CN115856076B - 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及*** - Google Patents

基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及*** Download PDF

Info

Publication number
CN115856076B
CN115856076B CN202211479059.4A CN202211479059A CN115856076B CN 115856076 B CN115856076 B CN 115856076B CN 202211479059 A CN202211479059 A CN 202211479059A CN 115856076 B CN115856076 B CN 115856076B
Authority
CN
China
Prior art keywords
defect
scanning
air
nonlinear
imaging
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.)
Active
Application number
CN202211479059.4A
Other languages
English (en)
Other versions
CN115856076A (zh
Inventor
范鑫
于波
单奕萌
宣善勇
吴传贵
刘亚星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Run Wuhu Machinery Factory
Original Assignee
State Run Wuhu Machinery Factory
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
Application filed by State Run Wuhu Machinery Factory filed Critical State Run Wuhu Machinery Factory
Priority to CN202211479059.4A priority Critical patent/CN115856076B/zh
Publication of CN115856076A publication Critical patent/CN115856076A/zh
Priority to GB2306019.7A priority patent/GB2624731A/en
Application granted granted Critical
Publication of CN115856076B publication Critical patent/CN115856076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
    • 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
    • G01N29/043—Analysing solids in the interior, e.g. by 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

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Acoustics & Sound (AREA)
  • Probability & Statistics with Applications (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空耦超声的CFRP板小尺寸缺陷测量方法、装置及***，涉及超声检测技术领域，解决的技术问题为“如何提供一种能够准确表征小尺寸缺陷且可以任意设置成像分辨率的CFRP板小尺寸缺陷测量方法”，方法包括：基于第一空气耦合超声换能器对和第二空气耦合超声换能器对，采集待检测CFRP板的步进扫描信号；根据步进扫描信号得到扫描路径，并基于扫描路径建立成像区域；提取各个扫描路径对应的超声波信号的相对非线性系数；根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；基于所述缺陷分布概率，得到缺陷测量结果；该方法采用非线性缺陷指标和自适应加权成像算法，对CFRP板小尺寸缺陷进行测量，检测小尺寸缺陷的能力更强。

