CN104730146A - 一种用于板结构裂纹定量评价的超声阵列复合成像方法 - Google Patents
一种用于板结构裂纹定量评价的超声阵列复合成像方法 Download PDFInfo
- Publication number
- CN104730146A CN104730146A CN201510106760.5A CN201510106760A CN104730146A CN 104730146 A CN104730146 A CN 104730146A CN 201510106760 A CN201510106760 A CN 201510106760A CN 104730146 A CN104730146 A CN 104730146A
- Authority
- CN
- China
- Prior art keywords
- array
- vector
- imaging
- rightarrow
- amplitude
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种用于板结构裂纹定量评价的超声阵列复合成像方法,属于无损检测领域。该方法通过对超声换能器阵列接收到的兰姆波信号进行全聚焦成像和极性一致成像,对两种成像方法进行合成获得复合成像,以复合成像为成像基础,进行矢量全聚焦成像,由缺陷处反射特征信号能量最强来确定缺陷的位置,利用矢量图中矢量的方向计算缺陷的方向,能够有效识别裂纹缺陷的方向。
Description
技术领域
本发明涉及一种用于板结构裂纹定量评价的超声阵列复合成像方法,该方法涉及裂纹类缺陷的方向识别技术,属于无损检测技术领域。
背景技术
板类结构是工业上最常用的结构形式之一,被广泛用来制造各种容器、炉壳、炉板、桥梁。在使用中,板结构往往要求承受动载荷、冲击、震动、耐蚀等,容易产生裂纹类缺陷。如在火电厂、核电厂机组运行过程中,汽轮机叶片工作在高温、高压、高转速或湿蒸汽区等恶劣环境中,经受着离心力、蒸汽力、腐蚀和振动以及湿蒸汽区高速水滴冲蚀的共同作用,再加上难以避免的设计、制造、安装质量及运行工况、检修工艺不佳等因素的影响,叶片常会出现裂纹,轻则引起汽轮发电机组振动,重则造成飞车事故。对于裂纹类缺陷都存在一定的方向性,获取缺陷的方向性能够有效地改进板结构的生产、使用过程,提高生产效率。
在板中,常见的缺陷主要有裂纹,穿孔等。国内目前主要采用的无损检测方法有超声,射线,磁粉探伤等方法。超声导波技术作为一种快速、高效的无损检测方法,已广泛应用于多种工程结构的无损评价。板结构中传播的超声导波称为兰姆波。兰姆波在板中传播时声场遍及整个壁厚,传播距离较长且衰减较小,因此兰姆波作为一种有效手段在固体板结构无损检测方面得到广泛应用。
兰姆波检测按照换能器数量,可分为单换能器检测和阵列检测。利用单换能器(反射式)或双换能器(透射式)对板结构进行兰姆波检测时,只能实现某单一方向范围内的缺陷检测,单(双)换能器兰姆波检测灵敏度较低,信噪比差。为克服单换能器能量分散、分辨率低、检测信号分析困难等缺点,可以利用多个阵元组成换能器阵列进行超声检测。
因此,本课题利用兰姆波阵列技术进行板结构大范围无损检测方法研究。
常用的超声阵列成像技术包括全聚焦成像、矢量全聚焦成像、散射系数矩阵成像、相位一致成像、极性一致成像、复合成像等方法。2005年Caroline Holmes等发表《Post-processing ofthe full matrix ofultrasonic transmit–receivearray datafor non-destructive evaluation》文章提出并总结了超声阵列全聚焦成像方法,利用超声阵列采集到信号的幅值信息进行缺陷成像。2007年Paul D.Wilcox等发表《Advanced Reflector Characterization with Ultrasonic Phased Arrays in NDEApplications》文章提出超声阵列矢量全聚焦成像算法,以全聚焦为成像基础利用激励与接收阵元的反射特征对缺陷的方向进行识别。2008年Jie Zhang等发表《Defect Characterization Using an Ultrasonic Array to Measure the ScatteringCoefficient Matrix》文章提出利用缺陷的散射系数特征进行缺陷的方向识别。2009年Jorge Camacho等发表《Phase Coherence Imaging》文章提出相位一致成像及极性一致成像方法,利用超声阵列采集信号的相位信息进行缺陷成像,相比于全聚焦成像,相位成像的缺陷位置信息更加准确。2013硕士论文《脉冲压缩技术及其在锻件相控阵检测中的应用研究》中对全聚焦成像及其优化方法进行了研究,实现对缺陷的定位检测,并通过优化方法提高了成像的精度。2014硕士论文《基于矢量全聚焦的超声阵列缺陷识别方法研究及其应用》以全聚焦算法为成像基础对缺陷进行方向识别。但上述文章提出的超声阵列成像方法均为超声体波技术,并未把上述方法延伸至超声导波技术领域,且使用单一的成像方法缺陷成像效果有待提高。
