CN106404924A - 一种改善板类结构成像精度的检测数据优化处理方法 - Google Patents
一种改善板类结构成像精度的检测数据优化处理方法 Download PDFInfo
- Publication number
- CN106404924A CN106404924A CN201610945268.1A CN201610945268A CN106404924A CN 106404924 A CN106404924 A CN 106404924A CN 201610945268 A CN201610945268 A CN 201610945268A CN 106404924 A CN106404924 A CN 106404924A
- Authority
- CN
- China
- Prior art keywords
- signal
- difference
- distance
- direct wave
- plate structure
- 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
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
- G01N29/4463—Signal correction, e.g. distance amplitude correction [DAC], distance gain size [DGS], noise filtering
-
- 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
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
本发明涉及一种改善板类结构成像精度的数据优化处理方法,包括以下步骤:以无损伤板类结构的响应信号作为基准信号,以同类板损伤状态下的响应信号为损伤信号;对基准信号和损伤信号进行预处理后做差,得到差值信号;计算不同激励传感器、接受传感器之间的距离系数及相应的直达波差值;将距离系数从小到大排序后分为多个区域,挑选不同区域内距离系数对应的差值信号进行椭圆成像,获取成像精度最佳的一个距离系数区域;根据距离系数与直达波差值的关系,获取最佳的距离系数区域内直达波差值的最佳范围,以直达波差值处于最佳范围的实验数据作为优化后的数据。与现有技术相比,本发明具有改善板类成像精度、提高损伤识别准确性等优点。
Description
技术领域
本发明涉及板类结构无损检测领域,尤其是涉及一种改善板类结构成像精度的检测数据优化处理方法。
背景技术
Lamb波沿传播路径衰减小、检测范围大、灵敏度高,可实现对板材高效率、无盲区检测,已经成为广受关注的无损检测方式之一。在使用lamb波对板中缺陷进行无损检测时,由于外部噪音以及lamb本身的频散和多模态特性的影响,使得板中测得大量的数据中,存在一些误差较大的数据,这些数据的存在严重影响成像精度。近年来国内外学者围绕着如何减少噪音以及lamb频散和多模态特性对成像精度的影响,提出了许多提高成像精度的方法。这些方法涉及小波降噪、小波时频分析、傅里叶变换、Hilbert变换提取信号包络、模态的分离、最小方差无失真响应、优化阵列类型提高信噪比等。虽然这些方法一定程度上提高了成像精度,然而对于噪音和lamb波频散和多模态的影响不能完全消除。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种改善板类结构成像精度的检测数据优化处理方法。
本发明的目的可以通过以下技术方案来实现:
一种改善板类结构成像精度的检测数据优化处理方法,包括以下步骤:
1)分别获取无损伤板类结构和同类板损伤状态下的响应信号,以所述无损伤板类结构的响应信号作为基准信号,以所述同类板损伤状态下的响应信号为损伤信号;
2)对所述基准信号和损伤信号进行预处理后做差,得到差值信号,并对所述差值信号通过Hilbert变换提取差值信号的包络;
3)计算不同激励传感器、接受传感器之间的距离系数及相应的直达波差值;
4)将所述距离系数从小到大排序后分为多个区域,挑选不同区域内距离系数对应的差值信号进行椭圆成像,获取成像精度最佳的一个距离系数区域;
5)根据距离系数与直达波差值关系,获取最佳的距离系数区域内直达波差值的最佳范围,以直达波差值处于所述最佳范围的实验数据作为优化后的数据。
所述步骤1)中响应信号的获取方式为:
在板类结构中布置由n个传感器组成的稀疏阵列(n的范围6~12个,n为整数),选择最佳激励频率,对所述稀疏阵列中所有传感器依次进行激励,每次激励时,受激励的传感器为激励传感器,其余传感器为受传感器,同时接收信号,作为响应信号。
所述步骤2)中的预处理具体为:
基于Matlab工具箱对所述基准信号和损伤信号依次进行高阶滤波和小波降噪处理。
所述距离系数定义为:
式中,η为距离系数,dTD为从激励传感器位置T到达缺陷位置D的直线距离,dDR为缺陷位置D到接受传感器位置R的直线距离,dTR为激励传感器和接受传感器之间的直线距离。
