrication, caractérisé en ce qu'il comprend :
- un agencement de transducteurs ultrasonores de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide, avec mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs,
- des circuits pour exciter sélectivement (70) ces éléments transducteurs selon une loi de temps choisie, et pour recueillir (73) les signaux de retour qu'ils captent, et
- un outil d'aide à l'exploitation selon l'une des revendications précédentes.
13. Procédé de contrôle non destructif de produits sidérurgiques, tels que des tubes ou autres produits longs, en cours ou en sortie de fabrication, comprenant les étapes suivantes : a. prévoir un agencement de transducteurs ultrasonores de géométrie choisie, monté en couplage ultrasonore avec le tube par l'intermédiaire d'un milieu liquide, avec mouvement relatif de rotation/translation entre le tube et l'agencement de transducteurs, b. exciter sélectivement (70) ces éléments transducteurs selon une loi de temps choisie, c. recueillir (73) les signaux de retour qu'ils captent, afin d'analyser sélectivement ces signaux de retour (760-766), pour en tirer des informations sur d'éventuelles imperfections du tube, caractérisé en ce qu'il comprend en outre les étapes suivantes : d. isoler sélectivement une représentation numérique de possibles échos dans des fenêtres temporelles désignées, en fonction du mouvement relatif de rotation/translation (891 ; 892), et en tirer une image (901 ; 902) d'imperfections possibles dans le tube, e. filtrer (921 ; 922) les images (901 ; 902) selon des critères de filtrage choisis, afin d'y déterminer des zones d'imperfection présumée (Zcur), ainsi que des propriétés de chaque imperfection présumée, f. former (960) des entrées numériques de travail, à partir d'un extrait (951 ; 952) des images correspondant à une zone d'imperfection présumée (Zcur), de propriétés de l'imperfection présumée dans la même zone, issues du filtre (921 ; 922), et de données de contexte (740), g. appliquer les entrées ainsi formées (960) à au moins un agencement du genre circuit neuronal (970), h. traiter numériquement la sortie de l'agencement du genre circuit neuronal (970) selon des critères de décision choisis, pour en tirer une décision et/ou une alarme (992), et i. écarter et marquer (994) des tubes décidés non conformes par l'étape h.
14. Procédé selon la revendication 13, dans lequel : à l'étape a., on prévoit deux agencements de transducteurs ultrasonores de géométrie choisie (PU,P12;P21,P22), montés en couplage ultrasonore sensiblement selon une symétrie miroir de la direction de leurs faisceaux ultrasonores respectifs, caractérisé en ce que les étapes d. à i. sont menées conjointement sur les signaux issus de l'un et l'autre de ces deux agencements de transducteurs.
15. Procédé selon l'une des revendications 13 et 14, caractérisé en ce que :
- à l'étape d., lesdites fenêtres temporelles désignées comprennent certaines au moins des fenêtres du groupe correspondant à des échos de peau interne, à des échos de peau externe, ainsi que des échos provenant de la masse du tube.
16. Procédé selon l'une des revendications 13 à 15, caractérisé en ce que :
- à l'étape e., les critères de filtrage choisis comprennent au moins un critère d'existence d'imperfection, un critère d'obliquité d'imperfection et un critère de longueur d'imperfection.
17. Procédé selon l'une des revendications 13 à 16, caractérisé en ce que :
- les étapes f. et g. sont répétées itérativement pour chaque imperfection détectée à l'étape e.
PCT/FR2007/001048 2006-06-30 2007-06-25 Controle non destructif de produits siderurgiques par ultrasons WO2008000940A1 (fr)

Priority Applications (12)

