CN107389793A - 一种铝合金多孔结构孔边腐蚀损伤监测方法 - Google Patents

一种铝合金多孔结构孔边腐蚀损伤监测方法 Download PDF

Info

Publication number
CN107389793A
CN107389793A CN201710546179.4A CN201710546179A CN107389793A CN 107389793 A CN107389793 A CN 107389793A CN 201710546179 A CN201710546179 A CN 201710546179A CN 107389793 A CN107389793 A CN 107389793A
Authority
CN
China
Prior art keywords
mrow
signal
corrosion damage
aluminium alloy
damage
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.)
Pending
Application number
CN201710546179.4A
Other languages
English (en)
Inventor
张卫方
高晓岩
王翔宇
冉允萌
何晶靖
赵炎
王邓江
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN201710546179.4A priority Critical patent/CN107389793A/zh
Publication of CN107389793A publication Critical patent/CN107389793A/zh
Pending legal-status Critical Current

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
    • G01N2291/0234—Metals, e.g. steel
    • 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
    • G01N2291/0423—Surface waves, e.g. Rayleigh waves, Love waves

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)

Abstract

本发明提供一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，步骤如下：一：选用多孔铝合金，压电传感器采用正方形阵列布局；二：采用正弦波激励信号；三：针对压电传感器网络布局和选取的信号特征量，运用ART的断层扫描算法，对损伤进行成像；四：通过分析Lamb波的相关系数进行损伤定位成像；五：采用了均值滤波处理，用模板的均值来替代原像素的值，求得最终像素值；通过以上步骤，本发明通过压电传感器的布局优化及信号监测，采集不同压电传感器并通过信号处理提取特征参数，能定量表征出多孔铝合金构件的腐蚀损伤程度，解决了能对铝合金结构的腐蚀损伤的实时监测的功能。