通过计算总共获得n*(n-1)组距离系数和直达波差值,从而获得激励传感器、接受传感器以及缺陷三者之间的位置分布与成像精度的关系。
本发明的另一目的是提供一种板类结构成像方法,可以通过以下技术方案来实现:
一种基于所述的检测数据优化处理方法的板类结构成像方法,该方法具体为:
获取待成像板类结构的检测信号和该类板的基准信号,对所述基准信号和检测信号进行预处理后做差,得到差值信号,并对所述差值信号通过Hilbert变换提取差值信号的包络线;
选取直达波差值处于最佳范围的差值数据进行椭圆成像。
与现有技术相比,本发明具有以下优点:
(1)本发明对实验数据进行滤波降噪处理接着使用Hilbert变换提取信号包络后,通过定义距离系数挑选差值信号中信噪比较大数据进行椭圆成像,该方法有效降低了噪音和lamb波频散和多模态特性对成像精度的影响,很大程度上提高了板中缺陷成像精度,具有很好的工程应用价值。
(2)本发明在实现过程中,无需更改或增加设备和参数,利用现有的硬件就可以操作。
(3)本发明适用于绝大多数的板中稀疏阵列成像
(4)本发明通过定义距离系数,探究距离系数与成像精度的关系以及距离系数与直达波差值的关系,对实验数据进行优化提高成像精度。该数据优化处理方法简单快速,能有效的降低噪音和导波多模态和频散特性的影响。
(5)本发明损伤识别准确,图像清晰,具有良好的实际工程应用价值。
附图说明
图1为本发明流程示意图;
图2为本发明中布置的正方形阵列;
图3为不同距离系数下波形时域图,其中,(3a)为距离系数为1.13下的波形时域图,(3b)为距离系数为1.6下的波形时域图,(3c)为距离系数为2.0下的波形时域图;
图4为挑选不同距离系数范围内的差值信号和所有差值信号成像效果图,其中,(4a)为所有数据的成像效果图,(4b)为距离系数为1-1.3的数据成像效果图,(4c)为距离系数为1.3-1.6的数据成像效果图,(4d)为距离系数为1.6-2.0的数据成像效果图,(4e)为距离系数为2.0以上的数据成像效果图,(4f)为距离系数为1-1.6的数据成像效果图,(4g)为距离系数为1.6以上的数据成像效果图;
图5为该方形阵列中距离系数与直达波差值关系图;
图6为不同缺陷位置挑选直达波差值大于1.8的数据成像,其中,(6a)为1#缺陷的成像效果图,(6b)为2#缺陷的成像效果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种改善板类结构成像精度的检测数据优化处理方法,包括以下步骤:
步骤1:采集板类结构的响应信号,具体步骤如下:
步骤1-1:在板类结构中布置由9个圆形压电晶片组成的正方形稀疏阵列(压电的直径为10mm,厚度为1mm),并把所有传感器编号(0-8),相邻编号传感器之间的间距200mm,如图2所示。
步骤1-2:采用激励频率为300khz,对步骤1-1中信号的激励采集过程为阵列中所有传感器依次进行激励,每次激励时其余传感器同时接收信号;将无损伤的板类结构中的响应信号作为基准信号,将损伤状态下的结构作为损伤信号。可以测得72组基准信号和72组损伤信号将无损伤的板类结构中的响应信号作为基准信号,将损伤状态下的结构作为损伤信号。
步骤2:数据预处理,具体步骤如下:
步骤2-1:用Matlab工具箱中butter和filter函数对基准信号和损伤信号进行5阶滤波,滤波范围为280khz-380khz。用Matlab工具箱中中wden函数采用db40小波对步骤上述滤波后的基准信号和损伤信号进行小波降噪。
步骤2-3:将步骤2-1中滤波降噪后的基准信号和损伤信号做差得到差值信号,对差值信号进行Hilbert变换提取其包络如图3所示。
步骤3:为提高成像精度对实验数据进行优化,具体步骤如下:
步骤3-1:定义一个距离系数来探究距离系数与直达波差值的关系,距离系数定义如下:
dTD:激励点T到缺陷D的直线距离
dDR:缺陷D到接受点R的直线距离
dTR:激励点T和接受点R间的直线距离
从距离系数的定义可以知道:距离系数是一个不小于1的值且因为lamb波在板中传播速度很快,因此当距离系数接近与1时,缺陷的散射信号将会与直达波信号叠加在一起;随着距离系数增大,缺陷的散射信号将逐步脱离直达波信号。图3是距离系数的值分别为1.13和1.5和2.0的时域波形图(包括原始信号,差值信号以及差值信号的包络)。图(3a)为距离系数为1.13时的时域波形图;正如图中所示,此时缺陷的散射信号与直达波信号叠加在一起,而且从差值信号的包络可以看出此时散射信号的幅值远大于噪音和边界反射信号的幅值,因此此时差值信号的信噪比较高;图(3b)为距离系数为1.6时的时域波形图;正如图中所示,此时散射信号开始从直达波信号中脱离出来,从差值信号的包络可以看出此时噪音和边界反射影响较大,因此此时信噪比较小;图(3c)为距离系数为2.0时的时域波形图,此时散射信号已经完全从直达波信号中脱离出来,从差值信号的包络可以看出噪音和边界反射影响较大,信噪比较小。因为椭圆成像是利用的是散射信号,因此差值信号中信噪比大有利于提高成像精度,因此挑选距离系数小的数据有利用提高成像精度。
步骤3-2:分别计算不同激励和接受传感器之间的距离系数(根据公式3-1)和相应的直达波差值(直达波差值从差值信号中提取出来后求平均值);接着分别挑选距离系数为1-1.3、1.3-1.6、1-1.6、1.6-2.0以及2.0以上的实验数据进行椭圆成像如图4所示,从图4可以看出挑选距离系数小的数据(1-1.3、1.3-1.6、1-1.6)成像效果较好,且挑选距离系数为1-1.6范围内的实验数据成像精度最高。该距离系数范围适用于图1所示阵列类型的铝板结构,需要探究其他类型阵列成像最好的距离系数范围重复上述操作即可获得。
步骤3-3:为了从时域波形图中挑选有利用提高成像精度的距离系数,探究距离系数与直达波差值之间的关系是必要的。图5是直达波差值随距离系数改变的关系图。正如图5所示距离系数与直达波差值呈线性关系,直达波差值随距离系数的增大而减小,距离系数为1-1.6(成像效果最好的距离系数范围)时,直达波差值为1.8以上。因此从时域波形图中挑选直达波差值大于1.8的实验数据可以有效提高成像精度。该直达波差值适用于该种阵列类型的铝板结构,需要探究其他类型阵列成像最好的直达波差值范围重复上述操作即可获得。
步骤3-4:图6是利用上述优化算法得到的结论(挑选直达波差值大于1.8的实验数据进行椭圆成像)分别对铝板(板中布置图1所示正方形阵列)中两个缺陷进行椭圆成像,从图(6a)和(6b)中可以看出此时成像位置与实际缺陷位置重合,因此该方法有效的提高了成像精度。因此利用如图1所示的阵列结构检测铝板缺陷时,挑选直达波差值大于1.8的检测数据可以显著提高成像精度。
Claims (5)
1.一种改善板类结构成像精度的检测数据优化处理方法,其特征在于,包括以下步骤:
1)分别获取无损伤板类结构和同类板损伤状态下的响应信号,以所述无损伤板类结构的响应信号作为基准信号,以所述同类板损伤状态下的响应信号为损伤信号;
2)对所述基准信号和损伤信号进行预处理后做差,得到差值信号,并对所述差值信号通过Hilbert变换提取差值信号的包络;
3)计算不同激励传感器、接受传感器之间的距离系数及相应的直达波差值;
4)将所述距离系数从小到大排序后分为多个区域,挑选不同区域内距离系数对应的差值信号进行椭圆成像,获取成像精度最佳的一个距离系数区域;
5)根据距离系数与直达波差值关系,获取最佳的距离系数区域内直达波差值的最佳范围,以直达波差值处于所述最佳范围的实验数据作为优化后的数据。
2.根据权利要求1所述的改善板类结构成像精度的检测数据优化处理方法,其特征在于,所述步骤1)中响应信号的获取方式为:
在板类结构中布置由n个传感器组成的稀疏阵列,选择最佳激励频率,对所述稀疏阵列中所有传感器依次进行激励,每次激励时,受激励的传感器为激励传感器,其余传感器为受传感器,同时接收信号,作为响应信号。
3.根据权利要求1所述的改善板类结构成像精度的检测数据优化处理方法,其特征在于,所述步骤2)中的预处理具体为:
基于Matlab工具箱对所述基准信号和损伤信号依次进行高阶滤波和小波降噪处理。
4.根据权利要求1所述的改善板类结构成像精度的检测数据优化处理方法,其特征在于,所述距离系数定义为:
式中,η为距离系数,dTD为从激励传感器位置T到达缺陷位置D的直线距离,dDR为缺陷位置D到接受传感器位置R的直线距离,dTR为激励传感器和接受传感器之间的直线距离。
5.一种基于如权利要求1所述的检测数据优化处理方法的板类结构成像方法,其特征在于,该方法具体为:
获取待成像板类结构的检测信号和该类板的基准信号,对所述基准信号和检测信号进行预处理后做差,得到差值信号,并对所述差值信号通过Hilbert变换提取差值信号的包络线;
选取直达波差值处于最佳范围的差值数据进行椭圆成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610945268.1A CN106404924B (zh) | 2016-10-26 | 2016-10-26 | 一种改善板类结构成像精度的检测数据优化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610945268.1A CN106404924B (zh) | 2016-10-26 | 2016-10-26 | 一种改善板类结构成像精度的检测数据优化处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106404924A true CN106404924A (zh) | 2017-02-15 |
CN106404924B CN106404924B (zh) | 2019-01-01 |
Family
ID=58013656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610945268.1A Active CN106404924B (zh) | 2016-10-26 | 2016-10-26 | 一种改善板类结构成像精度的检测数据优化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106404924B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106990169A (zh) * | 2017-04-11 | 2017-07-28 | 华东理工大学 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
CN109142530A (zh) * | 2018-08-30 | 2019-01-04 | 华东理工大学 | 基于信息融合和椭圆成像的压力容器缺陷导波定位方法 |
CN109283248A (zh) * | 2018-09-27 | 2019-01-29 | 华东理工大学 | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 |
CN112881537A (zh) * | 2021-01-22 | 2021-06-01 | 西安增材制造国家研究院有限公司 | 一种椭圆合成孔径聚焦的激光超声信号成像方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001178725A (ja) * | 1999-12-22 | 2001-07-03 | Olympus Optical Co Ltd | 体積計測装置及び超音波診断装置 |
CN102998370A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种工程结构无基准Lamb波时间反转损伤监测方法 |
CN103245726A (zh) * | 2013-04-02 | 2013-08-14 | 华东理工大学 | 通过超声表面波检测材料氢损伤的装置及方法 |
CN104965025A (zh) * | 2015-05-14 | 2015-10-07 | 南京航空航天大学 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
-
2016
- 2016-10-26 CN CN201610945268.1A patent/CN106404924B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001178725A (ja) * | 1999-12-22 | 2001-07-03 | Olympus Optical Co Ltd | 体積計測装置及び超音波診断装置 |
CN102998370A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种工程结构无基准Lamb波时间反转损伤监测方法 |
CN103245726A (zh) * | 2013-04-02 | 2013-08-14 | 华东理工大学 | 通过超声表面波检测材料氢损伤的装置及方法 |
CN104965025A (zh) * | 2015-05-14 | 2015-10-07 | 南京航空航天大学 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
Non-Patent Citations (2)
Title |
---|
JENNIFER E.MICHAELS等: "Enhanced differential methods for guided wave phased array imaging using spatially distributed piezoelectric transducers", 《REVIEW OF QUANTITATIVE NONDEDSTRUCTIVE EVALUATION》 * |
王杜等: "改进的希尔伯特-黄变换(HHT)在多模式Lamb波检测中的应用", 《无损检测》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106990169A (zh) * | 2017-04-11 | 2017-07-28 | 华东理工大学 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
CN106990169B (zh) * | 2017-04-11 | 2019-08-02 | 华东理工大学 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
CN109142530A (zh) * | 2018-08-30 | 2019-01-04 | 华东理工大学 | 基于信息融合和椭圆成像的压力容器缺陷导波定位方法 |