Application Number Priority Date Filing Date Title
EA200970075A EA012925B1 (ru) 2006-06-30 2007-06-25 Неразрушающий контроль металлических изделий ультразвуком
US12/306,534 US8265886B2 (en) 2006-06-30 2007-06-25 Non-destructive testing, in particular for pipes during manufacture or in the finished state
BRPI0713049-0A BRPI0713049B1 (pt) 2006-06-30 2007-06-25 Controle não-destrutivo, em particular para tubos em fabricação ou em estado acabado
ES07788926T ES2377147T3 (es) 2006-06-30 2007-06-25 Control no destructivo de productos siderúrgicos por ultrasonidos
EP07788926A EP2035822B1 (fr) 2006-06-30 2007-06-25 Controle non destructif de produits siderurgiques par ultrasons
AU2007264866A AU2007264866C1 (en) 2006-06-30 2007-06-25 Non-destructive testing by ultrasound of foundry products
CA2656120A CA2656120C (fr) 2006-06-30 2007-06-25 Controle non destructif de produits siderurgiques par ultrasons
CN2007800303159A CN101501487B (zh) 2006-06-30 2007-06-25 操作工具、无损测试设备和无损测试方法
JP2009517315A JP5162583B2 (ja) 2006-06-30 2007-06-25 パイプの作製中または完成状態における非破壊検査用の操作工具を形成するデバイス、パイプの非破壊検査デバイス、およびパイプの非破壊検査工程
AT07788926T ATE536546T1 (de) 2006-06-30 2007-06-25 Zerstörungsfreies testen von giessereiprodukten mittels ultraschall
PL07788926T PL2035822T3 (pl) 2006-06-30 2007-06-25 Nieniszczące badanie produktów stalowych ultradźwiękami
NO20090481A NO340510B1 (no) 2006-06-30 2009-01-30 Ikke destruktiv testing, spesielt for rør under produksjon eller i ferdig tilstand

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0605923A FR2903187B1 (fr) 2006-06-30 2006-06-30 Controle non destructif, en particulier pour des tubes en cours de fabrication ou a l'etat fini
FR0605923 2006-06-30

Publications (1)

Publication Number Publication Date
WO2008000940A1 true WO2008000940A1 (fr) 2008-01-03

Family

ID=37744257

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2007/001048 WO2008000940A1 (fr) 2006-06-30 2007-06-25 Controle non destructif de produits siderurgiques par ultrasons

Country Status (20)

Country Link
US (1) US8265886B2 (fr)
EP (1) EP2035822B1 (fr)
JP (1) JP5162583B2 (fr)
KR (1) KR101343368B1 (fr)
CN (1) CN101501487B (fr)
AR (1) AR061748A1 (fr)
AT (1) ATE536546T1 (fr)
AU (1) AU2007264866C1 (fr)
BR (1) BRPI0713049B1 (fr)
CA (1) CA2656120C (fr)
EA (1) EA012925B1 (fr)
ES (1) ES2377147T3 (fr)
FR (1) FR2903187B1 (fr)
MY (1) MY151179A (fr)
NO (1) NO340510B1 (fr)
PL (1) PL2035822T3 (fr)
SA (1) SA07280355B1 (fr)
UA (1) UA94758C2 (fr)
WO (1) WO2008000940A1 (fr)
ZA (1) ZA200810780B (fr)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017105281A3 (fr) * 2015-12-14 2017-07-20 Виталий Александрович МОКЛЯКОВ Procédé de détection de défauts des parois à l'intérieur de canalisations
US11506635B2 (en) 2016-11-29 2022-11-22 Wärtsilä Finland Oy Ultrasonic quality control using filtered image data

Families Citing this family (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10994358B2 (en) 2006-12-20 2021-05-04 Lincoln Global, Inc. System and method for creating or modifying a welding sequence based on non-real world weld data
US9937577B2 (en) 2006-12-20 2018-04-10 Lincoln Global, Inc. System for a welding sequencer
US7912273B2 (en) 2007-02-01 2011-03-22 Florida Power & Light Company Radiography test system and method
US8280145B2 (en) 2007-02-01 2012-10-02 Kovarik James J System for non-destructively examining degradation of an interior of a device
FR2917833B1 (fr) * 2007-06-21 2010-03-26 V & M France Procede et appareil de controle non destructif manuel d'axes d'essieu tubulaires a profils de rayons interne et externe variables
FR2925690B1 (fr) 2007-12-21 2010-01-01 V & M France Controle non destructif,en particulier pour des tubes en cours de fabrication ou a l'etat fini.
US9280913B2 (en) 2009-07-10 2016-03-08 Lincoln Global, Inc. Systems and methods providing enhanced education and training in a virtual reality environment
US9196169B2 (en) 2008-08-21 2015-11-24 Lincoln Global, Inc. Importing and analyzing external data using a virtual reality welding system
US8747116B2 (en) 2008-08-21 2014-06-10 Lincoln Global, Inc. System and method providing arc welding training in a real-time simulated virtual reality environment using real-time weld puddle feedback
US8911237B2 (en) 2008-08-21 2014-12-16 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
US8657605B2 (en) * 2009-07-10 2014-02-25 Lincoln Global, Inc. Virtual testing and inspection of a virtual weldment
US9483959B2 (en) 2008-08-21 2016-11-01 Lincoln Global, Inc. Welding simulator
US9318026B2 (en) 2008-08-21 2016-04-19 Lincoln Global, Inc. Systems and methods providing an enhanced user experience in a real-time simulated virtual reality welding environment
US8834168B2 (en) 2008-08-21 2014-09-16 Lincoln Global, Inc. System and method providing combined virtual reality arc welding and three-dimensional (3D) viewing
US8884177B2 (en) 2009-11-13 2014-11-11 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
US9330575B2 (en) 2008-08-21 2016-05-03 Lincoln Global, Inc. Tablet-based welding simulator
US8851896B2 (en) 2008-08-21 2014-10-07 Lincoln Global, Inc. Virtual reality GTAW and pipe welding simulator and setup
US8161818B2 (en) * 2008-10-29 2012-04-24 Airbus Operations Gmbh Device for detecting a flaw in a component
US8274013B2 (en) 2009-03-09 2012-09-25 Lincoln Global, Inc. System for tracking and analyzing welding activity
US9773429B2 (en) 2009-07-08 2017-09-26 Lincoln Global, Inc. System and method for manual welder training
US9221117B2 (en) 2009-07-08 2015-12-29 Lincoln Global, Inc. System for characterizing manual welding operations
US10748447B2 (en) 2013-05-24 2020-08-18 Lincoln Global, Inc. Systems and methods providing a computerized eyewear device to aid in welding
US9011154B2 (en) 2009-07-10 2015-04-21 Lincoln Global, Inc. Virtual welding system
US8569655B2 (en) 2009-10-13 2013-10-29 Lincoln Global, Inc. Welding helmet with integral user interface
US20110106460A1 (en) * 2009-11-03 2011-05-05 Alstom Technology Ltd. Automated component verification system
US8569646B2 (en) 2009-11-13 2013-10-29 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
US9468988B2 (en) 2009-11-13 2016-10-18 Lincoln Global, Inc. Systems, methods, and apparatuses for monitoring weld quality
JP5679758B2 (ja) * 2010-10-12 2015-03-04 株式会社東芝 厚さ測定装置およびその測定方法
US8521446B2 (en) * 2010-11-23 2013-08-27 Olympus Ndt Inc. System and method of conducting refraction angle verification for phased array probes using standard calibration blocks
EP2652726B1 (fr) 2010-12-13 2019-11-20 Lincoln Global, Inc. Système d'apprentissage de soudage
US20130104659A1 (en) * 2011-10-26 2013-05-02 Amerapex Corporation Method for Non-Destructive Testing
US20160093233A1 (en) 2012-07-06 2016-03-31 Lincoln Global, Inc. System for characterizing manual welding operations on pipe and other curved structures
US9767712B2 (en) 2012-07-10 2017-09-19 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
US10672046B2 (en) 2012-12-31 2020-06-02 Baker Hughes, A Ge Company, Llc Systems and methods for non-destructive testing online stores
US9207639B2 (en) * 2013-01-24 2015-12-08 General Electric Company Transforming A-scan data samples into a three-dimensional space for facilitating visualization of flaws
US10930174B2 (en) 2013-05-24 2021-02-23 Lincoln Global, Inc. Systems and methods providing a computerized eyewear device to aid in welding
JP6230841B2 (ja) * 2013-07-26 2017-11-15 旭化成エンジニアリング株式会社 肉厚測定装置を用いた配管の減肉評価方法
US20150072323A1 (en) 2013-09-11 2015-03-12 Lincoln Global, Inc. Learning management system for a real-time simulated virtual reality welding training environment
US10083627B2 (en) 2013-11-05 2018-09-25 Lincoln Global, Inc. Virtual reality and real welding training system and method
DE102013223083A1 (de) * 2013-11-13 2015-05-13 Sms Siemag Ag Verfahren und Vorrichtung zur kontaktlosen Überprüfung der Beschaffenheit eines metallurgischen Gießproduktes
US9836987B2 (en) 2014-02-14 2017-12-05 Lincoln Global, Inc. Virtual reality pipe welding simulator and setup
US9759692B2 (en) * 2014-05-30 2017-09-12 Olympus Scientific Solutions Americas Inc. System and method of dynamic gating in non-destructive weld inspection
CN106233358A (zh) 2014-06-02 2016-12-14 林肯环球股份有限公司 用于人工焊工培训的系统和方法
US11221314B2 (en) 2015-09-20 2022-01-11 Baker Hughes Oilfield Operations Llc Combined pulse echo inspection of pipeline systems
US10571390B2 (en) * 2015-12-21 2020-02-25 The Boeing Company Composite inspection
CN105965544B (zh) * 2016-05-27 2018-08-03 珠海上富电技股份有限公司 机器人远程超声波感应自动测试系统及其控制方法
EP3319066A1 (fr) 2016-11-04 2018-05-09 Lincoln Global, Inc. Sélection de fréquence magnétique pour le suivi de position électromagnétique
US20180130226A1 (en) 2016-11-07 2018-05-10 Lincoln Global, Inc. System and method for calibrating a welding trainer
US10913125B2 (en) 2016-11-07 2021-02-09 Lincoln Global, Inc. Welding system providing visual and audio cues to a welding helmet with a display
RU169803U1 (ru) * 2016-12-21 2017-04-03 Ильвина Гамировна Хуснутдинова Устройство для бесконтактного контроля напряженно-деформированного состояния и уровня поврежденности металлических конструкций
US10997872B2 (en) 2017-06-01 2021-05-04 Lincoln Global, Inc. Spring-loaded tip assembly to support simulated shielded metal arc welding
GB201803062D0 (en) * 2018-02-26 2018-04-11 Gb Inspection Systems Ltd Ultrasonic probe
WO2019186981A1 (fr) * 2018-03-29 2019-10-03 つくばテクノロジー株式会社 Procédé de traitement d'image pour vidéo de propagation ultrasonore
US11475792B2 (en) 2018-04-19 2022-10-18 Lincoln Global, Inc. Welding simulator with dual-user configuration
US11557223B2 (en) 2018-04-19 2023-01-17 Lincoln Global, Inc. Modular and reconfigurable chassis for simulated welding training
US11287507B2 (en) * 2018-04-30 2022-03-29 The Boeing Company System and method for testing a structure using laser ultrasound
US10838573B2 (en) * 2018-12-04 2020-11-17 GE Sensing & Inspection Technologies, GmbH Precise value selection within large value ranges
CN109711333B (zh) * 2018-12-26 2022-10-18 西安科技大学 基于信号区段分割的超声信号接收及处理方法
US11027799B2 (en) 2019-09-12 2021-06-08 DM Consulting, Inc. Systems and methods for 3-dimensional scanning for drydocking
RU199572U1 (ru) * 2020-02-20 2020-09-08 Максим Владимирович Ковалев Устройство для неразрушающего контроля объектов, имеющих форму тел вращения
US11726065B2 (en) 2020-03-30 2023-08-15 Verifi Technologies, Llc System and method for real-time visualization of defects in a material
US11650183B2 (en) 2020-03-30 2023-05-16 Verifi Technologies, Llc System and method for real-time degree of cure evaluation in a material
US11686707B2 (en) 2020-03-30 2023-06-27 Verifi Technologies, Llc System and method for real-time visualization of defects in a material
US11754529B2 (en) 2020-03-30 2023-09-12 Verifi Technologies, Llc System and method for evaluating defects in a material
JP7415757B2 (ja) * 2020-04-09 2024-01-17 大同特殊鋼株式会社 丸棒材の超音波探傷方法
RU200608U1 (ru) * 2020-07-06 2020-11-02 Максим Владимирович Ковалев Устройство для неразрушающего контроля вихретоковым преобразователем мест изменения диаметра и линий сопряжения конструктивных элементов ступенчатых валов и других объектов контроля, имеющих форму тел вращения
CA3195717A1 (fr) * 2020-10-02 2022-04-07 Evident Canada, Inc. Classification de defauts pendant un essai non destructif
US11578971B2 (en) * 2021-02-12 2023-02-14 Holloway Ndt & Engineering Inc. Ultrasonic testing using a phased array
CN113252774B (zh) * 2021-06-07 2021-10-08 北京唯恩传感技术有限公司 一种基于超声换能的检测系统
US11823373B1 (en) * 2022-07-27 2023-11-21 Biosense Webster (Israel) Ltd. Inspection apparatus
CN116296900B (zh) * 2023-05-25 2023-07-25 四川职业技术学院 一种测量河底输气管道剪切应力变化的控制系统及方法
CN117741090A (zh) * 2024-02-19 2024-03-22 如皋市力霸铸造有限公司 一种变速箱精密铸件质量缺陷检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995003526A1 (fr) * 1993-07-20 1995-02-02 Commonwealth Scientific And Industrial Research Organisation Systeme d'inspection d'un conduit
FR2796153A1 (fr) * 1999-07-09 2001-01-12 Setval Controle non destructif a capteurs ultrasonores repartis