Description

基于空耦超声的CFRP板小尺寸缺陷测量方法、装置及***
技术领域
本发明涉及超声检测技术领域。
背景技术
碳纤维增强聚合物复合材料(CFRP)因其良好的耐腐蚀性、高疲劳强度、良好的减震性等，已广泛应用于飞机、卫星、火箭、火车等高端制造装备。然而，在CFRP的制造和使用过程中，由于局部承受应力过大，很容易出现某些缺陷，例如分层缺陷、基体开裂、孔洞缺陷等，这些缺陷会严重降低材料强度并破坏结构的完整性。其中形成的小尺寸缺陷在初始阶段不容易被发现，但随着日常使用会逐渐扩张，直至威胁其应用领域的安全性。因此，众多无损检测方法开始出现，用来检测在役CFRP板的小尺寸缺陷。
超声检测是在役CFRP板无损检测领域的一种有效方法。根据是否使用耦合剂，超声检测分为接触式和非接触式。由于耦合剂会污染CFRP板并降低检测效率，非接触式超声检测技术是在役CFRP板无损检测的首选。非接触式超声检测技术主要分为三类：电磁超声、激光超声以及空气耦合超声。电磁超声只能检测导电材料，对于绝缘的CFRP板来说是不可行的；在激光超声中，由于激光能量高，CFRP板面临烧蚀风险，且所需设备昂贵，因此也不具备较强的可行性。相比之下，空气耦合超声成本更低且更容易聚焦，因此更适合检测在役CFRP板。
传统空气耦合超声方法大都使用线性缺陷指标，传统线性缺陷指标多采用时域幅值作为评价指标，传统线性缺陷指标难以表征小尺寸缺陷，并且，它们的成像分辨率完全受扫描步长的限制，导致成像分辨率和检测效率之间存在矛盾。因此，如何提供一种能够准确表征小尺寸缺陷且可以任意设置成像分辨率的CFRP板小尺寸缺陷测量方法，成为本领域亟待解决的技术问题。
发明内容
为了解决现有技术中存在的技术问题，本发明提供了一种基于空耦超声的CFRP板小尺寸缺陷测量方法、装置及***，该方法采用非线性缺陷指标和自适应加权成像算法，对CFRP板小尺寸缺陷进行测量，检测小尺寸缺陷的能力更强。
一种基于空耦超声的CFRP板小尺寸缺陷测量方法，包括：
基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
提取各个所述扫描路径对应的超声波信号的相对非线性系数；
根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
基于所述任意成像点的缺陷分布概率，得到缺陷测量结果。
进一步地，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对采用Lamb波进行扫描；
所述第一方向为所述待检测CFRP板的0°纤维方向，所述第二方向为所述待检测CFRP板的90°纤维方向。
进一步地，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的步进扫描步长，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的波束宽度，所述步进扫描步长小于所述波束宽度。
进一步地，根据第一方向和第二方向的步进扫描结果，建立成像区域之后，还包括：
对所述成像区域进行网格划分。
进一步地，根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率，包括：
提取第一方向扫描路径相对非线性系数中的第一最小值，以及第二方向扫描路径相对非线性系数中的第二最小值；
基于全部所述相对非线性系数、第一最小值以及第二最小值，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标；
计算第一方向和第二方向上各个扫描路径的自适应加权系数；
基于所述非线性缺陷指标和自适应加权系数，计算得到所述成像区域中任意成像点的缺陷分布概率。
进一步地，所述自适应加权系数通过如下公式计算：
Figure BDA0003959273370000031
Figure BDA0003959273370000032
其中，Wi(x,y)为第一方向第i个扫描路径的缺陷指标的自适应加权系数，Wj(x,y)为第二方向第j个扫描路径的缺陷指标的自适应加权系数，(x,y)为成像区域中任意成像点，m为第一方向上的扫描路径数量，n为第二方向上的扫描路径数量，D是波束宽度，α是Lamb波能量在扫描路径两侧的衰减速率，d为扫描步长。
进一步地，任意成像点的缺陷分布概率通过如下公式计算：
Figure BDA0003959273370000033
其中，DIi为第一方向第i个扫描路径的非线性缺陷指标，DIj为第二方向第j个扫描路径的非线性缺陷指标。
进一步地，基于所述任意成像点的缺陷分布概率，得到缺陷测量结果，包括：
采用6dB法对所述缺陷分布概率进行处理。
一种基于空耦超声的CFRP板小尺寸缺陷测量装置，包括：
第一扫描模块，用于基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
第二扫描模块，用于基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
成像建立模块，用于根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
非线性提取模块，用于提取各个所述扫描路径对应的超声波信号的相对非线性系数；
概率计算模块，用于根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
测量结果模块，用于基于所述任意成像点的缺陷分布概率，得到缺陷测量结果。
一种基于空耦超声的CFRP板小尺寸缺陷测量***，所述***包括第一空气耦合超声换能器对、第二空气耦合超声换能器对以及计算装置，所述计算装置包括处理器和存储器，所述存储器中存有多条指令，所述处理器用于读取所述存储器中的多条指令并执行上述方法。
本发明提供的基于空耦超声的CFRP板小尺寸缺陷测量方法、装置及***，至少包括如下有益效果：
(1)使用空气耦合Lamb波的相对非线性系数作为非线性缺陷指标，该指标比传统的线性缺陷指标对小尺寸缺陷更敏感，针对同样直径10mm大小的小尺寸缺陷进行缺陷测量时，采用本发明提供的缺陷测量方法得到的区域检测误差与传统方法相比能够降低71.0％，测量误差显著降低。
(2)本发明提出的自适应加权成像算法考虑了空气耦合超声在其扫描波束宽度内的能量分布，并从所有扫描路径提取的缺陷指标确定任意成像点的缺陷分布概率，在扫描步长增大时，本发明提供的缺陷测量方法中成像分辨率无明显变化，而传统方法中的成像分辨率会显著降低，因此，采用本发明提供的自适应加权成像算法得到的成像分辨率不再依赖于扫描步长，并且可以任意设置。
附图说明
图1为本发明提供的基于空耦超声的CFRP板小尺寸缺陷测量方法一种实施例的流程图；
图2为本发明提供的基于空耦超声的CFRP板小尺寸缺陷测量***一种实施例的示意图；
图3为本发明提供的小尺寸缺陷测量方法中成像区域建立过程一种实施例的示意图；
图4为本发明提供的小尺寸缺陷测量方法中待检测CFRP板0°和90°纤维方向的Lamb波频散一种实施例的曲线图；
图5为本发明提供的小尺寸缺陷测量方法中具有直径为20mm和10mm的分层缺陷的CFRP板的线性和非线性缺陷指数一种实施例的曲线图；
图6为本发明提供的小尺寸缺陷测量方法中不同尺寸分层缺陷的缺陷分布概率一种实施例的缺陷图；
图7为本发明提供的小尺寸缺陷测量方法中采用1.5mm扫描步距、直径10mm分层缺陷的缺陷分布概率一种实施例的缺陷图；
附图标记：T1-第一激励空气耦合超声换能器，T2-第二激励空气耦合超声换能器，R1-第一接收空气耦合超声换能器，R2-第二接收空气耦合超声换能器。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
参见图1，在一些实施例中，提供一种基于空耦超声的CFRP板小尺寸缺陷测量方法，包括：
S1、基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
S2、基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
S3、根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
S4、提取各个所述扫描路径对应的超声波信号的相对非线性系数；
S5、根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
S6、基于所述任意成像点的缺陷分布概率，得到缺陷测量结果。
需要说明的是，空耦超声技术包括C扫技术和Lamb波检测技术。其中，空气耦合C扫技术是已被广泛应用于检测CFRP板的一种成熟的方法。C扫需要将两个空气耦合超声换能器放置在CFRP板的两侧并使用纵波穿透法进行逐点扫描实现缺陷检测。然而，当在役CFRP板的一侧被妨碍空气耦合超声换能器安置的其他物体占据时，C扫技术对于在役CFRP板变得不可行，例如，飞机蒙皮有两个侧面，虽然很容易将空气耦合超声换能器放置在外侧，但不可能将其设置在骨架支撑的内侧。并且，C扫技术的逐点扫描大大降低了检测效率。
相较于空气耦合C扫技术而言，Lamb波可以完全覆盖传播路径上整个板的厚度方向，Lamb波还具有衰减小、传播距离长、检测灵敏度高等优点，在利用Lamb波进行检测时，两个空气耦合超声换能器可以放置在CFRP板的同一侧。采用Lamb波进行检测，能够有效解决C扫技术必须将两个空气耦合超声换能器放置在CFRP板的两侧的问题，也能够有效解决其检测效率低的问题。
因此，作为一种较优的实施方式，第一空气耦合超声换能器对和第二空气耦合超声换能器对采用Lamb波进行扫描。
需要说明的是，CFRP板属于各向异性材料，各向异性材料中Lamb波的传播和频散特性比各向同性材料中的Lamb波更加复杂。空气耦合Lamb波对CFRP板缺陷检测过程中较严重的影响是，Lamb波在不同方向上的频散曲线明显不同。在两个垂直的X和Y方向上的步进扫描可以获得足够的表征信息以实现二维平面缺陷成像。由于CFRP板的0°和90°纤维方向是已知的，且其Lamb波和SH波的频散曲线是解耦的，故Lamb波在CFRP板0°和90°纤维方向的频散曲线相对容易获得。
因此，参见图2，为了方便获得足够表征信息实现二维平面成像，使CFRP板的0°和90°纤维方向与步进扫描的X和Y方向分别对应。作为一种较优的实施方式，第一方向为待检测CFRP板的0°纤维方向，所述第二方向为待检测CFRP板的90°纤维方向。空气耦合超声换能器对包括激励空气耦合超声换能器和接收空气耦合超声换能器，具体地，T1为第一激励空气耦合超声换能器，R1为第一激励空气耦合超声换能器对应的第一接收空气耦合超声换能器，T2为第二激励空气耦合超声换能器，R2为第二激励空气耦合超声换能器对应的第二接收空气耦合超声换能器。
步骤S1和步骤S2中，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的步进扫描步长，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的波束宽度，所述步进扫描步长小于所述波束宽度。这是为了使CFRP板上的每个成像点都能被Lamb波覆盖，当扫描步长小于超声换能器的波束宽度时，成像分辨率可以任意设置，不再依赖于扫描步长。扫描时，第一空气耦合超声换能器对和第二空气耦合超声换能器对采用步进扫描的方式，分别沿第一方向和第二方向步进扫描得到多个扫描路径，并通过计算装置采集包含扫描路径信息的步进扫描信号，用于后续步骤的分析。
参见图3，第一空气耦合超声换能器对和第二空气耦合超声换能器对的扫描步长均为d，进行方向相互垂直的步进扫描，分别为待检测CFRP板的0°纤维方向和90°纤维方向。其中，0°纤维方向的扫描路径数量为m，90°纤维方向的扫描路径数量为n。步骤S3中，以扫描区域的中心为(0,0)，以0°纤维方向为X轴正方向，以90°纤维方向为Y轴正方向，0°纤维方向和90°纤维方向的扫描范围分别为(-md/2,md/2)和(-nd/2,nd/2)。
步骤S3根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域之后，还包括：
对所述成像区域进行网格划分，网格大小为Δd。划分网格得到后续步骤中的成像点，用于确定成像分辨率，网格的大小即成像分辨率大小。
参考图3，步骤S4中，以扫描区域的中心为(0,0)，0°和90°纤维方向的扫描范围分别为(-md/2,md/2)和(-nd/2,nd/2)。提取每个扫描路径接收的Lamb波信号的相对非线性系数作为非线性缺陷指标。
需要说明的是，非线性缺陷指标采用的非线性系数，在现有技术中，常用于表征材料微观结构，如位错、晶相析出、微孔隙、微缺陷等，而并未有用于测量CFRP板小尺寸缺陷的先例。并且，非线性缺陷指标采用的非线性系数，与测量CFRP板小尺寸缺陷常用的线性缺陷指标在技术上不存在关联性。在步骤S4中，选择每个扫描路径Lamb波的相对非线性系数作为非线性缺陷指标，显著提高了CFRP板小尺寸缺陷的测量精度。
步骤S5中，根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率，包括：
S51、提取第一方向扫描路径相对非线性系数中的第一最小值，以及第二方向扫描路径相对非线性系数中的第二最小值；
S52、基于全部所述相对非线性系数、第一最小值以及第二最小值，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标；
S53、计算第一方向和第二方向上各个扫描路径的自适应加权系数；
S54、基于所述非线性缺陷指标和自适应加权系数，计算得到所述成像区域中任意成像点的缺陷分布概率。
步骤S5中，采用自适应加权成像算法，考虑空气耦合超声在其扫描波束宽度内的能量分布，并基于所有扫描路径提取的非线性缺陷指标确定任意成像点的缺陷分布概率。考虑到空气耦合超声换能器产生的Lamb波束具有一定宽度，自适应加权算法构建了成像区域中任意成像点与所有扫描路径之间的关系。
具体地，步骤S52中，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标，通过如下公式表示：
DIi＝βi′-βi′min；
DIj＝βj′-βj′min；
其中，DIi为第一方向第i个扫描路径的非线性缺陷指标，DIj为第二方向第j个扫描路径的非线性缺陷指标，βi'和βj'分别是第一方向上第i条扫描路径和第二方向上第j条扫描路径的相对非线性系数，βi'min和βj'min分别是第一方向扫描路径相对非线性系数中的第一最小值和第二方向扫描路径相对非线性系数中的第二最小值。
步骤S53中，所述自适应加权系数通过如下公式计算：
Figure BDA0003959273370000091
Figure BDA0003959273370000092
其中，Wi(x,y)为第一方向第i个扫描路径的缺陷指标的自适应加权系数，Wj(x,y)为第二方向第j个扫描路径的缺陷指标的自适应加权系数，(x,y)为成像区域中任意成像点，m为第一方向上的扫描路径数量，n为第二方向上的扫描路径数量，D是波束宽度，α是Lamb波能量在扫描路径两侧的衰减速率，d为扫描步长。
步骤S54中，任意成像点的缺陷分布概率通过如下公式计算：
Figure BDA0003959273370000093
其中，DIi为第一方向第i个扫描路径的非线性缺陷指标，DIj为第二方向第j个扫描路径的非线性缺陷指标。
步骤S6中，基于所述任意成像点的缺陷分布概率，得到缺陷测量结果，包括：
采用6dB法对所述缺陷分布概率进行处理，即采用6dB法对所述成像区域的归一化缺陷分布概率进行处理，对缺陷进行定性分析与定量表征。
在一种具体应用场景中，使用T300/QY8911CFRP板进行缺陷测量实验，以此为例说明本实施例提供的基于空耦超声的CFRP板小尺寸缺陷测量方法相较于传统方法的优势。T300/QY8911CFRP板的参数参见表1。CFRP板共有20层，铺层顺序为[0°/45°/90°/-45°]，每层的厚度为0.1mm，CFRP板整体厚度为2mm。在CFRP板铺层的过程中，在第10层和第11层之间铺设一层厚为0.05mm的聚乙烯薄膜以模拟分层缺陷。本实施例分别制作了带有直径为20mm和10mm分层缺陷的CFRP板样品，样品尺寸大小为300mm×300mm×2mm。
表1
Figure BDA0003959273370000101
参见图4(a)和图4(b)，分别获得CFRP板0°和90°纤维方向的Lamb波频散曲线。Lamb波的频散特性使得在CFRP板中传播的Lamb波模式的数量不小于2，导致Lamb波在时域中具有相似相速度的不同模式之间发生混叠。模态混叠增加信号提取和分析的难度，故激励频率应小于Lamb波各模式截止频率的最小值。因此，选择一对中心频率为200kHz的空气耦合超声换能器用于检测。任意信号函数发生器产生由汉宁窗调制的正弦脉冲信号，中心频率为200kHz，脉冲周期为5。功率放大器将激励信号电压放大至400Vpp，以确保空气耦合换能器激励足够声能。根据Snell定律分析，确定0°和90°纤维方向的合适入射角度分别为13.0°和18.0°。两个空气耦合换能器之间的距离决定了检测区域。距离越大，检测区域越大。然而，随着距离的增加，声能损失也将增加。实验结果表明，当距离超过150mm时，信号的幅度大大降低，这影响了后续非线性系数的提取。为了确保检测区域的大小和非线性系数的提取质量，将两个空气耦合换能器之间的距离设置为150mm。CFRP板的中心设置为60mm×60mm的成像区域的中心。X和Y方向的扫描位置范围均为-30mm至30mm，扫描步长为0.5mm。
参见图5，展示了具有直径为20mm和10mm的分层缺陷的CFRP板的线性和非线性缺陷指数曲线。参见图5(a)和图5(b)，对于直径为20mm的缺陷，与5(a)线性缺陷指标相比，在无缺陷扫描位置，图5(b)非线性缺陷指标的振幅波动较小且更平滑。因此，非线性缺陷指数可以避免伪缺陷和缺陷图的错误判断。参见图5(c)和图5(d)，对于直径为10mm的缺陷，图5(d)非线性缺陷指标对缺陷的存在更敏感，其边界更清晰。由此可知，采用非线性缺陷指标，可以使小尺寸缺陷的测量精度更好。
进一步地，参见图6，为了展示本实施例提供的缺陷测量方法的表征精度，将其与采用传统缺陷概率成像算法的实验结果进行对比。两种成像算法的成像网格均设置为0.5mm，图6展示了不同尺寸分层缺陷的缺陷分布概率P的缺陷图，其中，图6(a)为直径20mm的分层缺陷采用线性缺陷指标和传统缺陷概率成像算法得到的分布概率缺陷图，图6(b)为直径20mm的分层缺陷采用非线性缺陷指标和自适应加权成像算法得到的分布概率缺陷图，图6(c)为直径10mm的分层缺陷采用线性缺陷指标和传统缺陷概率成像算法得到的分布概率缺陷图，图6(d)为直径10mm的分层缺陷采用非线性缺陷指标和自适应加权成像算法得到的分布概率缺陷图。用6dB法选择归一化P的阈值为0.5，如果归一化缺陷分布概率P(x,y)大于0.5，则该网格被认为是缺陷的一部分；否则，网格将被丢弃。通过类推，得到了基于缺陷图的缺陷尺寸，缺陷图的定量表征结果参见表2。使用线性缺陷指数和传统缺陷概率成像算法，直径为20mm和10mm的分层缺陷的面积检测误差分别为7.5％和21.4％。使用实施例提供的非线性缺陷指数和自适应加权成像算法的区域检测误差分别为6.5％和6.2％。特别是对于小尺寸缺陷，区域检测误差降低了71.0％。由此可知，本实施例提供的缺陷测量方法能够获得更好的缺陷测量精度，检测误差更低，尤其是对于小尺寸缺陷的检测，能够显著降低检测误差。
表2
Figure BDA0003959273370000111
为了验证本实施例提供的自适应加权成像算法的优势，扫描步长由0.5mm增加至1.5mm。此时，传统缺陷概率成像算法的成像网格随之变为1.5mm。自适应加权成像算法的成像网格仍可设置为0.5mm。图7展示了采用1.5mm扫描步距、直径10mm分层缺陷的缺陷分布概率P的缺陷图，其中，图7(a)采用线性缺陷指标和传统缺陷概率成像算法，图7(b)采用非线性缺陷指标和自适应加权成像算法。对比图6(c)和图7(a)传统缺陷概率成像算法的成像分辨率随着扫描步长从0.5mm增加到1.5mm而降低。缺陷边界无法清晰区分，缺陷表征的准确性大大降低。相比之下，与图6(d)和图7(b)相比，自适应加权成像算法的缺陷图在扫描步长增加前后没有显著差异。由此可见，采用本实施例提供的缺陷测量方法，自适应加权成像算法的成像分辨率不再依赖于扫描步长，并且可以任意设置。
在一些实施例中，提供一种基于空耦超声的CFRP板小尺寸缺陷测量装置，包括：
第一扫描模块，用于基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
第二扫描模块，用于基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
成像建立模块，用于根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
非线性提取模块，用于提取各个所述扫描路径对应的超声波信号的相对非线性系数；
概率计算模块，用于根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
测量结果模块，用于基于所述任意成像点的缺陷分布概率，得到缺陷测量结果。
其中，第一扫描模块和第二扫描模块中，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对采用Lamb波进行扫描；
所述第一方向为待检测CFRP板的0°纤维方向，所述第二方向为待检测CFRP板的90°纤维方向。
所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的步进扫描步长，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的波束宽度，所述步进扫描步长小于所述波束宽度。
所述成像建立模块之后还包括网格划分模块，用于对所述成像区域进行网格划分。
所述概率计算模块还用于：
提取第一方向扫描路径相对非线性系数中的第一最小值，以及第二方向扫描路径相对非线性系数中的第二最小值；
基于全部所述相对非线性系数、第一最小值以及第二最小值，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标；
计算第一方向和第二方向上各个扫描路径的自适应加权系数；
基于所述非线性缺陷指标和自适应加权系数，计算得到所述成像区域中任意成像点的缺陷分布概率。
所述自适应加权系数通过如下公式计算：
Figure BDA0003959273370000131
Figure BDA0003959273370000132
其中，Wi(x,y)为第一方向第i个扫描路径的缺陷指标的自适应加权系数，Wj(x,y)为第二方向第j个扫描路径的缺陷指标的自适应加权系数，(x,y)为成像区域中任意成像点，m为第一方向上的扫描路径数量，n为第二方向上的扫描路径数量，D是波束宽度，α是Lamb波能量在扫描路径两侧的衰减速率，d为扫描步长。
任意成像点的缺陷分布概率通过如下公式计算：
Figure BDA0003959273370000133
其中，DIi为第一方向第i个扫描路径的非线性缺陷指标，DIj为第二方向第j个扫描路径的非线性缺陷指标。
所述测量结果模块还用于：
采用6dB法对所述缺陷分布概率进行处理。
在一些实施例中，提供一种基于空耦超声的CFRP板小尺寸缺陷测量***，所述***包括第一空气耦合超声换能器对、第二空气耦合超声换能器对以及计算装置，所述计算装置包括处理器和存储器，所述存储器中存有多条指令，所述处理器用于读取所述存储器中的多条指令并执行上述方法。
本实施例提供的基于空耦超声的CFRP板小尺寸缺陷测量方法、装置及***，使用空气耦合Lamb波的相对非线性系数作为非线性缺陷指标，该指标比传统的线性缺陷指标对小尺寸缺陷更敏感，针对同样直径10mm大小的小尺寸缺陷进行缺陷测量时，采用本发明提供的缺陷测量方法得到的区域检测误差与传统方法相比能够降低71.0％，测量误差显著降低；本实施例提出的自适应加权成像算法考虑了空气耦合超声在其扫描波束宽度内的能量分布，并从所有扫描路径提取的缺陷指标确定任意成像点的缺陷分布概率，在扫描步长增大时，本发明提供的缺陷测量方法中成像分辨率无明显变化，而传统方法中的成像分辨率会显著降低，因此，采用本发明提供的自适应加权成像算法得到的成像分辨率不再依赖于扫描步长，并且可以任意设置。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于空耦超声的CFRP板小尺寸缺陷测量方法，其特征在于，包括：
基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
提取各个所述扫描路径对应的超声波信号的相对非线性系数；
根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
基于所述任意成像点的缺陷分布概率，得到缺陷测量结果；
根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率，包括：
提取第一方向扫描路径相对非线性系数中的第一最小值，以及第二方向扫描路径相对非线性系数中的第二最小值；
基于全部所述相对非线性系数、第一最小值以及第二最小值，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标；
计算第一方向和第二方向上各个扫描路径的自适应加权系数；
基于所述非线性缺陷指标和自适应加权系数，计算得到所述成像区域中任意成像点的缺陷分布概率。
2.根据权利要求1所述的方法，其特征在于，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对采用Lamb波进行扫描；
所述第一方向为所述待检测CFRP板的0°纤维方向，所述第二方向为所述待检测CFRP板的90°纤维方向。
3.根据权利要求2所述的方法，其特征在于，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的步进扫描步长，所述第一空气耦合超声换能器对和第二空气耦合超声换能器对具有相同的波束宽度，所述步进扫描步长小于所述波束宽度。
4.根据权利要求1所述的方法，其特征在于，根据第一方向和第二方向的步进扫描结果，建立成像区域之后，还包括：
对所述成像区域进行网格划分。
5.根据权利要求1任一所述的方法，其特征在于，所述自适应加权系数通过如下公式计算：
Figure FDA0004195315070000021
Figure FDA0004195315070000022
其中，Wi(x,y)为第一方向第i个扫描路径的缺陷指标的自适应加权系数，Wj(x,y)为第二方向第j个扫描路径的缺陷指标的自适应加权系数，(x,y)为成像区域中任意成像点，m为第一方向上的扫描路径数量，n为第二方向上的扫描路径数量，D是波束宽度，α是Lamb波能量在扫描路径两侧的衰减速率，d为扫描步长。
6.根据权利要求1所述的方法，其特征在于，任意成像点的缺陷分布概率通过如下公式计算：
Figure FDA0004195315070000023
其中，DIi为第一方向第i个扫描路径的非线性缺陷指标，DIj为第二方向第j个扫描路径的非线性缺陷指标。
7.根据权利要求1所述的方法，其特征在于，基于所述任意成像点的缺陷分布概率，得到缺陷测量结果，包括：
采用6dB法对所述缺陷分布概率进行处理。
8.一种基于空耦超声的CFRP板小尺寸缺陷测量装置，其特征在于，包括：
第一扫描模块，用于基于第一空气耦合超声换能器对，沿第一方向采集待检测CFRP板的第一步进扫描信号；
第二扫描模块，用于基于第二空气耦合超声换能器对，沿第二方向采集所述待检测CFRP板的第二步进扫描信号，所述第二方向与第一方向垂直；
成像建立模块，用于根据所述第一步进扫描信号和第二步进扫描信号得到扫描路径，并基于所述扫描路径建立成像区域；
非线性提取模块，用于提取各个所述扫描路径对应的超声波信号的相对非线性系数；
概率计算模块，用于根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率；
测量结果模块，用于基于所述任意成像点的缺陷分布概率，得到缺陷测量结果；
根据所述相对非线性系数，计算所述成像区域中任意成像点的缺陷分布概率，包括：
提取第一方向扫描路径相对非线性系数中的第一最小值，以及第二方向扫描路径相对非线性系数中的第二最小值；
基于全部所述相对非线性系数、第一最小值以及第二最小值，计算得到第一方向和第二方向上各个扫描路径的非线性缺陷指标；
计算第一方向和第二方向上各个扫描路径的自适应加权系数；
基于所述非线性缺陷指标和自适应加权系数，计算得到所述成像区域中任意成像点的缺陷分布概率。
9.一种基于空耦超声的CFRP板小尺寸缺陷测量***，其特征在于，所述***包括第一空气耦合超声换能器对、第二空气耦合超声换能器对以及计算装置，所述计算装置包括处理器和存储器，所述存储器中存有多条指令，所述处理器用于读取所述存储器中的多条指令并执行如权利要求1-8所述的方法。
CN202211479059.4A 2022-11-23 2022-11-23 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及*** Active CN115856076B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211479059.4A CN115856076B (zh) 2022-11-23 2022-11-23 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***
GB2306019.7A GB2624731A (en) 2022-11-23 2023-04-25 Method, device, and system based on air-coupled ultrasound for measuring small-sized defect of carbon fiber reinforced plastic (CFRP) plate

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211479059.4A CN115856076B (zh) 2022-11-23 2022-11-23 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***

Publications (2)

Publication Number Publication Date
CN115856076A CN115856076A (zh) 2023-03-28
CN115856076B true CN115856076B (zh) 2023-06-16

Family

ID=85665640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211479059.4A Active CN115856076B (zh) 2022-11-23 2022-11-23 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***

Country Status (2)

Country Link
CN (1) CN115856076B (zh)
GB (1) GB2624731A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115856076B (zh) * 2022-11-23 2023-06-16 国营芜湖机械厂 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6401057B1 (en) * 1997-07-02 2002-06-04 Nonlinear Solutions, Inc. Detection and classification system for analyzing deterministic properties of data using correlation parameters
SE539055C2 (en) * 2015-09-22 2017-03-28 Creo Dynamics Ab Method and system for inspecting plate-like structures using ultrasound
CN111855809B (zh) * 2020-07-20 2022-07-26 大连理工大学 一种基于复合模式全聚焦的裂纹形貌重建方法
CN114061805A (zh) * 2021-10-27 2022-02-18 哈尔滨工业大学 一种用于纤维增强复合材料的空气耦合Lamb波非线性超声应力检测方法、***及装置
CN114720560B (zh) * 2022-03-20 2022-11-22 哈尔滨工业大学 一种基于模态分解成像算法的碳纤维复合材料板分层缺陷空气耦合Lamb波超声检测方法
CN114994177B (zh) * 2022-05-26 2023-06-09 哈尔滨工业大学 复合板材超声缺陷检测方法及装置和复合板材
CN115856076B (zh) * 2022-11-23 2023-06-16 国营芜湖机械厂 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***

Also Published As

Publication number Publication date
GB202306019D0 (en) 2023-06-07
CN115856076A (zh) 2023-03-28
GB2624731A (en) 2024-05-29

Similar Documents

Publication Publication Date Title
US7389693B2 (en) Methods and apparatus for porosity measurement
CN102183582B (zh) 超声波无损检测装置及其方法
Chen et al. Identification of corrosion damage in submerged structures using fundamental anti-symmetric Lamb waves
US20230061816A1 (en) Air-coupled Ultrasonic Detection Method and Device Based on Defect Probability Reconstruction Algorithm
CN113899816B (zh) 一种t型复合结构的超声无损检测装置及方法和r区检测方法及装置
Yu et al. Lamb wave-based damage imaging of CFRP composite structures using autoencoder and delay-and-sum
US9488623B2 (en) Guided wave mode sweep technique for optimal mode and frequency excitation
CN115856076B (zh) 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及***
CN114994177B (zh) 复合板材超声缺陷检测方法及装置和复合板材
Hu et al. Tomographic reconstruction of damage images in hollow cylinders using Lamb waves
CN114720560B (zh) 一种基于模态分解成像算法的碳纤维复合材料板分层缺陷空气耦合Lamb波超声检测方法
Zhang et al. A novel two-level approach to defect detection in braided CFRP using air-coupled ultrasonic testing
Morii et al. A new inverse algorithm for tomographic reconstruction of damage images using Lamb waves
CN103097884B (zh) 用于测定机械部件中存在的缺陷的方位的方法和装置
Song et al. All-optical laser ultrasonic technique for imaging of subsurface defects in carbon fiber reinforced polymer (CFRP) using an optical microphone
Zhang et al. Boundary-enhanced reconstruction algorithm for probabilistic inspection of composite plate defects with air-coupled Lamb waves
Barzegar et al. Polar coordinate for damage imaging of adhesively bonded plates using ultrasonic guided waves and laser Doppler vibrometer measurements
Fakih et al. Robust localization and classification of barely visible indentations in composite structures by fusion of ultrasonic damage indices
Bernhardt et al. Integrated defect sensor for the inspection of fiber-reinforced plastics using air-coupled ultrasound
Yuan et al. A novel nondestructive testing method for honeycomb structure using acoustic band gap
Yu et al. Various types of defects detection in flat and curved laminated composite plates using nonintrusive Lamb wave system
CN111665296A (zh) 基于emat测量超声换能器三维辐射声场的方法及装置
Migot et al. Experimental investigation of the delamination severity in a composite plate using NDT and SHM techniques
CN113884567A (zh) 基于超声Lamb波的钢轨焊缝损伤检测方法和装置
Underhill et al. Eddy current array inspection of damaged CFRP sandwich panels

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