CN105572230A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105572230A CN105572230A CN201610096374.7A CN201610096374A CN105572230A CN 105572230 A CN105572230 A CN 105572230A CN 201610096374 A CN201610096374 A CN 201610096374A CN 105572230 A CN105572230 A CN 105572230A
- Authority
- CN
- China
- Prior art keywords
- rightarrow
- vector
- array
- amplitude
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 204
- 238000003384 imaging method Methods 0.000 title claims abstract description 169
- 230000007547 defect Effects 0.000 title claims abstract description 77
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 43
- 230000005284 excitation Effects 0.000 claims description 42
- 230000015572 biosynthetic process Effects 0.000 claims description 36
- 238000003786 synthesis reaction Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000002604 ultrasonography Methods 0.000 claims description 11
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 8
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 8
- 238000005242 forging Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000005086 pumping Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 239000002131 composite material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 abstract description 4
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000003491 array Methods 0.000 abstract 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 9
- 238000010276 construction Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 206010011376 Crepitations Diseases 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G01N29/06—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
- 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
Abstract
本发明公开了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,属于无损检测技术领域。该基于极性加权的矢量全聚焦成像的原理是在阵列换能器中构造多个子阵列,通过计算每一子阵列在任意成像点处的单位方向矢量和其极性加权成像幅值矩阵,得到每一子阵列在任意成像点处的特征矢量;将计算所得的所有子阵列特征矢量进行合成,得到合成特征矢量;对合成特征矢量的幅值进行全局化处理,即令合成特征矢量的幅值等于全阵列所得的极性加权成像在任意聚焦点处的幅值,便可得到全阵列在任意成像点处的幅值矢量;最终根据缺陷的位置提取目标缺陷的局部矢量图,最后利用局部矢量图中矢量的方向来确定目标缺陷的方向。
Description
技术领域
本发明涉及一种基于极性加权的矢量全聚焦成像的裂纹类缺陷方向识别方法,该方法涉及裂纹类缺陷的方向识别技术,属于无损检测技术领域。
背景技术
金属结构广泛应用于航空航天、船舶、机械制造等工业领域,如航天器构件,舰船和潜艇构件,大型压力容器,大型锻件,桥梁用钢板等。金属结构在加工、制造、使用过程中由于受到压力、温度、外荷载冲击、应力集中、化学腐蚀等因素作用,极易在结构的表面及内部产生裂纹、孔洞、腐蚀等缺陷,如果无法及时检出存在的缺陷并采取相应措施,很可能造成严重后果。以裂纹为例,在载荷的作用下,结构中裂纹会呈现加速扩展的趋势,以致结构的剩余强度迅速降低,最终裂纹会急剧扩展,从而导致金属结构突然断裂,这往往会造成灾难性的装备损毁和人员伤亡事故,因此,研究有效的金属结构缺陷检测方法不仅具有重要的科学研究意义,而且具有很大的工程使用价值。
超声无损检测技术是金属结构检测中非常重要的技术手段,该技术对结构内部裂纹类等缺陷的检测灵敏度很高。近年来,超声相控阵检测技术在超声无损检测中得到了广泛的应用,克服了传统超声检测效率低,分辨率低,检测结果直观性差等缺点,但商用相控阵检测系统只能进行一些简单的成像显示,检测精度和缺陷表征能力都无法适应工业界逐渐提高的检测评价要求。基于后处理的超声相控阵检测技术,由于可以正确表征被测对象的内部状况,因而得到的广泛的研究和发展。通过对采集到的数据进行后处理研究,可得到高精度和大范围的成像图,并可进一步提取缺陷的方向、形状、大小等特征,从而实现对缺陷的定位检测和特征识别。
2009年期刊论文“Phasecoherenceimaging”通过对阵列数据的极性(孔径数据的符号位)进行分析,提出了一种抑制旁瓣和栅瓣、提高成像分辨率的超声阵列成像方法——极性加权成像方法,该方法操作简单,且成像效果较好,但极性加权成像方法可以对结构中裂纹等缺陷进行精确的定位,却无法对裂纹类缺陷进行方向识别。2007年期刊论文“AdvancedreflectorcharacterizationwithultrasonicphasedarraysinNDEapplications”提出了基于幅值的矢量全聚焦成像,通过将全阵列进行子阵列划分,利用该基于幅值的矢量全聚焦方法提取了缺陷的特征信息,成功地区分了孔和裂纹,并对裂纹的方向进行了定量识别。本专利的创新点在于借鉴极性加权成像的基本思想,提出了一种基于极性加权的矢量全聚焦成像方法。通过在阵列中构造多个子阵列,求解出任意成像点处的矢量,然后根据成像点矢量的方向来判断裂纹类缺陷的方向,实现了对裂纹类缺陷的定位检测,而且能有效地识别出裂纹类缺陷的方向。此方法与基于幅值的矢量全聚焦成像方法相比,成像质量以及裂纹方向测量精度都有了很大的提高。另外,对缺陷方向、形状等特征识别也存在其它的方法,2015年硕士论文“结构中裂纹超声相控阵识别方法研究及其应用”中将基于散射系数矩阵的裂纹方向识别方法应用到裂纹方向测量,并用主成分分析法对散射系数分布特征指标进行了分析,研究了子阵列参数和探头位置对裂纹方向识别的影响,确定了最佳检测参数。由于常规矢量全聚焦成像方法仅利用信号幅值信息,其成像质量受噪声、旁瓣和栅瓣等的影响大,信噪比和分辨率低,缺陷的定量识别能力有限,本发明综合利用全矩阵数据的幅值和相位信息,提出一种基于极性加权的矢量全聚焦成像方法,实现金属结构中裂纹类缺陷的方向识别。
发明内容
本发明的目的在于提出一种基于极性加权的矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法。该基于极性加权的矢量全聚焦成像的原理是在阵列换能器中构造多个子阵列,通过计算每一子阵列在任意成像点处的单位方向矢量和其极性加权成像幅值矩阵,得到每一子阵列在任意成像点处的特征矢量;将计算所得的所有子阵列特征矢量进行合成,得到合成特征矢量;对合成特征矢量的幅值进行全局化处理,即令合成特征矢量的幅值等于全阵列所得的极性加权成像在任意聚焦点处的幅值,最终便可得到全阵列在任意成像点处的幅值矢量。
与现有检测方法相比,本发明具有以下优点:(1)对阵列数据的相位信息加以利用,定义极性一致因子对合成输出进行加权处理,较好的提高了缺陷检测精度,以及对小缺陷的检出能力;(2)在阵列中构造多个子阵列,计算子阵列中各成像点的矢量,根据矢量的方向确定缺陷的方向,获取更多的缺陷特征信息,实现了裂纹类缺陷的方向识别。
该方法需要的检测装置包括计算机1、相控阵检测仪2、线阵换能器3和被测试件4。其中,相控阵检测仪2一端与计算机1连接,另一端与线阵换能器3连接,线阵换能器3与被测试件4通过耦合介质进行耦合。在计算机1的控制下相控阵检测仪2中的激励/接收模块产生激励信号,通过线阵换能器3激励出超声波信号沿被测试件传播,并通过换能器接收超声回波信号,然后通过相控阵检测仪中的信号激励/接收模块传输到计算机中,通过计算机中安装的与相控阵检测仪配套的采集软件即可获得检测的A扫波形,其中线阵换能器共有32个阵元。
本发明提出的基于极性加权的矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法,其基本原理在于:
假设线性阵列换能器阵元的个数为N,则采集得到N×N的全矩阵数据rij(t),其中的i表示激励阵元,j表示接收阵元。
通过构造复解析函数Rij(t)=RIij(t)+jRQij(t),便可得到信号的瞬时相位,公式如下:
其中RIij(t)称为同相分量,是信号rij(t)本身;RQij(t)称为正交分量,是原信号的希尔伯特变换。
将归一化到[-π,π],并将信号的相位区间[-π,π]分为两部分:代表正极性,代表负极性。如果瞬时相位同时落在两个区间之一,就认为所有的信号是完全一致的,也就是说,所有的孔径数据有同样的极性,因此用孔径数据的符号位值代替相位值,孔径数据符号位的计算公式如下:
当激励阵元为i时,计算N个接收信号的符号位bij的方差为:
因为因此,符号位的标准差可表示为:
定义激励阵元为i时,极性一致因子SCFi的公式如下:
从公式(5)中可知,当所有孔径数据的符号位相等时,极性一致因子SCFi等于最大值1;当孔径数据的符号位一半为正极性,一半为负极性时,SCF等于0。SCF因子的大小代表对信号幅值的抑制程度的强弱。
设F为任意成像点,其坐标为(x,z),当激励阵元为i时,其对应的SCF因子记作SCFi(x,z),用得到的SCFi对合成输出进行加权;最终将加权后的幅值进行叠加。因此,可得任意成像点处的幅值公式ISCF(x,z),如下式所示:
式中,tij(x,z)代表声波从第i个阵元激励传播到成像点(x,z),再被第j个阵元接收所需要的时间,可由特定的延迟时间公式计算获得。tij(x,z)的计算由总的传播距离除以波速c即可得到:
将上述极性加权成像的基本思想引入到矢量全聚焦成像中,通过构造子阵列来实现基于极性加权的矢量全聚焦成像。现假设N个阵元为一个全阵列,将该阵列划分为K个子阵列,每个子阵列中含有n个阵元(n<N),相邻两个子阵列间的阵元个数为m(m<N)。则第k个子阵列对应的阵元在全阵列中的序号最小值为1+m(k-1),最大值为n+m(k-1),其中,k=1,2,3...K。
利用下式可得第k个子阵列在任意成像点的特征矢量为
其中,为第k个子阵列的极性加权成像公式,为第k个子阵列单位方向矢量,公式如下:
式中,是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,具体计算公式可表示为:
得到每个子阵列的特征矢量后,对所有子阵列的特征矢量进行合成,以获得准确的缺陷方向信息。若对得到的子阵列特征矢量进行简单地叠加,会使计算得到的缺陷方向偏离反射能量最强的方向,使得裂纹方向误差较大。为了获得准确的裂纹方向信息,应使合成后的特征矢量方向接近反射能量最强的方向。为此,在矢量求和过程中引入权重因子,合成后的特征矢量表示为:
式中,α为子阵列特征矢量合成加权因子。
为提高缺陷检测精度及对小缺陷的识别能力,对矢量合成后成像点(x,z)处的特征矢量幅值进行全局化处理,即令合成后特征矢量幅值等于进极性加权成像得到的成像点处的幅值,这样处理后,全阵列在聚焦点(x,z)处的矢量成像特征矢量可表示为:
矢量成像特征矢量的方向与该点处的反射面能量最强的方向平行,因此,可提取出缺陷的方向信息。
为实现上述目的,本发明采用的技术方案为一种基于极性加权的矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法,具体可以按照以下步骤实施检测,方法流程如图2所示。
步骤一:在如图1所示的检测装置下进行实验,其中,实验所用阵列换能器中心频率为f,阵元总个数为N,单个阵元的宽度为a,相邻两阵元的中心距离为p,超声波在被测试件中的传播波速为c,则波长λ=c/f。通过全矩阵模式采集得到时域信号rij(t)(i=1,2,3...N;j=1,2,3...N),其中,下标i表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收。
步骤二:对采集到的时域信号rij(t)进行希尔伯特变换得到信号的包络,将此时得到的信号称为包络信号gij(t)。
步骤三:建立成像坐标系,如图3所示。其中,图中o为坐标原点,x轴表示与换能器位置平行的方向,z轴表示与换能器位置垂直的方向,定义第i个激励阵元到成像点F的向量第j个接收阵元到成像点F的向量以向量为例,表示向量的模,表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,后续步骤公式中的其它向量也是类似表示。
步骤四:将全部阵列数据按激励、接收阵元与成像点的传播距离计算声波传播时间tij(x,z),在每个成像点位置进行聚焦;并计算每个激励阵元i对应的相位一致因子SCFi,用得到的SCFi对合成输出Ri(x,z)进行加权;最终将加权后的幅值进行叠加。因此,可通过公式(6)计算全阵列在每个成像点的幅值ISCF(x,z)。
步骤五:构造子阵列。将阵元总数为N的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号称为子阵列数据。将该阵列换能器划分为K个子阵列,每个子阵列中含有n个阵元(n<N),相邻两个子阵列间的阵元个数为m(m<N)。则第k个子阵列对应的阵元在全阵列中的序号最小值为1+m(k-1),最大值为n+m(k-1),其中,k=1,2,3...K。
步骤六:计算每个子阵列在每个成像点的幅值矢量。
根据步骤五划分好的子阵列,计算每个子阵列在每个成像点的幅值矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤四,公式中下标i,j的最小值为1+m(k-1),最大值为n+m(k-1),利用公式(9)可得每个子阵列在任意成像点处矢量的幅值其中,上标k表示第k个子阵列。
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量利用公式(10)可得到每个子阵列在任意成像点的单位方向矢量
(3)将上两步中得到的和对应相乘,即可利用公式(8)得到每个子阵列在每个成像点处的幅值矢量
步骤七:对步骤六中所有子阵列的幅值矢量进行合成,利用公式(12)得到所有子阵列在任意成像点的合成幅值矢量
式中,α取1到正无穷的任意数,当α取值越大,任意成像点的合成幅值矢量的方向越接近成像点处反射信号能量最强的方向。
步骤八:将合成幅值矢量进行单位化,然后乘以步骤四中的ISCF(x,z),利用公式(13)可得到在全阵列N下任意成像点的幅值矢量
根据上述计算可知,全阵列在每个成像点的幅值矢量的大小与步骤四中的全阵列在每个成像点的幅值ISCF(x,z)相等,并且矢量的方向会与成像点处的反射面垂直。
步骤九:将步骤八中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图。
步骤十:根据步骤九中的矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图然后将步骤四中的幅值ISCF(x,z)进行dB处理,找出局部矢量图中幅值的最大值,求解最大值下降-6dB所对应的成像区域面积。最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过公式(14)计算得出:
式中,下标x,表示合成后最终的全聚焦幅值矢量在x方向上的分量;下标z,表示合成后最终的全聚焦幅值矢量在z方向上的分量;A-6dB,缺陷成像区域内,由成像幅值最大值下降-6dB所对应的成像区域面积。arctan函数为数学中的反正切函数,θm表示矢量与z轴正向的夹角,即等于缺陷与x轴正向的夹角。
附图说明
图1为本发明的检测装置框图。
图2为本发明方法的流程图。
图3为本发明方法实施例中建立的成像坐标系。
图4为锻件的局部矢量全聚焦图。
图5为锻件的局部矢量全聚焦图的放大图。
图中:1、计算机,2、相控阵检测仪,3、线阵换能器,4、被测试件。
具体实施方式
检测仪器为Multi2000系列相控阵设备,其中包括超声波激励/接收模块、采集模块及相控阵线性阵列换能器;实验中使用的相控阵线性阵列换能器中心频率f=5MHz,阵元总个数N=32,单个阵元宽度a=0.5mm,相邻两阵元的中心距离p=0.6mm,超声波在被测试件中的传播波速c=5900m/s,则波长λ=c/f=1.18mm;检测对象为圆形钢制锻件,直径为300mm,厚度为40mm;
本发明提出的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的具体步骤为:
步骤一:在检测装置下进行实验,通过全矩阵模式采集得到时域信号rij(t)(i=1,2,3...32;j=1,2,3...32),其中,下标i表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收;
步骤二:对采集到的时域信号rij(t)进行希尔伯特变换得到信号的包络,将此时得到的信号称为包络信号gij(t);
步骤三:建立成像坐标系;以换能器的正中心o为原点建立直角坐标系,对向量的计算分解到x轴、z轴方向来求解;定义两个一维数组X(s)、Z(s),数组大小均为32,s为阵列换能器中阵元的编号,则s=1,2,3...32,则(X(s),Z(s))表示第s个阵元的x和z轴坐标,其表达式为:X(s)=((s-1)-(32-1)/2)×0.6,Z(s)=0。同理,第i个激励阵元的位置向量在x、z轴方向上的分量可表示为: 第j个接收阵元的位置向量在x、z轴方向上的分量可表示为:
设置成像区域x轴方向长度为0.15m,z轴方向长度为0.15m,成像精度为0.0002m;定义两个一维数组Px(m)、Pz(n),数组大小分别为MX、MZ,其中MX=0.15/0.0002=750,MZ=0.15/0.0002=750,m、n分别为x、z方向离散点编号,则m=1,2,3...750;n=1,2,3...750,当m取特定值m0时,m0表示x方向上编号为m0对应点的x轴坐标;当n取特定值n0时,Pz(n0)表示z方向上编号为n0对应点的z轴坐标,则任意编号(m0,n0)对应的成像点的x、z轴坐标可表示为:Px(m0)=-0.75-0.0002×(m0-1),Pz(n0)=0.0002×(n0-1);
则任意(m0,n0)对应的成像点F的位置向量在x、z方向上的分量为:
相应地,第i个激励阵元到成像点F的位置向量在x、z方向上的分量可表示为:
第j个接收阵元到成像点F的位置向量在x、z方向上的分量可表示为:
因此,第i个激励阵元、第j个接收阵元到任意成像点的距离可表示为:
后续步骤中的均可通过此步中的表达式计算得出;
步骤四:将全部阵列数据按激励、接收阵元与任意成像点F的传播距离计算声波传播时间tij(x,z),则任意成像点F所对应的传播时间计算公式如下
利用计算得到的传播时间可实现在任意成像点F的虚拟聚焦。
进一步计算每个激励阵元i对应的相位一致因子SCFi(x,z),如下式所示:
其中,bij(x,z)表示第i个阵元激励时,第j个阵元接收到的孔径数据rij(x,z)的符号位,当rij(x,z)≥0时,bij(x,z)=1,rij(x,z)<0时,bij(x,z)=-1。可用以下公式表示:
公式(3)中的σi是,当激励阵元为i时,N个接收孔径数据的符号位bij的标准差,计算公式如下:
因为因此,上述标准差公式可简化表示为:
用得到的SCFi(x,z)对合成输出进行加权;最终将加权后的幅值进行叠加。因此,可通过下式计算全阵列在任意成像点(x,z)的幅值ISCF(x,z):
步骤五:构造子阵列;将阵元总数为32的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号作为子阵列数据。将该阵列换能器划分为7个子阵列,每个子阵列中含有8个阵元,相邻两个子阵列间的阵元个数为4个。则第k个子阵列对应的阵元在全阵列中的序号最小值为1+4(k-1)=4k-3,最大值为8+4(k-1)=4k+4,其中,k=1,2,3...7;
步骤六:计算每个子阵列在任意成像点的幅值矢量;
根据步骤五划分好的子阵列,计算每个子阵列在每个成像点的矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤四、五,公式中下标i、j的最小值为4k-3,最大值为4k+4,可得到每个子阵列在每个成像点处矢量的幅值其中,上标k表示第k个子阵列;
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量可得到每个子阵列在每个成像点的单位方向矢量即为每个子阵列在每个成像点处矢量的方向;该单位方向矢量在x、z方向上的分量可通过公式(4)计算得出:
其中,是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,可通过公式(5)计算得出;该单位方向矢量在x、z方向上的分量可表示:
式中,为矢量的模,具体表达式为:
(3)将上两步中得到的分向量和对应相乘即可得到每个子阵列在每个成像点的幅值矢量可通过公式(6)计算得出。该幅值矢量在x、z方向上的分向量可表示为:
步骤八:取α=4,将步骤七中7个分向量分别在x、z方向上进行合成,得到7个子阵列在每个成像点的合成幅值矢量该合成幅值矢量在x、z方向上的分向量可表示为:
步骤九:将步骤八中得到的进行单位化,然后乘以步骤四中的ISCF(x,z),得到在32阵元下每个成像点的幅值矢量该32阵元下的幅值矢量在x、z方向上的分向量可表示为:
式中,为矢量的模,具体表达式为:
根据上述计算可知,32阵元在每个成像点的幅值矢量的大小与步骤四中的32阵元在每个成像点幅值ISCF(x,z)相等,并且幅值矢量的方向会与成像点处的反射面垂直;
步骤十:将步骤九中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图;
步骤十一:根据步骤十中的全局矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图和局部矢量图的放大图;然后将步骤四中的幅值ISCF(x,z)进行dB处理,找出局部矢量图中幅值ISCF(x,z)的最大值,求解最大值下降-6dB所对应的成像区域面积;最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过下式公式计算得出:
式中,A表示在目标缺陷局部矢量图中,由幅值ISCF(x,z)的最大值下降-6dB所对应的成像区域面积,arctan函数为数学中的反正切函数,θm表示矢量方向与z轴正向的夹角,即等于缺陷与x轴正向的夹角;
最后,通过局部矢量图可以看出,缺陷处矢量幅值较明显,用箭头表现的形式,而其它不含缺陷的地方由于幅值很小,看不出来箭头,只呈现出圆点的形式,由此可以判断出缺陷的位置;并且通过计算求得缺陷处的角度θm=1.65°,即表示缺陷与x轴正向的夹角为1.65°。
Claims (3)
1.一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,其特征在于:
本方法提出的基于极性加权的矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法,其基本原理在于:
假设线性阵列换能器阵元的个数为N,则采集得到N×N的全矩阵数据rij(t),其中的i表示激励阵元,j表示接收阵元;
通过构造复解析函数Rij(t)=RIij(t)+jRQij(t),便可得到信号的瞬时相位,公式如下:
其中RIij(t)称为同相分量,是信号rij(t)本身;RQij(t)称为正交分量,是原信号的希尔伯特变换;
将归一化到[-π,π],并将信号的相位区间[-π,π]分为两部分:代表正极性,代表负极性;如果瞬时相位同时落在两个区间之一,就认为所有的信号是完全一致的,也就是说,所有的孔径数据有同样的极性,因此用孔径数据的符号位值代替相位值,孔径数据符号位的计算公式如下:
当激励阵元为i时,计算N个接收信号的符号位bij的方差为:
因为因此,符号位的标准差可表示为:
定义激励阵元为i时,极性一致因子SCFi的公式如下:
从公式(5)中可知,当所有孔径数据的符号位相等时,极性一致因子SCFi等于最大值1;当孔径数据的符号位一半为正极性,一半为负极性时,SCF等于0;SCF因子的大小代表对信号幅值的抑制程度的强弱;
设F为任意成像点,其坐标为(x,z),当激励阵元为i时,其对应的SCF因子记作SCFi(x,z),用得到的SCFi对合成输出进行加权;最终将加权后的幅值进行叠加;因此,可得任意成像点处的幅值公式ISCF(x,z),如下式所示:
式中,tij(x,z)代表声波从第i个阵元激励传播到成像点(x,z),再被第j个阵元接收所需要的时间,可由特定的延迟时间公式计算获得;tij(x,z)的计算由总的传播距离除以波速c即可得到:
将上述极性加权成像的基本思想引入到矢量全聚焦成像中,通过构造子阵列来实现基于极性加权的矢量全聚焦成像;现假设N个阵元为一个全阵列,将该阵列划分为K个子阵列,每个子阵列中含有n个阵元(n<N),相邻两个子阵列间的阵元个数为m(m<N);则第k个子阵列对应的阵元在全阵列中的序号最小值为1+m(k-1),最大值为n+m(k-1),其中,k=1,2,3…K;
利用下式可得第k个子阵列在任意成像点的特征矢量为
其中,为第k个子阵列的极性加权成像公式,为第k个子阵列单位方向矢量,公式如下:
式中,是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,具体计算公式可表示为:
得到每个子阵列的特征矢量后,对所有子阵列的特征矢量进行合成,以获得准确的缺陷方向信息;若对得到的子阵列特征矢量进行简单地叠加,会使计算得到的缺陷方向偏离反射能量最强的方向,使得裂纹方向误差较大;为了获得准确的裂纹方向信息,应使合成后的特征矢量方向接近反射能量最强的方向;为此,在矢量求和过程中引入权重因子,合成后的特征矢量表示为:
式中,α为子阵列特征矢量合成加权因子;
为提高缺陷检测精度及对小缺陷的识别能力,对矢量合成后成像点(x,z)处的特征矢量幅值进行全局化处理,即令合成后特征矢量幅值等于进极性加权成像得到的成像点处的幅值,这样处理后,全阵列在聚焦点(x,z)处的矢量成像特征矢量可表示为:
矢量成像特征矢量的方向与该点处的反射面能量最强的方向平行,因此,可提取出缺陷的方向信息;
具体可以按照以下步骤实施检测,
步骤一:在检测装置下进行实验,其中,实验所用阵列换能器中心频率为f,阵元总个数为N,单个阵元的宽度为a,相邻两阵元的中心距离为p,超声波在被测试件中的传播波速为c,则波长λ=c/f;通过全矩阵模式采集得到时域信号rij(t)(i=1,2,3…N;j=1,2,3…N),其中,下标i表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收;
步骤二:对采集到的时域信号rij(t)进行希尔伯特变换得到信号的包络,将此时得到的信号称为包络信号gij(t);
步骤三:建立成像坐标系,如图3所示;其中,图中o为坐标原点,x轴表示与换能器位置平行的方向,z轴表示与换能器位置垂直的方向,定义第i个激励阵元到成像点F的向量第j个接收阵元到成像点F的向量以向量为例,表示向量的模,表示向量在x轴方向上的分量,表示向量在z轴方向上的分量,后续步骤公式中的其它向量也是类似表示;
步骤四:将全部阵列数据按激励、接收阵元与成像点的传播距离计算声波传播时间tij(x,z),在每个成像点位置进行聚焦;并计算每个激励阵元i对应的相位一致因子SCFi,用得到的SCFi对合成输出Ri(x,z)进行加权;最终将加权后的幅值进行叠加;因此,可通过公式(6)计算全阵列在每个成像点的幅值ISCF(x,z);
步骤五:构造子阵列;将阵元总数为N的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号称为子阵列数据;将该阵列换能器划分为K个子阵列,每个子阵列中含有n个阵元(n<N),相邻两个子阵列间的阵元个数为m(m<N);则第k个子阵列对应的阵元在全阵列中的序号最小值为1+m(k-1),最大值为n+m(k-1),其中,k=1,2,3…K;
步骤六:计算每个子阵列在每个成像点的幅值矢量;
根据步骤五划分好的子阵列,计算每个子阵列在每个成像点的幅值矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤四,公式中下标i,j的最小值为1+m(k-1),最大值为n+m(k-1),利用公式(9)可得每个子阵列在任意成像点处矢量的幅值其中,上标k表示第k个子阵列;
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量利用公式(10)可得到每个子阵列在任意成像点的单位方向矢量
(3)将上两步中得到的和对应相乘,即可利用公式(8)得到每个子阵列在每个成像点处的幅值矢量
步骤七:对步骤六中所有子阵列的幅值矢量进行合成,利用公式(12)得到所有子阵列在任意成像点的合成幅值矢量
式中,α取1到正无穷的任意数,当α取值越大,任意成像点的合成幅值矢量的方向越接近成像点处反射信号能量最强的方向;
步骤八:将合成幅值矢量进行单位化,然后乘以步骤四中的ISCF(x,z),利用公式(13)可得到在全阵列N下任意成像点的幅值矢量
根据上述计算可知,全阵列在每个成像点的幅值矢量的大小与步骤四中的全阵列在每个成像点的幅值ISCF(x,z)相等,并且矢量的方向会与成像点处的反射面垂直;
步骤九:将步骤八中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图;
步骤十:根据步骤九中的矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图然后将步骤四中的幅值ISCF(x,z)进行dB处理,找出局部矢量图中幅值的最大值,求解最大值下降-6dB所对应的成像区域面积;最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过公式(14)计算得出:
式中,下标x,表示合成后最终的全聚焦幅值矢量在x方向上的分量;下标z,表示合成后最终的全聚焦幅值矢量在z方向上的分量;A-6dB,缺陷成像区域内,由成像幅值最大值下降-6dB所对应的成像区域面积;arctan函数为数学中的反正切函数,θm表示矢量与z轴正向的夹角,即等于缺陷与x轴正向的夹角。
