导师序言

超声导波检测技术的诞生标志着无损检测技术发展的一次飞跃。作为一种非破坏性的检测方法，无损检测已成为国家工业与科技发展不可或缺的组成部分。无损检测不仅能够提升产品质量、保障产品安全和延长产品寿命，而且能够为企业节省成本、提高维护效率和保持良好声誉。超声导波检测技术作为无损检测技术的重要组成部分，具有高精度、高效性和多功能性等特点，在航空、航天、电力、石化、汽车等行业中已得到广泛应用。随着国家工业的不断发展，以超声导波为代表的诸多无损检测技术的应用将更加广泛，并为中国制造业的升级和国家科技的发展壮大做出积极贡献。

孙洪宇是我指导的博士研究生，这些年他在无损检测领域，尤其是超声无损检测方面积累了扎实的研究基础和丰富的研究经验，这本书是他在博士求学期间不断积累和沉淀的成果。书中提到的无损检测的核心任务是检测评价相关设施和材料的质量，包括油气管道、储罐底板、航天材料等，从而确保材料的性能指标满足其使用要求，并实现对风险的及时准确评估，做到防患于未然。其中，采用超声检测方法可以对缺陷进行有效的识别和高精度量化从而判断出缺陷的严重程度，指导被测件的运维和更换。尽管目前基于EMAT的超声导波缺陷定位方法的相关研究已比较成熟，但对缺陷的量化仍然较为困难，且在能量转换效率较低的同时非常依赖领域内从业人员的主观判断，智能化水平较低。因此，本书的研究意义、创新与前景主要包括以下三方面： 

（1） 瞄准国家规划部署与智能化发展需求

国家发布的“十四五”规划全文中共出现“智能”“智慧”相关关键词60次。可以预测，以人工智能为核心的新一代信息技术、大数据技术将为推动我国新型工业信息化技术的发展提供核心驱动力。在保障能源安全储运方面，以超声导波缺陷检测为代表的无损检测领域也将实现从人工依赖向智能化的转型，例如，在铝板探伤中采用计算机辅助决策系统自动检测缺陷，利用深度神经网络评估缺陷的严重程度，进而提高缺陷检测的准确度和可靠性。总而言之，缺陷识别量化的智能化转型与应用将为后续的缺陷实时评估奠定重要基础。

（2） 解决EMAT导波缺陷检测固有问题

EMAT能量转换效率低及超声导波缺陷识别量化困难作为EMAT导波缺陷检测的固有问题，长期以来都是领域内的痛点，二者的优势很难充分发挥出来。针对前者而言，本书研究中所设计的聚焦超声导波EMAT是一种可行的解决方案； 而针对后者而言，所采用的物理启发式深度神经网络在缺陷自动高精度量化中表现良好。上述两种方法不仅解决了EMAT导波缺陷检测中存在的固有问题，还为高阶超声导波在裂纹缺陷检测场景中提供了启示与解决方案。

（3） 推动超声无损检测领域智能化发展

尽管超声无损检测领域正朝着智能化方向持续发展，但工业工程相关领域普遍缺乏大数据的支撑，深度神经网络的“黑箱”问题也困扰着诸多学者，从而限制了该方法在某些敏感领域如国家安全、航空航天等的应用。为有效地解决上述问题，本书在研究中构建了物理启发式深度神经网络。该方法的核心观点是“理论指导网络、网络优化理论”，且在代表性不强的小数据条件下仍具有较强的网络泛化能力，从而有潜力扫清以超声无损检测行业为代表的工业领域在向智能化方向发展过程中遇到的阻碍。

总之，超声导波检测技术已经得到越来越广泛的应用，相应的新技术、新方法也在不断地出现。然而，针对超声导波聚焦智能检测方法的相关研究尚较为匮乏，且缺乏相应的知识体系与架构。本书以通俗易懂、简洁明了的方式，深入浅出地给出了一套导波聚焦检测与缺陷智能量化的完整解决方案，实现了电磁超声无损检测理论与工业数据的全面深度融合，为铝板缺陷的高精度识别与量化提供了有效的理论支撑与技术支持。相信该书的出版能为推动超声无损检测事业的进一步发展发挥积极作用。

黄松岭

清华大学电机工程与应用电子技术系 教授

电磁检测与设备性能安全评估研究中心主任

2025年4月