CN101571519A - 用于复合材料层合板缺陷量化的超声导波检测技术 - Google Patents

Abstract

本发明提供一种复合材料层合板缺陷量化的无损检测方法，包括如下步骤：a.将两个传感器置于层合板表面，相对于缺陷对称分布，两者间的距离固定；b.采用一发一收方式，由接收传感器采集导波检测信号；c.对检测信号进行处理，提取特征参数，对缺陷进行量化评估，通过使用该方法，可高效且精度较高的量化复合材料层合板缺陷。

Description

用于复合材料层合板缺陷量化的超声导波检测技术

技术领域

本发明涉及一种复合材料层合板缺陷量化的无损检测方法，特别是针对复合材料层合板的量化方法改进。

背景技术

对于复合材料层合板的缺陷，目前通常采用的是声发射检测方法。声发射(AE)是指材料局部因能量的快速释放而发出声波的现象，由于声发射信号来自缺陷，不同缺陷的声发射信号也有差异，由接收传感器采集声波信号，通过信号处理，根据信号的特性，确定声发射源的位置。声发射检测技术的优点是可完成动态、实时的检测，但当声波在传播路径中衰减严重时，检测精度难以保证，同时由于属于被动检测方法，因此其操作性存在局限。

文献《基于改进HHT的多模式Lamb波信号的时频分析》(郑祥明，王杜等，无损检测，30(5)，271-274，2008)公开了一种经改进的缺陷量化方法，但其对复合材料的适用性还有待改进，需要根据材料特性加以完善。

发明内容

针对现有量化检测方法存在的技术问题，本发明的目的在于提供一种利用导波检测技术，准确且便利的量化复合材料层合板缺陷的方法。

本发明所提供的复合材料层合板缺陷量化无损检测方法，包括如下步骤：a、将两个传感器置于层合板表面，相对于缺陷对称分布，两者间的距离固定；b、采用一发一收方式，由接收传感器采集导波检测信号；c、对检测信号进行处理，提取特征参数，对缺陷进行量化评估，通过使用该方法，可高效且精度较高的量化复合材料层合板缺陷。

与现有技术相比，本发明的效果在于：

(1)采用双传感器斜入射法，以导波无损检测的方法，实现复合材料层合板的缺陷量化，避免传感器磨损和对层合板造成损伤；

(2)在完善HHT处理方法方面，采用了新的插值和边端处理算法，提高了信号特征提取的准确性与合理性；

(3)对信号进行带通滤波，然后再进行EMD分解的改进方法，得到的瞬时幅值、瞬时频率、Hilbert边际谱以及Hilbert时频谱更为清晰，便于分析；

(4)通过线性回归分析的对比，确定瞬时幅值的峰值作为缺陷量化的特征参数；

(5)选取回归直线的斜率K衡量特征参数对缺陷尺寸变化的敏感度，K的绝对值越大，则该项特征参数对缺陷尺寸的变化越敏感。

附图说明

图1是本发明所使用的双传感器布置示意图。

具体实施方式

下面，结合附图对本发明的具体实施方式进行说明。

图1是本发明所使用的双传感器布置示意图。如图所示，由接收传感器采集带有缺陷信息的导波信号，并通过功率谱图寻找到其峰值，确定信号频率的集中区域。

设计带通滤波器组，由信号频率集中区的数量确定滤波器的个数，滤波器按照由高至低的顺序排列，根据设计好的带通滤波器，按照从高频到低频的顺序，取导波信号进行带通滤波，然后对得到的信号分别进行EMD分解，各次所得的第一阶IMF分量就是导波信号的IMF₂、IMF₃…IMF_n分量。

在HHT的EMD插值运算中，只选用了某些插值算法，从中选择了计算精度最高的作为后续处理的依据，并不一定完全与实际相符，所以就可以在此处根据实际的情况加以完善，比如采用组合插值算法，即采用两种乃至多种方法对同一组数据进行组合插值，以提高计算的精度，减小方法误差。

对同一组数据点，f₁(t)、f₂(t)是不同的插值曲线，则可按以下计算公式，进行插值：

f(t)＝kf₁(t)+(1-k)f₂(t)，(0≤k≤1)

如果对同一组数据点，有f₁(t)、f₂(t)、f₃(t)三条不同插值曲线，则可按以下计算公式，进行插值：

f(t)＝u[kf₁(t)+(1-k)f₂(t)]+(1-u)f₃(t)，(0＜k＜1，0＜u＜1)

