CN107132280A - 一种基于声‑超声的大型构件损伤概率成像定位方法 - Google Patents

一种基于声‑超声的大型构件损伤概率成像定位方法 Download PDF

Info

Publication number
CN107132280A
CN107132280A CN201710301229.2A CN201710301229A CN107132280A CN 107132280 A CN107132280 A CN 107132280A CN 201710301229 A CN201710301229 A CN 201710301229A CN 107132280 A CN107132280 A CN 107132280A
Authority
CN
China
Prior art keywords
damage
signal
probability
sound
value
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
Application number
CN201710301229.2A
Other languages
English (en)
Other versions
CN107132280B (zh
Inventor
胡宏伟
袁兰兰
王向红
张婕
杜剑
董晋阳
易可夫
张明军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN201710301229.2A priority Critical patent/CN107132280B/zh
Publication of CN107132280A publication Critical patent/CN107132280A/zh
Application granted granted Critical
Publication of CN107132280B publication Critical patent/CN107132280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N29/06—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
    • 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
    • G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic 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
    • G01N29/11—Analysing solids by measuring attenuation of acoustic 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
    • 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
    • G01N2291/044—Internal reflections (echoes), e.g. on walls or defects
    • 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
    • G01N2291/10—Number of transducers
    • G01N2291/105—Number of transducers two or more emitters, two or more receivers

Landscapes

  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • Engineering & Computer Science (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于声‑超声的大型构件损伤概率成像定位方法。通过若干个压电换能器组成的声‑超声检测网络，采集直接接收和经损伤边界反射的声‑超声信号，综合使用基于信号能量的相异系数损伤概率成像法，和基于渡越时间的椭圆环相交损伤概率成像法，实现大型构件损伤的高效检测和快速定位。本发明的技术效果在于，通过声‑超声检测网络，使用相异系数和渡越时间的组合损伤概率成像算法，实现了大型构件损伤的无基准检测及快速定位。

Description

一种基于声-超声的大型构件损伤概率成像定位方法
技术领域
本发明专利涉及无损检测及结构健康监测领域，特别是一种基于声-超声的大型构件损伤概率成像定位方法。
背景技术
大型构件如航空航天结构件、压力容器、风电叶片等在服役运行过程中，常因工作载荷、冲击、振动、及环境变化等产生疲劳裂纹、腐蚀、冲击损伤等近表面损伤。为避免出现重大故障乃至安全事故，对这些构件进行损伤定位和监测是非常必要的。损伤定位有助于获取大型构件的损伤分布情况，进而评估构件安全状态或通过局部检测手段进一步探知损伤特性，对于保障大型构件的运行安全具有重要意义。
目前通过常规超声检测手段进行逐点扫查可获得较准确的损伤位置，但检测费时，不适用于大型构件。超声相控阵检测法在检测效率上有较大提高，但仍需要进行扫查检测，获取的大量数据所需处理时间长，且损伤定位效率仍不高。声发射定位是一种高效的损伤定位方法，适用于大型构件，但声发射检测需要对构件加载使其内部裂纹扩展产生声发射信号，易对被测构件造成破坏。声-超声由于波传播过程中无频散，模式单一，且对工件近表面损伤敏感的特点，比较适用于大型构件的检测。
在大型构件损伤定位的算法方面，申请公开号CN102998369A，申请公开日2013年3月27日的专利文献公布了一种二维损伤定量化检测方法，采用渡越时间的定位方法对损伤进行定位，但由于需要用到无损伤情况下构建的检测数据，实际操作受到一定限制，且该法对测量噪声、渡越时间的测量误差及不确定因素的抗干扰能力不强，难以获得良好定位效果；申请公开号CN104343043A，申请公开日2016年2月24日的专利公布了一种基于abaqus的金属薄板微裂纹时间反转定位方法，采用基于时间反转的损伤定位方法，用时反特征信号对仿真构件重新激励，在时间和空间上的聚焦进行损伤定位，但需要理想的时反函数才能还原构件中的能量空间分布，且仿真构件模型与实际构件材料结构上的偏差，往往不能很好地聚焦定位。
发明内容
本发明针对现有大型构件损伤定位方法需要获得构件无损伤时的检测信号，检测效率不高的问题，提出一种基于声-超声的大型构件损伤概率成像定位方法，实现大型构件损伤的高效检测和快速定位。
为了实现上述技术目的，本发明的技术方案是，一种基于声-超声的大型构件损伤概率成像定位方法，包括以下步骤：
步骤一、构建监测网络，在构件圆形被测区域边缘均匀布置n个压电晶片换能器，标记为1,2,...,n，以圆形几何中心为原点建立平面直角坐标系XOY，并分别获取发射换能器中心与损伤边界、损伤边界与接收换能器中心、发射换能器中心与接收换能器中心之间的距离
步骤二、超声信号激励，采用两种激励方式激励压电换能器Ai(xi,yi)(i＝1,2,...,n)产生超声信号，在构件表面产生声-超声信号，其中一种激励方式采用任意信号发生器产生汉宁窗调制的高、低幅值正弦信号，并经射频功率放大器后激励超声换能器，另一种激励方式采用超声脉冲发生接收仪产生脉冲信号激励超声换能器；
步骤三、回波信号采集，采集上述步骤二中高、低幅正弦信号激励的由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)直接接收到的声-超声信号，记为Si-j，同时采集上述步骤二中脉冲信号激励的经损伤边界反射后由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)接收的声-超声信号，记为Ei-j；
步骤四、损伤概率值计算，分别同时对上述步骤三的直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，得到损伤存在概率源值P'i-j(x,y)和损伤存在概率源图Ⅰ，对上述步骤三的信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法，得到损伤存在概率源值P”i-j(x,y)和损伤存在概率源图Ⅱ；步骤五、损伤概率值的融合，将上述步骤四所得的损伤存在概率源值P'i-j(x,y)和P”i-j(x,y)按公式进行并集、求和、平均等计算，得到待检测点(x,y)处的损伤存在概率值P(x,y)；
步骤六、构件损伤概率成像，将所述步骤五所得的P(x,y)值作为直角坐标系坐标点(x,y)的像素值；
步骤七、构件损伤概率定位，在所述步骤六的成像结果中，像素值越大的区域表示该处损伤存在的可能性越大，即为损伤的位置。
所述的一种基于声-超声的大型构件损伤概率成像定位方法，所述的步骤四中，对直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，具体按以下步骤进行处理：
步骤1、对低幅激励后接收的直接接收信号Si-j进行傅里叶变换，获取中心频率上声-超声波的时间-能量波形分布曲线，记为低幅信号G0；
步骤2、对相同上述检测条件高幅激励后接收的直接接收信号Si-j重复上述步骤1，记为高幅信号G'；
步骤3、定义幅比系数λ为高幅激励信号振幅A'与低幅激励信号的振幅A0之比，即根据上述步骤2所得结果，再根据公式计算Ai-Rj换能器对的高幅信号与低幅信号的相异系数q；
步骤4、定义缩放系数δ＝1.06，距离比系数根据公式I'i-j(x,y)＝q×ψ(x,y)，计算得到Ai-Rj检测路线确定的检测范围内的损伤存在概率值I'i-j(x,y)，式中，
步骤5、对其他Ai-Rj换能器对重复进行上述步骤1-4的处理；
步骤6、定义增强因子β为1.03，将步骤5得到的损伤存在概率值I'i-j(x,y)根据对应坐标点(x,y)按公式进行累加，重建直接接收模式所有Ai-Rj检测路线的损伤存在概率源值P'i-j(x,y)和损伤存在概率源图I。
所述的一种基于声-超声的大型构件损伤概率成像定位方法，所述步骤四中，对反射回波模式的信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法，具体按以下步骤进行处理：
步骤1、对于换能器对Ai-Rj的信号Ei-j，设激励时刻为ti，接收时刻为tj，从激励时刻起，经损伤边界反射到接收时刻止，表面波信号经历的渡越时间为T”i-j，路程为统计所有Ai-Rj检测路线的反射回波信号峰值时刻t的方差σ，将反射回波信号时刻tj的瞬时值按正态分布处理，取接收回波信号98％能量部分对应的时间区间(ti-j,t'i-j)，将接收时间区间减去激励时刻，得到渡越时间区间(Ti-j,T'i-j)，由公式绘得椭圆环检测区；
步骤2、由上述步骤1确定的不同渡越时间T”i-j值，其所占整个渡越时间区间(Ti-j,T'i-j)的权重为一条Ai-Rj检测路线确定的定位椭圆环检测区内检测点(x,y)处的损伤存在概率值步骤3、对其他换能器对Ai-Rj重复进行上述步骤1-2的处理；
步骤4、将上述步骤3所得的所有Ai-Rj检测路线确定的定位椭圆环检测区包含的检测点(x,y)的损伤存在概率值I”i-j(x,y)，对应到被测工件表面坐标系上，按公式进行累加计算，得到反射回波模式所有Ai-Rj检测路线的损伤存在概率源值P”i-j(x,y)和损伤存在概率源图Ⅱ。
所述的一种基于声-超声的大型构件损伤概率成像定位方法，所述步骤四中对直接接收模式的信号Si-j进行基于信号能量的相异系数损伤概率成像算法，该算法不需要获取无损伤存在时构件的声-超声检测数据，只需获得当前有损伤构件的声-超声检测数据。
本发明的技术效果在于，针对大型构件大面积的损伤检测，采用声-超声检测网络，使用高、低幅值激励损伤概率成像法和椭圆环相交损伤概率成像法的组合概率成像方法，实现了大型构件损伤的无基准检测及快速定位。
附图说明
图1为本发明声-超声损伤概率成像定位法流程图
图2为本发明压电换能器布置及直接接收模式路线示意图
图3为本发明压电换能器2和压电换能器7的直接接收信号S2-7和反射回波信号E2-7示意图
图4为本发明压电换能器2和压电换能器7直接接收模式损伤检测示意图
图5为本发明压电换能器2和压电换能器7反射回波模式损伤检测示意图
具体实施方式
下面结合附图对本发明作进一步说明。
本发明具体实施方式以大型铝板损伤的声-超声检测定位为例，铝板尺寸为1200mm×1000mm，待测成像区设为直径为200mm的圆形区域,对待测成像区进行声-超声损伤概率成像的步骤包括：
步骤一、构建监测网络，如图2所示在铝板被测的圆形区域边缘均匀布置16个压电换能器，标记为1,2,...,16，以圆形几何中心为原点建立平面直角坐标系XOY，每个压电换能器同时发射和接收回波信号，当作为发射压电换能器时标记为Ai(xi,yi)(i＝1,2,...,16)，作为接收压电换能器时标记为Rj(xj,yj)(j＝1,2,...,16,j≠i)，分别获取发射换能器中心与损伤边界、损伤边界与接收换能器中心、发射换能器中心与接收换能器中心之间的直角坐标系距离
步骤二、超声信号激励，采用两种激励方式激励压电换能器Ai(xi,yi)(i＝1,2,...,n)产生超声信号，在构件表面产生声-超声信号，其中一种激励方式采用TektronixAFG2021任意信号发生器，分别以900mV和100mV的输出电压，产生汉宁窗的高、低幅值正弦信号，并经RF Power 2100L射频功率放大器放大后激励超声换能器，另一种激励方式采用OLYMPUS 5072PR超声脉冲发生接收仪产生脉冲信号激励超声换能器；
步骤三、回波信号采集，使用凌华PCI-9820高速采集卡采集上述步骤二中高、低幅激励的由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)直接接收到的声-超声信号，记为Si-j，同时通过凌华PCI-9820高速采集卡采集上述步骤二中脉冲信号激励的经损伤边界反射后由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)接收的声-超声信号，记为反射回波信号Ei-j，如图3为直接接收信号Si-j和反射回波信号Ei-j的示意图；
步骤四、损伤概率值计算，分别同时对上述步骤三的直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，对反射回拨信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法：
(1)对直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，具体按以下步骤进行处理：
步骤1、如图4以压电换能器2和压电换能器7为例，对低幅激励后接收的直接接收信号S2-7进行傅里叶变换，获取中心频率上声-超声波的时间-能量波形分布曲线，记为低幅信号G0；
步骤2、对相同上述检测条件高幅激励后接收的直接接收信号S2-7重复上述步骤1，记为高幅信号G'；
步骤3、定义幅比系数λ为高幅激励信号振幅A'与低幅激励信号的振幅A0之比，即根据上述步骤2所得结果，再根据公式计算A2-R7换能器对的高幅信号与低幅信号的相异系数q；
步骤4、定义缩放系数δ＝1.06，距离比系数根据公式I'2-7(x,y)＝q×ψ(x,y)，计算得到A2-R7检测路线确定的检测范围内的损伤存在概率值I'2-7(x,y)，式中，
步骤5、对其他Ai-Rj换能器对重复进行上述步骤1-4的处理；
步骤6、定义增强因子β为1.03，将步骤5得到的损伤存在概率值I'i-j(x,y)根据对应坐标点(x,y)按公式进行累加，重建直接接收模式所有Ai-Rj检测路线的损伤存在概率源值P'i-j(x,y)和损伤存在概率源图I。
(2)对上述步骤四中的反射回波信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法，具体按以下步骤进行处理：
步骤1、如图5以压电换能器2和压电换能器7为例，对于换能器对A2-R7的反射回波信号E2-7，设激励时刻为t2，接收时刻为t7，从激励时刻起，经损伤边界反射到接收时刻止，表面波信号经历的渡越时间为T”2-7，路程为统计所有A2-R7检测路线的反射回波信号峰值时刻t的方差σ，将反射回波信号时刻tj的瞬时值按正态分布处理，取接收回波信号98％能量部分对应的时间区间(t2-7,t'2-7)，将接收时间区间减去激励时刻，得到渡越时间区间(T2-7,T'2-7)，由公式绘得椭圆环检测区；
步骤2、由上述步骤1确定的不同渡越时间T”2-7值所占整个渡越时间区间(T2-7,T'2-7)的权重为A2-R7检测路线确定的定位椭圆环检测区内检测点(x,y)处的损伤存在概率值
步骤3、对其他换能器对Ai-Rj重复进行上述步骤1-2的处理；
步骤4、将上述步骤3所得的条检测路线确定的定位椭圆环检测区包含的检测点(x,y)的损伤存在概率值I”i-j(x,y)，对应到被测工件表面坐标系上，按公式进行累加计算，得到反射回波模式所有Ai-Rj检测路线的损伤存在概率源值P”i-j(x,y)和损伤存在概率源图Ⅱ。
步骤五、损伤概率值的融合，将上述步骤四所得的损伤存在概率源值P’i-j(x,y)和P”i-j(x,y)按公式进行并集、求和、平均等计算，得到待检测点(x,y)处的损伤存在概率值P(x,y)；
步骤六、构件损伤概率成像，将所述步骤五所得的P(x,y)值作为直角坐标系坐标点(x,y)的像素值；
步骤七、构件损伤概率定位，在所述步骤六的成像结果中，像素值越大的区域表示该处损伤存在的可能性越大，即为损伤的位置。

Claims (4)

1.一种基于声-超声的大型构件损伤概率成像定位方法，其特征在于，包括以下几个步骤：
步骤一、构建监测网络，在构件圆形被测区域边缘均匀布置n个压电换能器，标记为1,2,...,n，以圆形几何中心为原点建立平面直角坐标系XOY，并分别获取发射换能器中心与损伤边界、损伤边界与接收换能器中心、发射换能器中心与接收换能器中心之间的距离
步骤二、超声信号激励，采用两种激励方式激励压电换能器Ai(xi,yi)(i＝1,2,...,n)产生超声信号，在构件表面产生声-超声信号，其中一种激励方式采用任意信号发生器产生汉宁窗调制的高、低幅值正弦信号，并经射频功率放大器后激励超声换能器，另一种激励方式采用超声脉冲发生接收仪产生脉冲信号激励超声换能器；步骤三、回波信号采集，采集上述步骤二中高、低幅正弦信号激励的由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)直接接收的声-超声信号，记为号Si-j，同时采集上述步骤二中脉冲信号激励的经损伤边界反射后由其他压电换能器Rj(xj,yj)(j＝1,2,...,n,j≠i)接收的声-超声信号，记为Ei-j；
步骤四、损伤概率值计算，分别同时对上述步骤三的直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，得到损伤存在概率源值P'i-j(x,y)和损伤存在概率源图Ⅰ，对上述步骤三的反射回波信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法，得到损伤存在概率源值P”i-j(x,y)和损伤存在概率源图Ⅱ；
步骤五、损伤概率值的融合，将所述步骤四所得的损伤存在概率源值P'i-j(x,y)和P”i-j(x,y)按公式进行并集、求和、平均等计算，得到待检测点(x,y)处的损伤存在概率值P(x,y)；
步骤六、构件损伤概率成像，将所述步骤五所得的P(x,y)值作为直角坐标系坐标点(x,y)的像素值；
步骤七、构件损伤概率定位，在所述步骤六的成像结果中，像素值越大的区域表示该处损伤存在的可能性越大，即为损伤的位置。
2.根据权利要求书1所述的一种基于声-超声的大型构件损伤概率成像定位方法，其特征在于，所述步骤四中对直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，具体按以下步骤进行处理：
步骤1、对低幅激励后接收的直接接收信号Si-j进行傅里叶变换，获取中心频率上声-超声波的时间-能量波形分布曲线，记为低幅信号G0；
步骤2、对相同上述检测条件高幅激励后接收的直接接收信号Si-j重复上述步骤1，记为高幅信号G'；
步骤3、定义幅比系数λ为高幅激励信号振幅A'与低幅激励信号的振幅A0之比，即根据上述步骤2所得结果，再根据公式计算Ai-Rj换能器对的高幅信号G'与低幅信号G0的相异系数q；
步骤4、定义缩放系数δ＝1.06，距离比系数根据公式I'i-j(x,y)＝q×y(x,y)，计算得到Ai-Rj检测路线确定的检测范围内检测点的损伤存在概率值I'i-j(x,y)，式中，
步骤5、对其他Ai-Rj换能器对重复进行上述步骤1-4的处理；
步骤6、定义增强因子β为1.03，将步骤5得到的损伤存在概率值I'i-j(x,y)根据对应坐标点(x,y)按公式进行累加，重建直接接收模式所有Ai-Rj检测路线的损伤存在概率源值P'i-j(x,y)和损伤存在概率源图Ⅰ。
3.根据权利要求书1所述的一种基于声-超声的大型构件损伤概率成像定位方法，其特征在于，所述步骤四中，对反射回波信号Ei-j进行基于渡越时间的椭圆环相交损伤概率成像算法具体按以下步骤进行处理：
步骤1、对于换能器对Ai-Rj的信号Ei-j，设激励时刻为ti，接收时刻为tj，从激励时刻起，经损伤边界反射到接收时刻止，表面波信号经历的渡越时间为T”i-j，路程为统计所有Ai-Rj检测路线的反射回波信号峰值时刻t的方差σ，将反射回波信号时刻tj的瞬时值按正态分布处理，取接收回波信号98％能量部分对应的时间区间(ti-j,t'i-j)，将接收时间区间减去激励时刻，得到渡越时间区间(Ti-j,T'i-j)，由公式绘得椭圆环检测区；
步骤2、由上述步骤1确定的不同渡越时间T”i-j，其所占整个渡越时间区间(Ti-j,T'i-j)的权重为一条Ai-Rj检测路线确定的定位椭圆环检测区内检测点(x,y)处的损伤存在概率值
步骤3、对其他换能器对Ai-Rj重复进行上述步骤1-2的处理；
步骤4、将上述步骤3所得的所有Ai-Rj检测路线确定的定位椭圆环检测区包含的检测点(x,y)的损伤存在概率值I”i-j(x,y)，对应到被测工件表面坐标系上，按公式进行累加计算，得到反射回波模式所有Ai-Rj检测路线的损伤存在概率源值P”i-j(x,y)和损伤存在概率源图Ⅱ。
4.根据权利要求书1所述的一种基于声-超声的大型构件损伤概率成像定位方法，其特征在于，所述步骤四中对直接接收信号Si-j进行基于信号能量的相异系数损伤概率成像算法，该算法不需要获取无损伤时构件的声-超声检测数据，只需获得构件当前有损伤的声-超声检测数据。
CN201710301229.2A 2017-05-02 2017-05-02 一种基于声-超声的大型构件损伤概率成像定位方法 Active CN107132280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710301229.2A CN107132280B (zh) 2017-05-02 2017-05-02 一种基于声-超声的大型构件损伤概率成像定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710301229.2A CN107132280B (zh) 2017-05-02 2017-05-02 一种基于声-超声的大型构件损伤概率成像定位方法

Publications (2)

Publication Number Publication Date
CN107132280A true CN107132280A (zh) 2017-09-05
CN107132280B CN107132280B (zh) 2019-10-29

Family

ID=59716252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710301229.2A Active CN107132280B (zh) 2017-05-02 2017-05-02 一种基于声-超声的大型构件损伤概率成像定位方法

Country Status (1)

Country Link
CN (1) CN107132280B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109187769A (zh) * 2018-07-27 2019-01-11 南京航空航天大学 一种基于超声导波定量化检测管道缺陷的方法
CN111579646A (zh) * 2020-05-29 2020-08-25 中国地质大学（北京） 石质文物裂隙的原位、无损检测方法
FR3098302A1 (fr) * 2019-07-01 2021-01-08 Commissariat A L'energie Atomique Et Aux Energies Alternatives Dispositif d’imagerie par ondes de surface

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20110154903A1 (en) * 2007-06-04 2011-06-30 Drexel University Method for structural health monitoring using a smart sensor system
US20120203474A1 (en) * 2011-02-08 2012-08-09 The Boeing Company Structural Health Monitoring System
CN102998369A (zh) * 2012-11-26 2013-03-27 中国商用飞机有限责任公司 一种二维损伤定量化监测方法
CN104049038A (zh) * 2014-06-19 2014-09-17 中航复合材料有限责任公司 一种复合材料的超声-声发射检测方法
US20140352436A1 (en) * 2013-05-31 2014-12-04 Jinchi Zhang Monitoring temperature variation in wedge of phased-array probe for weld inspection
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20110154903A1 (en) * 2007-06-04 2011-06-30 Drexel University Method for structural health monitoring using a smart sensor system
US20120203474A1 (en) * 2011-02-08 2012-08-09 The Boeing Company Structural Health Monitoring System
CN102998369A (zh) * 2012-11-26 2013-03-27 中国商用飞机有限责任公司 一种二维损伤定量化监测方法
US20140352436A1 (en) * 2013-05-31 2014-12-04 Jinchi Zhang Monitoring temperature variation in wedge of phased-array probe for weld inspection
CN104049038A (zh) * 2014-06-19 2014-09-17 中航复合材料有限责任公司 一种复合材料的超声-声发射检测方法
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109187769A (zh) * 2018-07-27 2019-01-11 南京航空航天大学 一种基于超声导波定量化检测管道缺陷的方法
CN109187769B (zh) * 2018-07-27 2021-02-12 南京航空航天大学 一种基于超声导波定量化检测管道缺陷的方法
FR3098302A1 (fr) * 2019-07-01 2021-01-08 Commissariat A L'energie Atomique Et Aux Energies Alternatives Dispositif d’imagerie par ondes de surface
CN111579646A (zh) * 2020-05-29 2020-08-25 中国地质大学（北京） 石质文物裂隙的原位、无损检测方法

Also Published As

Publication number Publication date
CN107132280B (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
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
CN106770669B (zh) 基于多模式声束合成孔径聚焦的缺陷二维形貌成像检测方法
CN106770664B (zh) 一种基于全聚焦成像算法改进边缘缺陷检测的方法
CN105527345B (zh) 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
CN103760243A (zh) 一种微裂纹无损检测装置及方法
CN105738478B (zh) 基于线性阵列聚焦‑时间反转的钢板Lamb波检测成像方法
CN102288533B (zh) 基于水平剪切波电力系统接地网导体的腐蚀检测方法
CN105699492A (zh) 一种用于焊缝检测的超声成像方法
CN103134857A (zh) 利用Lamb波反射场的工程结构裂纹损伤监测评估方法
CN107132280A (zh) 一种基于声‑超声的大型构件损伤概率成像定位方法
CN108872385B (zh) 一种基于超声相控阵的微裂纹检测与定位方法及系统
CN102393445A (zh) 基于压电陶瓷传感器和导波分析的管道结构损伤监测方法
CN109239191A (zh) 一种超声导波缺陷定位成像方法及系统
CN103792287A (zh) 一种基于Lamb波的大面积结构损伤检测方法
CN110243521A (zh) 一种薄板应力测量方法及薄板应力测量系统
CN103995059A (zh) 一种适用于曲面检测的声表面波柔性梳状换能器
CN108802203B (zh) 一种基于多模态技术的杆状构件内部缺陷定位方法
CN105353043A (zh) 基于abaqus的金属薄板微裂纹时间反转定位方法
CN110333292B (zh) 一种金属材料疲劳闭合裂纹的非线性成像方法
CN203745428U (zh) 一种微裂纹无损检测装置
CN104458913B (zh) 材料性能退化的非线性导波评估方法与装置
CN202119699U (zh) 基于sh0波电力系统接地网导体的腐蚀检测装置
CN106645401B (zh) 一种基于频率波数估计的损伤定位与重构方法及系统
CN109541026A (zh) 一种反射式金属蠕变性能的非线性超声检测系统和检测方法
CN105651857B (zh) 一种飞机板孔连接结构疲劳损伤的动态实时监控方法

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