CN107219304B - 一种基于传感器网络的结构覆冰定量化监测方法 - Google Patents
一种基于传感器网络的结构覆冰定量化监测方法 Download PDFInfo
- Publication number
- CN107219304B CN107219304B CN201710597867.3A CN201710597867A CN107219304B CN 107219304 B CN107219304 B CN 107219304B CN 201710597867 A CN201710597867 A CN 201710597867A CN 107219304 B CN107219304 B CN 107219304B
- Authority
- CN
- China
- Prior art keywords
- excitation
- icing
- guided wave
- sensory path
- wave signals
- 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.)
- Active
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
- G01B17/025—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness for measuring thickness of coating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/06—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于传感器网络的结构覆冰定量化监测方法,被监测结构上布置压电传感器网络,得到多条激励‑传感路径;在激励‑传感路径的激励端利用激励信号激励出超声导波信号,激励‑传感路径的接收端接收超声导波信号;根据超声导波信号在激励‑传感路径的传播过程中的导波幅值和相位的变化,判断激励‑传感路径上是否覆冰。本发明能方便地对被监测结构的覆冰区域和厚度进行定量化监测,为是否需要除冰等提供先验数据。本发明的方法基于传感器网络技术,操作过程简单,具有较好的实际工程应用价值。本发明在实现过程中无需更改或增加设备和参数,利用现有硬件系统就可以实现。
Description
技术领域
本发明涉及结构健康监测技术领域,更具体地说,涉及一种基于传感器网络的结构覆冰定量化监测方法。
背景技术
飞机关键表面的结冰可能会对飞机的飞行性能产生不利影响。积冰增加了表面粗糙度,导致飞行阻力增加,升力减少,并引起稳定性的问题。因此,及时检测和清除飞机关键表面的冰对飞机燃油效率和安全性都非常重要。而飞机关键表面的覆冰监测是后续除冰的前提和基础。
在过去的几十年中,已经开发出基于不同技术的覆冰检测技术。常见的有基于阻抗、热导率、温度结合测量的方法、基于卡尔曼滤波和神经网络的覆冰检测方法以及近红外图像处理技术等。
发明内容
本发明的目的在于克服现有技术的不足,提供一种能方便地对结构覆冰区域和厚度进行定量化监测,为是否需要除冰等提供先验数据的基于传感器网络的结构覆冰定量化监测方法。
本发明的技术方案如下:
一种基于传感器网络的结构覆冰定量化监测方法,被监测结构上布置压电传感器网络,得到多条激励-传感路径;在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号;根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,判断激励-传感路径上是否覆冰。
作为优选,根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,结合基于压电传感器网络的二维成像算法,得到压电传感器网络覆盖区域内定量化的冰层形状、大小和厚度。
作为优选,进行覆冰监测前,对超声导波信号进行温度补偿,消除结构的表面温度对超声声波在传播过程中的影响。
作为优选,1)在被监测结构没有覆冰时,采集被监测结构的待机温度,并在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为基准信号;
2)进行覆冰监测时,采集被监测结构的当前工作温度,并在激励-传感路径的激励端利用与步骤1)相同的激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为当前信号;
3)选择待机温度等于当前工作温度的情况下的基准信号,与当前信号进行比较,根据超声导波信号差异确定每一条激励-传感路径的覆冰因子GI,具体为:
其中,b(ω)和m(ω)为基准信号和当前信号中首个到达波包进行离散傅里叶变换后的频谱,ω0和ω1表示频谱的上限、下限;
4)计算不同路径之间的交点坐标(X0,Y0),与通过该点的所有路径的覆冰因子的平均值Z0,获得表征被监测结构的表面冰层情况的数据点(X0,Y0,Z0);
5)利用步骤4)中所得的数据点(X0,Y0,Z0)进行散点插值计算,得到被监测结构上所有点覆冰的概率,并进行覆冰成像。
作为优选,步骤5)中,散点插值算法包括线性散点插值方法、自然临近散点插值方法或最临近散点插值方法。
作为优选,在被监测结构上设置温度传感器,用于采集步骤1)的待机温度、步骤2)的当前工作温度。
作为优选,步骤1)中,建立温度区间为-22℃到5℃,间隔为1度的不同温度下结构无冰时的基准数据集。
作为优选,激励-传感路径的激励端为压电传感器网络的激励传感器,激励-传感路径的接收端为压电传感器网络的接收传感器;全部激励传感器与接收传感器不能排列成一条直线。
作为优选,激励传感器或接收传感器的间距为10cm-25cm,排列成多排或者随机排列。
作为优选,激励信号是60kHz-80kHz的窄带波信号。
本发明的有益效果如下:
本发明所述的基于传感器网络的结构覆冰定量化监测方法,基于超声导波的传感器网络技术,通过在被监测结构上布置的压电传感器网络,能方便地对被监测结构的覆冰区域和厚度进行定量化监测,为是否需要除冰等提供先验数据。本发明的方法基于传感器网络技术,操作过程简单,具有较好的实际工程应用价值。
本发明在实现过程中无需更改或增加设备和参数,利用现有硬件系统就可以实现。
附图说明
图1是压电传感器网络布局及预置冰层示意图;
图2是相同激励-传感路径上A0波包信号在没有通过覆冰区域的当前信号与基准信号的对比示意图;