与此类似，便可将多种插值算法一起使用，发挥每种算法的优点。

在很大程度上，EMD的分解质量决定了HHT方法的成败。在EMD应用中一个经常发生的问题是：信号数据的极大值和极小值一般并不处在序列两端，因此在EMD分解过程中，在采用插值算法求解上、下包络线时，可能在两端产生发散现象，也可以称为边端效应。根据处理导波信号的需要，需探讨改进，推导新的边端处理算法。

在大多数的应用中，标准的特征波法与包络延拓法的处理结果是比较理想的，能够保证计算的精度，而且计算简便，易于使用。对这种边界延拓方法加以改进，使其能够克服原有的缺点，改善处理效果。

如求取上、下包络线在数据序列起始点的值，修改标准公式分别可得：

$\stackrel{\‾}{e\max \left(0\right)}=\max [s\left(0\right),\frac{e\max \left(t_1\right)\·t_2-e\max \left(t_2\right)\·t_1}{t_2-t_1}]$

$\stackrel{\‾}{e\min \left(0\right)}=\min [s\left(0\right),\frac{e\max \left(t_1\right)\·{t^{\′}}_2-e\max \left(t_2\right)\·{t^{\′}}_1}{{t^{\′}}_2-{t^{\′}}_1}]$

采用改进后的包络延拓法后，混叠对边界包络影响可以被有效的克服。

边界极值加权法是基于这样的思路：在数据序列端点附近的极值点，对求解端点处极值的影响越显著，反之，距离越远对端点极值的求解影响越微弱。因此，可以根据距离的远近与影响的大小，提出加权的方法，更为科学的计算端点极值。以信号数据序列的起点为例，上、下包络线值的计算公式如下：

$e\max \left(0\right)=\frac{t_2}{t_1+t_2}e\left(t_1\right)+\frac{t_1}{t_1+t_2}e\left(t_3\right)$

$e\max \left(0\right)=\frac{t_4}{t_2+t_4}e\left(t_2\right)+\frac{t_2}{t_2+t_4}e\left(t_4\right)$

边界极值加权法的优点是简单可行，较好的兼顾了已有数据对两端预测值的影响。

EMD分解信号的过程中共有分解终止条件与分量终止条件两类终止条件：分解终止条件是指EMD分解信号整个过程的终止条件；分量终止条件是指各个分量筛选过程的终止条件。显然，终止条件的有效性在EMD分解信号的过程中起着关键作用，与HHT的处理结果有直接的关联。因此，对终止条件的改进，一直是完善HHT方法的重要方面。

对分量终止条件而言，最常用的是简单终止准则与仿柯西收敛准则。简单终止准则就是根据经验，预先设定重复筛选的次数。而仿柯西收敛准则，采用标准偏差SD作为判断的依据，一般SD的值介于0.2～0.3之间时，能够满足EMD分解的需要。但由于处理数据的多样性与复杂性日益增强，如果严格限定SD的取值，在有些情况中显得终止条件过于苛刻，而有时则太过宽松，造成筛选次数的变动很大，EMD分解结果也难以保持很高的准确性。分析其中的原因，SD的取值之所以难以确定，首先是由端点情况和数据混叠等因素综合作用的结果，而更深层次的根源在于IMF本身不完善的定义与概念，克服这一问题还需要在理论上取得突破。因此，就目前的应用而言，EMD终止条件是以经验为依据确定的。

使固有模态函数IMF分量的均值等于零，是理想情况下经验模态分解EMD的分解终止条件的依据。但由于端点计算和筛选算法中都难以避免产生误差，所以实际的固有模态函数IMF分量的均值曲线也不可能绝对准确，只要将误差限定在可以接受的范围内，满足使用的精度要求即可。因此，除了简单终止准则与仿柯西收敛准则，还有几种常用的分解终止条件，如：正交法、均值曲线平均法和误差能量平均法

为了使分解出的固有模态函数IMF各个分量均值接近于零，正交法、均值曲线平均法、误差能量平均法采用将已分解量与剩余部分正交的方法，使每一次的筛选都能最大限度的发挥作用。边端处理情况对上述三种终止法的影响有限，但无法确保各个IMF分量均值曲线的每一个值都无限趋近于零，而且待分解信号自身的特性也会对正交法、均值曲线平均法、误差能量平均法的终止产生一定影响，所以可采用以下改进的终止条件。