CN109283248A (zh) * | 2018-09-27 | 2019-01-29 | 华东理工大学 | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 |
CN109283248B (zh) * | 2018-09-27 | 2021-11-12 | 华东理工大学 | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 |
CN112881537A (zh) * | 2021-01-22 | 2021-06-01 | 西安增材制造国家研究院有限公司 | 一种椭圆合成孔径聚焦的激光超声信号成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106404924B (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106404924A (zh) | 一种改善板类结构成像精度的检测数据优化处理方法 | |
CN100580445C (zh) | 一种工程结构损伤主动监测中Lamb波时间反转聚焦方法 | |
CN102226783B (zh) | 一种基于振动声调制技术的管道闭合裂纹检测装置及方法 | |
US6823736B1 (en) | Nondestructive acoustic emission testing system using electromagnetic excitation and method for using same | |
CN109283248B (zh) | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 | |
CN113888471A (zh) | 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法 | |
CN106990169B (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 | |
CN101451977A (zh) | 一种基于双元压电传感阵列和时间窗函数的无基准Lamb波损伤监测方法 | |
CN101571513A (zh) | 用于复合材料层合板质量评定的超声导波检测装置 | |
CN103940908B (zh) | 基于dbscan及互相关算法的超声检测装置及方法 | |
CN103196989A (zh) | 一种基于旋转磁场的acfm不同角度裂纹检测系统 | |
CN102183226B (zh) | 基于多源信息融合的锚杆无损检测方法 | |
CN1924568A (zh) | 一种表面裂纹的谐振涡流检测方法 | |
CN104181234B (zh) | 一种基于多重信号处理技术的无损检测方法 | |
CN108152362B (zh) | 一种基于伪随机序列的磁致伸缩检测钢结构缺陷的方法 | |
CN106352787A (zh) | 一种钢管椭圆度阵列脉冲涡流测量方法与装置 | |
CN101419196A (zh) | 一种禽蛋细小裂纹的敲击响应检测装置及方法 | |
CN104237768A (zh) | 集成电路硬件木马检测方法及其系统 | |
CN107340334A (zh) | 一种水下桥墩体内损伤检测方法 | |
CN104391045A (zh) | 基于声波的方形木材孔洞缺陷识别系统及方法 | |
CN104897777A (zh) | 基于Burg算法的自回归谱外推技术提高TOFD检测纵向分辨率的方法 | |
CN113358743A (zh) | 一种基于时频分布相似度分析的兰姆波模态分离方法 | |
US8712704B2 (en) | Defect detection system and method | |
CN102590348A (zh) | 一种检测物体局部阻抗变化的方法及系统 | |
CN110412132A (zh) | 基于多模式多模态超声相控阵检测系统及非线性成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhou Shaoping Inventor after: Chen Shaojie Inventor after: Li Yong Inventor after: Qi Minxin Inventor after: Di Shuangmiao Inventor before: Chen Shaojie Inventor before: Zhou Shaoping Inventor before: Li Yong Inventor before: Qi Minxin Inventor before: Di Shuangmiao |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |