CN107356677B - 基于旅行时层析成像和逆时偏移成像的超声无损检测方法 - Google Patents
基于旅行时层析成像和逆时偏移成像的超声无损检测方法 Download PDFInfo
- Publication number
- CN107356677B CN107356677B CN201710565844.4A CN201710565844A CN107356677B CN 107356677 B CN107356677 B CN 107356677B CN 201710565844 A CN201710565844 A CN 201710565844A CN 107356677 B CN107356677 B CN 107356677B
- Authority
- CN
- China
- Prior art keywords
- time
- travel time
- slowness
- model
- reverse
- 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
Images
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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/0672—Imaging by acoustic tomography
-
- 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
- G01N2291/0232—Glass, ceramics, concrete or stone
-
- 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
- G01N2291/0234—Metals, e.g. steel
Landscapes
- 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)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开的基于旅行时层析成像和逆时偏移成像的超声无损检测方法,包括采用旅行时层析成像方法获取待测结构断面内的超声波速度分布,将其作为逆时偏移成像的初始速度模型,再采用逆时偏移成像方法对待测结构内部缺陷进行成像。本发明可对混凝土内部空洞和钢管混凝土剥离等缺陷进行高分辨率成像,从而获取它们的位置、尺寸和形状等信息,实际应用前景广阔。
Description
技术领域
本发明涉及超声无损检测技术领域,尤其涉及一种基于旅行时层析成像和逆时偏移成像的超声无损检测方法。
背景技术
在无损检测领域当中,超声无损检测技术因其检测对象范围广泛、对人体无害且成本低廉等优点而发展迅猛。它是一种在不破坏和损伤物体的前提下,利用超声波对物体的性能、质量以及物体内是否有缺陷进行检测的技术,现如今在很多的工业部门被广泛使用,如钢铁工业、机器制造工业有关的工业部门,高速发展中的新技术产业如集成电路工业等工业部门。目前大量应用于材料和构件的检测如混凝土检测、木材检测等。但是传统超声无损检测技术诸如基于时频分析技术的超声无损检测技术只能定性地分析是否存在缺陷以及缺陷可能存在的大概区域,并不能定量地去分析缺陷形状及大小并把缺陷准确成像出来。
旅行时层析成像(Travel time Tomography),是一种通过提取的初至时来反演计算区域速度分布的成像方法,被认为是重建近地表模型的有效方法而广泛使用,一般应用在井间地震勘探中,对混凝土以及木材等的缺陷检测却鲜有涉及。同时,基于射线追踪理论的旅行时层析成像对慢度沿炮点到检波器之间的线性积分是一种数学抽象,不能反映真实的物理运动过程,因此会发生低速体偏离、高速区聚集的情况,从而对层析成像的分辨率产生极大的影响。
逆时偏移成像(Reverse Time Migration),简称RTM,是一种基于全波动方程,主要应用在非常规油气勘探和井间地震成像,是目前偏移方法中最准确的成像方法。但是,逆时偏移成像方法对初始模型的精度要求比较高,只有初始模型精度够高,成像效果才能足够显著。
发明内容
本发明的目的在于提供一种基于旅行时层析成像和逆时偏移成像的超声无损检测方法,。
为达成上述技术目的,本发明的技术方案如下:
基于旅行时层析成像和逆时偏移成像的超声无损检测方法,包括采用旅行时层析成像方法获取待测结构断面内的超声波速度分布,将其作为逆时偏移成像的初始速度模型,再采用逆时偏移成像方法对待测结构内部缺陷进行成像。
进一步,所述采用旅行时层析成像方法得到待测结构断面的超声波速度分布作为逆时偏移成像的初始速度模型,具体包括以下步骤:
步骤1、在待测结构四周设置多组超声波激发源和检波器,并在激发源位置处激发超声波信号,在检波器位置处采集超声波传输信号;
步骤2、提取每一道超声波传输信号的初至波到达时间tmea;
步骤3、对结构横断面区域进行离散网格剖分,并按一定的顺序进行编号,设定每个网格内的初始超声波速,得到一个初始慢度模型s0,利用走时和慢度的关系、检波器和激发源的位置以及初至走时tmea进行初次反演,走时计算值和慢度的关系可以表示为:
其中,tn cal表示第n条射线的走时计算值,lnm表示第n条射线在元胞m中的射线长度,sm表示元胞m中的慢度值;
步骤4、对每一个激发源的位置,基于每个网格节点的走时使用梯度下降法进行弯曲射线追踪,得到相对应的系数矩阵L,利用快速推进算法计算已知速度场各网格节点的波前传播时间,二维介质中,传播时间和慢度满足下列程函方程:
其中,Δx和Δy分别为x和y方向上的离散网格间距,并且有
T1=min(Ti-1,j,Ti+1,j)
T2=min(Ti,j-1,Ti,j+1)
其中,Ti-1,j表示第i-1,j个离散网格点处的波前传播时间;
步骤5、依据步骤4,得到初始慢度模型下的走时矩阵t0,计算新的走时矩阵t0和走时t之间的误差Erms,当误差Erms大于允许误差时,继续迭代计算,由走时t0可以得到新的慢度模型s1,以此类推,不断计算走时矩阵ti和走时t之间的误差Erms,迭代反演,不断得到新的慢度矩阵;采用的迭代公式可以用如下的矩阵方程表示为:
其中,Cd为数据协方差矩阵,Cm为模型协方差矩阵,α为正则化因子,Lk为理论计算待测的第k次迭代后的系数矩阵,tmea为测量提取的走时矩阵,sk表示第k次迭代后得到的慢度矩阵,理论计算的时间和测量的走时之间的误差用均方根误差表示:
步骤6、当误差Erms在允许的范围内或者迭代次数达到要求值时,则停止迭代,得到需要的慢度矩阵si,根据慢度矩阵si得到速度模型,把得到的速度模型以及根据此速度模型得到的密度模型一起作为逆时偏移成像的输入模型;
步骤7、由速度模型获得获得此初始模型的密度分布,一起作为逆时偏移成像的输入模型,在指定激发源位置处放置源信号,求解速度-应力一阶方程使源波场进行正向传播,到达最大时间步tmax时停止正向传播,保存每一个时间步的源波场。
步骤8、进行检波器波场逆时延拓,对单一激励源所对应的所有检波器所采集的超声波信号进行逆时处理后,在这些检波器所在位置激励逆时后的检波器信号,求解速度-应力一阶方程使检波器场反向延拓;
步骤9、应用归一化互相关成像条件对步骤7中的激发源波场和步骤8中的检波器波场应用归一化互相关成像条件,其表达式如下:
其中,Sn(t,z,x)表示由第n个激发器激励的正向延拓源波场,Rn(t,z,x)表示由第n个激发器对应的所有检波器信号逆时后同时激励得到的检波器反向延拓波场,而I(x,z)表示重构的图像,x、z分别表示横纵轴;
步骤10、根据逆时偏移成像结果确定结构内部缺陷的位置、尺寸和形状。
步骤7的速度-应力一阶方程的具体计算公式如下:
其中:ρ为介质的密度,vx、vy、vz分别是x、y、z方向的速度,P是压力,fx、fy、fz分别为x、y、z方向的点力源密度,gp是压力源密度,λ是常数。
采用上述方案后,本发明的积极效果在于:主要对实际工业应用中的缺陷进行无损检测并精确成像。基于旅行时层析成像获得超声波在计算区域中的最佳路径,得到速度分布,并依据此速度分布作为逆时偏移成像的初始模型进行成像,从而定量分析区域内部的缺陷大小和位置。本发明创新性地结合了传统的旅行时层析成像和逆时偏移成像技术,能做到比传统的旅行时层析成像方法精确度更高,比传统的逆时偏移成像方法实用性更强,是一种非常实用的超声无损检测方法,可对混凝土内部空洞和钢管混凝土剥离等缺陷进行高分辨率成像,从而获取它们的位置、尺寸和形状等信息,实际应用前景广阔。
附图说明
图1为本发明超声无损检测方法的流程图;
图2射线在离散元胞中的走时示意图;
图3旅行时层析成像流程图;
图4逆时偏移成像流程图。
具体实施方式
如图1所示,本发明基于旅行时层析成像和逆时偏移成像的超声无损检测方法,具体包括以下步骤:
步骤1、在待测结构四周设置多组超声波激发源和检波器,并在激发源位置处激发超声波信号,在检波器位置处采集超声波传输信号;
步骤2、提取每一道超声波传输信号的初至波到达时间tmea;
步骤3、如图2所示,对结构横断面区域进行离散网格剖分,并按一定的顺序进行编号,设定每个网格内的初始超声波速,得到一个初始慢度模型s0,利用走时和慢度的关系、检波器和激发源的位置以及初至走时tmea进行初次反演,走时计算值和慢度的关系可以表示为:
其中,tn cal表示第n条射线的走时计算值,lnm表示第n条射线在元胞m中的射线长度,sm表示元胞m中的慢度值;
步骤4、对每一个激发源的位置,基于每个网格节点的走时使用梯度下降法进行弯曲射线追踪,得到相对应的系数矩阵L,利用快速推进算法计算已知速度场各网格节点的波前传播时间,二维介质中,传播时间和慢度满足下列程函方程:
其中,Δx和Δy分别为x和y方向上的离散网格间距,并且有
T1=min(Ti-1,j,Ti+1,j)
T2=min(Ti,j-1,Ti,j+1)
其中,Ti-1,j表示第i-1,j个离散网格点处的波前传播时间;
步骤5、如图3所示,依据步骤4,得到初始慢度模型下的走时矩阵t0,计算新的走时矩阵t0和走时t之间的误差Erms,当误差Erms大于允许误差时,继续迭代计算,由走时t0可以得到新的慢度模型s1,以此类推,不断计算走时矩阵ti和走时t之间的误差Erms,迭代反演,不断得到新的慢度矩阵;采用的迭代公式可以用如下的矩阵方程表示为:
其中,Cd为数据协方差矩阵,Cm为模型协方差矩阵,α为正则化因子,Lk为理论计算待测的第k次迭代后的系数矩阵,tmea为测量提取的走时矩阵,sk表示第k次迭代后得到的慢度矩阵,理论计算的时间和测量的走时之间的误差用均方根误差表示:
其中,n表示总的收发道数(收发组合),表示第k+1次迭代后的第i道射线的走时计算值;
步骤6、当误差Erms在允许的范围内或者迭代次数达到要求值时,则停止迭代,得到需要的慢度矩阵si,根据慢度矩阵si得到速度模型,把得到的速度模型以及根据此速度模型得到的密度模型一起作为逆时偏移成像的输入模型;
上述采用逆时偏移成像方法并基于初始速度模型对缺陷位置、形状进行成像,结合图4,具体包括以下步骤:
步骤7、由速度模型获得获得此初始模型的密度分布,一起作为逆时偏移成像的输入模型,在指定激发源位置处放置源信号,求解速度-应力一阶方程使源波场进行正向传播,到达最大时间步tmax时停止正向传播,保存每一个时间步的源波场。采用有限差分时域(FDTD)法求解速度应力的一阶微分方程,这是求解偏微分方程的最常用的数值方法。这种方法在时域上实现了超声波场的正向延拓;其中步骤7的速度-应力一阶方程的具体计算公式如下:
其中:ρ为介质的密度,vx、vy、vz分别是x、y、z方向的速度,P是压力,fx、fy、fz分别为x、y、z方向的点力源密度,gp是压力源密度,λ是常数;
步骤8、进行检波器波场逆时延拓,对单一激励源所对应的所有检波器所采集的超声波信号进行逆时处理后,在这些检波器所在位置激励逆时后的检波器信号,求解速度-应力一阶方程使检波器场反向延拓;
步骤9、应用归一化互相关成像条件对步骤7中的激发源波场和步骤8中的检波器波场应用归一化互相关成像条件,其表达式如下:
其中,Sn(t,z,x)表示由第n个激发器激励的正向延拓源波场,Rn(t,z,x)表示由第n个激发器对应的所有检波器信号逆时后同时激励得到的检波器反向延拓波场,而I(x,z)表示重构的图像,x、z分别表示横纵轴;
步骤10、根据逆时偏移成像结果确定结构内部缺陷的位置、尺寸和形状。
Claims (2)
1.基于旅行时层析成像和逆时偏移成像的超声无损检测方法,其特征在于,包括采用旅行时层析成像方法获取待测结构断面内的超声波速度分布,将其作为逆时偏移成像的初始速度模型,再采用逆时偏移成像方法对待测结构内部缺陷进行成像;
所述采用旅行时层析成像方法得到待测结构断面的超声波速度分布作为逆时偏移成像的初始速度模型,具体包括以下步骤:
步骤1、在待测结构四周设置多组超声波激发源和检波器,并在激发源位置处激发超声波信号,在检波器位置处采集超声波传输信号;
步骤2、提取每一道超声波传输信号的初至波到达时间tmea;
步骤3、对结构横断面区域进行离散网格剖分,并按一定的顺序进行编号,设定每个网格内的初始超声波速,得到一个初始慢度模型s0,利用走时和慢度的关系、检波器和激发源的位置以及初至走时tmea进行初次反演,走时计算值和慢度的关系表示为:
其中,tn cal表示第n条射线的走时计算值,lnm表示第n条射线在元胞m中的射线长度,sm表示元胞m中的慢度值;
步骤4、对每一个激发源的位置,基于每个网格节点的走时使用梯度下降法进行弯曲射线追踪,得到相对应的系数矩阵L,利用快速推进算法计算已知速度场各网格节点的波前传播时间,二维介质中,传播时间和慢度满足下列程函方程:
其中,Δx和Δy分别为x和y方向上的离散网格间距,并且有
T1=min(Ti-1,j,Ti+1,j)
T2=min(Ti,j-1,Ti,j+1)
其中,Ti-1,j表示第i-1,j个离散网格点处的波前传播时间;
步骤5、依据步骤4,得到初始慢度模型下的走时矩阵t0,计算新的走时矩阵t0和走时t之间的误差Erms,当误差Erms大于允许误差时,继续迭代计算,由走时t0得到新的慢度模型s1,以此类推,不断计算走时矩阵ti和走时t之间的误差Erms,迭代反演,不断得到新的慢度矩阵;采用的迭代公式用如下的矩阵方程表示为:
其中,Cd为数据协方差矩阵,Cm为模型协方差矩阵,α为正则化因子,Lk为理论计算待测的第k次迭代后的系数矩阵,tmea为测量提取的走时矩阵,sk表示第k次迭代后得到的慢度矩阵,理论计算的时间和测量的走时之间的误差用均方根误差表示:
其中,n表示总的收发道数,ti cal,k+1表示第k+1次迭代后的第i道射线的走时计算值;
步骤6、当误差Erms在允许的范围内或者迭代次数达到要求值时,则停止迭代,得到需要的慢度矩阵si,根据慢度矩阵si得到速度模型,把得到的速度模型以及根据此速度模型得到的密度模型一起作为逆时偏移成像的输入模型;
步骤7、由步骤6的速度模型获得此初始模型的密度分布,一起作为逆时偏移成像的输入模型,在指定激发源位置处放置源信号,求解速度-应力一阶方程使源波场进行正向传播,到达最大时间步tmax时停止正向传播,保存每一个时间步的源波场;
步骤8、进行检波器波场逆时延拓,对单一激励源所对应的所有检波器所采集的超声波信号进行逆时处理后,在这些检波器所在位置激励逆时后的检波器信号,求解速度-应力一阶方程使检波器场反向延拓;
步骤9、应用归一化互相关成像条件对步骤7中的激发源波场和步骤8中的检波器波场应用归一化互相关成像条件,其表达式如下:
其中,Sn(t,z,x)表示由第n个激发器激励的正向延拓源波场,Rn(t,z,x)表示由第n个激发器对应的所有检波器信号逆时后同时激励得到的检波器反向延拓波场,而I(x,z)表示重构的图像,x、z分别表示横纵轴;
步骤10、根据逆时偏移成像结果确定结构内部缺陷的位置、尺寸和形状。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710565844.4A CN107356677B (zh) | 2017-07-12 | 2017-07-12 | 基于旅行时层析成像和逆时偏移成像的超声无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710565844.4A CN107356677B (zh) | 2017-07-12 | 2017-07-12 | 基于旅行时层析成像和逆时偏移成像的超声无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356677A CN107356677A (zh) | 2017-11-17 |
CN107356677B true CN107356677B (zh) | 2020-02-07 |
Family
ID=60293353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710565844.4A Active CN107356677B (zh) | 2017-07-12 | 2017-07-12 | 基于旅行时层析成像和逆时偏移成像的超声无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356677B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320284A (zh) * | 2018-02-06 | 2018-07-24 | 重庆交通大学 | 对钢管混凝土结构界面状态的检测方法及装置 |
CN110470742B (zh) * | 2019-04-25 | 2020-06-19 | 西安交通大学 | 一种管道弯头缺陷的精确检测方法 |
CN110907629B (zh) * | 2019-10-21 | 2020-10-13 | 武汉大学 | 标定钢管混凝土柱约束力与超声波的试验方法 |
CN113702504B (zh) * | 2020-07-28 | 2023-06-20 | 广州建筑产业研究院有限公司 | 一种套筒灌浆饱满度检测方法及计算机设备 |
CN112014018B (zh) * | 2020-09-01 | 2021-08-27 | 西南交通大学 | 一种基于超声层析成像的应力场测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764828A (zh) * | 2003-01-30 | 2006-04-26 | 应用计算机科学促进协会 | 摄录物体声学图像的方法和装置以及相应的计算机程序和相应的计算机可读存储介质 |
CN101171194A (zh) * | 2005-05-02 | 2008-04-30 | 法比奥·泼尼股份公司 | 无芯网材卷筒及其生产机械和方法 |
CN104374828A (zh) * | 2014-11-18 | 2015-02-25 | 上海岩土工程勘察设计研究院有限公司 | 一种隐患探测的超声波层析成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9738380B2 (en) * | 2015-03-16 | 2017-08-22 | XCraft Enterprises, LLC | Unmanned aerial vehicle with detachable computing device |
-
2017
- 2017-07-12 CN CN201710565844.4A patent/CN107356677B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1764828A (zh) * | 2003-01-30 | 2006-04-26 | 应用计算机科学促进协会 | 摄录物体声学图像的方法和装置以及相应的计算机程序和相应的计算机可读存储介质 |
CN101171194A (zh) * | 2005-05-02 | 2008-04-30 | 法比奥·泼尼股份公司 | 无芯网材卷筒及其生产机械和方法 |
CN104374828A (zh) * | 2014-11-18 | 2015-02-25 | 上海岩土工程勘察设计研究院有限公司 | 一种隐患探测的超声波层析成像方法 |
Non-Patent Citations (1)
Title |
---|