2009硕士论文《兰姆波线性阵列板结构复合成像无损检测方法研究》中提出一种兰姆波复合成像方法,利用逻辑运算选取不同幅度变迹技术下缺陷成像结果。2013年Vander T.Prado等发表《Lamb mode diversity imaging fornon-destructive testing ofplate-like structures》文章提出一种兰姆波复合成像方法,将全聚焦成像与极性一致成像进行合成对缺陷进行成像。专利《基于超声Lamb波的储罐底板腐蚀检测***及方法》(专利号:201110281076)中所述的全聚焦成像方法对时域信号数据进行处理,实现了对储罐底板结构中缺陷的定位。上述方法将超声阵列技术延伸至超声导波领域实现了缺陷成像,能够实现缺陷成像,但不能实现缺陷的方向识别。
本专利的创新点在于提出一种超声阵列复合成像算法,以复合成像算法为成像基础,将矢量全聚焦算法应用至超声导波技术领域,对板结构缺陷进行方向识别。本方法能够有效地提高缺陷成像的信噪比,有效地提高裂纹方向测量的精度同时可以实现裂纹长度的测量。
发明内容
本发明的目的在于提出一种用于板结构裂纹定量评价的超声阵列复合成像方法。该方法用于对板结构裂纹类缺陷的方向识别,首先利用数据采集***得到全矩阵兰姆波信号,使用采集到的信号分别进行全聚焦成像和极性一致成像,再对两种成像进行合成获得复合成像结果,以复合成像为成像基础进行矢量全聚焦计算,由目标缺陷处反射特征信号能量最强来确定缺陷的位置,根据缺陷的位置提取目标缺陷的局部矢量图,最后利用局部矢量图中矢量的方向来确定目标缺陷的方向。
该方法需要的数据采集***包括示波器、函数发生器、线性阵列换能器和被测试件,其中,线性阵列换能器与被测试件通过耦合介质进行耦合,如图1所示。在进行检测实验时,首先调节函数发生器产生激励信号,通过阵列换能器激励出超声兰姆波信号沿被测试件发射出去,并通过阵列换能器接收反射回来的超声兰姆波信号;由示波器进行超声时域信号的数据存储。
为实现上述目的,本发明采用的技术方案为一种用于板结构裂纹定量评价的超声阵列复合成像方法,具体可以按照以下步骤实施检测,方法流程如图2所示。
步骤一:在如图1所示的检测装置下进行实验,其中,实验所用阵列换能器中心频率为f,阵元总个数为N,单个阵元的宽度为a,相邻两阵元的中心距离为p,超声波在被测试件中的传播波速为c,则波长通过依次激励的方式采集得到时域信号y(i)j(t)(i=1,2,3,…,N,j=1,2,3,…,N),其中,下标(i)表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收。
步骤二:建立成像坐标系,如图3所示。定义表示原点到成像点P的向量。表示第i个激励阵元到成像点P的位置向量, 表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,表示向量的模。表示第j个接收阵元到成像点P的位置向量, 表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,表示向量的模。
步骤三:全聚焦成像。将全部阵列数据按激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置进行聚焦,并将信号幅值叠加。因此,可通过公式(1)计算全阵列在每个成像点的幅值IA。
式中,c为声波在被测试件中的传播波速;N为阵列个数;
步骤四:极性一致成像。对全部阵列数据y(i)j(t)通过公式(2)进行极性处理。若t时刻y(i)j(t)幅值小于零,则定义极性为-1,y(i)j(t)幅值大于等于零,则定义极性为+1。
极性处理后,对全部阵列数据根据激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置按公式(3)进行极性叠加。
步骤五:复合成像。将全聚焦成像和极性一致成像按公式(4)进行合成。
IC=IA·IB (4)
步骤六:构造子阵列。将阵元总数为N的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号称为子阵列数据。将该阵列换能器划分为K个子阵列,每个子阵列中含有M个阵元(M<N),相邻两个子阵列间的阵元间隔为N1(N1<N)。则第k个子阵列对应的阵元在全阵列中的序号最小值为1+M(k-1),最大值为1+M(k-1)+N1,其中,k=1,2,3,…,K。
步骤七:计算每个子阵列在每个成像点的幅值矢量。
根据步骤六划分好的子阵列,计算每个子阵列在每个成像点的幅值矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤二、三,公式中下标i、j的最小值为1+M(k-1),最大值为1+M(k-1)+N1,可得到每个子阵列在每个成像点处矢量的幅值其中,上标k表示第k个子阵列。
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量可得到每个子阵列在每个成像点的单位方向矢量是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,通过公式(5)计算得出。
(3)将上两步中得到的和对应相乘即可得到每个子阵列在每个成像点处的幅值矢量通过公式(6)计算得出。
