CN106525968A - 基于子区域的损伤概率成像定位方法 - Google Patents
基于子区域的损伤概率成像定位方法 Download PDFInfo
- Publication number
- CN106525968A CN106525968A CN201610910422.1A CN201610910422A CN106525968A CN 106525968 A CN106525968 A CN 106525968A CN 201610910422 A CN201610910422 A CN 201610910422A CN 106525968 A CN106525968 A CN 106525968A
- Authority
- CN
- China
- Prior art keywords
- damage
- subregion
- probability
- piezoelectric
- excitation
- 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
- G01N29/04—Analysing solids
- G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
-
- 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
-
- 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
- G01N2291/04—Wave modes and trajectories
- G01N2291/042—Wave modes
- G01N2291/0427—Flexural waves, plate waves, e.g. Lamb waves, tuning fork, cantilever
Abstract
本发明公布了一种基于子区域的损伤概率成像定位方法,属于工程结构健康监测技术领域。本方法首先将监测区域划分为一个个矩形子区域,矩形子区域的四个顶点各布置一个压电传感器;然后计算各子区域中一条对角线的损伤因子,并判别损伤子区域;其次计算损伤子区域中每一个像素点的损伤概率,实现结构的损伤概率成像;再次使用概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标;最后根据损伤子区域编号和结构损伤在损伤子区域中的位置合成计算出结构损伤发生的位置坐标。本发明减少了损伤概率成像方法的激励‑传感通道和像素点的计算量,加快了损伤概率成像方法,从而有助于促进损伤概率成像方法在工程结构健康监测领域的应用。
Description
技术领域
本发明涉及一种基于子区域的损伤概率成像定位方法,属于工程结构健康监测技术领域。
背景技术
基于Lamb波的结构健康监测方法具有损伤监测灵敏度高、监测范围大、既能在线应用也可离线应用、既能进行主动损伤监测也能进行被动冲击监测、既能监测金属结构也能监测复合材料结构等等优点。因此,基于Lamb波的结构健康监测方法受到了国内外的广泛研究,是目前最具有前景的航空结构健康监测技术之一。通常,压电传感器是实现Lamb波激励和传感的主要器件。针对基于Lamb波的结构健康监测方法,早期的方法主要是通过分析Lamb波受损伤作用之后,信号在时域、频域、时频域的特征或者模式变换特征,如信号的飞行时间、幅值、能量、主要频率成分及其幅值、时频幅值、奇异性特征值等等对损伤进行辨识和表征。随着研究的不断深入,基于压电传感器阵列和Lamb波的结构监测成像方法逐步成为一个研究热点。该方法利用压电传感器阵列中多个激励-传感通道的监测信息,通过控制阵列信号的合成机制实现结构的直观成像。该方法可以有效优化监测信号的信噪比,直观显示结构的健康状态,从而提高损伤定位的精确度。目前国内外学者研究的基于压电传感器阵列和Lamb波的结构监测成像方法主要有延时-累加成像方法、时间反转聚焦成像方法、损伤路径概率成像方法、超声相控阵成像方法和多重信号分类成像方法等等。其中,损伤路径概率成像方法不依赖于信号的传播速度,适用于变厚度、各向异性等具有复杂结构形式的复合材料结构。但是,当结构较大时,压电传感器数量较多,激励-传感通道数量急剧增加,激励-传感通道的数量为(N为压电传感器的数量)。如,15个压电传感器组成的激励-传感通道数量为105,16个压电传感器组成的激励-传感通道数量增加为120。并且,当结构较大时,结构监测成像过程中的像素点数量也大量增加。以上两点最终导致计算量过大,难以满足结构健康监测系统在线、快速的要求。
发明内容
为解决上述问题,本发明提出了一种基于子区域的损伤概率成像定位方法,该方法通过减少激励-传感通道和像素点的计算量,加快了损伤概率成像方法。
本发明为解决其技术问题采用如下技术方案:
一种基于子区域的损伤概率成像定位方法,该方法包括以下步骤:
步骤一:布置压电传感器阵列
根据结构监测的任务需求,将监测区域划分为M个矩形子区域,矩形子区域的四个顶点各布置一个压电传感器,整个监测区域共计布置N个压电传感器,N个压电传感器依次编号为1、2、…、n、…、N。
步骤二:计算各子区域中一条对角线的损伤因子
①在结构处于健康状态下,采集各子区域中各激励-传感通道的Lamb波响应信号,作为结构的健康基准信号Hi-j(t);
其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;
②当结构发生损伤之后,各子区域中一条对角线中的激励压电传感器再次激发出主动Lamb波,对角线中的传感压电传感器在线采集结构的Lamb波响应信号,作为结构的在线监测信号Di-j(t);
其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;
③使用公式(1)计算i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子:
式中:DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;Di-j(t)为i号压电传感器激励时,j号压电传感器的在线监测信号;Hi-j(t)为i号压电传感器激励时,j号压电传感器的健康基准信号;i为激励压电传感器的编号;j为传感压电传感器的编号;t为采样时间。
步骤三:判别损伤子区域
①使用公式(2)计算所有子区域中一条对角线的损伤因子的平均值DIaverage:
②挑选出对角线损伤因子大于所有子区域损伤因子平均值的子区域,作为疑似损伤子区域;
③如果疑似损伤子区域为一个,则判断该疑似损伤子区域即为损伤子区域;
④如果疑似损伤子区域为多个,则继续计算疑似损伤子区域中另一条对角线的损伤因子;
⑤计算疑似损伤子区域中两条对角线损伤因子的平均值;
⑥两条对角线损伤因子的平均值最大的疑似损伤子区域即为损伤子区域。
步骤四:损伤概率成像定位
①计算损伤子区域中全部激励-传感通道上的损伤因子;
②根据结构监测的任务需求,将监测区域划分为一个个的像素点,使用公式(3)计算损伤子区域中每一个像素点的损伤概率:
式中:
P(x,y)为像素点(x,y)的损伤概率;Pi-j(x,y)为像素点(x,y)在i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤概率;DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;B为尺寸参数,它控制着激励-传感直达路径上损伤因子影响区域的大小,B>1;Ri-j(x,y)为像素点(x,y)到i号压电传感器与j号压电传感器的距离之和与激励-传感直达路径距离的比值;R’i-j(x,y)为与尺寸参数B比较后的距离比值Ri-j(x,y);(xi,yi)为i号压电传感器的坐标;(xj,yj)为j号压电传感器的坐标;(x,y)为像素点的坐标;
③对损伤子区域中所有像素点的损伤概率进行成像,得到损伤子区域的结构损伤概率图像;
④使用公式(6)的概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标(x’D,y’D):
式中:(x’D,y’D)为计算出的结构损伤在损伤子区域中的位置坐标;xi为结构损伤概率图像中坐标为(xi,yj)处的x轴坐标;yj为结构损伤概率图像中坐标为(xi,yj)处的y轴坐标;p(xi,yj)为结构损伤概率图像中坐标为(xi,yj)处的损伤概率;M为损伤子区域的x轴坐标的长度;N为损伤子区域的y轴坐标的长度;
⑤根据步骤三判别出的损伤子区域编号,以及概率坐标加权算法计算出的结构损伤在损伤子区域中的位置坐标(x’D,y’D),合成计算出结构损伤发生的位置坐标(xD,yD)。
本发明的有益效果如下:
1、减少了损伤概率成像方法的激励-传感通道计算量;
2、减少了损伤概率成像方法的像素点计算量;
3、降低了损伤概率成像方法对硬件设备的要求;
4、提高了损伤概率成像方法的运行效率;
5、本发明有助于促进损伤概率成像方法在工程结构健康监测领域的应用。
附图说明
图1是基于子区域的损伤概率成像定位方法的实施流程;
图2是实施例中,试件形状、压电传感器位置、子区域划分、损伤位置及二维直角坐标系的示意图;
图3是各子区域中一条对角线的在线监测信号;
图4是各子区域中一条对角线的健康基准信号;
图5是各子区域中一条对角线上的损伤因子;
图6是4号、7号和8号子区域中另一条对角线中的在线监测信号;
图7是4号、7号和8号子区域中另一条对角线中的健康基准信号;
图8是损伤子区域(7号子区域)中各激励-传感通道上的在线监测信号;
图9是损伤子区域(7号子区域)中各激励-传感通道上的健康基准信号;
图10是损伤子区域(7号子区域)中各激励-传感通道上的损伤因子;
图11是损伤子区域(7号子区域)的结构损伤概率图像。
具体实施方式
以下结合附图,通过具体实施例对本发明作进一步的说明。
本方法首先将监测区域划分为一个个矩形子区域,矩形子区域的四个顶点各布置一个压电传感器;然后计算各子区域中一条对角线的损伤因子,并判别损伤子区域;其次计算损伤子区域中每一个像素点的损伤概率,实现结构的损伤概率成像;再次使用概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标;最后根据损伤子区域编号和结构损伤在损伤子区域中的位置合成计算出结构损伤发生的位置坐标。
图1是本发明基于子区域的损伤概率成像定位方法的实施流程:在结构处于健康状态下,采集各子区域中各激励-传感通道的Lamb波响应信号,作为结构的健康基准信号Hi-j(t);当结构发生损伤之后,各子区域中一条对角线中的激励压电传感器再次激发出主动Lamb波,对角线中的传感压电传感器在线采集结构的Lamb波响应信号,作为结构的在线监测信号Di-j(t);计算子区域中的一条对角线上的损伤因子;计算所有子区域中一条对角线损伤因子的平均值;挑选出对角线损伤因子大于所有子区域对角线损伤因子平均值的子区域,作为疑似损伤子区域;如果疑似损伤子区域为一个,则判断该疑似损伤子区域即为损伤子区域;如果疑似损伤子区域为多个,则继续计算疑似损伤子区域中另一条对角线的损伤因子;计算疑似损伤子区域中两条对角线损伤因子的平均值;挑选出两条对角线损伤因子的平均值最大的疑似损伤子区域即为损伤子区域;计算损伤子区域中其它所有激励-传感通道上的损伤因子;根据结构监测的任务需求,将监测区域划分为一个个的像素点;计算损伤子区域中每一个像素点的损伤概率;对损伤子区域中所有像素点的损伤概率进行成像,得到结构损伤概率图像;使用概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标;根据损伤子区域编号和结构损伤在损伤子区域中的位置合成计算出结构损伤发生的位置坐标(xD,yD)。
实施例试件为7075铝合金,7075铝合金的尺寸为1000mm×1000mm×2mm(长×宽×厚)。激励/传感元件为PZT-5A型压电传感器,PZT-5A型压电传感器的直径为8mm、厚度为0.4mm。实验设备使用的是某大学研发的航空结构健康监测集成压电多通道扫查系统。
实施例包括如下步骤:
步骤一:布置压电传感器阵列
将被监测结构划分为9个子区域,从左至右(从下至上)依次为编号为1号子区域、2号子区域、…、9号子区域。每个子区域的四个顶点各布置一个压电传感器,整个监测区域共计布置16个压电传感器,压电传感器从左至右(从下至上)依次编号为PZT 1、PZT 2、…、PZT16。相邻两个水平或者垂直方向的压电传感器中心点之间的距离为Δx=150mm,最下边和最左边两行压电传感器中心点距离结构边界为200mm。试件形状、压电传感器位置、子区域划分、损伤位置,以及二维直角坐标系的示意图如图2所示。
步骤二:计算各子区域中一条对角线的损伤因子
设置航空结构健康监测集成压电多通道扫查系统工作于主动模式,选用五波峰窄带正弦激励信号,激励信号的中心频率为100kHz、幅度为±70V;系统的采样速率设置为10MS/s,数据采样点长度为5000个采样点,预采集长度为1000个采样点,触发电压为6V。首先在结构健康状态下,采集各子区域中各激励-传感通道的Lamb波响应信号,作为结构的健康基准信号Hi-j(t)。当结构发生损伤之后(损伤的位置坐标为(120mm,350mm)),各子区域中一条对角线中的激励压电传感器再次激发100kHz的主动Lamb波,对角线中的传感压电传感器在线采集结构的Lamb波响应信号,作为结构的在线监测信号Di-j(t),如图3所示。其对应的结构健康基准信号如图4所示。各子区域中一条对角线的激励-传感通道网络如表1所示,另一条对角线的激励-传感通道网络如表2所示。使用公式(1)计算各子区域中一条对角线上的损伤因子,如图5所示。
子区域编号 | 一条对角线激励‐传感通道编号 | 激励元件 | 传感元件 |
1号 | 通道1 | PZT 1 | PZT 6 |
2号 | 通道2 | PZT 2 | PZT 7 |
3号 | 通道3 | PZT 3 | PZT 8 |
4号 | 通道4 | PZT 5 | PZT 10 |
5号 | 通道5 | PZT 6 | PZT 11 |
6号 | 通道6 | PZT 7 | PZT 12 |
7号 | 通道7 | PZT 9 | PZT 14 |
8号 | 通道8 | PZT 10 | PZT 15 |
9号 | 通道9 | PZT 11 | PZT 16 |
表1
子区域编号 | 另一条对角线激励‐传感通道编号 | 激励元件 | 传感元件 |
1号 | 通道10 | PZT 2 | PZT 5 |
2号 | 通道11 | PZT 3 | PZT 6 |
3号 | 通道12 | PZT 4 | PZT 7 |
4号 | 通道13 | PZT 6 | PZT 9 |
5号 | 通道14 | PZT 7 | PZT 10 |
6号 | 通道15 | PZT 8 | PZT 11 |
7号 | 通道16 | PZT 10 | PZT 13 |
8号 | 通道17 | PZT 11 | PZT 14 |
9号 | 通道18 | PZT 12 | PZT 15 |
表2
步骤三:判别损伤子区域
使用公式(2)计算所有子区域中一条对角线的损伤因子的平均值DIaverage为0.15。其中4号子区域(损伤因子为0.17)、7号子区域(损伤因子为0.21)和8号子区域(损伤因子为0.18)的对角线损伤因子大于所有子区域对角线损伤因子的平均值,所以,4号、7号和8号子区域作为疑似损伤子区域。
实验设备的参数设置不变,采集4号、7号和8号子区域中另一条对角线中的在线监测信号,如图6所示。4号、7号和8号子区域中另一条对角线中的健康基准信号如图7所示。使用公式(1)计算4号、7号和8号子区域中另一条对角线上的损伤因子,分别为0.20、0.25、0.20。计算4号、7号和8号子区域中两条对角线损伤因子的平均值,分别为0.18、0.23、0.19。其中7号子区域的对角线损伤因子平均值最大,则判断该7号子区域即为损伤子区域。
步骤四:损伤概率成像定位
实验设备的参数设置不变,采集损伤子区域(7号子区域)中各激励-传感通道上的在线监测信号,如图8所示。其对应的结构健康基准信号如图9所示。损伤子区域(7号子区域)中全部激励-传感通道网络如表3所示。使用公式(1)计算损伤子区域(7号子区域)中各个激励-传感通道上的损伤因子,如图10所示。
激励‐传感通道编号 | 激励元件 | 传感元件 |
通道19 | PZT 9 | PZT 10 |
通道20 | PZT 9 | PZT 13 |
通道21 | PZT 9 | PZT 14 |
通道22 | PZT 10 | PZT 13 |
通道23 | PZT 10 | PZT 14 |
通道24 | PZT 13 | PZT 14 |
表3
根据结构监测的任务需求,设置坐标分辨率为1mm,以损伤子区域(7号子区域)左下角的PZT 9号压电传感器作为新二维直角坐标系的原点(0mm,0mm),将损伤子区域(7号子区域)划分为一个个的像素点,使用公式(3)计算损伤子区域(7号子区域)中每一个像素点的损伤概率,得到损伤子区域(7号子区域)的结构损伤概率图像,如图11所示。
使用公式(6)的概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标为(122.5mm,70.5mm)。
最后,根据步骤三判别出的损伤子区域编号(7号子区域),以及概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标(122.5mm,70.5mm),合成计算出结构损伤发生的位置坐标为(122.5mm,370.5mm),与实际损伤位置(120mm,350mm)之间的距离误差为20.7mm。
尽管具体地参考其优选实施例来示出并描述了本发明,但本领域的技术人员可以理解,可以做出形式和细节上的各种改变而不脱离所附权利要求书中所述的本发明的范围。以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。
Claims (5)
1.一种基于子区域的损伤概率成像定位方法,其特征在于:
该方法包括以下步骤:
步骤一:将监测区域划分为一个个矩形子区域,在每一个矩形子区域的四个顶点各布置一个压电传感器;
步骤二:计算各子区域中一条对角线的损伤因子;
步骤三:判断损伤子区域;
步骤四:损伤概率成像定位,即计算损伤子区域中每一个像素点的损伤概率,实现结构的损伤概率成像;使用概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标;根据损伤子区域编号和结构损伤在损伤子区域中的位置合成计算出结构损伤发生的位置坐标。
2.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:
所述步骤一具体为,根据结构监测的任务需求,将监测区域划分为M个矩形子区域,矩形子区域的四个顶点各布置一个压电传感器,整个监测区域共计布置N个压电传感器,N个压电传感器依次编号为1、2、…、n、…、N。
3.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:
所述步骤二具体为,
①在结构处于健康状态下,采集各子区域中各激励-传感通道的Lamb波响应信号,作为结构的健康基准信号Hi-j(t);
其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;
②当结构发生损伤之后,各子区域中一条对角线中的激励压电传感器再次激发出主动Lamb波,对角线中的传感压电传感器在线采集结构的Lamb波响应信号,作为结构的在线监测信号Di-j(t);
其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;
③使用公式(1)计算i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子:
式中:DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;Di-j(t)为i号压电传感器激励时,j号压电传感器的在线监测信号;Hi-j(t)为i号压电传感器激励时,j号压电传感器的健康基准信号;i为激励压电传感器的编号;j为传感压电传感器的编号;t为采样时间。
4.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:
所述步骤三具体为,
①使用公式(2)计算所有子区域中一条对角线的损伤因子的平均值DIaverage:
②挑选出对角线损伤因子大于所有子区域损伤因子平均值的子区域,作为疑似损伤子区域;
③如果疑似损伤子区域为一个,则判断该疑似损伤子区域即为损伤子区域;
④如果疑似损伤子区域为多个,则继续计算疑似损伤子区域中另一条对角线的损伤因子;
⑤计算疑似损伤子区域中两条对角线损伤因子的平均值;
⑥两条对角线损伤因子的平均值最大的疑似损伤子区域即为损伤子区域。
5.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:
所述步骤四具体为,
①计算损伤子区域中全部激励-传感通道上的损伤因子;
②根据结构监测的任务需求,将监测区域划分为一个个的像素点,使用公式(3)计算损伤子区域中每一个像素点的损伤概率:
式中:
P(x,y)为像素点(x,y)的损伤概率;Pi-j(x,y)为像素点(x,y)在i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤概率;DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;B为尺寸参数,它控制着激励-传感直达路径上损伤因子影响区域的大小,B>1;Ri-j(x,y)为像素点(x,y)到i号压电传感器与j号压电传感器的距离之和与激励-传感直达路径距离的比值;R’i-j(x,y)为与尺寸参数B比较后的距离比值Ri-j(x,y);(xi,yi)为i号压电传感器的坐标;(xj,yj)为j号压电传感器的坐标;(x,y)为像素点的坐标;
③对损伤子区域中所有像素点的损伤概率进行成像,得到损伤子区域的结构损伤概率图像;
④使用公式(6)的概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标(x’D,y’D):
式中:(x’D,y’D)为计算出的结构损伤在损伤子区域中的位置坐标;xi为结构损伤概率图像中坐标为(xi,yj)处的x轴坐标;yj为结构损伤概率图像中坐标为(xi,yj)处的y轴坐标;p(xi,yj)为结构损伤概率图像中坐标为(xi,yj)处的损伤概率;M为损伤子区域的x轴坐标的长度;N为损伤子区域的y轴坐标的长度;
⑤根据步骤三判别出的损伤子区域编号,以及概率坐标加权算法计算出的结构损伤在损伤子区域中的位置坐标(x’D,y’D),合成计算出结构损伤发生的位置坐标(xD,yD)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610910422.1A CN106525968B (zh) | 2016-10-19 | 2016-10-19 | 基于子区域的损伤概率成像定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610910422.1A CN106525968B (zh) | 2016-10-19 | 2016-10-19 | 基于子区域的损伤概率成像定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106525968A true CN106525968A (zh) | 2017-03-22 |
CN106525968B CN106525968B (zh) | 2019-06-18 |
Family
ID=58332468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610910422.1A Expired - Fee Related CN106525968B (zh) | 2016-10-19 | 2016-10-19 | 基于子区域的损伤概率成像定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106525968B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132280A (zh) * | 2017-05-02 | 2017-09-05 | 长沙理工大学 | 一种基于声‑超声的大型构件损伤概率成像定位方法 |
CN109166261A (zh) * | 2018-10-11 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109738526A (zh) * | 2019-01-23 | 2019-05-10 | 电子科技大学 | 一种用于金属外壳下层弱受力区域定位及尺寸判定方法 |
CN109839437A (zh) * | 2019-03-05 | 2019-06-04 | 北京工业大学 | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 |
CN109900804A (zh) * | 2019-03-25 | 2019-06-18 | 中国特种设备检测研究院 | 一种基于超声导波的金属材料裂纹定量监测方法 |
CN110274720A (zh) * | 2019-07-03 | 2019-09-24 | 南京航空航天大学 | 基于虚拟路径的轻量化复合材料结构冲击成像方法 |
CN110687208A (zh) * | 2019-09-26 | 2020-01-14 | 华东理工大学 | 一种基于双曲线定位的无基准Lamb波损伤监测方法 |
CN112129813A (zh) * | 2020-09-16 | 2020-12-25 | 南京邮电大学 | 一种基于结构损伤特征因子连线规则的损伤评估方法 |
CN112179990A (zh) * | 2020-09-15 | 2021-01-05 | 昆明理工大学 | 一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法 |
CN112903818A (zh) * | 2021-01-21 | 2021-06-04 | 北京航空航天大学 | 一种金属板结构健康监测系统和方法 |
CN113433214A (zh) * | 2021-06-21 | 2021-09-24 | 南京工业大学 | 一种复合板Lamb波时间反转多路径成像损伤定位方法 |
CN113933388A (zh) * | 2021-09-15 | 2022-01-14 | 北京航空航天大学 | 超声激励-光纤光栅传感的金属板损伤监测系统和方法 |
CN114235811A (zh) * | 2021-11-16 | 2022-03-25 | 南京航空航天大学 | 一种飞行器结构损伤的三级特征融合诊断方法及终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07174681A (ja) * | 1993-12-21 | 1995-07-14 | Toshiba Corp | 高温構造部材の損傷評価方法 |
US20090048789A1 (en) * | 2007-04-13 | 2009-02-19 | University Of South Carolina | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection |
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 |
CN103323527A (zh) * | 2013-06-06 | 2013-09-25 | 南京航空航天大学 | 基于多维阵列和空间滤波器的损伤无波速成像定位方法 |
CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
CN104730152A (zh) * | 2015-04-13 | 2015-06-24 | 西安交通大学 | 一种基于分形维数的复合材料结构件裂纹损伤监测方法 |
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 |
CN105067712A (zh) * | 2015-07-23 | 2015-11-18 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料结构的损伤监测方法、装置和系统 |
-
2016
- 2016-10-19 CN CN201610910422.1A patent/CN106525968B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07174681A (ja) * | 1993-12-21 | 1995-07-14 | Toshiba Corp | 高温構造部材の損傷評価方法 |
US20090048789A1 (en) * | 2007-04-13 | 2009-02-19 | University Of South Carolina | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection |
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 |
CN103323527A (zh) * | 2013-06-06 | 2013-09-25 | 南京航空航天大学 | 基于多维阵列和空间滤波器的损伤无波速成像定位方法 |
CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
CN104730152A (zh) * | 2015-04-13 | 2015-06-24 | 西安交通大学 | 一种基于分形维数的复合材料结构件裂纹损伤监测方法 |
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 |
CN105067712A (zh) * | 2015-07-23 | 2015-11-18 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料结构的损伤监测方法、装置和系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132280B (zh) * | 2017-05-02 | 2019-10-29 | 长沙理工大学 | 一种基于声-超声的大型构件损伤概率成像定位方法 |
CN107132280A (zh) * | 2017-05-02 | 2017-09-05 | 长沙理工大学 | 一种基于声‑超声的大型构件损伤概率成像定位方法 |
CN109166261A (zh) * | 2018-10-11 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
CN109738526A (zh) * | 2019-01-23 | 2019-05-10 | 电子科技大学 | 一种用于金属外壳下层弱受力区域定位及尺寸判定方法 |
CN109738526B (zh) * | 2019-01-23 | 2021-03-30 | 电子科技大学 | 一种用于金属外壳下层弱受力区域定位及尺寸判定方法 |
CN109839437A (zh) * | 2019-03-05 | 2019-06-04 | 北京工业大学 | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 |
CN109900804B (zh) * | 2019-03-25 | 2021-11-09 | 中国特种设备检测研究院 | 一种基于超声导波的金属材料裂纹定量监测方法 |
CN109900804A (zh) * | 2019-03-25 | 2019-06-18 | 中国特种设备检测研究院 | 一种基于超声导波的金属材料裂纹定量监测方法 |
CN110274720A (zh) * | 2019-07-03 | 2019-09-24 | 南京航空航天大学 | 基于虚拟路径的轻量化复合材料结构冲击成像方法 |
CN110687208A (zh) * | 2019-09-26 | 2020-01-14 | 华东理工大学 | 一种基于双曲线定位的无基准Lamb波损伤监测方法 |
CN112179990A (zh) * | 2020-09-15 | 2021-01-05 | 昆明理工大学 | 一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法 |
CN112129813A (zh) * | 2020-09-16 | 2020-12-25 | 南京邮电大学 | 一种基于结构损伤特征因子连线规则的损伤评估方法 |
CN112129813B (zh) * | 2020-09-16 | 2022-05-10 | 南京邮电大学 | 一种基于结构损伤特征因子连线规则的损伤评估方法 |
CN112903818A (zh) * | 2021-01-21 | 2021-06-04 | 北京航空航天大学 | 一种金属板结构健康监测系统和方法 |
CN113433214A (zh) * | 2021-06-21 | 2021-09-24 | 南京工业大学 | 一种复合板Lamb波时间反转多路径成像损伤定位方法 |
CN113933388A (zh) * | 2021-09-15 | 2022-01-14 | 北京航空航天大学 | 超声激励-光纤光栅传感的金属板损伤监测系统和方法 |
CN114235811A (zh) * | 2021-11-16 | 2022-03-25 | 南京航空航天大学 | 一种飞行器结构损伤的三级特征融合诊断方法及终端 |
CN114235811B (zh) * | 2021-11-16 | 2023-11-10 | 南京航空航天大学 | 一种飞行器结构损伤的三级特征融合诊断方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN106525968B (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106525968A (zh) | 基于子区域的损伤概率成像定位方法 | |
CN103217478B (zh) | 用于复合材料板状结构的无参考损伤识别方法 | |
CN102323337B (zh) | 一种采用合成波阵面激励的工程结构损伤主动监测方法 | |
CN105488795B (zh) | 一种复合材料损伤识别方法 | |
CN104897780B (zh) | 一种利用声发射信号能量对声发射源进行定位的方法 | |
CN105067712B (zh) | 复合材料结构的损伤监测方法、装置和系统 | |
CN109696480B (zh) | 一种基于改进时间反转算法的玻璃纤维复合材料声发射源定位成像方法 | |
CN105445697B (zh) | 一种低成本低功耗的声源定向方法 | |
CN105372327B (zh) | 基于十字阵和波数扫描滤波器的在线损伤成像方法 | |
CN108195937A (zh) | 一种基于导波的损伤概率成像方法 | |
CN106950180A (zh) | 一种快速定位缺陷的激光超声检测系统及其检测方法 | |
JPH1151300A (ja) | リーク監視装置 | |
CN102998369B (zh) | 一种二维损伤定量化监测方法 | |
CN103323527A (zh) | 基于多维阵列和空间滤波器的损伤无波速成像定位方法 | |
CN101839893A (zh) | 一种高空间分辨率的Lamb波虚拟时间反转方法 | |
CN107132279B (zh) | 一种基于阵列超声表面波的构件损伤概率成像定位方法 | |
CN105372326B (zh) | 一种基于Lamb波波数扫描的空间‑波数滤波器 | |
CN108169327A (zh) | 基于激励波束成型和加权图像融合的music腐蚀监测方法 | |
CN103792287A (zh) | 一种基于Lamb波的大面积结构损伤检测方法 | |
CN108037410A (zh) | 一种基于可控响应功率的局部放电超声波定位方法与装置 | |
CN110208377A (zh) | 一种基于Lamb波的多特征参数损伤程度评估方法 | |
CN101865361B (zh) | 双基阵数据融合电站锅炉四管泄漏被动声测定位方法 | |
CN105044212A (zh) | 一种多模态超声Lamb波复杂缺陷层析成像方法 | |
CN107153095A (zh) | 一种复合板结构的健康检测系统及其工作方法 | |
CN107132280B (zh) | 一种基于声-超声的大型构件损伤概率成像定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190618 Termination date: 20191019 |