两种不同偏移起始面逆时成像处理及效果分析――以起伏地表理论模型为例;陈可洋;《油气藏评价与开发》;20161226;第06卷(第06期);15-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107356677A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356677B (zh) | 基于旅行时层析成像和逆时偏移成像的超声无损检测方法 | |
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 | |
CN100483126C (zh) | 基于三维有限元神经网络的缺陷识别和量化评价方法 | |
WO2016141598A1 (zh) | 共姿态道集地表一致性振幅补偿方法及装置 | |
CN102636568B (zh) | 一种检测混凝土内部缺陷的有限元超声成像方法 | |
Mao et al. | Signal processing and defect analysis of pipeline inspection applying magnetic flux leakage methods | |
Rao et al. | Quantitative reconstruction of defects in multi-layered bonded composites using fully convolutional network-based ultrasonic inversion | |
CN108519444A (zh) | 一种接触线缺陷位置的精确测量方法 | |
CN106556646A (zh) | 声发射层析成像确定混凝土结构损伤部位的检测系统 | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
CN103322415A (zh) | 一种石油管道缺陷最小二乘支持向量机二维重现方法 | |
Chady et al. | Neural network models of eddy current multi-frequency system for nondestructive testing | |
CN117233266A (zh) | 一种基于循环神经网络的全波形反演导波层析成像方法 | |
Saechai et al. | Test system for defect detection in construction materials with ultrasonic waves by support vector machine and neural network | |
CN105044215A (zh) | 一种非破坏性的材料声速现场测量方法 | |
Esfarjani et al. | Optimization the inner product vector method and its application to structural health monitoring | |
CN105116056A (zh) | 基于fbg传感系统和二阶统计量的声发射定位系统及方法 | |
Dolmatov et al. | Frequency-domain imaging algorithm for ultrasonic testing by application of matrix phased arrays | |
CN114544765A (zh) | 一种基于深度学习的检测板状材料缺陷存在与位置的方法 | |
Blahacek et al. | Acoustic emission source location based on signal features | |
Li et al. | Application research on ultrasonic phased array detection algorithm for austenitic stainless steel with V-groove weld | |
Zhou et al. | Impact location estimation in anisotropic structures | |
Cao et al. | Probability weighted four-point arc imaging algorithm for time-reversed lamb wave damage detection | |
Schmerr, Jr et al. | Ultrasonic flaw sizing-An overview | |
Robbins | Detailed Characterization of Flowfields and Uncertainty in a Speed-Bump Turbulent Separated Flow Validation Experiment |
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 |