Description

一种铝合金多孔结构孔边腐蚀损伤监测方法
技术领域
本发明提供一种铝合金多孔结构孔边腐蚀损伤监测方法，它涉及一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，具体涉及一种基于代数迭代重建算法(ART)的铝合金多孔结构腐蚀损伤监测方法，属于结构健康监测技术领域。
背景技术
结构健康监测技术综合运用了传感器技术、信号处理和分析技术等，对结构的实际情况进行实时监测，为大型关键结构的安全性、可靠性和耐久性提供了重要参考。基于兰姆波的无损检测因其经济性有着广泛的应用，而且越来越多的被应用在结构健康监测中。代数迭代重建算法(ART)在医学计算机断层扫描(CT)中已有广泛的应用，本专利把其引用于多孔铝合金板的孔边腐蚀损伤成像中。当多孔铝合金板存在孔边腐蚀损伤时，获取所需的波形，并运用适当地数据处理分析方法对其进行处理分析，从而提取损伤特征，并通过代数重建法(Algebraic Reconstruction Techniques,ART)得到损伤的位置信息，实现了基于CT原理的多孔铝合金结构孔边腐蚀损伤监测研究。
发明内容
(1)目的
本专利针对航空铝合金多孔结构孔边腐蚀损伤难以实时有效监测的问题，提出了一种基于代数迭代重建算法的多孔铝合金结构孔边腐蚀损伤监测方法，即基于断层扫描的多孔铝合金结构孔边腐蚀损伤监测方法。本专利利用压电传感器在多孔结构外围阵列，进行信号激励与采集，并利用先进的信号处理方法和信号分析方法提取损伤特征量，最终对孔边腐蚀进行定位和定量。
(2)技术方案
本发明针对铝合金多孔结构孔边腐蚀损伤的监测，主要通过代数迭代重建算法实现对铝合金多孔结构孔边腐蚀损伤的实时监测。
本发明一种铝合金多孔结构孔边腐蚀损伤监测方法，即一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，具体包括如下步骤来实现：
步骤一：
本发明选用材料铝合金，牌号为Al-2024-T3，有6个孔位于铝合金结构上，其几何尺寸如图2所示；美国Steminc公司的压电传感器，并采用正方形阵列布局；其中，在每边布置了四个压电传感器，16个压电传感器共组成了96条路径，如图3所示。本发明采用了一发一收的压电传感器收发方式；因为其激励和接收压电传感器分布在测试区域的两侧，会有更少的边界反射信号的干扰，所以一发一收布局会对远距离损伤更为敏感；
步骤二：
本发明采用了120kHz的中心频率的正弦波激励信号，接收到的兰姆波即Lamb波是一种多种模式同时存在的频散波，在本发明中分析的为反对称波(A0)；
步骤三：
针对压电传感器网络布局和选取的信号特征量，运用基于代数重建迭代(ART)的断层扫描算法；基于代数重建迭代(ART)的断层扫描算法原理是将板的待检测区域均匀的划分网络；压电传感器采用一发一收的方法，每个压电传感器都分别作为发射和接收点；压电传感器发射的Lamb波从各个网格中经过，根据各网格中的衰减系数值成像；当板材无缺陷时，各个网格中的衰减系数基本相同，当存在缺陷时，缺陷处网格中的衰减系数不同于无缺陷处的衰减系数，基于以上原理，以此方式对损伤进行成像；
对于代数重建迭代算法即ART算法，需要根据腐蚀损伤监测的特点，对迭代算法进行优化，包括迭代次数的选择，基于半收敛判断的终止条件；
步骤四：
本发明采用氢氟酸溶液腐蚀多孔铝合金板的孔边区域来制造腐蚀损伤，当腐蚀损伤在Lamb波传播的路径上时，信号直达波的相位和幅值即相关系数发生了改变；
本发明通过分析Lamb波的相关系数进行损伤定位成像；Lamb波的幅值为5V，放大倍数为10，ART算法迭代次数选为10；
步骤五：
为了使得成像结果更为平滑，试验采用了均值滤波处理，对于每个待处理的当前网格，都会选择一个模板，该模板为其邻近的若干个网格所组成，用模板的均值来替代原像素的值，其公式为
式中，M为该网格与其周围的网格总数，f(x，y)为在第x行第y列的像素值，s为所有的网格，g(x，y)为求得的最终像素值；
试验成像损伤定位结果与实际损伤位置相一致，试验结果证明本损伤定位方法能准确的定位出两个损伤。
其中，步骤一中所述的“美国Steminc公司的压电传感器”，它是指SMD07T05R412WL压电陶瓷圆盘，其具体参数如表1所示。
表1