步骤八:对步骤七中K个子阵列的幅值矢量进行合成,得到K个子阵列在每个成像点的合成幅值矢量通过公式(7)计算得出。
式中,α取1到正无穷的任意数,当α取值越大,任意成像点的合成幅值矢量的方向越接近成像点处反射信号能量最强的方向。
步骤九:将合成幅值矢量进行单位化,然后乘以步骤四中的IC,可得到在全阵列N下每个成像点的幅值矢量通过公式(8)计算得出。
根据上述计算可知,全阵列在每个成像点的幅值矢量的大小与步骤五中的全阵列在每个成像点的幅值相等,并且矢量的方向会与成像点处的反射面垂直。
步骤十:将步骤九中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图。
步骤十一:根据步骤十中的矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图然后将步骤五中的幅值IC进行分贝化,找出局部矢量图中幅值的最大值,求解最大值下降-6dB所对应的成像区域面积。最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过公式(9)计算得出。
式中,和表示与阵列换能器平行和垂直的单位向量,A表示在目标缺陷局部矢量图中,由幅值IC的最大值下降-6dB所对应的成像区域面积,arctan函数为数学中的反正切函数,θm表示矢量与z轴正向的夹角,即等于缺陷与x轴正向的夹角。
与现有检测方法相比,本发明具有以下优点:(1)复合成像算法能够有效地提高缺陷成像的信噪比;(2)复合成像提高裂纹方向测量的精度;(3)可以实现裂纹长度测量。
附图说明
图1为本发明的检测装置框图。
图2为本发明方法的流程图。
图3为本发明方法实施例中建立的成像坐标系。
图4a为板结构缺陷全矩阵成像图。
图4b为板结构缺陷极性一致成像原始图。
图4c为板结构缺陷合成成像原始图。
图4d为板结构缺陷缺陷位置成像放大。
图5为板结构缺陷的局部矢量全聚焦图。
具体实施方式
以下结合附图和实施例对本发明作进一步详细说明。
本实例检测仪器为函数发生器、示波器以及线性阵列换能器。实验中使用的线性阵列换能器中心频率f=300kHz,阵元总个数N=8,单个阵元宽度a=6mm,相邻两阵元的中心距离p=2mm,声波在被测试件中的传播波速c=5300m/s,则波长检测对象为铝板,长度和宽度均为1000mm,厚度为1mm。
本发明采用的技术方案为一种用于板结构裂纹定量评价的超声阵列复合成像方法的具体步骤为:
步骤一:在如图1所示的检测装置下进行实验,通过依次激励的方式采集得到时域信号y(i)j(t)(i=1,2,3,…,8,j=1,2,3,…,8),其中,下标(i)表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收。
步骤二:建立成像坐标系,如图3所示。设置成像区域x方向长度为L=1000mm,z方向长度为H=500mm,成像精度为step=2mm。
定义成像区域为P(m,n)。其中,m、n分别为x、z方向离散点编号,m=L/step=1000/2=500,n=H/step=500/2=250,则m=1,2,3,…,500,n=1,2,3,…,250。当m,n取特定值m0,n0时,P(m0,n0)表示特定成像点,其中m0=0.002×(m0-1),n0=0.002×(n0-1),
当激励阵元为i,接收阵元为j时,对于成像点P(m0,n0), 可表示为:
步骤三:全聚焦成像。将全部阵列数据按激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置进行聚焦,并将信号幅值叠加。因此,可通过公式(1)计算全阵列在每个成像点的幅值IA。
步骤四:极性一致成像。对全部阵列数据y(i)j(t)通过公式(2)进行极性处理。若t时刻y(i)j(t)幅值小于零,则定义极性为-1,否则,则定义极性为+1。
极性处理后,对全部阵列数据根据激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置按公式(3)进行极性叠加。
步骤五:复合成像。按公式(4)进行合成。
IC=IA·IB (4)
步骤六:构造子阵列。将阵元总数为8的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号称为子阵列数据。将该阵列换能器划分为4个子阵列,每个子阵列中含有2个阵元,相邻两个子阵列间的阵元个数为1。则第k个子阵列对应的阵元在全阵列中的序号最小值为1+2(k-1)=2k-1,最大值为1+2(k-1)+1=2k,其中,k=1,2,3,4。
步骤七:计算每个子阵列在每个成像点的幅值矢量。
根据步骤六划分好的子阵列,计算每个子阵列在每个成像点的幅值矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤二、三,公式中下标i、j的最小值为1+2(k-1),最大值为1+2(k-1)+1,可得到每个子阵列在每个成像点处矢量的幅值其中,上标k表示第k个子阵列。
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量可得到每个子阵列在每个成像点的单位方向矢量是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,可通过公式(5)计算得出。
(3)将上两步中得到的和对应相乘即可得到每个子阵列在每个成像点处的幅值矢量可通过公式(6)计算得出。
步骤八:对步骤七中4个子阵列的幅值矢量进行合成,取α=8,得到4个子阵列在每个成像点的合成幅值矢量可通过公式(7)计算得出。
步骤九:将合成幅值矢量进行单位化,然后乘以步骤四中的IC,得到在8阵元下每个成像点的幅值矢量可通过公式(8)计算得出。
根据上述计算可知,8阵元在每个成像点的幅值矢量的大小与步骤五中的全阵列在每个成像点的幅值相等,并且矢量的方向会与成像点处的反射面垂直。
步骤十:将步骤九中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图。
步骤十一:根据步骤十中的矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图如图5所示;然后将步骤五中的幅值IC进行分贝化,找出局部矢量图中幅值的最大值,求解最大值下降-6dB所对应的成像区域面积。最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过公式(9)计算得出。
式中,和表示与阵列换能器平行和垂直的单位向量,A表示在目标缺陷局部矢量图中,由幅值IC的最大值下降-6dB所对应的成像区域面积,arctan函数为数学中的反正切函数,θm表示矢量与z轴正向的夹角,即等于缺陷与x轴正向的夹角。
最后,通过局部矢量图,如图4a-4d所示,可以看出,缺陷处矢量幅值较明显,用箭头表现的形式,而其它不含缺陷的地方由于幅值很小,看不出来箭头,只呈现出圆点的形式,由此可以判断出缺陷的位置;并且通过计算求得缺陷处的角度θm=24.0366°,即表示缺陷与x轴正向的夹角为24.0366°。
上述步骤只是本发明的一个典型实施例,本发明的实施不限于此。
Claims (8)
1.一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:该方法具体按照以下步骤实施检测,
步骤一:在数据采集***下进行实验,其中,实验所用阵列换能器中心频率为f,阵元总个数为N,单个阵元的宽度为a,相邻两阵元的中心距离为p,超声波在被测试件中的传播波速为c,则波长通过依次激励的方式采集得到时域信号y(i)j(t)(i=1,2,3,…,N,j=1,2,3,…,N),其中,下标(i)表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收;
步骤二:建立成像坐标系;定义表示原点到成像点P的向量;表示第i个激励阵元到成像点P的位置向量,表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,表示向量的模;表示第j个接收阵元到成像点P的位置向量,表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,表示向量的模;
步骤三:全聚焦成像;将全部阵列数据按激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置进行聚焦,并将信号幅值叠加;因此,可通过公式(1)计算全阵列在每个成像点的幅值IA;
式中,c为声波在被测试件中的传播波速;N为阵列个数;
步骤四:极性一致成像;对全部阵列数据y(i)j(t)通过公式(2)进行极性处理;若t时刻y(i)j(t)幅值小于零,则定义极性为-1,y(i)j(t)幅值大于等于零,则定义极性为+1;
极性处理后,对全部阵列数据根据激励、接收阵元与成像点的距离计算声波传播时间t,在每个成像点位置按公式(3)进行极性叠加;
步骤五:复合成像;将全聚焦成像和极性一致成像按公式(4)进行合成;
IC=IA·IB (4)
步骤六:构造子阵列;将阵元总数为N的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号称为子阵列数据;将该阵列换能器划分为K个子阵列,每个子阵列中含有M个阵元(M<N),相邻两个子阵列间的阵元间隔为N1(N1<N);则第k个子阵列对应的阵元在全阵列中的序号最小值为1+M(k-1),最大值为1+M(k-1)+N1,其中,k=1,2,3,…,K;
步骤七:计算每个子阵列在每个成像点的幅值矢量;
根据步骤六划分好的子阵列,计算每个子阵列在每个成像点的幅值矢量,分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤二、三,公式中下标i、j的最小值为1+M(k-1),最大值为1+M(k-1)+N1,可得到每个子阵列在每个成像点处矢量的幅值其中,上标k表示第k个子阵列;
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量可得到每个子阵列在每个成像点的单位方向矢量是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,通过公式(5)计算得出;