2.根据权利要求1所述的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,其特征在于:该方法需要的检测装置包括计算机(1)、相控阵检测仪(2)、线阵换能器(3)和被测试件(4);其中,相控阵检测仪(2)一端与计算机(1)连接,另一端与线阵换能器(3)连接,线阵换能器(3)与被测试件(4)通过耦合介质进行耦合;在计算机(1)的控制下相控阵检测仪(2)中的激励/接收模块产生激励信号,通过线阵换能器(3)激励出超声波信号沿被测试件传播,并通过换能器接收超声回波信号,然后通过相控阵检测仪中的信号激励/接收模块传输到计算机中,通过计算机中安装的与相控阵检测仪配套的采集软件即可获得检测的A扫波形,其中线阵换能器共有32个阵元。
3.根据权利要求1所述的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,其特征在于:检测仪器为Multi2000系列相控阵设备,其中包括超声波激励/接收模块、采集模块及相控阵线性阵列换能器;实验中使用的相控阵线性阵列换能器中心频率f=5MHz,阵元总个数N=32,单个阵元宽度a=0.5mm,相邻两阵元的中心距离p=0.6mm,超声波在被测试件中的传播波速c=5900m/s,则波长λ=c/f=1.18mm;检测对象为圆形钢制锻件,直径为300mm,厚度为40mm;
具体步骤为:
步骤一:在检测装置下进行实验,通过全矩阵模式采集得到时域信号rij(t)(i=1,2,3…32;j=1,2,3…32),其中,下标i表示阵列换能器中第i个阵元激励,j表示阵列换能器中第j个阵元接收;
步骤二:对采集到的时域信号rij(t)进行希尔伯特变换得到信号的包络,将此时得到的信号称为包络信号gij(t);
步骤三:建立成像坐标系;以换能器的正中心o为原点建立直角坐标系,对向量的计算分解到x轴、z轴方向来求解;定义两个一维数组X(s)、Z(s),数组大小均为32,s为阵列换能器中阵元的编号,则s=1,2,3…32,则(X(s),Z(s))表示第s个阵元的x和z轴坐标,其表达式为:X(s)=((s-1)-(32-1)/2)×0.6,Z(s)=0;同理,第i个激励阵元的位置向量在x、z轴方向上的分量可表示为: 第j个接收阵元的位置向量在x、z轴方向上的分量可表示为:
设置成像区域x轴方向长度为0.15m,z轴方向长度为0.15m,成像精度为0.0002m;定义两个一维数组Px(m)、Pz(n),数组大小分别为MX、MZ,其中MX=0.15/0.0002=750,MZ=0.15/0.0002=750,m、n分别为x、z方向离散点编号,则m=1,2,3…750;n=1,2,3…750,当m取特定值m0时,m0表示x方向上编号为m0对应点的x轴坐标;当n取特定值n0时,Pz(n0)表示z方向上编号为n0对应点的z轴坐标,则任意编号(m0,n0)对应的成像点的x、z轴坐标可表示为:Px(m0)=-0.75-0.0002×(m0-1),Pz(n0)=0.0002×(n0-1);
则任意(m0,n0)对应的成像点F的位置向量在x、z方向上的分量为:
相应地,第i个激励阵元到成像点F的位置向量在x、z方向上的分量可表示为:
第j个接收阵元到成像点F的位置向量在x、z方向上的分量可表示为:
因此,第i个激励阵元、第j个接收阵元到任意成像点的距离可表示为:
后续步骤中的均可通过此步中的表达式计算得出;
步骤四:将全部阵列数据按激励、接收阵元与任意成像点F的传播距离计算声波传播时间tij(x,z),则任意成像点F所对应的传播时间计算公式如下
利用计算得到的传播时间可实现在任意成像点F的虚拟聚焦;
进一步计算每个激励阵元i对应的相位一致因子SCFi(x,z),如下式所示:
其中,bij(x,z)表示第i个阵元激励时,第j个阵元接收到的孔径数据rij(x,z)的符号位,当rij(x,z)≥0时,bij(x,z)=1,rij(x,z)<0时,bij(x,z)=-1;可用以下公式表示:
公式(3)中的σi是,当激励阵元为i时,N个接收孔径数据的符号位bij的标准差,计算公式如下:
因为因此,上述标准差公式可简化表示为:
用得到的SCFi(x,z)对合成输出进行加权;最终将加权后的幅值进行叠加;因此,可通过下式计算全阵列在任意成像点(x,z)的幅值ISCF(x,z):
步骤五:构造子阵列;将阵元总数为32的阵列换能器中多个连续的阵元作为一个子阵列,对应的时域信号作为子阵列数据;将该阵列换能器划分为7个子阵列,每个子阵列中含有8个阵元,相邻两个子阵列间的阵元个数为4个;则第k个子阵列对应的阵元在全阵列中的序号最小值为1+4(k-1)=4k-3,最大值为8+4(k-1)=4k+4,其中,k=1,2,3…7;
步骤六:计算每个子阵列在任意成像点的幅值矢量;
根据步骤五划分好的子阵列,计算每个子阵列在每个成像点的矢量,可分为以下几步:
(1)根据每个子阵列中对应的激励、接收阵元,重复步骤四、五,公式中下标i、j的最小值为4k-3,最大值为4k+4,可得到每个子阵列在每个成像点处矢量的幅值其中,上标k表示第k个子阵列;
(2)根据每个子阵列对应的激励、接收阵元到成像点的位置向量可得到每个子阵列在每个成像点的单位方向矢量即为每个子阵列在每个成像点处矢量的方向;该单位方向矢量在x、z方向上的分量可通过公式(4)计算得出:
其中,是第i个阵元激励超声波入射到任意成像点后经第j个阵元接收形成的法线方向的单位方向矢量,依据反射定理可知,该单位方向矢量的方向会与反射面垂直,可通过公式(5)计算得出;该单位方向矢量在x、z方向上的分量可表示:
式中,为矢量的模,具体表达式为:
(3)将上两步中得到的分向量和对应相乘即可得到每个子阵列在每个成像点的幅值矢量可通过公式(6)计算得出;该幅值矢量在x、z方向上的分向量可表示为:
步骤八:取α=4,将步骤七中7个分向量分别在x、z方向上进行合成,得到7个子阵列在每个成像点的合成幅值矢量该合成幅值矢量在x、z方向上的分向量可表示为:
步骤九:将步骤八中得到的进行单位化,然后乘以步骤四中的ISCF(x,z),得到在32阵元下每个成像点的幅值矢量该32阵元下的幅值矢量在x、z方向上的分向量可表示为:
式中,为矢量的模,具体表达式为:
根据上述计算可知,32阵元在每个成像点的幅值矢量的大小与步骤四中的32阵元在每个成像点幅值ISCF(x,z)相等,并且幅值矢量的方向会与成像点处的反射面垂直;
步骤十:将步骤九中的全阵列在每个成像点的幅值矢量进行成像显示,可得到全阵列在每个成像点的全局矢量成像图;
步骤十一:根据步骤十中的全局矢量图,确定目标缺陷的位置,提取目标缺陷的局部矢量图和局部矢量图的放大图;然后将步骤四中的幅值ISCF(x,z)进行dB处理,找出局部矢量图中幅值ISCF(x,z)的最大值,求解最大值下降-6dB所对应的成像区域面积;最后根据局部矢量图中矢量的方向与目标缺陷垂直,依据几何关系,目标缺陷的方向可通过下式公式计算得出:
式中,A表示在目标缺陷局部矢量图中,由幅值ISCF(x,z)的最大值下降-6dB所对应的成像区域面积,arctan函数为数学中的反正切函数,θm表示矢量方向与z轴正向的夹角,即等于缺陷与x轴正向的夹角;
最后,通过局部矢量图可以看出,缺陷处矢量幅值较明显,用箭头表现的形式,而其它不含缺陷的地方由于幅值很小,看不出来箭头,只呈现出圆点的形式,由此可以判断出缺陷的位置;并且通过计算求得缺陷处的角度θm=1.65°,即表示缺陷与x轴正向的夹角为1.65°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610096374.7A CN105572230B (zh) | 2016-02-22 | 2016-02-22 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610096374.7A CN105572230B (zh) | 2016-02-22 | 2016-02-22 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105572230A true CN105572230A (zh) | 2016-05-11 |
CN105572230B CN105572230B (zh) | 2018-10-12 |
Family
ID=55882598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610096374.7A Expired - Fee Related CN105572230B (zh) | 2016-02-22 | 2016-02-22 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572230B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093206A (zh) * | 2016-07-15 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 一种基于斜入射纵波的焊缝超声阵列全聚焦成像方法 |
CN113112024A (zh) * | 2021-04-12 | 2021-07-13 | 西南石油大学 | 一种随机多裂纹随机扩展的预测与控制方法及系统 |
CN114235953A (zh) * | 2021-12-15 | 2022-03-25 | 中国航发动力股份有限公司 | 一种含型腔扩散焊零件加强筋内部缺陷的超声相控阵检测方法 |
CN117347502A (zh) * | 2023-12-04 | 2024-01-05 | 中国飞机强度研究所 | 一种薄壁叶片的全聚焦成像方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060122506A1 (en) * | 2004-09-20 | 2006-06-08 | Davies Timothy J | Sub-Nyquist sampling of acoustic signals in ultrasound imaging |
CN103969337A (zh) * | 2014-05-07 | 2014-08-06 | 北京工业大学 | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 |
CN104280455A (zh) * | 2014-09-29 | 2015-01-14 | 北京工业大学 | 一种用于裂纹方向识别的超声散射系数优化计算方法 |
CN104698089A (zh) * | 2015-03-20 | 2015-06-10 | 大连理工大学 | 一种适用于倾斜裂纹定量和成像的超声相对时间传播技术 |
CN104730146A (zh) * | 2015-03-11 | 2015-06-24 | 北京工业大学 | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 |
-
2016
- 2016-02-22 CN CN201610096374.7A patent/CN105572230B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060122506A1 (en) * | 2004-09-20 | 2006-06-08 | Davies Timothy J | Sub-Nyquist sampling of acoustic signals in ultrasound imaging |
CN103969337A (zh) * | 2014-05-07 | 2014-08-06 | 北京工业大学 | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 |
CN104280455A (zh) * | 2014-09-29 | 2015-01-14 | 北京工业大学 | 一种用于裂纹方向识别的超声散射系数优化计算方法 |
CN104730146A (zh) * | 2015-03-11 | 2015-06-24 | 北京工业大学 | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 |
CN104698089A (zh) * | 2015-03-20 | 2015-06-10 | 大连理工大学 | 一种适用于倾斜裂纹定量和成像的超声相对时间传播技术 |
Non-Patent Citations (2)
Title |
---|
PAUL D. WILCOX ET AL.: "Advanced reflector characterization with ultrasonic phased arrays in NDE applications", 《IEEE TRANSACTIONS ON ULTRASONICS FERROELECTRICS AND FREQUENCY CONTROL》 * |
焦敬品等: "超声阵列矢量全聚焦裂纹识别及影响参数研究", 《南京大学学报(自然科学)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093206A (zh) * | 2016-07-15 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 一种基于斜入射纵波的焊缝超声阵列全聚焦成像方法 |
CN113112024A (zh) * | 2021-04-12 | 2021-07-13 | 西南石油大学 | 一种随机多裂纹随机扩展的预测与控制方法及系统 |
CN114235953A (zh) * | 2021-12-15 | 2022-03-25 | 中国航发动力股份有限公司 | 一种含型腔扩散焊零件加强筋内部缺陷的超声相控阵检测方法 |
CN114235953B (zh) * | 2021-12-15 | 2024-03-12 | 中国航发动力股份有限公司 | 一种含型腔扩散焊零件加强筋内部缺陷的超声相控阵检测方法 |
CN117347502A (zh) * | 2023-12-04 | 2024-01-05 | 中国飞机强度研究所 | 一种薄壁叶片的全聚焦成像方法和系统 |
CN117347502B (zh) * | 2023-12-04 | 2024-03-12 | 中国飞机强度研究所 | 一种薄壁叶片的全聚焦成像方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105572230B (zh) | 2018-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103969337B (zh) | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 | |
Ostachowicz et al. | Damage localisation in plate-like structures based on PZT sensors | |
US9638671B2 (en) | Systems and methods for damage detection in structures using guided wave phased arrays | |
Leleux et al. | Long range detection of defects in composite plates using Lamb waves generated and detected by ultrasonic phased array probes | |
CN102692453B (zh) | 一种基于非线性声学的材料无损检测方法和装置 | |
US20090048789A1 (en) | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection | |
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 | |
CN101701936A (zh) | 基于换能器阵列虚拟聚焦的板结构兰姆波无损检测方法 | |
CN106093204A (zh) | 一种用于锻件裂纹定量识别的相位加权矢量全聚焦成像装置及方法 | |
CN104730146A (zh) | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 | |
Bahador et al. | Three-stage Lamb-wave-based damage localization algorithm in plate-like structures for structural health monitoring applications | |
CN102507739A (zh) | 碳纤维复合材料冲击损伤的超声导波缺陷成像方法 | |
Hua et al. | Modified minimum variance imaging of Lamb waves for damage localization in aluminum plates and composite laminates | |
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 | |
CN114778690A (zh) | 一种增材制件气孔缺陷的激光超声定量检测方法 | |
IL272819A (en) | A method of image reconstruction based on a model | |
Bao et al. | A novel multi-site damage localization method based on near-field signal subspace fitting using uniform linear sensor array | |
CN113777166A (zh) | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 | |
CN103424475B (zh) | 基于相控阵超声检测的被测面轮廓提取方法 | |
CN1333265C (zh) | 一种声发射检测技术中的声发射源信号反求方法及装置 | |
Verkooijen et al. | Sampling phased array-a new technique for ultrasonic signal processing and imaging | |
CN115753991B (zh) | 一种空耦超声高空间分辨率应力场测量装置的使用方法 | |
CN108195934B (zh) | 基于时频分析的超声导波检测频率优选方法 | |
Song et al. | Accelerated noncontact guided wave array imaging via sparse array data reconstruction | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181012 |
|
CF01 | Termination of patent right due to non-payment of annual fee |