其中，步骤二中所述的“激励信号”，它是指针对激励信号的选取，压电传感器的激励信号由任意信号发生器产生，信号可由下面的表达式描述：
式中，fc为信号的中心频率，N为信号的波峰数，A为信号的幅度，H(t)为Heaviside阶梯函数。
其中，步骤三中所述的“ART算法”是指代数重建迭代算法，该ART算法是本技术领域的常用算法；其具体作法如下：
整个成像方法即为解一个如下公式所示的静不定方程，
Ax＝b
式中，A表示需要检测区域的真实形态，x为检测成像结果，b为A的投影；
设bi是第i条射线经过被测区域的衰减值，则有公式：
式中，X(s)为衰减系数；设X(s)在第j个网格上为常数，Lij为第i条射线在第j个网格中的实际长度；
Lamb波的传播路径实际就是每个网格中各条射线实际走的长度Lij；该Lij求解的具体思路：
(1)以网格左上角为原点，建立坐标轴，各网格点坐标和压电传感器坐标已知，压电传感器数为m；
(2)根据发射和接收压电传感器的坐标建立该射线的直线方程，求出直线与各个网格的交点；
(3)求解后一点与前一个点的距离，即可得Lij；
则有公式：
bi＝ΣjLijxj
式中，Lij组成的矩阵成为A矩阵；最终求解的方程：
式中m为射线的条数，n为网格的数量；代数重建迭代算法
采用ART代数重建迭代算法求解以上方程，基本思想是先给出一个初始估计值然后根据求出一次近似投影值再根据求得二次投影值如此继续，直到满足预设条件后停止，公式如下：
xk，0＝xk，
xk+1＝xk，m
式中，λk为松弛系数，其作用为控制变量每次迭代的变化的，主要影响迭代的收敛速度；λk一般取值在0和1之间，其值越小代表两次迭代变化越小，这样计算稳定，但是计算速度慢；图4表示了在松弛系数λk＝1时的x的一次迭代；
通过以上步骤，针对多孔铝合金板结构，通过多个压电传感器的布局优化及信号监测，采集不同压电传感器并通过信号处理提取特征参数，能定量表征出多孔铝合金构件的腐蚀损伤程度，解决了能对铝合金结构的腐蚀损伤的实时监测的功能。
(3)本发明的优点
本发明提供了一种代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤的监测方法。本方法通过选择实验材料，选择压电传感器网络布局，选取激励信号，最终开展试验后通过代数迭代重建算法来进行成像，以此来对腐蚀损伤进行监测，对腐蚀区域进行定位和定量，定量结果较为准确，腐蚀损伤面积相对误差不超过20％。并通过与实验原始图像对比证实了此方法的有效性。本专利具有准确性高，分析速度快等特点。本专利将断层扫描的算法用到航空铝合金多孔结构孔边腐蚀损伤监测为本专利的创新点。
附图说明
图1(a)：压电传感器左视图示意图
图1(b)：压电传感器主视图示意图
图2：铝合金多孔结构尺寸图
图3：压电传感器信号路径图
图4：监测方法图
图5：ART算法示意图
图6：基于氢氟酸溶液的腐蚀健康信号与损伤信号
图7：压电传感器布局图
图8：本发明所述方法流程图
具体实施方式
本发明一种基于代数迭代重建算法的铝合金结构腐蚀损伤监测方法，见图8所示，其具体实施步骤如下：
步骤一：
本专利选用材料Al-2024-T3，其密度，杨氏模量和泊松比分别为2.78g/cm3，73.1GPa，0.33。其尺寸设计为500mm*500mm*2mm。铝合金板中间有6个直径为10mm的孔，其尺寸如图2所示。
本专利选用美国Steminc公司的压电传感器。压电传感器的尺寸和外观如图1所示。
本专利根据待测的铝合金材料和压电传感器的几何特征，从线性阵列、矩形阵列、圆形阵列和平行阵列中选择矩形阵列。图7为压电传感器的正方形阵列布局。其中，在每边布置了四个压电传感器，如图3所示16个压电传感器共组成了96条路径。
步骤二：
对于压电传感器的收发方式，目前可被分为两类：脉冲-回声(pulse-echo)布局和一发一收(pitch-catch)布局。对于脉冲-回声布局，激励压电传感器和接收压电传感器必须要在测试区域的同侧。因为边界反射信号的叠加的干扰，所以这种布局不适用于远距离检测损伤。而对于一发一收布局，因为其激励和接收压电传感器分布在测试区域的两侧，会有更少的边界反射信号的干扰，所以一发一收布局会对远距离损伤更为敏感。本专利采用一发一收的方式。
接收到的Lamb波是一种多种模式同时存在的频散波。本专利分析的为反对称波(A0)。
步骤三：
针对压电传感器网络布局和选取的信号特征量，运用基于代数重建迭代(ART)的断层扫描算法。