(3)将上两步中得到的和对应相乘即可得到每个子阵列在每个成像点处的幅值矢量通过公式(6)计算得出;
步骤八:对步骤七中K个子阵列的幅值矢量进行合成,得到K个子阵列在每个成像点的合成幅值矢量通过公式(7)计算得出;
式中,α取1到正无穷的任意数,当α取值越大,任意成像点的合成幅值矢量的方向越接近成像点处反射信号能量最强的方向;
步骤九:将合成幅值矢量进行单位化,然后乘以步骤四中的IC,可得到在全阵列N下每个成像点的幅值矢量可通过公式(8)计算得出;
根据上述计算可知,全阵列在每个成像点的幅值矢量的大小与步骤五中的全阵列在每个成像点的幅值相等,并且矢量的方向会与成像点处的反射面垂直;
步骤十:将步骤九中的全阵列在每个成像点的幅值矢量进行成像显示,得到全阵列在每个成像点的全局矢量成像图;
步骤十一:根据步骤十中的矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图然后将步骤五中的幅值IC进行分贝化,找出局部矢量图中幅值的最大值,求解最大值下降-6dB所对应的成像区域面积;最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过公式(9)计算得出;
式中,和表示与阵列换能器平行和垂直的单位向量,A表示在目标缺陷局部矢量图中,由幅值IC的最大值下降-6dB所对应的成像区域面积,arctan函数为数学中的反正切函数,θm表示矢量与z轴正向的夹角,即等于缺陷与x轴正向的夹角。
2.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:数据采集***包括示波器、函数发生器、线性阵列换能器和被测试件,其中,线性阵列换能器与被测试件通过耦合介质进行耦合;在进行检测实验时,首先调节函数发生器产生激励信号,通过阵列换能器激励出超声兰姆波信号沿被测试件发射出去,并通过阵列换能器接收反射回来的超声兰姆波信号;由示波器进行超声时域信号的数据存储。
3.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的换能器阵列为多个的压电片。
4.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的换能器兰姆波信号包括A0模态兰姆波和S0模态兰姆波。
5.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的复合成像算法对全聚焦算法和极性一致算法进行合成。
6.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的板结构为厚度小于10mm的单一材料性质的铝板、钢板。
7.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的矢量全聚焦成像为方向箭头构成的图像。
8.根据权利要求1所述的一种用于板结构裂纹定量评价的超声阵列复合成像方法,其特征在于:所述的缺陷为裂纹类缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510106760.5A CN104730146A (zh) | 2015-03-11 | 2015-03-11 | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510106760.5A CN104730146A (zh) | 2015-03-11 | 2015-03-11 | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104730146A true CN104730146A (zh) | 2015-06-24 |
Family
ID=53454244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510106760.5A Pending CN104730146A (zh) | 2015-03-11 | 2015-03-11 | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730146A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527345A (zh) * | 2016-01-15 | 2016-04-27 | 北京工业大学 | 基于密集型激光传感器阵列的Lamb波板状结构的缺陷定位方法 |
CN105572230A (zh) * | 2016-02-22 | 2016-05-11 | 北京工业大学 | 一种用于裂纹类缺陷定量识别的极性加权矢量全聚焦成像方法 |
CN106093206A (zh) * | 2016-07-15 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 一种基于斜入射纵波的焊缝超声阵列全聚焦成像方法 |
CN110108804A (zh) * | 2019-04-22 | 2019-08-09 | 郑州正大建筑技术有限公司 | 一种建筑施工用瓷砖空鼓敲击检测装置 |