相对正交法

mean(|h_i，k(t)[s(t)-h_i，k(t)]|)/[mean([h_i，k(t)]²)+mean([s(t)-h_i，k(t)]²)]

均值曲线相对平均法

mean([m[h_i，k(t)]])/mean([h_i，k(t)])＜ε

误差能量相对平均法

mean([h_i，k(t)-h_i，k-1(t)]²)/mean([h_i，k-1(t)]²)＜ε

通过以上方法获得导波信号的各个瞬时量，验证各个瞬时量对缺陷进行量化的效果，通过线性回归分析的对比，确定合适的特征参数。在整个时间段上，信号幅值的大小(或者能量的高低)在每一时刻的变化情况可以用瞬时幅值表示，而信号频率在每一时刻的变化情况可以用瞬时频率来表示。因此，可分别提取瞬时幅值的峰值和瞬时频率的均值作为特征参数，以表示不同缺陷状况下，导波信号的变化情况。对检测数据进行线性回归分析，得到各特征参数的线性回归系数R，通过比较数据的线性度，来确定对于本发明，选择何种特征参数对缺陷进行量化。

通过进一步的分析，对于离散数据点总体的线性变化趋势，以线性回归直线表示，线性回归系数R是变化趋势与离散数据点相关程度的体现。因而，当线性回归系数很高时，离散数据点呈线性变化，那么就能够基于线性回归直线预测未经实验的数据，而且为确保准确度，应该选择线性回归系数尽量高的回归直线。

采用回归直线的斜率K衡量特征参数对缺陷尺寸变化的敏感度，K的绝对值越大，则该项特征参数对缺陷尺寸的变化越敏感。回归直线的斜率K可表示回归直线的变化趋势，K值有正负之分。当K为正值时，代表信号的瞬时量随缺陷尺寸的增大而增大；当K为负值时，代表信号的瞬时量随缺陷尺寸的增大而减小。K的绝对值越大，代表当缺陷的尺寸发生变化时，信号瞬时量增大或减小的趋势越显著，即K的绝对值最大的IMF分量，对缺陷尺寸的变化也最敏感。因此，在对缺陷进行评估分析时，可以将K的绝对值作为选取相应特征参数的依据之一。

Claims (7)

1.一种将超声导波用于复合材料层合板的缺陷量化无损检测方法，包括以下步骤：

a、采用两个传感器，按一发一收方式，置于复合材料层合板沿长度方向的直线上，两者间的距离为60mm；

b、根据导波检测的特点，对信号进行傅立叶变换，分析频谱图，确定信号频率的集中区域，由信号频率集中区的数量确定滤波器的个数，按照由高至低的顺序，设计带通滤波器组；

c、对导波信号进行高频滤波，获得高频信号成分，采用EMD对该部分信号进行分解，将得到的第一阶IMF分量作为导波信号的IMF₁分量；

d、根据设计好的带通滤波器，按照从高频到低频的顺序，取导波信号进行带通滤波，然后对得到的信号分别进行EMD分解，各次所得的第一阶IMF分量就是导波信号的IMF₂、IMF₃…IMF_n分量。

e、通过线性回归分析的对比，选取特定的瞬时量作为缺陷量化的特征参数，并采用回归直线的斜率K衡量特征参数对缺陷尺寸变化的敏感度，K的绝对值越大，则该项特征参数对缺陷尺寸的变化越敏感。

2.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，其中，所述的传感器采用一发一收方式，选取的中心频率为1MHz，在复合材料层合板上激励出导波，采样频率为50MHz，两传感器均置于层合板沿长度的方向直线上，距离为60mm。

3.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，采集带有缺陷信息的导波信号，并通过功率谱图寻找到其峰值。

4.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，检测信号的频谱峰值集中区域有多个，基于此情况，从高频到低频设计带通滤波器，对信号进行带通滤波，得到信号中的各个频率成分。

5.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，分别对信号中的各个频率成分进行EMD分解，在把各自得到的第一阶IMF分别作为导波信号的第一阶、第二阶IMF分量。

6.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，在选取瞬时量作为特征参数时，比较在同一检测条件下，各阶IMF分量的线性回归系数，根据各个瞬时量的线性度即特征参数随缺陷尺寸变化而变化的单调性作为标准。

7.如权利要求1所述的复合材料层合板缺陷的超声导波量化方法，对于复合材料层合板，采用回归直线的斜率K衡量特征参数对缺陷尺寸变化的敏感度，K的绝对值越大，则该项特征参数对缺陷尺寸的变化越敏感。

Images