CN112014471A - 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 - Google Patents
一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 Download PDFInfo
- Publication number
- CN112014471A CN112014471A CN202010659629.2A CN202010659629A CN112014471A CN 112014471 A CN112014471 A CN 112014471A CN 202010659629 A CN202010659629 A CN 202010659629A CN 112014471 A CN112014471 A CN 112014471A
- Authority
- CN
- China
- Prior art keywords
- imaging
- plate structure
- mode
- virtual sensor
- modal
- 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.)
- Granted
Links
Images
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
- G01N29/041—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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- 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
-
- 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
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
-
- 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
- G01N2291/023—Solids
- G01N2291/0234—Metals, e.g. steel
-
- 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
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法。对换能器阵元采用一发一收的方式进行超声导波实验,得到超声回波信号,并对采集到的回波信号进行模态分离处理,获得单模态信号。使用单模态信号进行拓扑梯度成像,对单模态成像结果进行阈值处理,确定虚拟缺陷参数,建立含有缺陷的板结构模型,并根据模型运算结果获得虚拟传感器处的回波信号。使用虚拟传感器接收信号与实验接收信号构成的混合数据集进行拓扑梯度成像,并将多个模态的成像结果进行融合,确定板结构中的缺陷信息。本发明提出了虚拟传感器并使用将多模态结果进行融合,可以较大提升拓扑梯度成像结果的信噪比,消除成像结果中的伪像。
Description
技术领域
本发明属于无损检测领域,更具体地,涉及一种基于线性阵列超声换能器的板结构缺陷成像方法。
背景技术
板结构广泛应用于航空航天船舶制造等领域,由于其工作环境温差大、湿度高,在其漫长的服役期间一些结构不可避免地出现腐蚀裂纹等损伤,随着时间的推移,局部的损伤积累会导致整体结构的失效从而发生事故,给国家和人民生命财产造成巨大的损失。因此需要对板结构中潜在可能缺陷以及结构的损伤状态进行评价。
超声导波技术具有检测效率高、范围大等优点,特别适合于板、管等波导的大范围缺陷检测。板结构中传播的超声导波称为兰姆波。兰姆波检测具有以下优点:1、兰姆波衰减慢,传播范围广。2、兰姆波对结构中微小缺陷敏感。3、兰姆波检测适用于恶劣环境,如结构被隔离等不可及区域的检测。
目前应用于板结构兰姆波缺陷成像的方法有两类,第一类是需要基线信号的成像方法,该方法通过将检测信号与预先获取的无缺陷状态下的基准信号进行相减,再根据椭圆、双曲线等形状的几何关系即可定位确定缺陷的准确位置。然而,由于***处于自然环境中,温度、湿度等变化会引起信号的各种改变,导致基线相减法很容易误报。第二类是无需基线信号的成像方法,此类方法改进了第一类成像方法中的不足,仅使用含缺陷信号就可对缺陷进行成像,近几年发展出的拓扑梯度成像方法是比较有代表性的一种。该方法通过模拟无缺陷板结构中导波的传播获得直接声场,并将将含缺陷信号经过时间反转后再激励,获取伴随声场,通过两声场相乘后在频域进行积分,实现了兰姆波在缺陷位置的聚焦。但是由于导波存在多个模态,使用该方法对缺陷进行成像后,成像结果中的伪像较多,信噪比较低。
针对利用传统的兰姆波拓扑梯度成像方法存在成像信噪比低等不足,本发明提出了一种板结构缺陷成像方法,主要体现在一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法。
发明内容
