CN104965025A - 一种基于Lamb波信号相关系数的多区域损伤检测方法 - Google Patents
一种基于Lamb波信号相关系数的多区域损伤检测方法 Download PDFInfo
- Publication number
- CN104965025A CN104965025A CN201510247119.3A CN201510247119A CN104965025A CN 104965025 A CN104965025 A CN 104965025A CN 201510247119 A CN201510247119 A CN 201510247119A CN 104965025 A CN104965025 A CN 104965025A
- Authority
- CN
- China
- Prior art keywords
- piezoelectric sensor
- signal
- damage
- jth
- lamb 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.)
- Pending
Links
Abstract
本发明公开了一种基于Lamb波信号相关系数的多区域损伤检测方法,通过在结构中布置传感器阵列,将监测区域分割成两个基本监测单元,采用基于信号相关系数的方法对基本监测单元进行损伤识别,进而对监测区域进行损伤成像。本发明不需要利用复杂的信号处理方法和去噪技术来提取损伤信号的到达时间,只需知道Lamb波在结构中的大致传播速度,并且对信号的质量要求较低,降低了对结构所处环境的要求。
Description
技术领域
本发明涉及一种基于Lamb波信号相关系数的多区域损伤检测方法,属于结构健康监测技术。
背景技术
随着科学技术的飞速发展,飞行器的服役时间逐渐延长,无损检测技术不能满足结构实时、连续的监测要求。结构健康监测技术通过布置在结构上的传感器,激励出Lamb波,接收Lamb波在结构中传播的信号,对接收到的信号进行分析和处理,得出结构的健康状况。该技术能够不需要拆卸结构,并能实时地监测结构的健康状况,因此结构健康监测技术得到了极大重视。目前基于Lamb波的主动健康监测技术是目前板状结构健康监测的研究热点。
结构中的Lamb波在传播中遇到损伤时,会向各个方向散射,目前现有的基于Lamb波飞行时间的方法,通过提取散射Lamb波到达的时间,根据距离、时间和速度之间的关系,就可以使用多种方法来确定损伤的位置。但Lamb波的频散特性和模态转换会导致Lamb波时域信号失真,而且有许多模态重叠,直接通过时域Lamb波信号难以准确地判断到达的时间,各向异性的复合材料结构会进一步加剧这一困难。时频分析可以捕捉信号的时域和频域特性,提高了Lamb波到达时间的提取精度。时频分析需要利用复杂的信号处理方法,如小波变换,而且对信号的质量要求较高,以免散射信号淹没在环境噪声中导致识别失败。另一方面,该方法只能识别出单损伤,对于多损伤的识别还存在着不足。
发明内容
发明目的:为了降低环境噪声对损伤识别效果的影响和对采集较高信号质量的要求,实现对结构中的多处损伤的有效识别,本发明提供了一种基于Lamb波信号相关系数的多区域损伤检测方法,通过在结构中布置传感器阵列,将监测区域分割成两个基本监测单元,采用基于信号相关系数的方法对基本监测单元进行损伤识别,进而对监测区域进行损伤成像。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种基于Lamb波信号相关系数的多区域损伤检测方法,包括如下步骤:
(1)在平板结构上布置3行3列的压电传感器矩形阵列,第一行压电传感器由左至右的标号依次为1、2、3,第二行压电传感器由左至右的标号依次为4、5、6,第三行压电传感器由左至右的标号依次为7、8、9;将第一行和第二行的六个压电传感器组成的长方形区域作为第一个基本检测单元,将第二行和第三行的六个压电传感器组成的长方形区域作为第二个基本检测单元;在平板结构上建立XOY坐标系,任意点P的位置采用坐标点(x,y)表示;
(2)以第i个压电传感器为激励端,以第j个压电传感器为响应端,采集第i个压电传感器和第j个压电传感器之间激励-响应的路径信号Sij,考虑波动传播中互易性原则(在相同激励的情况下,当激励端口和响应端口互换位置时,响应不因这种互换而有所改变的特性),有Sij=Sji,因此:对于第一个基本检测单元采集路径信号Sij,其中1≤i≤6,1≤j≤6且j>i;对于第二个基本检测单元采集路径信号Sij,其中4≤i≤9,4≤j≤9且j>i;路径信号Sij的激励信号为加载在第i个压电传感器上的窄带波激励信号,该窄带波激励信号在平板结构中激励出包含S0模态信号和A0模态信号的Lamb波,S0模态信号为Lamb波中传播速度最快的信号,A0模态信号为Lamb波中传播速度最慢的信号;
(3)设定信号采集频率f,根据Lamb波在平板结构中的传播速度,结合第i个压电传感器和第j个压电传感器之间的距离,对路径信号Sij进行截断处理,具体为:计算S0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tS0,根据信号采集频率f将tS0转换为信号采集点数mS0,将mS0作为截断信号的起点;计算A0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tA0,根据信号采集频率f将tA0转换为信号采集点数mA0,同时补偿Lamb波的波宽长度对应的信号采集点数n,考虑Lamb波存在弥散效应,将n乘以一个放大倍数q,将mA0+q×n作为截断信号的终点,截断信号的长度为num=(mA0+q×n)-mS0+1;以信号采集频率f采集路径信号Sij,记录第mS0个采集点到第mA0+q×n个采集点的信号,将平板结构受损前采集到的经截断处理后的第k个信号表示为ak,将平板结构受损后采集到的经截断处理后的第k个信号表示为bk,计算相关系数ρij:
其中,
(4)定义损失指标DIij为:DIij=1-ρij;
(5)在平板结构上划分出一个包含所有压电传感器的区域作为成像区域,计算任意点P到路径信号Sij的激励端和响应端距离之和与激励端和响应端间距的比值RDij(x,y),即:
其中,(x,y)表示任意点P的坐标,(xi,yi)表示第i个压电传感器(激励端)的坐标,(xj,yj)表示第j个压电传感器(响应端)的坐标;
(6)计算Rij(x,y),即:
其中,β略微大于1(比如1.02),表示控制路径信号Sij影响范围的尺度因子,β的大小为椭圆离心率的倒数,所述椭圆是以第i个压电传感器和第j个压电传感器作为两个焦点的椭圆,该椭圆上任一点到这两个焦点的距离之和与两个焦点间的距离之比为β;
(7)以0.2DImax为阈值,对所有DIij进行修正:若DIij≤0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径离损伤较远,将DIij置0;若DIij>0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径在损伤附近,维持DIij值不变;更新完所有DIij后进入步骤(8)进行损伤成像算法的计算,其中DImax为所有DIij中的最大值;
(8)计算成像区域内任意点P存在损伤的概率:
其中,P(x,y)表示坐标点(x,y)存在损伤的概率,pij(x,y)表示由第i个压电传感器和第j个压电传感器之间的路径计算所得到的坐标点(x,y)存在损伤的概率,α为图像增强因子(用以提高损伤区域与无损伤区域的对比度);
将得到的P(x,y)按照数值的大小用颜色亮度表示出来,成像后颜色最亮处就是损伤所处位置。
有益效果:本发明提供的基于Lamb波信号相关系数的多区域损伤检测方法,相对于现有技术,具有如下优势:1、本发明提出了一种信号段长度自适应的方法,不需要人为确定信号段长度,增强了损伤识别效果,减小了人为误差;2、本发明不需要利用复杂的信号处理方法和去噪技术来提取损伤信号的到达时间,只需知道Lamb波在结构中的大致传播速度,并且对信号的质量要求较低,降低了对结构所处环境的要求;3、本发明在检测区域内存在两个损伤的情况下,系统仍能检测到真实损伤,并能将损伤位置成像,直观明了地显示出损伤的位置和大致大小。
附图说明
图1为实例中压电传感器的布置阵列和模拟损伤的照片;
图2为实施例使用的激励信号;
图3为实施例中模拟双损伤得到的损伤指标图;
图4为本发明方法所使用的激励-接收路径示意图;
图5为实施例中模拟双损伤得到的损伤识别图。
具体实施方式
下面结合实施例对本发明作更进一步的说明。
一种基于Lamb波信号相关系数的多区域损伤检测方法,包括如下步骤:
(1)在本实施例中,使用到的压电传感器直径为10mm、厚度为2mm,平板结构为1000mm×1000mm×5mm的金属铝板,平板结构中心为坐标原点,向右为X轴正方向,向上为Y轴正方向。以坐标原点(0,0)为圆心,粘贴第一个压电传感器,编号为1,在平板结构上共布置9个压电传感器(编号1至9),压电传感器之间水平、垂直距离为150mm,组成3×3的正方形阵列,压电传感器布置阵列如图1所示(图中白色的胶片为稍后实验中吸波胶模拟的损伤)。压电传感器编号为1、2、3、4、5、6组成的长方形区域作为第一个基本检测单元,压电传感器编号为4、5、6、7、8、9组成的长方形区域作为第二个基本检测单元,共计组成两个基本检测单元。
(2)激励信号采用中心频率为250KHz的调制五波峰窄带波,如图2所示。采样频率设置为10MHz。激励信号经电荷放大器放大后加载到压电传感器,从而在结构中激发出Lamb波。首先采集结构无损时的信号,信号采集流程如下:对1号压电片进行激励,2至6号压电片接收信号;激励2号压电片,3至6号压电片接收信号;信号的激励、采集只在一个单元内进行。依次类推,共采集2个单元内的信号,共计30个激励-接收路径上的信号,作为结构的无损信号。在结构上粘贴两个吸波胶,模拟实际损失,粘贴位置和大小如图1所示,图中白色的胶片为吸波胶模拟的损伤。采集结构无损时的信号,信号采集流程和采集无损信号时一样,采集到的信号作为结构的有损信号。
(3)根据Lamb波在平板结构中的传播速度,结合第i个压电传感器和第j个压电传感器之间的距离,对路径信号Sij进行截断处理,具体为:计算S0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tS0,根据信号采集频率f将tS0转换为信号采集点数mS0,将mS0作为截断信号的起点;计算A0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tA0,根据信号采集频率f将tA0转换为信号采集点数mA0,同时补偿Lamb波的波宽长度对应的信号采集点数n,考虑Lamb波存在弥散效应,将n乘以一个放大倍数q,将mA0+q×n作为截断信号的终点,截断信号的长度为num=(mA0+q×n)-mS0+1;以信号采集频率f采集路径信号Sij,记录第mS0个采集点到第mA0+q×n个采集点的信号,将平板结构受损前采集到的经截断处理后的第k个信号表示为ak,将平板结构受损后采集到的经截断处理后的第k个信号表示为bk,计算相关系数ρij:
其中,按照本方法得到30个相关系数。
(4)定义损失指标DIij为:DIij=1-ρij。本实施例计算得到的DIij值如图3所示,因为对称,所以矩阵的下三角和上三角的数值一样。
(5)以1号压电传感器所在的中心坐标值减去20mm作为成像区域的最下方,以9号压电传感器所在的中心坐标值加上20mm作为成像区域的最上方,以此两点画出一个正方形的区域作为成像区域,离散坐标点X,Y方向的间距都为0.1mm,计算区域内的离散坐标点(x,y)的Rij(x,y):
其中,(x,y)表示任意点P的坐标,(xi,yi)表示第i个压电传感器(激励端)的坐标,(xj,yj)表示第j个压电传感器(响应端)的坐标。
(6)计算Rij(x,y),即:
其中,β略微大于1,表示控制路径信号Sij影响范围的尺度因子,β的大小为椭圆离心率的倒数,所述椭圆是以第i个压电传感器和第j个压电传感器作为两个焦点的椭圆,该椭圆上任一点到这两个焦点的距离之和与两个焦点间的距离之比为β。图4为激励-接收路径示意图,当像素点(x,y)落在椭圆内时,Rij(x,y)=RDij(x,y);当像素点落在椭圆外时,此时Rij(x,y)=β,主要考虑直接路径上的损伤。
(7)以0.2DImax为阈值,对所有DIij进行修正:若DIij≤0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径离损伤较远,将DIij置0;若DIij>0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径在损伤附近,维持DIij值不变;更新完所有DIij后进入步骤(8)进行损伤成像算法的计算,其中DImax为所有DIij中的最大值。
(8)计算成像区域内任意点P存在损伤的概率:
其中,P(x,y)表示坐标点(x,y)存在损伤的概率,pij(x,y)表示由第i个压电传感器和第j个压电传感器之间的路径计算所得到的坐标点(x,y)存在损伤的概率,α为图像增强因子(用以提高损伤区域与无损伤区域的对比度);
将得到的P(x,y)按照数值的大小用颜色亮度表示出来,成像后颜色最亮处就是损伤所处位置。得到的损伤识别结果如图5所示,两处最亮的区域就是本方法识别得到的两处损伤。真实损伤如图1所示,图中白色的胶片为吸波胶模拟的损伤。对比图1和图5可以看出,该方法对双损伤的检测效果与实际损伤位置基本相符,能够利用较低质量的信号实现对双损伤的识别和定位。
本发明基于Lamb波信号相关系数的多区域损伤检测方法能够无需复杂的信号处理方法和较高的信号质量,即可快速方便地实现板状结构的多损伤的识别和定位,并以可视化的界面直观明了地对多损伤进行成像。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种基于Lamb波信号相关系数的多区域损伤检测方法,其特征在于:包括如下步骤:
(1)在平板结构上布置3行3列的压电传感器矩形阵列,第一行压电传感器由左至右的标号依次为1、2、3,第二行压电传感器由左至右的标号依次为4、5、6,第三行压电传感器由左至右的标号依次为7、8、9;将第一行和第二行的六个压电传感器组成的长方形区域作为第一个基本检测单元,将第二行和第三行的六个压电传感器组成的长方形区域作为第二个基本检测单元;在平板结构上建立XOY坐标系,任意点P的位置采用坐标点(x,y)表示;
(2)以第i个压电传感器为激励端,以第j个压电传感器为响应端,采集第i个压电传感器和第j个压电传感器之间激励-响应的路径信号Sij,考虑波动传播中互易性原则,有Sij=Sji,因此:对于第一个基本检测单元采集路径信号Sij,其中1≤i≤6,1≤j≤6且j>i;对于第二个基本检测单元采集路径信号Sij,其中4≤i≤9,4≤j≤9且j>i;路径信号Sij的激励信号为加载在第i个压电传感器上的窄带波激励信号,该窄带波激励信号在平板结构中激励出包含S0模态信号和A0模态信号的Lamb波,S0模态信号为Lamb波中传播速度最快的信号,A0模态信号为Lamb波中传播速度最慢的信号;
(3)设定信号采集频率f,根据Lamb波在平板结构中的传播速度,结合第i个压电传感器和第j个压电传感器之间的距离,对路径信号Sij进行截断处理,具体为:计算S0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tS0,根据信号采集频率f将tS0转换为信号采集点数mS0,将mS0作为截断信号的起点;计算A0模态信号从第i个压电传感器出发到被第j个压电传感器接收时的时长tA0,根据信号采集频率f将tA0转换为信号采集点数mA0,同时补偿Lamb波的波宽长度对应的信号采集点数n,考虑Lamb波存在弥散效应,将n乘以一个放大倍数q,将mA0+q×n作为截断信号的终点,截断信号的长度为num=(mA0+q×n)-mS0+1;以信号采集频率f采集路径信号Sij,记录第mS0个采集点到第mA0+q×n个采集点的信号,将平板结构受损前采集到的经截断处理后的第k个信号表示为ak,将平板结构受损后采集到的经截断处理后的第k个信号表示为bk,计算相关系数ρij:
其中,
(4)定义损失指标DIij为:DIij=1-ρij;
(5)在平板结构上划分出一个包含所有压电传感器的区域作为成像区域,计算任意点P到路径信号Sij的激励端和响应端距离之和与激励端和响应端间距的比值RDij(x,y),即:
其中,(x,y)表示任意点P的坐标,(xi,yi)表示第i个压电传感器的坐标,(xj,yj)表示第j个压电传感器的坐标;
(6)计算Rij(x,y),即:
其中,β表示控制路径信号Sij影响范围的尺度因子,β的大小为椭圆离心率的倒数,所述椭圆是以第i个压电传感器和第j个压电传感器作为两个焦点的椭圆,该椭圆上任一点到这两个焦点的距离之和与两个焦点间的距离之比为β;
(7)以0.2DImax为阈值,对所有DIij进行修正:若DIij≤0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径离损伤较远,将DIij置0;若DIij>0.2DImax,则认为第i个压电传感器和第j个压电传感器之间的路径在损伤附近,维持DIij值不变;更新完所有DIij后进入步骤(8)进行损伤成像算法的计算,其中DImax为所有DIij中的最大值;
(8)计算成像区域内任意点P存在损伤的概率:
其中,P(x,y)表示坐标点(x,y)存在损伤的概率,pij(x,y)表示由第i个压电传感器和第j个压电传感器之间的路径计算所得到的坐标点(x,y)存在损伤的概率,α为图像增强因子;
将得到的P(x,y)按照数值的大小用颜色亮度表示出来,成像后颜色最亮处就是损伤所处位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510247119.3A CN104965025A (zh) | 2015-05-14 | 2015-05-14 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510247119.3A CN104965025A (zh) | 2015-05-14 | 2015-05-14 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104965025A true CN104965025A (zh) | 2015-10-07 |
Family
ID=54219072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510247119.3A Pending CN104965025A (zh) | 2015-05-14 | 2015-05-14 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104965025A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404924A (zh) * | 2016-10-26 | 2017-02-15 | 华东理工大学 | 一种改善板类结构成像精度的检测数据优化处理方法 |
CN106525968A (zh) * | 2016-10-19 | 2017-03-22 | 中国人民解放军空军勤务学院 | 基于子区域的损伤概率成像定位方法 |
CN108918668A (zh) * | 2018-05-16 | 2018-11-30 | 郑州大学 | 基于公共外切圆的复合材料椭圆损伤定位检测方法 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
WO2019113994A1 (zh) * | 2017-12-14 | 2019-06-20 | 南京航空航天大学 | 基于激励波束成型和加权图像融合的music腐蚀监测方法 |
CN110376282A (zh) * | 2019-07-15 | 2019-10-25 | 北京航空航天大学 | 一种基于椭圆概率与贝叶斯估计的Lamb波损伤定位法 |
CN110849724A (zh) * | 2019-11-23 | 2020-02-28 | 福州大学 | 一种用于装配式混凝土剪力墙损伤识别的概率成像方法 |
CN111624252A (zh) * | 2020-05-25 | 2020-09-04 | 西安交通大学 | 一种提高Lamb波相控阵聚焦检测速度的方法 |
CN112946071A (zh) * | 2021-01-26 | 2021-06-11 | 中车青岛四方机车车辆股份有限公司 | 一种结构损伤成像方法、装置、设备及存储介质 |
CN113702505A (zh) * | 2021-08-19 | 2021-11-26 | 河北工程大学 | 一种垃圾填埋场hdpe膜损伤定位系统及方法 |
CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN115235391A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043016A (zh) * | 2010-11-05 | 2011-05-04 | 上海交通大学 | 基于兰姆波的自主式损伤识别成像方法 |
CN102928511A (zh) * | 2012-10-24 | 2013-02-13 | 西安交通大学 | 一种基于rapid层析的机械结构损伤无损识别方法 |
CN103217478A (zh) * | 2013-04-16 | 2013-07-24 | 南京航空航天大学 | 用于复合材料板状结构的无参考损伤识别方法 |
-
2015
- 2015-05-14 CN CN201510247119.3A patent/CN104965025A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043016A (zh) * | 2010-11-05 | 2011-05-04 | 上海交通大学 | 基于兰姆波的自主式损伤识别成像方法 |
CN102928511A (zh) * | 2012-10-24 | 2013-02-13 | 西安交通大学 | 一种基于rapid层析的机械结构损伤无损识别方法 |
CN103217478A (zh) * | 2013-04-16 | 2013-07-24 | 南京航空航天大学 | 用于复合材料板状结构的无参考损伤识别方法 |
Non-Patent Citations (4)
Title |
---|
LINGYU YU等: "In situ 2-D piezoelectric wafer active sensors arrays for guided wave damage detection", 《ULTRASONICS》 * |
冯勇明: "基于Lamb波的航空复合材料板结构损伤识别技术方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑 》 * |
施文等: "基于超声导波的多损伤层析检测方法", 《中国科技论文在线》 * |
曾亮等: "板类结构中基于超声导波的多损伤定位方法", 《中国科技论文在线》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106525968A (zh) * | 2016-10-19 | 2017-03-22 | 中国人民解放军空军勤务学院 | 基于子区域的损伤概率成像定位方法 |
CN106525968B (zh) * | 2016-10-19 | 2019-06-18 | 中国人民解放军空军勤务学院 | 基于子区域的损伤概率成像定位方法 |
CN106404924B (zh) * | 2016-10-26 | 2019-01-01 | 华东理工大学 | 一种改善板类结构成像精度的检测数据优化处理方法 |
CN106404924A (zh) * | 2016-10-26 | 2017-02-15 | 华东理工大学 | 一种改善板类结构成像精度的检测数据优化处理方法 |
WO2019113994A1 (zh) * | 2017-12-14 | 2019-06-20 | 南京航空航天大学 | 基于激励波束成型和加权图像融合的music腐蚀监测方法 |
US10697937B2 (en) | 2017-12-14 | 2020-06-30 | Nanjing University Of Aeronautics And Astronautics | MUSIC corrosion monitoring method via excitation beam forming and weighted image fusing |
CN108918668A (zh) * | 2018-05-16 | 2018-11-30 | 郑州大学 | 基于公共外切圆的复合材料椭圆损伤定位检测方法 |
CN109828033B (zh) * | 2019-01-08 | 2021-08-03 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
CN110376282A (zh) * | 2019-07-15 | 2019-10-25 | 北京航空航天大学 | 一种基于椭圆概率与贝叶斯估计的Lamb波损伤定位法 |