基于代数重建迭代算法(ART)的断层扫描算法原理如图5所示，是将板的待检测区域均匀的划分网络，如图4中的网格。压电传感器采用一发一收，每个压电传感器都分别作为发射和接收点。压电传感器发射的Lamb波从各个网格中经过，根据各网格中的衰减系数值成像。当板材无缺陷时，各个网格中的衰减系数基本相同，当存在缺陷时，缺陷处网格中的衰减系数不同于无缺陷处的衰减系数，基于以上原理，对损伤进行成像。
对于ART算法，需要根据腐蚀损伤监测的特点，对迭代算法进行优化，包括迭代次数的选择，基于半收敛判断的终止条件。
步骤四：
本专利采用氢氟酸溶液腐蚀铝合金板来制造腐蚀损伤。图6给出了两组典型的氢氟酸腐蚀损伤对Lamb波传播信号影响的测试结果。从图6中健康和损伤信号的对比可以看出，当腐蚀损伤在Lamb波传播的路径上时，信号直达波的相位发生了改变。
试验的压电传感器布局如图7所示，为正方形布局，共16个压电传感器。试样和压电传感器与本研究拟采用的材料一致。本专利通过分析Lamb波的信号相位变化进行损伤定位成像。Lamb为五周期的正弦调制波，中心频率分别为100kHz，幅值为5V，放大倍数为10，ART算法迭代次数选为10。
步骤五：
为了使得成像结果更为平滑，试验采用了均值滤波处理，对于每个待处理的当前网格，都会选择一个模板，该模板为其邻近的若干个网格所组成，用模板的均值来替代原像素的值。其公式为
式中，M为该网格与其周围的网格总数，f(x，y)为在第x行第y列的像素值，s为所有的网格，g(x，y)为求得的最终像素值。
试验时把损伤置于所测区域的右下方的孔边。试验成像损伤定位结果与实际损伤位置相一致。
对于两个孔边损伤，试验结果证明本损伤定位方法能准确的定位出两个损伤。
通过实验室分析结果，验证了所提出的基于断层扫描的铝合金监测方法的有效性。
基于断层扫描的铝合金结构腐蚀损伤监测的应用验证是针对铝合金板结构，通过多个压电传感器的布局优化及信号监测，采集不同压电传感器并通过信号处理提取特征参数，定量表征出多孔铝合金构件的孔边腐蚀损伤程度，结合本专利腐蚀损伤的分析结果，验证所提出方法的有效性和适用性。
其中，步骤一中所述的“美国Steminc公司的压电传感器”，它是指SMD07T05R412WL压电陶瓷圆盘，其具体参数如表1所示。
表2
其中，步骤二中所述的“激励信号”，它是指针对激励信号的选取，压电传感器的激励信号由任意信号发生器产生，信号可由下面的表达式描述：
式中，fc为信号的中心频率，N为信号的波峰数，A为信号的幅度，H(t)为Heaviside阶梯函数。
其中，步骤三中所述的“ART算法”是指代数重建迭代算法，
整个成像方法即为解一个如下公式所示的静不定方程，
Ax＝b
式中，A表示需要检测区域的真实形态，x为检测成像结果，b为A的投影。
设bi是第i条射线经过被测区域的衰减值，则有公式：
式中，X(s)为衰减系数。设X(s)在第j个网格上为常数，Lij为第i条射线在第j个网格中的实际长度。
Lamb波的传播路径实际就是每个网格中各条射线实际走的长度Lij。求解的具体思路：
(1)以网格左上角为原点，建立坐标轴，各网格点坐标和压电传感器坐标已知，压电传感器数为m。
(2)根据发射和接收压电传感器的坐标建立该射线的直线方程，求出直线与各个网格的交点。
(3)求解后一点与前一个点的距离，即可得Lij。
则有公式：
bi＝ΣjLijxj
式中，Lij组成的矩阵成为A矩阵。最终求解的方程：
式中m为射线的条数，n为网格的数量。
采用ART代数重建法求解以上方程，基本思想是先给出一个初始估计值然后根据求出一次近似投影值再根据求得二次投影值如此继续，直到满足预设条件后停止。公式如下：
xk，0＝xk，
xk+1＝xk，m
式中，λk为松弛系数，其作用为控制变量每次迭代的变化的，主要影响迭代的收敛速度。λk一般取值在0和1之间，其值越小代表两次迭代变化越小，这样计算稳定，但是计算速度慢。图4表示了在松弛系数λk＝1时的x的一次迭代。
通过以上步骤，基于断层扫描的铝合金多孔结构孔边腐蚀损伤监测的应用验证是针对铝合金板多孔结构，通过多个压电传感器的布局优化及信号监测，采集不同压电传感器并通过信号处理提取特征参数，定量表征出多孔铝合金构件的孔边腐蚀损伤程度，结合本专利腐蚀损伤的分析结果，验证所提出方法的有效性和适用性。

Claims (3)

1.一种铝合金多孔结构孔边腐蚀损伤监测方法，即一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，其特征在于：如下步骤来实现：
步骤一：
本发明选用材料铝合金，有6个孔位于铝合金结构上，压电传感器采用正方形阵列布局；其中，在每边布置了四个压电传感器，16个压电传感器共组成了96条路径，采用一发一收的压电传感器收发方式；
步骤二：
本发明采用了120kHz的中心频率的正弦波激励信号，接收到的兰姆波即Lamb波是一种多种模式同时存在的频散波，在本发明中分析的为反对称波即A0；
步骤三：
针对压电传感器网络布局和选取的信号特征量，运用基于代数重建迭代即ART的断层扫描算法；基于代数重建迭代即ART的断层扫描算法原理是将板的待检测区域均匀的划分网络；压电传感器采用一发一收的方法，每个压电传感器都分别作为发射和接收点；压电传感器发射的Lamb波从各个网格中经过，根据各网格中的衰减系数值成像；当板材无缺陷时，各个网格中的衰减系数相同，当存在缺陷时，缺陷处网格中的衰减系数不同于无缺陷处的衰减系数，以此方式对损伤进行成像；
对于代数重建迭代算法即ART算法，需要根据腐蚀损伤监测的特点，对迭代算法进行优化，包括迭代次数的选择，基于半收敛判断的终止条件；
步骤四：
本发明采用氢氟酸溶液腐蚀多孔铝合金板的孔边区域来制造腐蚀损伤，当腐蚀损伤在Lamb波传播的路径上时，信号直达波的相位和幅值即相关系数发生了改变；
本发明通过分析Lamb波的相关系数进行损伤定位成像；Lamb波的幅值为5V，放大倍数为10，ART算法迭代次数选为10；
步骤五：
为了使得成像结果更为平滑，试验采用了均值滤波处理，对于每个待处理的当前网格，都会选择一个模板，该模板为其邻近的预定个网格所组成，用模板的均值来替代原像素的值，其公式为
<mrow> <mi>g</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>M</mi> </mfrac> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>f</mi> <mo>&amp;Element;</mo> <mi>s</mi> </mrow> </munder> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow>
式中，M为该网格与其周围的网格总数，f(x，y)为在第x行第y列的像素值，s为所有的网格，g(x，y)为求得的最终像素值；
试验成像损伤定位结果与实际损伤位置相一致，试验结果证明本损伤定位方法能准确的定位出两个损伤；
通过以上步骤，针对多孔铝合金板结构，通过复数个压电传感器的布局优化及信号监测，采集不同压电传感器并通过信号处理提取特征参数，能定量表征出多孔铝合金构件的腐蚀损伤程度，解决了能对铝合金结构的腐蚀损伤的实时监测的功能。
2.根据权利要求1所述的一种铝合金多孔结构孔边腐蚀损伤监测方法，即一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，其特征在于：
在步骤一中所述的“压电传感器”，它是指美国Steminc公司的SMD07T05R412WL压电陶瓷圆盘，其具体参数如表1所示；
表1
3.根据权利要求1所述的一种铝合金多孔结构孔边腐蚀损伤监测方法，即一种基于代数迭代重建算法的铝合金多孔结构孔边腐蚀损伤监测方法，其特征在于：
在步骤二中所述的“激励信号”，它是指针对激励信号的选取，压电传感器的激励信号由任意信号发生器产生，信号由下面的表达式描述：
<mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>20</mn> <mo>&amp;lsqb;</mo> <mi>H</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>H</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mfrac> <mi>N</mi> <msub> <mi>f</mi> <mi>e</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>&amp;times;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>cos</mi> <mfrac> <mrow> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> </mrow> <mi>N</mi> </mfrac> <mo>)</mo> </mrow> <mi>sin</mi> <mn>2</mn> <msub> <mi>&amp;pi;f</mi> <mi>c</mi> </msub> <mi>t</mi> </mrow>
式中，fc为信号的中心频率，N为信号的波峰数，A为信号的幅度，H(t)为Heaviside阶梯函数。
CN201710546179.4A 2017-07-06 2017-07-06 一种铝合金多孔结构孔边腐蚀损伤监测方法 Pending CN107389793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710546179.4A CN107389793A (zh) 2017-07-06 2017-07-06 一种铝合金多孔结构孔边腐蚀损伤监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710546179.4A CN107389793A (zh) 2017-07-06 2017-07-06 一种铝合金多孔结构孔边腐蚀损伤监测方法

Publications (1)

Publication Number Publication Date
CN107389793A true CN107389793A (zh) 2017-11-24

Family

ID=60335377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710546179.4A Pending CN107389793A (zh) 2017-07-06 2017-07-06 一种铝合金多孔结构孔边腐蚀损伤监测方法

Country Status (1)

Country Link
CN (1) CN107389793A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108169327A (zh) * 2017-12-14 2018-06-15 南京航空航天大学 基于激励波束成型和加权图像融合的music腐蚀监测方法
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
CN109828033A (zh) * 2019-01-08 2019-05-31 上海卫星工程研究所 基于振动响应相似度分析的损伤识别方法和系统
CN109828028A (zh) * 2019-03-28 2019-05-31 深圳中凯剑无损检测设备科技有限公司 一种超声检测缺陷定性系统和定性方法
CN109946384A (zh) * 2019-04-08 2019-06-28 山东大学 一种基于rapid层析成像技术的信号获取过程优化方法
CN111337574A (zh) * 2020-04-09 2020-06-26 上海工程技术大学 一种基于超声兰姆波板式无砟轨道裂缝的拓扑成像方法及装置
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
CN113848252A (zh) * 2021-09-28 2021-12-28 天津大学 一种基于超声导波和卷积神经网络的腐蚀成像方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140210494A1 (en) * 2013-01-30 2014-07-31 Giatec Scientific Inc. Electrical methods and systems for concrete testing
CN104598931A (zh) * 2015-02-06 2015-05-06 华北水利水电大学 基于Kaczmarz代数迭代重建方法的桥梁移动车辆荷载识别方法
CN106769818A (zh) * 2016-11-29 2017-05-31 北京航空航天大学 一种基于代数迭代重建算法的铝合金结构腐蚀损伤监测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140210494A1 (en) * 2013-01-30 2014-07-31 Giatec Scientific Inc. Electrical methods and systems for concrete testing
CN104598931A (zh) * 2015-02-06 2015-05-06 华北水利水电大学 基于Kaczmarz代数迭代重建方法的桥梁移动车辆荷载识别方法
CN106769818A (zh) * 2016-11-29 2017-05-31 北京航空航天大学 一种基于代数迭代重建算法的铝合金结构腐蚀损伤监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WANG DENGJIANG ET AL.: "Lamb-Wave-Based Tomographic Imaging Techniques for Hole-Edge Corrosion Monitoring in Plate Structures", 《MATERIALS》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108169327A (zh) * 2017-12-14 2018-06-15 南京航空航天大学 基于激励波束成型和加权图像融合的music腐蚀监测方法
CN108169327B (zh) * 2017-12-14 2019-04-05 南京航空航天大学 基于激励波束成型和加权图像融合的music腐蚀监测方法
CN109828033A (zh) * 2019-01-08 2019-05-31 上海卫星工程研究所 基于振动响应相似度分析的损伤识别方法和系统
CN109828033B (zh) * 2019-01-08 2021-08-03 上海卫星工程研究所 基于振动响应相似度分析的损伤识别方法和系统
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
CN109828028A (zh) * 2019-03-28 2019-05-31 深圳中凯剑无损检测设备科技有限公司 一种超声检测缺陷定性系统和定性方法
CN109946384A (zh) * 2019-04-08 2019-06-28 山东大学 一种基于rapid层析成像技术的信号获取过程优化方法
CN111337574A (zh) * 2020-04-09 2020-06-26 上海工程技术大学 一种基于超声兰姆波板式无砟轨道裂缝的拓扑成像方法及装置
CN111337574B (zh) * 2020-04-09 2023-04-18 上海工程技术大学 一种基于超声兰姆波板式无砟轨道裂缝的拓扑成像方法及装置
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
CN113848252A (zh) * 2021-09-28 2021-12-28 天津大学 一种基于超声导波和卷积神经网络的腐蚀成像方法

Similar Documents

Publication Publication Date Title
CN107389793A (zh) 一种铝合金多孔结构孔边腐蚀损伤监测方法
CN106769818A (zh) 一种基于代数迭代重建算法的铝合金结构腐蚀损伤监测方法
Ng et al. A Lamb-wave-based technique for damage detection in composite laminates
Wandowski et al. Damage detection with concentrated configurations of piezoelectric transducers
Moll et al. Multi-site damage localization in anisotropic plate-like structures using an active guided wave structural health monitoring system
Fendzi et al. Optimal sensors placement to enhance damage detection in composite plates
CN107045003A (zh) 一种基于同步迭代重建算法的铝合金结构腐蚀损伤监测方法
Zhang et al. Monte Carlo inversion of ultrasonic array data to map anisotropic weld properties
Chan et al. An extended diffraction tomography method for quantifying structural damage using numerical Green’s functions
Clayton et al. Evaluation of ultrasonic techniques on concrete structures
Li et al. Damage localization in composite laminates based on a quantitative expression of anisotropic wavefront
Liu et al. Acoustic tomography based on hybrid wave propagation model for tree decay detection
Divós et al. Resolution of stress wave based acoustic tomography
CN104688224A (zh) 一种应用于声学非均匀媒介磁声耦合成像重建方法
Du et al. Three-dimensional stress wave imaging of wood internal defects using TKriging method
CN105259412B (zh) 基于直流电位信号的应力腐蚀裂纹电导率分布重构方法
He et al. A fast acoustic emission beamforming localization method based on Hilbert curve
Rabbi et al. Imaging of sub-surface defect in CFRP laminate using A0-mode Lamb wave: Analytical, numerical and experimental studies
Albiruni et al. Non-contact guided waves tomographic imaging of plate-like structures using a probabilistic algorithm
CN109900789A (zh) 一种树木纵截面内部缺陷成像方法
Wang et al. A cross-scanning crack damage quantitative monitoring and imaging method
Niu et al. Uncertainty quantification method for elastic wave tomography of concrete structure using interval analysis
Niu et al. Efficient finite element modelling of guided wave scattering from a defect in three dimensions
Liu et al. Damage imaging of a U-shaped boom using improved periodic permanent magnet electromagnetic acoustic transducers
Levine et al. Guided wave localization of damage via sparse reconstruction

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171124

WD01 Invention patent application deemed withdrawn after publication