本发明所要解决的技术问题是针对现有技术中存在的不足,提供一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法,通过该方法可以提高拓扑梯度成像结果的信噪比,进而消除成像结果中的伪像。
该方法利用线性阵列超声换能器对含缺陷金属板结构进行检测。首先,对换能器阵元采用一发一收的方式进行超声导波实验,记录换能器阵列接收数据,得到超声回波信号,并对采集到的回波信号进行模态分离处理,获得单模态信号。其次,使用单模态信号进行拓扑梯度成像,对单模态成像结果进行阈值处理,确定虚拟缺陷参数,建立含有缺陷的板结构模型,并根据模型运算结果获得虚拟传感器处的回波信号。最后,使用虚拟传感器接收信号与实验接收信号构成的混合数据集进行拓扑梯度成像,并将多个模态的成像结果进行融合,确定板结构中的缺陷信息。
本发明提出的一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法,其特征在于包括以下步骤,其流程图如图1所示:
1)将线阵列超声换能器置于板结构表面,阵元个数为M,每个阵元既是激励阵元,又是接收阵元,但又不能同时为激励和接收阵元。利用线阵列超声换能器采集阵列检测信号,检测***如图2所示。
2)将采集到的M×(M-1)组信号进行模态分离,获取S0,A0模态接收信号各M×(M-1)组。
3)使用分离出的单模态接收信号,对成像区域内拓扑梯度进行计算,获得单模态初步成像结果TS(x,z),TA(x,z)。
4)通过设定阈值的方式实现对多个模态初始结果的二值化处理,根据阈值处理结果建立含缺陷模型并设置虚拟传感器位置为实验中换能器中点处,共M-1个,将大于阈值区域设置为缺陷,该过程可用式(1)表示:
其中TS/A(x,z)为初始成像结果,Dv(x,z)为含缺陷模型的材料属性,D0为无缺陷板材料属性,Dde为缺陷处材料属性。
5)对含缺陷模型中S0,A0模态导波的传播进行模拟,提取声场中虚拟传感器处的接收信号,并结合实验中换能器接收信号再次计算成像区域内拓扑梯度,获得S0,A0模态最终成像结果。
6)通过引入统计思想中的权重因子,对S0,A0模态成像结果进行复合成像。将每一对传感器得到的S0模态与A0模态拓扑梯度矩阵放入一个三维矩阵中,如下式(2)所示
其中p为传感器对编号,S代表S0模态矩阵,A代表与A0模态矩阵。根据式(3)与式(4),分别求取X矩阵的平均值和标准差。
根据求得的平均值和标准差,计算权重因子,权重因子的计算公式如下,
最终的复合成像结果可表示为:
附图说明
图1基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法流程图
图2板结构兰姆波成像检测***示意图
图3待测铝板试件示意图
图4未进行模态分离S0拓扑梯度成像结果
图5未进行模态分离A0拓扑梯度成像结果
图6 S0单模态拓扑梯度成像结果
图7 A0单模态拓扑梯度成像结果
图8 S0模态二值化处理结果
图9 A0模态二值化处理结果
图10 S0模态虚拟传感器拓扑梯度成像结果
图11 A0模态虚拟传感器拓扑梯度成像结果
图12基于虚拟传感器的多模态兰姆波拓扑梯度成像结果
具体实施方式
以下实施例以本发明技术方案为前提进行实施,给出了具体的实施方案和操作过程,但本发明保护的范围不限于下述的实施例。
基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法检测实验***如图2所示,该***主要由任意函数发生器、电压放大器、示波器、待测铝板试件以及线性阵列超声换能器组成。其中,换能器阵列由5个柔性压电传感器组成,传感器直径为6mm,传感器间距75mm,中心频率为375kHz,采样频率为50MHz,激励电压为100Vpp,待检测板结构为800mm×800mm×1mm的铝板,如图3所示,在板上P处(坐标(350,370))有一个直径8mm的圆形通孔缺陷。
基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法步骤如下:
1、采用上述实验***对检测试件进行阵列检测,将线阵超声换能器耦合于待测铝板上表面,采集5个传感器分别激励,其他传感器的接收信号。
2、对采集到的信号进行模态分离,分离出S0与A0单模态实验信号,分别用两模态信号进行成像区域拓扑梯度计算,结果如图6,图7。
3、通过设定阈值的方式对图6,图7多个模态初始结果的二值化处理,阈值设置为0.9,根据阈值处理结果建立含缺陷模型,如图8图9,图中缺陷为红色区域,蓝色区域为无缺陷铝板区域。
4、对含缺陷模型中S0,A0模态导波的传播进行模拟,获得虚拟传感器处接收信号后,结合实验中换能器接收信号与虚拟传感器接收信号再次对成像区域内拓扑梯度进行计算,获得S0,A0模态最终成像结果,如图10图11。
6、实验结果分析:图4,图5为模态分离前不同模态的拓扑梯度成像,图6,图7为模态分离后不同模态的拓扑梯度成像。由图4,图5可知检测信号未进行模态分离时S模态与A模态拓扑梯度成像结果中均存在大量伪像,信噪比较低,十分影响缺陷的识别和判断。模态分离后的单模态拓扑梯度成像在近场和远场的伪像有所消除,经过虚拟传感器处理之后,图10,图11中近场与远场的伪像幅值进一步降低。最后在多模态融合后成像结果中,如图12,缺陷附近的伪像幅值也被降低,缺陷更加明显突出,成像信噪比相较传统拓扑梯度成像有较大的提高。
