CN116046893B - 基于多模态识别-融合的超声导波信号增强方法及*** - Google Patents

基于多模态识别-融合的超声导波信号增强方法及*** Download PDF

Info

Publication number
CN116046893B
CN116046893B CN202310150714.XA CN202310150714A CN116046893B CN 116046893 B CN116046893 B CN 116046893B CN 202310150714 A CN202310150714 A CN 202310150714A CN 116046893 B CN116046893 B CN 116046893B
Authority
CN
China
Prior art keywords
signal
signals
mode
sub
guided wave
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
CN202310150714.XA
Other languages
English (en)
Other versions
CN116046893A (zh
Inventor
洪晓斌
林金帆
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202310150714.XA priority Critical patent/CN116046893B/zh
Publication of CN116046893A publication Critical patent/CN116046893A/zh
Application granted granted Critical
Publication of CN116046893B publication Critical patent/CN116046893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, 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

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多模态识别‑融合的超声导波信号增强方法及***，方法包括求解被检测结构的超声导波频散曲线，选取目标检测模态，将信号能量最强的模态设为主模态；构成超声导波频散字典；获取一系列子信号；将子信号的横坐标轴由时间转化为信号源距离；将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，分为同一信号源目标组；认定为主模态转换子信号，将剩余子信号认定为干扰信号并剔除；对单一模态子信号和主模态转换子信号以相同的采样频率进行重采样和半波包络信号提取；将同一信号源目标组的重采样子信号的半波包络信号叠加获得目标信号源的增强信号。本发明提升了损伤检测分辨力，对减少伪像、多损伤目标识别具有优势。

