CN106990169B - 基于前向散射波和c均值聚类算法的板类缺陷定位方法 - Google Patents
基于前向散射波和c均值聚类算法的板类缺陷定位方法 Download PDFInfo
- Publication number
- CN106990169B CN106990169B CN201710233537.6A CN201710233537A CN106990169B CN 106990169 B CN106990169 B CN 106990169B CN 201710233537 A CN201710233537 A CN 201710233537A CN 106990169 B CN106990169 B CN 106990169B
- Authority
- CN
- China
- Prior art keywords
- signal
- difference
- envelope
- sensor
- direct 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.)
- Expired - Fee Related
Links
- 230000007547 defect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000006378 damage Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 18
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 8
- 208000014674 injury Diseases 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 241001269238 Data Species 0.000 claims abstract description 3
- 230000005284 excitation Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 1
- 230000002950 deficient Effects 0.000 abstract description 5
- 235000019687 Lamb Nutrition 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 235000014121 butter Nutrition 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 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
- G01N29/041—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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- 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
- G01N29/4472—Mathematical theories or simulation
-
- 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
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- 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
-
- 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
- G01N2291/044—Internal reflections (echoes), e.g. on walls or defects
Abstract
本发明涉及一种基于前向散射波和C均值聚类算法的板类缺陷定位方法，包括：获取无损伤板类结构和同类板损伤状态下的响应信号，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，通过Hilbert变换提取差值信号包络；提取直达波差值包络，以直达波差值包络的最大幅值衡量对应直达波差值的大小；获取每个传感器作为激励传感器时对应的直达波差值中最大的2组检测数据所在的传感器对，将所有传感器对分别用直线连接，获得2n条直线；以C均值聚类算法获得2n条直线的交点的聚类中心，定位缺陷位置。与现有技术相比，本发明具有定位精度高、操作简单等优点。
Description
技术领域
本发明涉及板类结构无损检测领域，尤其是涉及一种基于前向散射波和C均值聚类算法的板类缺陷定位方法。
背景技术
Lamb波传播速度快、检测范围大、灵敏度高、衰减小，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，如中国专利申请CN105527345A公开的一种基于密集型激光传感器阵列的Lamb波板状结构的缺陷定位方法。研究者已经提出了许多用于板类缺陷定位的成像算法并得到了实验性的验证。但由于噪音以及边界反射和缺陷处模态转换的影响，常常使成像位置偏离缺陷的实际位置。近年来国内外学者围绕着如何减少噪音以及边界反射和缺陷处模态转化对成像精度的影响，提出了许多信号处理方法。这些方法包括基准线减法、小波降噪、滤波、模态分离等。这些信号处理方法在成像算法上的应用一定程度上提高了缺陷的定位精度，但对噪音和边界反射以及模态转换对缺陷定位精度的影响并不能完全消除。
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定位精度高、操作简单的基于前向散射波和C均值聚类算法的板类缺陷定位方法。
本发明的目的可以通过以下技术方案来实现：
一种基于前向散射波和C均值聚类算法的板类缺陷定位方法，包括以下步骤：
1)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，其余传感器为接收传感器，同时接收信号，作为响应信号，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变换提取差值信号包络；
3)从所述差值信号包络中提取直达波差值包络，以直达波差值包络的最大幅值衡量对应直达波差值的大小；
4)获取每个传感器作为激励传感器时对应的直达波差值中最大的2组检测数据所在的传感器对，将所有传感器对分别用直线连接，获得2n条直线；
5)以C均值聚类算法获得所述2n条直线的交点的聚类中心，以获得的聚类中心作为缺陷位置。
所述步骤1)中，n个传感器组成一圆形稀疏阵列。
所述n满足n≥10。
所述稀疏阵列中，相邻传感器的间距不大于50mm。
所述步骤2)中，所述预处理具体为：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。
所述步骤3)中，从所述差值信号包络中提取直达波差值包络具体为：
根据基准信号的时域波形确定直达波波包的时间范围，根据该时间范围确定对应差值信号包络的范围，然后提取该范围内的包络信号，即为直达波差值包络。
与现有技术相比，本发明具有以下优点：
(1)该方法可以消除边界反射、噪音、缺陷引起的模态转换以及导波的频散和多模态的影响。
(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且该方法运行速度快。
(3)本发明适用于绝大多数的板中稀疏阵列缺陷定位。
(4)本方法定位精度高，操作简单，具有良好的实际工程应用价值。
附图说明
图1为本发明的流程示意图；
图2为本发明中布置的圆形阵列示意图；
图3为不同缺陷位置的原始信号、差值信号和差信号包络的时域波形图，其中，(a)显示了缺陷位于激励与接收传感器的连线上，(b)显示了缺陷远离激励与接收传感器的连线位置；
图4为板中lamb波能量分布示意图；
图5为本发明的缺陷定位原理示意图；
图6为缺陷定位的实验结果示意图。
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，本实施例提供一种基于前向散射波和C均值聚类算法的板类缺陷定位方法，包括：
步骤1，采集板类结构的响应信号。
步骤1-1，在板类结构中布置由16个传感器组成的稀疏阵列，相邻传感器的间距不大于50mm。本实施例中，传感器采用圆形压电晶片，压电晶片的直径为10mm，厚度为1mm。对所有传感器进行编号(0-15)，本实施例中，传感器组成的稀疏阵列为半径为200mm的圆形阵列，如图2所示。
步骤1-2，采用激励频率为300khz，对步骤1-1的阵列中所有传感器依次进行激励，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，其余传感器为接收传感器，同时接收信号，作为响应信号，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。可以测得240组基准信号和240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，对获得的响应信号进行处理。
步骤2-1，对所述基准信号和损伤信号进行预处理，所述预处理包括高阶滤波和小波降噪处理。本实施例中，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250khz-350khz；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2-2，将经预处理后的基准信号和损伤信号做差，得到差值信号，并对所述差值信号通过Hilbert变换提取差值信号包络，如图3所示。
步骤2-3，从所述差值信号包络中提取直达波差值包络，提取过程为：根据基准信号的时域波形确定直达波波包的时间范围，根据该时间范围确定对应差值信号包络的范围，然后提取该范围内的包络信号，即为直达波差值包络。使用Matlab求出直达波差值包络的最大幅值，以该值来衡量对应直达波差值的大小。
步骤3，板中缺陷定位。
图4是使用abaqus软件对板中缺陷模拟的能量分布图，从图中可以看出S0模态的lamb遇到缺陷时会发生模态的转换，转换为A0、SH0和S0三种模态且模态的前向散射波能量远大于其后向散射波能量。若激励传感器、接收传感器和缺陷位置在一条直线上或者缺陷在激励传感器、接收传感器连线的附近位置时接收传感器接收到的直达波即为前向散射波，由于缺陷的存在导致此时直达波能量损失较大，所以此时直达波的差值最大。因此直达波差值最大时激励传感器、接收传感器和缺陷位置在一条直线上或者缺陷在激励传感器、接收传感器连线的附近，如图5所示。
步骤3-1：在一个传感器i激励其余所有传感器接收得到的15组数据中，选择2组直达波差值最大的检测数据所在的传感器对ij和ij'并将这两个传感器对用直线连接起来，则缺陷再这条直线上或者该直线附近；接着每个传感器依次轮流作为激励传感器，这样将得到32条直线，则32条直线的交点位置即为缺陷所在的位置区域如图6所示。
步骤3-2，利用Matlab中C均值聚类算法工具箱对上述获得交点分成一类并求出该聚类中心，则该聚类中心即为缺陷所在位置。
若上述所求交点分布在两个区域则分成两类求两个聚类中心，依次类推。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (4)
1.一种基于前向散射波和C均值聚类算法的板类缺陷定位方法，其特征在于，包括以下步骤：
1)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，其余传感器为接收传感器，同时接收信号，作为响应信号，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，n个传感器组成一圆形稀疏阵列，相邻传感器的间距不大于50mm；
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变换提取差值信号包络；
3)从所述差值信号包络中提取直达波差值包络，以直达波差值包络的最大幅值衡量对应直达波差值的大小；
4)获取每个传感器作为激励传感器时对应的直达波差值中最大的2组检测数据所在的传感器对，将所有传感器对分别用直线连接，获得2n条直线；
5)以C均值聚类算法获得所述2n条直线的交点的聚类中心，以获得的聚类中心作为缺陷位置。
2.根据权利要求1所述的基于前向散射波和C均值聚类算法的板类缺陷定位方法，其特征在于，所述n满足n≥10。
3.根据权利要求1所述的基于前向散射波和C均值聚类算法的板类缺陷定位方法，其特征在于，所述步骤2)中，所述预处理具体为：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所述的基于前向散射波和C均值聚类算法的板类缺陷定位方法，其特征在于，所述步骤3)中，从所述差值信号包络中提取直达波差值包络具体为：
根据基准信号的时域波形确定直达波波包的时间范围，根据该时间范围确定对应差值信号包络的范围，然后提取该范围内的包络信号，即为直达波差值包络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710233537.6A CN106990169B (zh) | 2017-04-11 | 2017-04-11 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710233537.6A CN106990169B (zh) | 2017-04-11 | 2017-04-11 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106990169A CN106990169A (zh) | 2017-07-28 |
| CN106990169B true CN106990169B (zh) | 2019-08-02 |
Family
ID=59415467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710233537.6A Expired - Fee Related CN106990169B (zh) | 2017-04-11 | 2017-04-11 | 基于前向散射波和c均值聚类算法的板类缺陷定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106990169B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110579534B (zh) * | 2019-09-05 | 2022-06-07 | 华东理工大学 | 基于互易性受损的带焊缝钢板缺陷无基线检测及定位方法 |
| CN111429432B (zh) * | 2020-03-24 | 2024-05-03 | 聚融医疗科技(杭州)有限公司 | 基于射频处理和模糊聚类的热消融区域监测方法及系统 |
| CN111796263B (zh) * | 2020-07-01 | 2021-07-20 | 哈尔滨工业大学 | 一种基于5g基站信号的低空目标分布式测距方法 |
| CN116679165B (zh) * | 2023-07-03 | 2024-04-26 | 国网四川省电力公司成都供电公司 | 基于同步挤压广义s变换的频域反射电缆缺陷定位方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571513A (zh) * | 2009-06-16 | 2009-11-04 | 北京理工大学 | 用于复合材料层合板质量评定的超声导波检测装置 |
| CN101571514A (zh) * | 2009-06-16 | 2009-11-04 | 北京理工大学 | 用于复合材料层合板缺陷定位的超声导波检测技术 |
| 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 |
-
2017
- 2017-04-11 CN CN201710233537.6A patent/CN106990169B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571513A (zh) * | 2009-06-16 | 2009-11-04 | 北京理工大学 | 用于复合材料层合板质量评定的超声导波检测装置 |
| CN101571514A (zh) * | 2009-06-16 | 2009-11-04 | 北京理工大学 | 用于复合材料层合板缺陷定位的超声导波检测技术 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| Shao-Jie Chen et al.;Shao-Jie Chen et al.;《Chinese Physics Letters》;20170321;第34卷(第4期);第044301-1页倒数第2段-第044301-5页倒数第1段，Fig 1-Fig 3 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106990169A (zh) | 2017-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN108050396B (zh) | 一种流体管道泄漏源监测定位系统及方法 | |
| CN103760243A (zh) | 一种微裂纹无损检测装置及方法 | |
| CN103940908B (zh) | 基于dbscan及互相关算法的超声检测装置及方法 | |
| CN102928511B (zh) | 一种基于rapid层析的机械结构损伤无损识别方法 | |
| CN104965023B (zh) | 多模态导波工业管道诊断方法 | |
| CN109283248B (zh) | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 | |
| CN104819766A (zh) | 基于谐噪比的包络解调频带确定方法 | |
| 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 | |
| CN101566601A (zh) | 采用神经网络和耦合迭代对16Mn钢承力件进行拉伸损伤状态的识别系统 | |
| CN109827081B (zh) | 一种基于声学主动检测的埋地排水管道堵塞故障及管道三通件诊断方法 | |
| CN102589884A (zh) | 一种基于GentleBoost的飞机发电机轴承故障诊断方法 | |
| CN105067239A (zh) | 基于扫频激励振动的梁裂纹故障检测装置及方法 | |
| CN106404924B (zh) | 一种改善板类结构成像精度的检测数据优化处理方法 | |
| CN107590321A (zh) | 一种管道振动响应的整体测量方法 | |
| CN104764804A (zh) | 超声Lamb波局部循环扫描概率重构层析成像方法 | |
| CN102890750B (zh) | 运输安全记录仪数据分析方法 | |
| CN103913512B (zh) | 斜拉索定期检测的损伤定位系统 | |
| CN105091732A (zh) | 一种变压器绕组变形的检测方法及系统 | |
| CN102749425B (zh) | 一种发动机机体疲劳试验裂纹诊断方法和装置 | |
| CN105043767A (zh) | 一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统 | |
| CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
| CN203745428U (zh) | 一种微裂纹无损检测装置 | |
| CN104698080A (zh) | 一种利用兰姆波对结构损伤进行状态监测的方法 | |
| CN105067048A (zh) | 一种抗振动干扰的数字化涡街流量计的测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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: 20190802 |