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4625557B2 (en) * 1985-02-20 1998-05-26 Rutherford Lora E Acoustical imaging systems
JPH075155A (ja) * 1993-06-16 1995-01-10 Sumitomo Metal Ind Ltd 超音波自動疵種判別方法
US6059727A (en) 1995-06-15 2000-05-09 The Regents Of The University Of Michigan Method and apparatus for composition and display of three-dimensional image from two-dimensional ultrasound scan data
JPH10115604A (ja) * 1996-10-14 1998-05-06 Ishikawajima Harima Heavy Ind Co Ltd 超音波探傷データ評価装置
JPH10311138A (ja) * 1997-05-14 1998-11-24 Ohbayashi Corp 単管パイプの識別構造
CN100424506C (zh) * 2001-10-17 2008-10-08 中国石油天然气管道科学研究院 相控阵超声波仪器及其检测方法
FR2833706B1 (fr) * 2001-12-13 2004-07-23 Setval Controle non destructif a capteurs ultrasonores, de produits de metallurgie
CN2646670Y (zh) * 2003-09-12 2004-10-06 赵翼晋 超声波多相流量测试仪
CN100545652C (zh) * 2003-09-30 2009-09-30 北京时代之峰科技有限公司 观察回波幅度曲线的闸门内展宽方法
FR2925690B1 (fr) 2007-12-21 2010-01-01 V & M France Controle non destructif,en particulier pour des tubes en cours de fabrication ou a l'etat fini.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995003526A1 (fr) * 1993-07-20 1995-02-02 Commonwealth Scientific And Industrial Research Organisation Systeme d'inspection d'un conduit
FR2796153A1 (fr) * 1999-07-09 2001-01-12 Setval Controle non destructif a capteurs ultrasonores repartis

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DUNLOP I ET AL: "Shape classification of flaw indications in three-dimensional ultrasonic images", IEE PROCEEDINGS: SCIENCE, MEASUREMENT AND TECHNOLOGY, IEE, STEVENAGE, HERTS, GB, vol. 142, no. 4, 1 July 1995 (1995-07-01), pages 307 - 12, XP006004423, ISSN: 1350-2344 *
MARGRAVE F W ET AL: "The use of neural networks in ultrasonic flaw detection", MEASUREMENT, INSTITUTE OF MEASUREMENT AND CONTROL. LONDON, GB, vol. 25, no. 2, March 1999 (1999-03-01), pages 143 - 154, XP004158745, ISSN: 0263-2241 *
RAVANBOD ET AL: "Application of neuro-fuzzy techniques in oil pipeline ultrasonic nondestructive testing", NDT & E INTERNATIONAL, BUTTERWORTH-HEINEMANN, OXFORD,, GB, vol. 38, no. 8, December 2005 (2005-12-01), pages 643 - 653, XP005058825, ISSN: 0963-8695 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017105281A3 (fr) * 2015-12-14 2017-07-20 Виталий Александрович МОКЛЯКОВ Procédé de détection de défauts des parois à l'intérieur de canalisations
US11506635B2 (en) 2016-11-29 2022-11-22 Wärtsilä Finland Oy Ultrasonic quality control using filtered image data