Description

基于多模态识别-融合的超声导波信号增强方法及***
技术领域
本发明涉及无损检测技术领域，尤其涉及一种基于多模态识别-融合的超声导波信号增强方法及***。
背景技术
超声导波具有衰减低、传播距离远、检测时间效率高等优势，广泛应用于管道、板材等结构的快速无损探伤检测中。随着对损伤检测要求的提高，超声导波多模态融合增强对提升损伤检测定位精度、检测分辨力等关键检测性能具有重要意义。
由于超声导波具有多模态、频散的特性，造成超声导波采集信号中不同模态的相速度、群速度不同，检测时往往采用可产生具有较少模态甚至单一模态的低频超声信号激励方式，有利于减少超声导波模态数量和信息分析难度，从而实现对分离的阵列超声导波单一模态包络信号的时空聚焦。超声导波多模态会提高超声导波信号处理难度，成像伪影较多，增加损伤误判的可能。然而，检测信号中蕴含的多模态也携带更多的损伤信息。因此，充分利用超声导波的多模态特性实现多模态融合增强，有利于提升阵列超声导波信号的灵敏度和定位精度。
发明内容
为解决上述技术问题，本发明的目的是提供一种基于多模态识别-融合的超声导波信号增强方法及***，实现对超声导波多模态信号、转换模态信号的分离、识别，并进一步实现多模态融合的信号增强。
本发明的目的通过以下的技术方案来实现：
一种基于多模态识别-融合的超声导波信号增强方法，包括：
A求解被检测结构的超声导波频散曲线，选取n种模态为目标检测模态，并将信号能量最强的模态设为主模态；
B求解超声导波激励信号通过目标检测模态在被检测对象内传播的系列信号作为原子信号，构成超声导波频散字典；
C采用超声导波频散字典对超声导波信号进行模态信号分离和识别，获得一系列子信号；
D根据子信号的模态识别结果、模态群速度，将各子信号的横坐标轴由时间转化为信号源距离；
E将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，并分为同一信号源目标组，其他子信号为潜在模态转换子信号；
F根据信号源目标组的信号源距离、模态群速度，假定潜在模态转换子信号为主模态信号在信号源处的模态转换信号，将潜在模态转换子信号的横坐标轴由时间转化为信号源距离；
G若潜在模态转换子信号的信号源距离与信号源目标组相同或近似，认定为主模态转换子信号，并划入该信号源目标组，其他子信号认定为干扰信号并剔除；
H对单一模态子信号和主模态转换子信号以相同的采样频率进行重采样和半波包络信号提取；
I将同一信号源目标组的重采样子信号的半波包络信号进行叠加获得目标信号源的增强信号。
一种基于多模态识别-融合的超声导波信号增强***，包括：
超声导波激励探头、超声导波接收探头，用于对超声导波信号进行激励、接收；
激励模块，产生并放大激励信号，并通过超声导波激励探头在检测结构内产生导波传播信号；
采集-同步传输模块，通过超声导波接收探头采集检测信号并同步传输至数据处理平台；
检测控制模块，用于控制激励模态、采集-同步传输模块；
数据处理平台，包括频散字典库生成模块和多模态超声导波信号融合增强处理模块。
与现有技术相比，本发明的一个或多个实施例可以具有如下优点：
1、本发明充分利用超声导波多模态的特点，将不同模态携带的损伤信息分离并充分利用，基于多模态的丰富信息实现多模态超声导波的识别和融合增强，大幅提高损伤信号幅值，提高损伤信号的信噪比和损伤检测分辨力；
2、采用最终增强信号进一步进行成像时，不产生伪影，不易造成误检，损伤的检测分辨力和精准定位能力提高；
3、实现对超声导波多模态信号、转换模态信号的分离、识别，并进一步实现多模态融合的信号增强，提升对多损伤复杂信号的处理能力，对减少伪像、多损伤目标识别等方面具有优势。
附图说明
图1是基于多模态识别-融合的超声导波信号增强方法流程图；
图2A为示例的5mm厚铝板的频散曲线波数图；
图2B是为示例的5mm厚铝板的频散曲线群速度图；
图3为示例的5mm厚铝板多损伤试块的仿真模型的示意图；
图4为示例的采集超声导波的时域波形示意图；
图5为对示例的采集超声导波进行模态信号分离和识别后的示意图；
图6为对示例的第一次信号源距离转化后的子信号示意图；
图7为对示例的第二次信号源距离转化后的子信号示意图；
图8为示例的单一模态子信号和主模态转换子信号的重采样信号和半波包络信号的示意图；
图9为示例的两个目标信号源的增强信号示意图；
图10为示例的原始采集信号的半波包络信号示意图；
图11为基于多模态识别-融合的超声导波信号增强***的框图；
图12为数据处理平台的框图；
图13为频散字典库生成模块的框图；
图14为多模态超声导波信号融合增强处理模块的框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。
如图1所示，为基于多模态识别-融合的超声导波信号增强方法的流程，包括以下步骤：
步骤1：求解被检测结构的超声导波频散曲线，获得超声导波在被检测结构中传播的波数图、群速度图；根据检测结构的常见损伤类型、激励超声信号的频率f、各模态能量占比和对目标损伤类型灵敏程度，从所述群速度图中，选取n种模态为目标检测模态；其中n≥2，并将信号能量最强的模态设为主模态。
例如，以5mm厚的铝板为例，超声导波在该铝板中传播的波数图、群速度图，参见图2A、图2B；若采用150kHz的汉宁窗调制五峰值正弦信号脉冲串为激励信号，采用45°倾角激励时，可选取A0模态、S0模态两种模态为目标检测模态，将信号能量最强的A0模态设为主模态。
步骤2：求解超声导波激励信号通过目标检测模态在被检测对象内传播距离集合的系列信号作为原子信号，构成超声导波频散字典；具体包括：
根据所述被检测结构的超声导波频散曲线和检测范围，设元素等间距为Δl的传播距离集合l＝{ln|ln＝l0+nΔl}；
设激励的超声信号e(t)在被测结构中的传播距离l的信号为 其中M为导波模态数量,*表示卷积，p(l,f,m)为频散函数；对模态m的原子信号s(l,t,m)可由其傅里叶变化S(l,w)经傅里叶逆变换求解，表达为：其中k(w)是频率w的波数函数；通过给定的目标检测模态，求解激励信号通过各所述n个目标检测模态在被检测对象内传播所述传播距离集合l的系列信号，构成超声导波频散字典。
步骤3：采用超声导波频散字典对超声导波信号s(i,j)进行模态信号分离和识别，获得一系列子信号。
进一步优化的，所述模态信号分离和识别，基于匹配追踪算法对采集超声导波信号进行信号稀疏分解。采集信号s(i,j)分离出的某个子信号,设其匹配的原子信号为s’n(l’,t,m’),记录所述超声导波频散字典中匹配原子信号的模态m’和传播距离l’；
进一步优化的，所述模态信号分离的最终残余信号能量不大于原始信号能量的20％。
例如，参见图3，试块距离信号激励点300mm、600mm处分别存在两处损伤，采用150kHz的汉宁窗调制五峰值正弦信号脉冲串为激励信号且45°倾角进行激励。参见图4，为距离激励点10mm处的信号采集点采集的振动仿真信号。参见图5，为采用匹配追踪算法，对采集超声导波信号与超声导波频散字典的原子信号进行匹配并分离后获得的一系列子信号，采用的超声导波频散字典为由A0模态系列原子信号、S0模态系列原子信号构成的5mm厚铝板超声导波频散字典；为明显区分，图5所示的子信号模态识别结果中，A0模态采用实线表示，S0模态采用点划线表示，将直达波信号设为子信号0并剔除。
步骤4：根据子信号的模态识别结果、模态群速度，进行第一次信号源距离转化，将各子信号的横坐标轴由时间转化为信号源距离；
所述信号源距离，为损伤、结构边界或界面距离激励点的距离，可根据子信号的识别模态在激励频率的群速度求解；所述群速度由频散曲线获取。当传播距离l’远大于激励点与信号接收点的距离时，信号源距离近似等于l’/2。
例如，将图5所示的子信号中，识别为A0模态的子信号根据频散曲线中A0模态在150k激励频率下的群速度，根据信号源与激励点、接收点的距离关系求解；同理，识别为S0模态的子信号根据频散曲线中S0模态在150k激励频率下的群速度求解；参见图6，为将图5中的各子信号根据模态识别结果和模态群速度，进行第一次信号源距离转化，横坐标轴由时间转化为信号源距离。
步骤5：将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，并分为同一信号源目标组，其他子信号为潜在模态转换子信号；
例如，参见图6，第一次信号源距离转化后，子信号1与子信号3、子信号4与子信号6的波包距离相同或近似，将子信号1与子信号3、子信号4与子信号8认定为单一模态子信号，并分如两组信号源目标组，信号源目标组1的信号源距离为300mm，信号源目标组2的信号源距离为600mm。子信号2、子信号5、子信号6、子信号7为潜在模态转换信号。
步骤6：根据信号源目标组的信号源距离、模态群速度，假定潜在模态转换子信号为主模态信号在信号源处的模态转换信号，进行第二次信号源距离转化，将潜在模态转换子信号的横坐标轴由时间转化为信号源距离。
例如，将图6中的模态转换信号假定为A0主模态信号在信号源处转化为S0模态的模态转换信号，根据S0模态、A0模态在150kHz的群速度和信号源与激励点、接收点的距离关系求解，参见图7，为将潜在模态转换子信号的横坐标轴由时间转化为信号源距离。
步骤7：若潜在模态转换子信号的信号源距离与信号源目标组相同或近似，认定为主模态转换子信号，并划入该信号源目标组，其他子信号认定为干扰信号并剔除；
所述主模态转换子信号，为主模态在损伤或结构边界、界面发生模态转换的信号。
例如，参见图7，子信号2的信号源距离与信号源目标组1相同或近似，将子信号2认定为主模态转换子信号，划入信号源目标组1；同理，子信号6划入信号源目标组2。子信号5、子信号7认定为干扰信号并剔除。为明显区分，图7所示的子信号模态识别结果中，A0模态采用实线表示，S0模态采用点划线表示，潜在模态转换子信号用虚线表示。
步骤8：对单一模态子信号和主模态转换子信号以相同的采样频率进行重采样和半波包络信号提取；
例如，参见图8，虚线为单一模态子信号和主模态转换子信号的重采样信号，实线为半波包络信号。
步骤9：将同一信号源目标组的重采样子信号的半波包络信号进行叠加获得目标信号源的增强信号；
例如，参见图9，分别将信号源目标组1、信号源目标组2的组内子信号叠加，获得目标信号源1、目标信号源2的增强信号。
为了更好地说明本发明的技术效果，以下结合图8、图9和10予以举例说明。参见图10，为仅考虑超声导波主要模态A0模态进行损伤分析，采用A0模态在激励信号150kHz的群速度计算传播距离，将图5的信号由时间轴转换为信号源距离并提取半波包络信号。如图10所示，损伤信号的信噪比较低，且存在多个波峰，难以判断具体的损伤数量，采用该包络信号进行成像时，将产生较多伪影，容易造成误检。参见图8，本实施例技术可实现对示例的A0模态、S0模态、转换模态的分离和识别。参见图9，示例的最终增强信号仅具有两个峰值，相较于图5，信号幅值大幅提升，信噪比提高，采用本发明的最终增强信号进一步进行成像时，不产生伪影，不易造成误检，损伤的检测分辨力和精准定位能力提高。此外，将不同损伤产生的不同模态损伤信号进行识别，提升对多损伤复杂信号的处理能力。
本实施例还提供了一种基于多模态识别-融合的超声导波信号增强***，包括：
超声导波激励探头、超声导波接收探头，所述超声导波激励探头、超声导波接收探头可为同一个探头，也可以采用不同的探头进行激励、接收；
激励模块，所述激励模块产生并放大激励信号并通过所述超声导波激励探头在检测结构内产生超声导波传播信号；
采集-同步传输模块，所述采集-同步传输模块通过所述超声导波接收探头采集检测信号并同步传输至数据处理平台；
检测控制模块，所述检测控制模块可控制所述激励模态、所述采集-同步传输模块；
数据处理平台，所述数据处理平台，包含频散字典库生成模块和多模态超声导波信号融合增强处理模块，参见图12。
所述频散字典库生成模块，参见图13，可计算检测结构的频散曲线，获取模态数、波数、群速度等频散信号，计算目标检测模态在被检测结构内的传播系列距离后的系列信号作为原子信号，构建超声导波频散字典；
参见图14，所述多模态超声导波信号融合增强处理模块，具有超声导波信号模态分离和识别单元、单一模态子信号认定单元、主模态转换子信号认定单元、干扰信号剔除单元、子信号重采样和半波包络信号提取单元、目标信号源的增强信号计算单元和功能。
所述超声导波信号模态分离和识别单元，为调用并采用所述超声导波频散字典对超声导波信号进行模态信号分离和识别，获得一系列子信号。
所述单一模态子信号认定单元，为进行第一次信号源距离转化，并根据所述子信号的模态识别结果、模态群速度，将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，并分为同一信号源目标组。
所述主模态转换子信号认定单元，为进行第二次信号源距离转化，并根据所述信号源目标组的信号源距离、模态群速度，假定所述潜在模态转换子信号为主模态信号在信号源处的模态转换信号，将信号源距离与所述信号源目标组相同或近似的潜在模态转换信号，认定为主模态转换子信号。
所述目标信号源的增强信号计算单元，可将同一信号源目标组的重采样子信号的所述半波包络信号进行叠加获得所述目标信号源的增强信号。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.基于多模态识别-融合的超声导波信号增强方法，其特征在于，
A求解被检测结构的超声导波频散曲线，选取n种模态为目标检测模态，并将信号能量最强的模态设为主模态；
B求解超声导波激励信号通过目标检测模态在被检测对象内传播的系列信号作为原子信号，构成超声导波频散字典；
C采用超声导波频散字典对超声导波信号进行模态信号分离和识别，获得一系列子信号；
D根据子信号的模态识别结果和模态群速度，将各子信号的横坐标轴由时间转化为信号源距离；
E将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，并分为同一信号源目标组，其他子信号为潜在模态转换子信号；
F根据信号源目标组的信号源距离和模态群速度，假定潜在模态转换子信号为主模态信号在信号源处的模态转换信号，将潜在模态转换子信号的横坐标轴由时间转化为信号源距离；
G若潜在模态转换子信号的信号源距离与信号源目标组相同或近似，认定为主模态转换子信号，并划入该信号源目标组，其他子信号认定为干扰信号并剔除；
H对单一模态子信号和主模态转换子信号以相同的采样频率进行重采样和半波包络信号提取；
I将同一信号源目标组的重采样子信号的半波包络信号进行叠加获得目标信号源的增强信号。
2.如权利要求1所述的基于多模态识别-融合的超声导波信号增强方法，其特征在于，所述A中选取n种模态为目标检测模态，模态的选取根据检测结构的常见损伤类型、激励超声信号的频率f、群速度图、各模态能量占比和对目标损伤类型灵敏程度选取进行选取；其中n≥2。
3.如权利要求1所述的基于多模态识别-融合的超声导波信号增强方法，其特征在于，所述B中，求解超声导波激励信号通过目标检测模态在被检测对象内传播信号作为原子信号，构成超声导波频散字典；具体包括：
根据被检测结构的超声导波频散曲线和检测范围，设元素等间距为Δl的传播距离集合l＝{ln|ln＝l0+nΔl}；
设激励的超声信号e(t)在被测结构中的传播距离l的信号为 其中M为导波模态数量,*表示卷积，p(l,f,m)为频散函数；对模态m的原子信号s(l,t,m)由其傅里叶变化S(l,w)经傅里叶逆变换求解，表达为：
其中k(w)是频率w的波数函数；通过给定的目标检测模态，求解激励信号通过各n个目标检测模态在被检测对象内传播所述传播距离集合l的系列信号，构成超声导波频散字典。
4.如权利要求1所述的基于多模态识别-融合的超声导波信号增强方法，其特征在于，所述C中模态信号分离和识别基于匹配追踪算法对采集超声导波信号进行信号稀疏分解，采集信号s(i,j)分离出某个子信号,设该子信号匹配的原子信号为s’n(l’,t,m’),记录超声导波频散字典中匹配原子信号的模态m’和传播距离l’；
其中模态信号分离的最终残余信号能量不大于原始信号能量的20％。
5.如权利要求1所述的基于多模态识别-融合的超声导波信号增强方法，其特征在于，所述D中信号源距离为损伤、结构边界或界面距离激励点的距离，可根据子信号的识别模态在激励频率的群速度求解；所述群速度由频散曲线获取。
6.如权利要求1所述的基于多模态识别-融合的超声导波信号增强方法，其特征在于，所述主模态转换子信号为主模态在损伤或结构边界和界面发生模态转换的信号。
7.基于多模态识别-融合的超声导波信号增强***，其特征在于，包括：
超声导波激励探头与超声导波接收探头，用于对超声导波信号进行激励和接收；
激励模块，产生并放大激励信号，并通过超声导波激励探头在检测结构内产生导波传播信号；
采集-同步传输模块，通过超声导波接收探头采集检测信号并同步传输至数据处理平台；
检测控制模块，用于控制激励模块和采集-同步传输模块；
数据处理平台，包括频散字典库生成模块和多模态超声导波信号融合增强处理模块；
所述频散字典库生成模块，用于计算检测结构的频散曲线，获取模态数和波数与群速度频散信号，并计算超声导波激励信号通过目标检测模态在被检测对象内传播信号作为的原子信号，构建超声导波频散字典；
所述多模态超声导波信号融合增强处理模块，包括超声导波信号模态分离和识别单元、单一模态子信号认定单元、主模态转换子信号认定单元、干扰信号剔除单元、子信号重采样和半波包络信号提取单元及目标信号源的增强信号计算单元；
所述超声导波信号模态分离和识别单元，采用超声导波频散字典对超声导波信号进行模态信号分离和识别，获得一系列子信号；
单一模态子信号认定单元，为进行第一次信号源距离转化，并根据子信号的模态识别结果和模态群速度，将信号源距离相同或近似的不同模态子信号认定为单一模态子信号，并分为同一信号源目标组；
主模态转换子信号认定单元，为进行第二次信号源距离转化，并根据信号源目标组的信号源距离和模态群速度，假定潜在模态转换子信号为主模态信号在信号源处的模态转换信号，将信号源距离与信号源目标组相同或近似的潜在模态转换信号，认定为主模态转换子信号；
目标信号源的增强信号计算单元，用于将同一信号源目标组的重采样子信号的所述半波包络信号进行叠加获得所述目标信号源的增强信号。
CN202310150714.XA 2023-02-22 2023-02-22 基于多模态识别-融合的超声导波信号增强方法及*** Active CN116046893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310150714.XA CN116046893B (zh) 2023-02-22 2023-02-22 基于多模态识别-融合的超声导波信号增强方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310150714.XA CN116046893B (zh) 2023-02-22 2023-02-22 基于多模态识别-融合的超声导波信号增强方法及***

Publications (2)

Publication Number Publication Date
CN116046893A CN116046893A (zh) 2023-05-02
CN116046893B true CN116046893B (zh) 2023-08-04

Family

ID=86122261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310150714.XA Active CN116046893B (zh) 2023-02-22 2023-02-22 基于多模态识别-融合的超声导波信号增强方法及***

Country Status (1)

Country Link
CN (1) CN116046893B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107228905A (zh) * 2017-06-02 2017-10-03 东莞理工学院 基于双稳态***的超声导波信号检测方法
CN107607628A (zh) * 2017-08-11 2018-01-19 西安交通大学 一种基于稀疏表示的超声导波频散补偿方法及其应用
CN109871824A (zh) * 2019-03-11 2019-06-11 西安交通大学 基于稀疏贝叶斯学习的超声导波多模态分离方法及其***
CN111812207A (zh) * 2020-07-21 2020-10-23 大连理工大学 基于超声导波转换模态提取的无基准损伤诊断成像方法
CN112197720A (zh) * 2020-01-07 2021-01-08 浙江大学 一种基于超声导波声场调控技术的隐蔽性柱状钢制结构长度测量方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8170809B2 (en) * 2007-11-14 2012-05-01 Fbs, Inc. Guided waves for nondestructive testing of pipes

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107228905A (zh) * 2017-06-02 2017-10-03 东莞理工学院 基于双稳态***的超声导波信号检测方法
CN107607628A (zh) * 2017-08-11 2018-01-19 西安交通大学 一种基于稀疏表示的超声导波频散补偿方法及其应用
CN109871824A (zh) * 2019-03-11 2019-06-11 西安交通大学 基于稀疏贝叶斯学习的超声导波多模态分离方法及其***
CN112197720A (zh) * 2020-01-07 2021-01-08 浙江大学 一种基于超声导波声场调控技术的隐蔽性柱状钢制结构长度测量方法及装置
CN111812207A (zh) * 2020-07-21 2020-10-23 大连理工大学 基于超声导波转换模态提取的无基准损伤诊断成像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于导波频散特征的超声导波模态识别方法;伍文君;章林柯;王悦民;;机械工程学报;第53卷(第18期);第10-16页 *

Also Published As

Publication number Publication date
CN116046893A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
RU2352930C1 (ru) Способ уменьшения количества оцифрованных данных в зонде емат-"саламандра"
Liu et al. Automatic mode extraction of ultrasonic guided waves using synchrosqueezed wavelet transform
CN110542723B (zh) 一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法
CN101893698B (zh) 噪声源测试分析方法及其装置
CN113358743B (zh) 一种基于时频分布相似度分析的兰姆波模态分离方法
CN101874744B (zh) 用于长骨分析的超声导波参数测量方法
CN103381096A (zh) 骨表微血管血流灌注分离检测与成像方法
Malo et al. Wave mode discrimination of coded ultrasonic guided waves using two-dimensional compressed pulse analysis
CN104854473A (zh) 使用多普勒聚焦的亚奈奎斯特雷达处理
CN112147236A (zh) 一种基于稀疏盲解卷积的超声信号分辨率提升方法
CN113533510B (zh) 一种钢轨疲劳微裂纹识别方法及装置
CN116046893B (zh) 基于多模态识别-融合的超声导波信号增强方法及***
CN109752705B (zh) 高频水声阵列性能参数测量方法及***、设备及存储介质
CN110412132A (zh) 基于多模式多模态超声相控阵检测***及非线性成像方法
CN105572230A (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
CN111427046B (zh) 一种用于提高检测精度的太赫兹脉冲回波定位方法
CN103048641A (zh) 具有联合约束优化形式的矢量阵稳健聚焦处理方法
CN117147694A (zh) 基于逆问题的超声全聚焦成像稀疏正则化重构方法及设备
CN202383766U (zh) 基于机械振动激发材质特征的票据真伪识别设备
CN114623921B (zh) 分布式光纤振动传感的解调方法
JP6024413B2 (ja) 測定装置
KR20110046061A (ko) 배관 검사장치에 이용되는 유도초음파 집속방법
CN111189912B (zh) 一种发射参考超声波检测方法、装置及存储介质
CN110568084B (zh) 一种适用于导波换能器阵列的低信噪比导波信号达到时刻的提取方法
CN111623986A (zh) 基于同步压缩变换与时频匹配的信号特征提取方法及***

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