图3是相同激励-传感路径上A0波包信号在通过覆冰区域的当前信号与基准信号的对比示意图;
图4是激励-传感路径S3-S8的覆冰因子随冰厚变化示意图;
图5是各激励-传感路径的交点图;
图6是被监测结构的覆冰厚度特征随冰层厚度变化示意图;
图7是当冰层厚度为6mm时,成像后的效果图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明提供一种新的覆冰定量化监测方法,基于超声导波信号的传感器网络技术,具有超大面积的监测能力。由于冰层对超声导波信号的影响主要体现在对导波幅值和相位的影响上。冰层越厚,对导波幅值和相位的影响越大。因此,一条激励-传感路径上导波幅值和相位的变化可以有效反映该条路径上有无冰层和冰层厚度的变化,再结合基于压电传感器网络的二维成像算法即可对传感器网络覆盖区域的冰层形状、大小和厚度进行定量化识别。
本发明所述的基于传感器网络的结构覆冰定量化监测方法,被监测结构10上布置压电传感器网络,得到多条激励-传感路径。在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号;根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,判断激励-传感路径上是否覆冰。
激励-传感路径的激励端为压电传感器网络的激励传感器,激励-传感路径的接收端为压电传感器网络的接收传感器;全部激励传感器与接收传感器不能排列成一条直线。其中,激励传感器或接收传感器的间距为10cm-25cm,排列成多排或者随机排列。
在被监测结构10上设置温度传感器,用于采集下述的步骤1)的待机温度、步骤2)的当前工作温度。
如图1所示,本实施例中,被监测结构10的尺寸为500mm*300mm*2mm,10个压电传感器均匀布置在结构的上下两侧,分别为激励传感器S1-S5、接收传感器S6-S10,共5*5=25条激励-传感路径,温度传感器T布置在被监测结构10的右侧。被监测结构10上预置的冰层20厚度分别为2mm、4mm和6mm。
根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,结合基于压电传感器网络的二维成像算法,得到压电传感器网络覆盖区域内定量化的冰层20形状、大小和厚度。
在做覆冰监测时,超声导波信号除了受到冰层20的影响外,还容易受到被监测结构10表面温度的影响,则进行覆冰监测前,对超声导波信号进行温度补偿,消除结构的表面温度对超声声波在传播过程中的影响。
具体步骤为:
1)在被监测结构10没有覆冰时,采集被监测结构10的待机温度,并在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为基准信号;同时利用温度传感器T,建立温度区间为-22℃到5℃,间隔为1度的不同温度下结构无冰时的基准数据集。通常情况下,激励信号是60kHz-80kHz的窄带波信号。
本实施例中,首先利用温度传感器T测得被监测结构10的待机温度,然后选取70kHz窄带波作为激励信号,在该频率处可以认为压电传感器(即激励传感器)能激励出对被监测结构10覆冰情况较为敏感的A0波。以该信号作为激励信号,依次激励激励传感器S1-S5,并采集接收传感器S6-S10的信号,共采集到25个信号,作为待机温度下被监测结构10无冰时,各激励-传感路径的基准信号。同时利用温度传感器T建立被监测结构10无冰时-20℃到5℃,温度区间为1度的不同温度下被监测结构10的基准信号集。
2)进行覆冰监测时,采集被监测结构10的当前工作温度,并在激励-传感路径的激励端利用与步骤1)相同的激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为当前信号。
进行实验时,预先在被监测结构10上预置冰层20后,利用温度传感器T测得被监测结构10的当前工作温度,并以70kHz窄带波作为激励信号,依次激励激励传感器S1-S5,并采集接收传感器S6-S10的信号,共采集到25个信号,作为当前工作温度下被监测结构10覆冰的当前信号。
3)选择待机温度等于当前工作温度的情况下的基准信号,与当前信号进行比较,根据超声导波信号差异确定每一条激励-传感路径的覆冰因子GI,具体为:
其中,b(ω)和m(ω)为基准信号和当前信号中首个到达波包即A0波包进行离散傅里叶变换后的频谱,ω0和ω1表示频谱的上限、下限。
如图2所示,由于激励传感路径S1-S6没有穿过冰层20,可以看出A0波包几乎没有发生变化。如图3所示,当激励-传感路径S3-S8上有冰层20覆盖时,可以看出A0波包的信号幅值和相位均发生了显著改变。如图4所示,可以看出随着冰层20厚度的增加,覆冰因子也随之而增大。
4)计算不同路径之间的交点坐标(X0,Y0),与通过该点的所有路径的覆冰因子的平均值Z0,获得表征被监测结构10的表面冰层20情况的数据点(X0,Y0,Z0),如图5所示。
5)利用步骤4)中所得的数据点(X0,Y0,Z0)进行散点插值计算,得到被监测结构10上所有点覆冰的概率,并进行覆冰成像。其中,散点插值算法包括线性散点插值方法、自然临近散点插值方法或最临近散点插值方法。
如图6、图7所示,将被监测结构10上覆冰区域的覆冰概率取均值后作为被监测结构10的覆冰厚度特征。如图6所示,可以看出被监测结构10的覆冰厚度特征与冰层20厚度近似成线性关系。如图7所示,表征了被监测结构10覆冰情况的二维效果图;其中,矩形框表示实际冰层20所在的位置,黑点为所布置的传感器网络。
从图6、图7可以看出,本发明能方便地对被监测结构10覆冰区域和厚度进行定量化监测,为是否需要除冰等提供先验数据。
上述实施例仅是用来说明本发明,而并非用作对本发明的限定。只要是依据本发明的技术实质,对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。
Claims (9)
1.一种基于传感器网络的结构覆冰定量化监测方法,其特征在于,被监测结构上布置压电传感器网络,得到多条激励-传感路径;在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号;根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,判断激励-传感路径上是否覆冰;步骤如下:
1)在被监测结构没有覆冰时,采集被监测结构的待机温度,并在激励-传感路径的激励端利用激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为基准信号;
2)进行覆冰监测时,采集被监测结构的当前工作温度,并在激励-传感路径的激励端利用与步骤1)相同的激励信号激励出超声导波信号,激励-传感路径的接收端接收超声导波信号,以接收的超声导波信号为当前信号;
3)选择待机温度等于当前工作温度的情况下的基准信号,与当前信号进行比较,根据超声导波信号差异确定每一条激励-传感路径的覆冰因子GI,具体为:
其中,b(ω)和m(ω)为基准信号和当前信号中首个到达波包进行离散傅里叶变换后的频谱,ω0和ω1表示频谱的上限、下限;
4)计算不同路径之间的交点坐标(X0,Y0),与通过该点的所有路径的覆冰因子的平均值Z0,获得表征被监测结构的表面冰层情况的数据点(X0,Y0,Z0);
5)利用步骤4)中所得的数据点(X0,Y0,Z0)进行散点插值计算,得到被监测结构上所有点覆冰的概率,并进行覆冰成像。
2.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,根据超声导波信号在激励-传感路径的传播过程中的导波幅值和相位的变化,结合基于压电传感器网络的二维成像算法,得到压电传感器网络覆盖区域内定量化的冰层形状、大小和厚度。
3.根据权利要求2所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,进行覆冰监测前,对超声导波信号进行温度补偿,消除结构的表面温度对超声声波在传播过程中的影响。
4.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,步骤5)中,散点插值算法包括线性散点插值方法、自然临近散点插值方法或最临近散点插值方法。
5.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,在被监测结构上设置温度传感器,用于采集步骤1)的待机温度、步骤2)的当前工作温度。
6.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,步骤1)中,建立温度区间为-22℃到5℃,间隔为1度的不同温度下结构无冰时的基准数据集。
7.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,激励-传感路径的激励端为压电传感器网络的激励传感器,激励-传感路径的接收端为压电传感器网络的接收传感器;全部激励传感器与接收传感器不能排列成一条直线。
8.根据权利要求7所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,激励传感器或接收传感器的间距为10cm-25cm,排列成多排或者随机排列。
9.根据权利要求1所述的基于传感器网络的结构覆冰定量化监测方法,其特征在于,激励信号是60kHz-80kHz的窄带波信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597867.3A CN107219304B (zh) | 2017-07-20 | 2017-07-20 | 一种基于传感器网络的结构覆冰定量化监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710597867.3A CN107219304B (zh) | 2017-07-20 | 2017-07-20 | 一种基于传感器网络的结构覆冰定量化监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107219304A CN107219304A (zh) | 2017-09-29 |
CN107219304B true CN107219304B (zh) | 2019-07-23 |
Family
ID=59953826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710597867.3A Active CN107219304B (zh) | 2017-07-20 | 2017-07-20 | 一种基于传感器网络的结构覆冰定量化监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107219304B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211980A (zh) * | 2018-10-29 | 2019-01-15 | 哈尔滨工业大学 | 基于压电阻抗原理的覆冰监测装置及方法 |
CN110137892B (zh) * | 2019-05-29 | 2022-08-12 | 哈尔滨工业大学(深圳) | 一种基于电磁超声导波的电力线缆除冰方法及其系统 |
CN110879127A (zh) * | 2019-11-29 | 2020-03-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于翼面的耦合式结冰探测装置及其方法 |
CN111291505B (zh) * | 2020-05-08 | 2020-10-09 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于深度置信网络的翼型结冰冰形预测方法及装置 |
CN112960120A (zh) * | 2020-12-28 | 2021-06-15 | 南京航空航天大学 | 一种基于压电薄膜的超声导波探测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4461178A (en) * | 1982-04-02 | 1984-07-24 | The Charles Stark Draper Laboratory, Inc. | Ultrasonic aircraft ice detector using flexural waves |
CN101578515A (zh) * | 2007-02-22 | 2009-11-11 | 伊利诺斯工具制品有限公司 | 声学探测冰的系统和方法 |
CN101982765A (zh) * | 2010-09-21 | 2011-03-02 | 南京航空航天大学 | 基于弹性波的输电线覆冰、损伤在线监测方法及其装置 |
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 |
FR2990927A1 (fr) * | 2012-05-25 | 2013-11-29 | Eads Europ Aeronautic Defence | Dispositif et procede de detection de givre et de degivrage |
CN103482071A (zh) * | 2012-06-12 | 2014-01-01 | 波音公司 | 结冰情况探测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6731225B2 (en) * | 2002-02-14 | 2004-05-04 | Lockheed Martin Corporation | Method and apparatus for detecting and measuring thickness of ice on aircraft |
DE102006009480B4 (de) * | 2006-02-27 | 2008-05-29 | Eads Deutschland Gmbh | Aerodynamisches Profil für Luftfahrzeuge und Windkraftanlagen sowie Verfahren zur Messung der Eisdicke auf einem aerodynamischen Profil |
-
2017
- 2017-07-20 CN CN201710597867.3A patent/CN107219304B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4461178A (en) * | 1982-04-02 | 1984-07-24 | The Charles Stark Draper Laboratory, Inc. | Ultrasonic aircraft ice detector using flexural waves |
CN101578515A (zh) * | 2007-02-22 | 2009-11-11 | 伊利诺斯工具制品有限公司 | 声学探测冰的系统和方法 |
CN101982765A (zh) * | 2010-09-21 | 2011-03-02 | 南京航空航天大学 | 基于弹性波的输电线覆冰、损伤在线监测方法及其装置 |
FR2990927A1 (fr) * | 2012-05-25 | 2013-11-29 | Eads Europ Aeronautic Defence | Dispositif et procede de detection de givre et de degivrage |
CN103482071A (zh) * | 2012-06-12 | 2014-01-01 | 波音公司 | 结冰情况探测系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN107219304A (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107219304B (zh) | 一种基于传感器网络的结构覆冰定量化监测方法 | |
WO2019201178A1 (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
CN108732465B (zh) | 一种基于小波变换和cnn的配电网故障定位方法 | |
EP2237003B1 (en) | Method for analysing vibration in rotor blades | |
CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
CN109283248B (zh) | 基于DBSCAN和k-means算法的板类结构多缺陷检测方法 | |
CN109632963B (zh) | 一种基于时不变特征信号构建的结构损伤四维成像方法 | |
CN105372327B (zh) | 基于十字阵和波数扫描滤波器的在线损伤成像方法 | |
CN105627978B (zh) | 一种雨季滑坡变形监测方法及系统 | |
CN115507734B (zh) | 一种基于压电阵列的结冰三维成像方法 | |
CN112013285B (zh) | 管道泄漏点的检测方法及装置、存储介质、终端 | |
CN106840093A (zh) | 一种无人机飞行高度的检测方法、装置及无人机 | |
WO2023045338A1 (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
CN112529842B (zh) | 一种基于小波包能量的多激励融合板结构损伤识别方法 | |
CN109283255B (zh) | 一种气力输送过程中输送流型的检测方法 | |
CN109541690B (zh) | 一种浅层介质结构面松散程度评价方法 | |
CN107202989A (zh) | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 | |
CN113720916A (zh) | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 | |
CN105354594B (zh) | 一种针对欠定盲源分离的混合矩阵估计方法 | |
CN105931235B (zh) | 一种基于复数Scharr滤波器的海空红外图像弱小目标检测方法 | |
CN103797362A (zh) | 用于探测在目标物上的至少一个周期性出现的缺陷的设备和方法 | |
Khurjekar et al. | Sim-to-real localization: Environment resilient deep ensemble learning for guided wave damage localization | |
CN109932281B (zh) | 基于视觉的液体黏度在线测量方法 | |
CN109946384A (zh) | 一种基于rapid层析成像技术的信号获取过程优化方法 | |
KR102514633B1 (ko) | 초음파 혈류량 측정 장치 및 그 방법 |
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 |