Also Published As

Publication number Publication date
CN101501487B (zh) 2013-09-11
MY151179A (en) 2014-04-30
FR2903187B1 (fr) 2008-09-26
EA200970075A1 (ru) 2009-06-30
AR061748A1 (es) 2008-09-17
JP5162583B2 (ja) 2013-03-13
EA012925B1 (ru) 2010-02-26
EP2035822B1 (fr) 2011-12-07
US20090301202A1 (en) 2009-12-10
KR20090045208A (ko) 2009-05-07
ATE536546T1 (de) 2011-12-15
ES2377147T3 (es) 2012-03-22
NO340510B1 (no) 2017-05-02
SA07280355B1 (ar) 2010-09-29
EP2035822A1 (fr) 2009-03-18
BRPI0713049A2 (pt) 2012-04-17
PL2035822T3 (pl) 2012-05-31
US8265886B2 (en) 2012-09-11
KR101343368B1 (ko) 2013-12-19
AU2007264866C1 (en) 2014-01-16
CA2656120A1 (fr) 2008-01-03
UA94758C2 (ru) 2011-06-10
ZA200810780B (en) 2009-12-30
BRPI0713049B1 (pt) 2018-02-14
CA2656120C (fr) 2016-01-26
CN101501487A (zh) 2009-08-05
JP2009541765A (ja) 2009-11-26
AU2007264866B2 (en) 2012-04-26
NO20090481L (no) 2009-03-26
FR2903187A1 (fr) 2008-01-04
AU2007264866A1 (en) 2008-01-03

Similar Documents

Publication Publication Date Title
EP2035822B1 (fr) Controle non destructif de produits siderurgiques par ultrasons
CA2709611C (fr) Controle non destructif, en particulier pour des tubes en cours de fabrication ou a l'etat fini
JP2011506992A5 (fr)
JP2009541765A5 (fr)
EP2976635B1 (fr) Dispositif de contrôle non destructif de produits tubulaires avec des réseaux en phase électroacoustiques, notamment sur site
FR2602053A1 (fr) Dispositif et procede d'essais non destructifs d'une piece par la mesure de l'impedance de courants de foucault
CA2968487A1 (fr) Procede de detection et de caracterisation par ultrasons de defauts dans un materiau heterogene
EP3391039B1 (fr) Dispositif de controle et de mesure de defauts de soudure d'une paroi cylindrique et procede qui en fait usage
FR2733337A1 (fr) Detection et identification automatiques de particularites dans des signaux numeriques a points ordonnes
EP0592300A1 (fr) Procédé de traitement de signaux recueillis par un capteur ponctuel absolu à courants de Foucault
WO2002086485A1 (fr) Procede de mesure par ondes sonores et ultrasonores
FR2696549A1 (fr) Procédé et dispositif pour l'examen non destructif de jonctions au moyen d'une sonde à courants de Foucault.

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200780030315.9

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07788926

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2007788926

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2656120

Country of ref document: CA

WWE Wipo information: entry into national phase

Ref document number: 2731/MUMNP/2008

Country of ref document: IN

Ref document number: DZP2008000753

Country of ref document: DZ

WWE Wipo information: entry into national phase

Ref document number: 2008122089

Country of ref document: EG

WWE Wipo information: entry into national phase

Ref document number: 2009517315

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2007264866

Country of ref document: AU

WWE Wipo information: entry into national phase

Ref document number: 1020097001796

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 200970075

Country of ref document: EA

NENP Non-entry into the national phase

Ref country code: RU

WWE Wipo information: entry into national phase

Ref document number: 12306534

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2007264866

Country of ref document: AU

Date of ref document: 20070625

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: PI0713049

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20081230