CN110161118A (zh) * | 2019-05-24 | 2019-08-23 | 哈尔滨工业大学 | 一种基于超声导波原理的钢板裂纹检测方法 |
CN114624241A (zh) * | 2022-03-12 | 2022-06-14 | 北京工业大学 | 一种基于改进的全聚焦算法的风机主轴裂纹成像方法 |
CN114859359A (zh) * | 2022-04-07 | 2022-08-05 | 中国人民解放军国防科技大学 | 基于超声子阵列的时间反转成像方法及***、设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969337A (zh) * | 2014-05-07 | 2014-08-06 | 北京工业大学 | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 |
CN104297346A (zh) * | 2014-09-11 | 2015-01-21 | 天津大学 | 超声平板导波的金属板材无损检测***及其检测方法 |
-
2015
- 2015-03-11 CN CN201510106760.5A patent/CN104730146A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969337A (zh) * | 2014-05-07 | 2014-08-06 | 北京工业大学 | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 |
CN104297346A (zh) * | 2014-09-11 | 2015-01-21 | 天津大学 | 超声平板导波的金属板材无损检测***及其检测方法 |
Non-Patent Citations (3)
Title |
---|
VANDER T. PRADO ET AL.: "Lamb mode diversity imaging for non-destructive testing of plate-like structures", 《NDT&E INTERNATIONAL》 * |
吴斌等: "调谐兰姆波在模态控制中的实验研究", 《实验力学》 * |
焦敬品等: "基于脉冲压缩技术的相邻缺陷识别方法研究", 《仪器仪表学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527345A (zh) * | 2016-01-15 | 2016-04-27 | 北京工业大学 | 基于密集型激光传感器阵列的Lamb波板状结构的缺陷定位方法 |
CN105527345B (zh) * | 2016-01-15 | 2018-12-25 | 北京工业大学 | 基于密集型激光传感器阵列的Lamb波板状结构的缺陷定位方法 |
CN105572230A (zh) * | 2016-02-22 | 2016-05-11 | 北京工业大学 | 一种用于裂纹类缺陷定量识别的极性加权矢量全聚焦成像方法 |
CN105572230B (zh) * | 2016-02-22 | 2018-10-12 | 北京工业大学 | 一种用于裂纹类缺陷定量识别的极性加权矢量全聚焦成像方法 |
CN106093206A (zh) * | 2016-07-15 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 一种基于斜入射纵波的焊缝超声阵列全聚焦成像方法 |
CN110108804A (zh) * | 2019-04-22 | 2019-08-09 | 郑州正大建筑技术有限公司 | 一种建筑施工用瓷砖空鼓敲击检测装置 |
CN110161118A (zh) * | 2019-05-24 | 2019-08-23 | 哈尔滨工业大学 | 一种基于超声导波原理的钢板裂纹检测方法 |
CN110161118B (zh) * | 2019-05-24 | 2021-11-19 | 哈尔滨工业大学 | 一种基于超声导波原理的钢板裂纹检测方法 |
CN114624241A (zh) * | 2022-03-12 | 2022-06-14 | 北京工业大学 | 一种基于改进的全聚焦算法的风机主轴裂纹成像方法 |
CN114624241B (zh) * | 2022-03-12 | 2024-07-09 | 北京工业大学 | 一种基于改进的全聚焦算法的风机主轴裂纹成像方法 |
CN114859359A (zh) * | 2022-04-07 | 2022-08-05 | 中国人民解放军国防科技大学 | 基于超声子阵列的时间反转成像方法及***、设备、存储介质 |
CN114859359B (zh) * | 2022-04-07 | 2022-12-02 | 中国人民解放军国防科技大学 | 基于超声子阵列的时间反转成像方法及***、设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103969337B (zh) | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 | |
CN104730146A (zh) | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 | |
Leleux et al. | Long range detection of defects in composite plates using Lamb waves generated and detected by ultrasonic phased array probes | |
Yu et al. | In situ 2-D piezoelectric wafer active sensors arrays for guided wave damage detection | |
Yu et al. | Crack imaging and quantification in aluminum plates with guided wave wavenumber analysis methods | |
Ostachowicz et al. | Damage localisation in plate-like structures based on PZT sensors | |
Hayashi et al. | Defect imaging with guided waves in a pipe | |
CN111122700B (zh) | 一种提高激光超声saft缺陷定位速度的方法 | |
EP2953545B1 (en) | Synthetic data collection method for full matrix capture using an ultrasound array | |
US20090048789A1 (en) | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection | |
Thompson | Quantitative ultrasonic nondestructive evaluation methods | |
Han et al. | Time–frequency beamforming for nondestructive evaluations of plate using ultrasonic Lamb wave | |
CN103901109A (zh) | 一种复合绝缘子内部缺陷的相控阵超声检测装置及方法 | |
CN101421610A (zh) | 具有至少一个声学各向异性材料区域的测试体的无损测试方法 | |
CN203981638U (zh) | 一种复合绝缘子内部缺陷的相控阵超声检测装置 | |
Wandowski et al. | Guided wave-based detection of delamination and matrix cracking in composite laminates | |
CN104535656A (zh) | 全光学非接触式复合材料板层裂损伤检测***及方法 | |
CN105572230B (zh) | 一种用于裂纹类缺陷定量识别的极性加权矢量全聚焦成像方法 | |
Bao et al. | A novel multi-site damage localization method based on near-field signal subspace fitting using uniform linear sensor array | |
CN113777166A (zh) | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 | |
Song et al. | Accelerated noncontact guided wave array imaging via sparse array data reconstruction | |
Xie et al. | Study of curved structures health monitoring with flexible omnidirectional guided-wave transducers | |
Wandowski et al. | Guided waves-based damage localization in riveted aircraft panel | |
Kim et al. | Automated debonding characterization in reinforced structures based on finite element analysis and convolutional neural networks | |
Jeon et al. | Experimental study on guided and standing waves based full field laser scanning for damage detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150624 |