CN110376282B (zh) * | 2019-07-15 | 2021-06-08 | 北京航空航天大学 | 一种基于椭圆概率与贝叶斯估计的Lamb波损伤定位法 |
CN110849724A (zh) * | 2019-11-23 | 2020-02-28 | 福州大学 | 一种用于装配式混凝土剪力墙损伤识别的概率成像方法 |
CN111624252A (zh) * | 2020-05-25 | 2020-09-04 | 西安交通大学 | 一种提高Lamb波相控阵聚焦检测速度的方法 |
CN111624252B (zh) * | 2020-05-25 | 2021-08-06 | 西安交通大学 | 一种提高Lamb波相控阵聚焦检测速度的方法 |
CN112946071A (zh) * | 2021-01-26 | 2021-06-11 | 中车青岛四方机车车辆股份有限公司 | 一种结构损伤成像方法、装置、设备及存储介质 |
CN113702505A (zh) * | 2021-08-19 | 2021-11-26 | 河北工程大学 | 一种垃圾填埋场hdpe膜损伤定位系统及方法 |
CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN113933392B (zh) * | 2021-10-18 | 2023-05-30 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN115235391A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
CN115235391B (zh) * | 2022-06-30 | 2022-12-30 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104965025A (zh) | 一种基于Lamb波信号相关系数的多区域损伤检测方法 | |
CN102043016B (zh) | 基于兰姆波的自主式损伤识别成像方法 | |
CN102151149B (zh) | 一种胎儿超声图像自动测量方法及系统 | |
CN105488795B (zh) | 一种复合材料损伤识别方法 | |
CN108195937B (zh) | 一种基于导波的损伤概率成像方法 | |
CN108961330B (zh) | 基于图像的猪体长测算方法及系统 | |
US20220276182A1 (en) | Method for constructing recognition model of moisture damage of asphalt pavement and method and system for recognizing moisture damage of asphalt pavement | |
CN103941120B (zh) | 一种复合绝缘子憎水性检测及老化评估装置 | |
CN102998369B (zh) | 一种二维损伤定量化监测方法 | |
CN103940908B (zh) | 基于dbscan及互相关算法的超声检测装置及方法 | |
CN206772257U (zh) | 一种基于高性能无人机的桥梁结构检测系统 | |
CN113029327B (zh) | 基于度量注意力卷积神经网络的隧道风机预埋基础损伤识别方法 | |
CN106093207A (zh) | 一种基于非线性无味卡尔曼滤波算法的兰姆波损伤定位方法 | |
CN103792287A (zh) | 一种基于Lamb波的大面积结构损伤检测方法 | |
CN100494919C (zh) | 船舶吨位智能测量系统及测量方法 | |
CN111445522A (zh) | 被动式夜视智能探雷系统及智能探雷方法 | |
CN113884011A (zh) | 一种非接触式混凝土表观裂缝测量设备和方法 | |
CN109839439B (zh) | 路桥路面裂缝检测系统及其检测方法 | |
CN106060258B (zh) | 一种基于智能手机的驾驶员驾驶风格分析方法 | |
CN106990169A (zh) | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 | |
CN114065487A (zh) | 一种基于误差函数的结构冲击定位方法 | |
CN109934151A (zh) | 一种基于movidius计算芯片和Yolo face的人脸检测方法 | |
CN104181230A (zh) | 复合材料板结构的损伤监测方法 | |
CN104316249B (zh) | 桥梁承重短杆索张力无线自动测试与识别系统 | |
CN103149383B (zh) | 基于数字序列和时间反转的结构冲击区域图像报警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151007 |