以上是本发明的一个典型应用,本发明的应用不限于此。
Claims (3)
1.一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法,其特征在于:该方法包括以下步骤,
1)待测试件选取各向同性板结构,将线阵列超声换能器置于板结构表面,利用线阵列超声换能器采集阵列检测信号;
2)将采集到的信号进行模态分离,获取S0,A0模态接收信号;
3)使用S0,A0单模态接收信号,分别进行成像区域内拓扑梯度的计算,获得初步成像结果;
4)通过设定阈值的方式对多个模态初始结果的二值化处理;
5)对含缺陷模型中S0,A0模态导波的传播进行模拟,提取声场中虚拟传感器处接收信号,并结合实验中换能器接收信号再次计算成像区域内拓扑梯度,获得S0,A0模态最终成像结果;
6)计算S0,A0模态两成像结果组成矩阵的平均值与标准差,之后计算权重系数,并进行复合成像。
2.根据权利要求1所述的一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法,其特征在于:步骤2)中,阵元个数为M,每个阵元既是激励阵元,又是接收阵元,但又不能同时为激励和接收阵元。
3.根据权利要求1所述的一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法,其特征在于:步骤4)中,根据阈值处理结果建立含缺陷模型并设置虚拟传感器位置为实验中相邻换能器中点处,共M-1个,将大于阈值区域设置为缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659629.2A CN112014471B (zh) | 2020-07-10 | 2020-07-10 | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659629.2A CN112014471B (zh) | 2020-07-10 | 2020-07-10 | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112014471A true CN112014471A (zh) | 2020-12-01 |
CN112014471B CN112014471B (zh) | 2023-09-01 |
Family
ID=73498415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010659629.2A Active CN112014471B (zh) | 2020-07-10 | 2020-07-10 | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014471B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333285A (zh) * | 2019-07-04 | 2019-10-15 | 大连海洋大学 | 基于变分模态分解的超声兰姆波缺陷信号识别方法 |
CN113358743A (zh) * | 2021-05-12 | 2021-09-07 | 北京工业大学 | 一种基于时频分布相似度分析的兰姆波模态分离方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701936A (zh) * | 2009-11-13 | 2010-05-05 | 北京工业大学 | 基于换能器阵列虚拟聚焦的板结构兰姆波无损检测方法 |
CN103412056A (zh) * | 2013-07-22 | 2013-11-27 | 北京航空航天大学 | 一种基于双传感器的类板状结构中声发射波模态分离方法 |
CN106596737A (zh) * | 2016-11-29 | 2017-04-26 | 大连理工大学 | 一种基于Lamb波波结构的多模态信号分离方法 |
CN108459087A (zh) * | 2018-04-25 | 2018-08-28 | 大连理工大学 | 一种应用于板结构损伤检测的多模态Lamb波模态分离方法 |
-
2020
- 2020-07-10 CN CN202010659629.2A patent/CN112014471B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701936A (zh) * | 2009-11-13 | 2010-05-05 | 北京工业大学 | 基于换能器阵列虚拟聚焦的板结构兰姆波无损检测方法 |
CN103412056A (zh) * | 2013-07-22 | 2013-11-27 | 北京航空航天大学 | 一种基于双传感器的类板状结构中声发射波模态分离方法 |
CN106596737A (zh) * | 2016-11-29 | 2017-04-26 | 大连理工大学 | 一种基于Lamb波波结构的多模态信号分离方法 |
CN108459087A (zh) * | 2018-04-25 | 2018-08-28 | 大连理工大学 | 一种应用于板结构损伤检测的多模态Lamb波模态分离方法 |
Non-Patent Citations (1)
Title |
---|
焦敬品等: "基于虚拟聚焦的板结构兰姆波换能器阵列检测方法研究", 《机 械 工 程 学 报》, vol. 47, no. 8 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333285A (zh) * | 2019-07-04 | 2019-10-15 | 大连海洋大学 | 基于变分模态分解的超声兰姆波缺陷信号识别方法 |
CN110333285B (zh) * | 2019-07-04 | 2021-07-27 | 大连海洋大学 | 基于变分模态分解的超声兰姆波缺陷信号识别方法 |
CN113358743A (zh) * | 2021-05-12 | 2021-09-07 | 北京工业大学 | 一种基于时频分布相似度分析的兰姆波模态分离方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112014471B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kudela et al. | Identification of cracks in thin-walled structures by means of wavenumber filtering | |
CN106770669B (zh) | 基于多模式声束合成孔径聚焦的缺陷二维形貌成像检测方法 | |
Hay et al. | A comparison of embedded sensor Lamb wave ultrasonic tomography approaches for material loss detection | |
US6823736B1 (en) | Nondestructive acoustic emission testing system using electromagnetic excitation and method for using same | |
CN110687208A (zh) | 一种基于双曲线定位的无基准Lamb波损伤监测方法 | |
CN109239206B (zh) | 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法 | |
WO2022016726A1 (zh) | 一种基于复合模式全聚焦的裂纹形貌重建方法 | |
CN107219305A (zh) | 一种基于环形阵列换能器的全聚焦成像检测方法 | |
CN108181378B (zh) | 一种检测混合铺层复合材料层压结构的缺陷超声识别方法 | |
CN112014471B (zh) | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 | |
WO2007058926A1 (en) | System and method for ultrasonically detecting discontinuous fibers in composite laminates | |
CN104965025A (zh) | 一种基于Lamb波信号相关系数的多区域损伤检测方法 | |
Ma et al. | The reflection of guided waves from simple dents in pipes | |
CN108318579B (zh) | 一种蜂窝共固化结构缺陷超声a扫描识别方法及装置 | |
US11199524B2 (en) | Network wavefield imaging methods for quantification of complex discontinuity in plate-like structures | |
WO2020248736A1 (zh) | 一种基于反转路径差信号的板结构兰姆波无参考成像方法 | |
Michaels et al. | Damage detection in plate structures using sparse ultrasonic transducer arrays and acoustic wavefield imaging | |
CN117491504A (zh) | 一种基于一发一收相控阵探头的分层缺陷轮廓重建方法 | |
CN203117167U (zh) | 公路钢桥用超声波检测装置 | |
CN112285651A (zh) | 基于特征提取矩阵相似度识别复合材料冲击源位置的方法及*** | |
CN108195934B (zh) | 基于时频分析的超声导波检测频率优选方法 | |
CN115876877A (zh) | 一种基于超声在线监测的材料氢损伤状态判定方法 | |
CN111047547B (zh) | 一种基于多视图tfm的联合缺陷定量方法 | |
CN114755300A (zh) | 一种基于超声无损检测的缺陷定位定量检测方法 | |
CN110609083A (zh) | 基于超声相控阵的薄板三维机织层合板复合材料试件内部缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |