CN109839437A - 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 - Google Patents
一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 Download PDFInfo
- Publication number
- CN109839437A CN109839437A CN201910161930.8A CN201910161930A CN109839437A CN 109839437 A CN109839437 A CN 109839437A CN 201910161930 A CN201910161930 A CN 201910161930A CN 109839437 A CN109839437 A CN 109839437A
- Authority
- CN
- China
- Prior art keywords
- wall crack
- damage
- sensor
- crackle
- path
- 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
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，该方法实现的步骤包括如下，传感器布置与信号采集；损伤因子的计算；贯穿裂纹可能存在区域的计算；贯穿裂纹方向识别；贯穿裂纹经过位置确定；贯穿裂纹长度评估，利用传感网络中相互垂直传感路径损伤因子差的大小关系得到裂纹方向，采取改进的概率损伤成像方法实现对贯穿裂纹的重构，从而实现贯穿裂纹的定量评估。通过传感网络中相互垂直传感路径损伤因子差的大小关系识别贯穿裂纹的方向，与理论分析和实验结果吻合较好；采用改进的概率损伤成像算法对贯穿裂纹经过的坐标点和长度进行识别，重构的图像可以很好地反应裂纹信息，实现对贯穿裂纹的定量评估。
Description
技术领域
本发明涉及一种基于LAMB波的金属板结构贯穿裂纹监测与评估方法，属于结构健康监测领域，可用于对金属板结构进行实时监测，实现大范围板结构贯穿裂纹的监测与评估。
背景技术
金属板结构广泛应用于航空航天、船舶、化工、机械等领域，板材在服役期间受到荷载冲击、应力集中及环境等因素的综合作用，很容易产生疲劳损伤，甚至造成灾难性后果。结构中很多损伤都是以裂纹为初始状态，对裂纹进行实时监测对于提高结构安全至关重要。Lamb波是一种在板结构中传播的超声导波，具有衰减小、传播距离远及对微小损伤敏感等特点，可实现板结构中缺陷的大范围监测。然而由于Lamb波传播的复杂性，当遇到缺陷时会产生反射、折射和模态转换等现象，对缺陷的识别和尺寸评估带来了困难。目前常用缺陷成像方法如椭圆成像算法、双曲线成像算法等，可对缺陷进行成像，但无法获得裂纹方向、大小等信息，因此，需要一种能够对金属板结构裂纹进行实时监测与评估的方法。
发明内容
本发明旨在提供一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，对贯穿裂纹的方向和长度进行识别与评估。提出适合裂纹特性表征的损伤因子计算方法，利用传感网络中相互垂直传感路径损伤因子差的大小关系得到裂纹方向，采取改进的概率损伤成像方法实现对贯穿裂纹的重构，从而实现贯穿裂纹的定量评估。
为实现上述目的，本发明采用如下设计方案：一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，该方法包括如下步骤，
步骤(1)传感器布置与信号采集
在待测金属板结构上，N个压电传感器均匀地布置在以被测区域的中心为圆心的圆上，N≥12。每个传感器Si均作为激励，i＝1,……N-1；其它传感器Sj作为接收来采集信号，j＝i+1,i+2,……N，其中激励信号为采用汉宁窗调制的5周期正弦波信号。依次采集无损/基准信号和监测信号，共得到N(N-1)组信号。
步骤(2)损伤因子的计算
在监测过程中，当传感路径上有裂纹时，监测信号与无损信号相比，其幅值和相位均发生变化，这种差异程度用损伤因子DI表示，传感路径Pij的损伤因子计算方法为：
其中，xi表示无损信号，表示无损信号的平均值，yi表示监测信号，表示监测信号的平均值。传感路径Pij中，Si为激励传感器，Sj为接收传感器；
步骤(3)贯穿裂纹可能存在区域的计算
采用概率损伤成像方法，将每条传感路径的损伤因子通过空间分布函数进行映射，从而得到该路径影响下被测范围内所有离散点的损伤概率。空间分布函数如下：
式中，β为形状因子，控制着传感直达路径上损伤因子影响区域的大小，其值小于1；Rij(x,y)为任一离散点(xk,yk)到激励传感器(xik,yik)和接收传感器(xkj,ykj)距离之和与传感路径长度即激励传感器到接收传感器之间的距离的比值，再减1，表达式为:
N个压电片组成的传感器网络中，所有传感路径影响下监测区域内任意点(x,y)的损伤分布概率为：
对所有传感路径影响下每个点的损伤概率进行叠加合成，成像图中颜色较深的区域也即损伤概率较大的位置，裂纹可能存在的区域。
步骤(4)贯穿裂纹方向识别
在N个压电片组成的传感网络Pij中，将其按激励传感器的不同即i为一固定值时分为N-1组。首先选出每组中损伤因子最大的传感路径，然后再从N-1个最大损伤因子中找到最大的n个损伤因子及其对应的传感路径，这n条路径均有可能垂直于裂纹方向，n＜N。找出分别和这n条路径垂直且经过裂纹可能存在区域的路径，如果垂直于某条路径有两条及以上路径经过该区域，则选定损伤因子最大的路径为所求路径。n组相互垂直路径的2个损伤因子相减并取绝对值，最大值对应的2条路径即为裂纹垂直(DI较大的路径)和平行(DI较小的路径)方向。
步骤(5)贯穿裂纹经过位置确定
在步骤(3)求得的贯穿裂纹可能存在的区域中，损伤概率最大的点即裂纹经过的点，所以取损伤概率大于阈值(如99.99％)的坐标点并求平均值，即经过裂纹的坐标点。
步骤(6)贯穿裂纹长度评估
以步骤(4)求出的垂直于贯穿裂纹长度方向的传感路径中，距离裂纹所在直线较近的传感器为激励传感器，其余传感器做接收传感器。以垂直于裂纹的接收传感器为中心，向两侧查找大于阈值(一般取0.35～0.45)的损伤因子，并在两侧分别找到临界损伤因子及对应的接收传感器。由激励传感器和两个临界接收传感器可以确定2条直线，2条直线和裂纹所在直线的交点即为裂纹的两个端点，由几何算法可确定裂纹的长度。
与现有技术相比，本发明具有如下有益效果：
1、损伤因子计算方法能综合反映监测信号与基准信号的幅值和相位差异，更适合表征贯穿裂纹的特性，克服传统相关性分析方法仅关注于相位变化，而不考虑幅度变化的缺点；
2、通过传感网络中相互垂直传感路径损伤因子差的大小关系识别贯穿裂纹的方向，与理论分析和实验结果吻合较好；
3、采用改进的概率损伤成像算法对贯穿裂纹经过的坐标点和长度进行识别，重构的图像可以很好地反应裂纹信息，实现对贯穿裂纹的定量评估。
附图说明
图1为本发明中被测金属板结构及压电传感器布置示意图。
图2为本发明中的激励信号(汉宁窗调制的5周期正弦波信号)示意图。
图3为本发明中贯穿裂纹方向识别示意图。
图4为本发明中贯穿裂纹长度识别示意图。
图5为实施例中实验系统示意图。
图6为实施例中每组的DI最大值分布图。
图7为实施例中计算的贯穿裂纹经过的坐标点与真实裂纹位置图。
图8为实施例中垂直于且距离贯穿裂纹较近的传感器做激励，其余传感器做接收时，所有接收传感器的损伤因子分布图。
图9为实施例中计算的与真实的贯穿裂纹成像对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，且以下实施例只是描述性的不是限定性的，不能以此来限定本发明的保护范围。
本发明提供一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，提出适合裂纹特性表征的损伤因子计算方法，利用传感网络中相互垂直传感路径损伤因子差的大小关系得到裂纹方向，采取改进的概率损伤成像方法实现对贯穿裂纹的重构，从而实现贯穿裂纹的定量评估。所述方法通过如下步骤具体实现：
(1)传感器布置与信号采集
采用尺寸为1000*1000*1mm的铝板进行实验，其密度为2700kg/m3，弹性模量为70GPa，泊松比为0.34。实验系统包括数字示波器DPO2024B、信号发生器AFG3021B、计算机、激励接收传感器和监测对象铝板。传感器选用直径为8mm、厚度为0.48mm的圆形压电陶瓷(PZT5)，24个压电传感器均匀地采用环氧树脂胶粘接在以铝板中心为圆心、半径为200mm的圆上。激励信号为中心频率300kHz的经汉宁窗调制的5周期正弦波。
首先采集没有损伤时的信号，每个传感器Si(i＝1,……23)均作为激励，其它传感器Sj(j＝i+1,i+2,……24)作为接收来采集信号，共采集276组信号。然后在铝板上加工长度为45mm，宽度为0.2mm、与坐标横轴间角度为333.43°的贯穿裂纹来模拟真实裂纹，与没有损伤时的采集方式相同，再采集276组信号。
(2)损伤因子的计算
采用公式对每条传感路径的监测信号和无损信号进行计算，共得到276条传感路径的损伤因子，反应了铝板中贯穿裂纹对所有传感路径直达信号的影响程度。
(3)贯穿裂纹可能存在区域的计算
采用概率损伤成像方法计算贯穿裂纹可能存在区域。首先利用公式计算每条传感路径的影响区域及对监测区域内所有点的影响权值，其中β为形状因子，本例中取值为0.08；然后由公式计算所有传感路径影响下监测区域内任意点(x,y)的损伤分布概率，最后对所有传感路径影响下每个点的损伤概率进行叠加合成，对监测区域进行损伤成像，求得贯穿裂纹可能存在的区域。
(4)贯穿裂纹方向识别
在24个压电片组成的传感网络中，将损伤因子按激励传感器的不同分为23组。首先选出每组中损伤因子最大的传感路径，然后再从23个最大损伤因子中找到最大的5个损伤因子及其对应的传感路径，分别为：1.3776(路径15-23),1.1496(路径8-19)，1.1312(路径10-20),1.0823(路径11-20)和1.0205(路径7-19)。找出分别和这5条路径垂直且经过裂纹可能存在区域的路径，即：1.0205(路径7-19)，0.5998(路径16-23)，0.2594(路径1-17)，0.4122(路径2-17)和1.3776(路径15-23)。5组相互垂直路径的2个损伤因子相减并取绝对值：0.3571、0.5498、0.8718、0.6701和0.3571，可以看出，最大值对应2条路径为传感路径10-20和1-17，这两条路径分别为贯穿裂纹的垂直和平行方向，从而得到裂纹与坐标横轴所成角度为330.03°。
(5)贯穿裂纹经过位置确定
在步骤(3)求得的贯穿裂纹可能存在的区域中，损伤概率最大的点即裂纹经过的点。取损伤概率大于99.9％的25个坐标点，对其求平均得到坐标点(310,202)，该点为裂纹所在直线经过的点。
(6)贯穿裂纹长度评估
以步骤(4)求出的垂直于裂纹长度方向的传感路径10-20中，距离裂纹所在直线较近的传感器20为激励传感器，以垂直于裂纹的接收传感器10为中心，向两侧查找大于阈值0.4的损伤因子。在两侧分别找到临界损伤因子及对应的接收传感器9、12和13的中点(虚拟传感器12’)。由激励传感器20和两个临界接收传感器9、12’可以确定2条直线，2条直线和裂纹所在直线的交点即为裂纹的两个端点，由几何算法可计算出裂纹的长度为49.83mm。
Claims (7)
1.一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：该方法包括如下步骤，
步骤(1)传感器布置与信号采集；
步骤(2)损伤因子的计算；
步骤(3)贯穿裂纹可能存在区域的计算；
步骤(4)贯穿裂纹方向识别；
步骤(5)贯穿裂纹经过位置确定；
步骤(6)贯穿裂纹长度评估。
2.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(1)传感器布置与信号采集
在待测金属板结构上，N个压电传感器均匀地布置在以被测区域的中心为圆心的圆上，N≥12；每个传感器Si均作为激励，i＝1,……N-1；其它传感器Sj作为接收来采集信号，j＝i+1,i+2,……N，其中激励信号为采用汉宁窗调制的5周期正弦波信号；依次采集无损/基准信号和监测信号，共得到N(N-1)组信号。
3.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(2)损伤因子的计算
在监测过程中，当传感路径上有裂纹时，监测信号与无损信号相比，其幅值和相位均发生变化，这种差异程度用损伤因子DI表示，传感路径Pij的损伤因子计算方法为：
其中，xi表示无损信号，表示无损信号的平均值，yi表示监测信号，表示监测信号的平均值；传感路径Pij中，Si为激励传感器，Sj为接收传感器。
4.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(3)贯穿裂纹可能存在区域的计算
采用概率损伤成像方法，将每条传感路径的损伤因子通过空间分布函数进行映射，从而得到该路径影响下被测范围内所有离散点的损伤概率；空间分布函数如下：
式中，β为形状因子，控制着传感直达路径上损伤因子影响区域的大小，其值小于1；Rij(x,y)为任一离散点(xk,yk)到激励传感器(xik,yik)和接收传感器(xkj,ykj)距离之和与传感路径长度即激励传感器到接收传感器之间的距离的比值，再减1，表达式为:
N个压电片组成的传感器网络中，所有传感路径影响下监测区域内任意点(x,y)的损伤分布概率为：
对所有传感路径影响下每个点的损伤概率进行叠加合成，成像图中颜色较深的区域也即损伤概率较大的位置，裂纹可能存在的区域。
5.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(4)贯穿裂纹方向识别
在N个压电片组成的传感网络Pij中，将其按激励传感器的不同即i为一固定值时分为N-1组；首先选出每组中损伤因子最大的传感路径，然后再从N-1个最大损伤因子中找到最大的n个损伤因子及其对应的传感路径，这n条路径均有可能垂直于裂纹方向，n＜N；找出分别和这n条路径垂直且经过裂纹可能存在区域的路径，如果垂直于某条路径有两条及以上路径经过该区域，则选定损伤因子最大的路径为所求路径；n组相互垂直路径的2个损伤因子相减并取绝对值，最大值对应的2条路径即为裂纹垂直和平行方向。
6.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(5)贯穿裂纹经过位置确定
在步骤(3)求得的贯穿裂纹可能存在的区域中，损伤概率最大的点即裂纹经过的点，所以取损伤概率大于阈值的坐标点并求平均值，即经过裂纹的坐标点。
7.根据权利要求1所述的一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法，其特征在于：
步骤(6)贯穿裂纹长度评估
以步骤(4)求出的垂直于贯穿裂纹长度方向的传感路径中，距离裂纹所在直线近的传感器为激励传感器，其余传感器做接收传感器；以垂直于裂纹的接收传感器为中心，向两侧查找大于阈值的损伤因子，并在两侧分别找到临界损伤因子及对应的接收传感器；由激励传感器和两个临界接收传感器确定2条直线，2条直线和裂纹所在直线的交点即为裂纹的两个端点，由几何算法确定裂纹的长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910161930.8A CN109839437A (zh) | 2019-03-05 | 2019-03-05 | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910161930.8A CN109839437A (zh) | 2019-03-05 | 2019-03-05 | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109839437A true CN109839437A (zh) | 2019-06-04 |
Family
ID=66885365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910161930.8A Pending CN109839437A (zh) | 2019-03-05 | 2019-03-05 | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109839437A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110836928A (zh) * | 2019-11-14 | 2020-02-25 | 西安交通大学 | 一种基于界面波的多层金属管道层间裂纹成像方法 |
| CN111157629A (zh) * | 2020-01-06 | 2020-05-15 | 南京工业大学 | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 |
| CN111208206A (zh) * | 2020-02-20 | 2020-05-29 | 北京博感科技有限公司 | 一种温度变化环境下的复合材料超声导波结构健康监测方法 |
| CN112114037A (zh) * | 2020-08-26 | 2020-12-22 | 厦门大学 | 基于压电传感器的孔边裂纹识别精度的增强方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102043016A (zh) * | 2010-11-05 | 2011-05-04 | 上海交通大学 | 基于兰姆波的自主式损伤识别成像方法 |
| CN102331455A (zh) * | 2011-08-18 | 2012-01-25 | 中国飞机强度研究所 | 一种基于主动Lamb波损伤指数的工程结构损伤监测方法 |
| CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
| CN105488795A (zh) * | 2015-11-26 | 2016-04-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种复合材料损伤识别方法 |
| 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 |
| CN106596726A (zh) * | 2016-11-30 | 2017-04-26 | 南京邮电大学 | 一种十字正交扫描Lamb波工程结构裂纹损伤监测的方法 |
| CN108254438A (zh) * | 2017-12-19 | 2018-07-06 | 上海交通大学 | 基于兰姆波的不均匀截面结构损伤识别成像方法及系统 |
-
2019
- 2019-03-05 CN CN201910161930.8A patent/CN109839437A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102043016A (zh) * | 2010-11-05 | 2011-05-04 | 上海交通大学 | 基于兰姆波的自主式损伤识别成像方法 |
| CN102043016B (zh) * | 2010-11-05 | 2012-08-22 | 上海交通大学 | 基于兰姆波的自主式损伤识别成像方法 |
| CN102331455A (zh) * | 2011-08-18 | 2012-01-25 | 中国飞机强度研究所 | 一种基于主动Lamb波损伤指数的工程结构损伤监测方法 |
| CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
| CN105488795A (zh) * | 2015-11-26 | 2016-04-13 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种复合材料损伤识别方法 |
| 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 |
| CN106596726A (zh) * | 2016-11-30 | 2017-04-26 | 南京邮电大学 | 一种十字正交扫描Lamb波工程结构裂纹损伤监测的方法 |
| CN108254438A (zh) * | 2017-12-19 | 2018-07-06 | 上海交通大学 | 基于兰姆波的不均匀截面结构损伤识别成像方法及系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110836928A (zh) * | 2019-11-14 | 2020-02-25 | 西安交通大学 | 一种基于界面波的多层金属管道层间裂纹成像方法 |
| CN110836928B (zh) * | 2019-11-14 | 2021-01-15 | 西安交通大学 | 一种基于界面波的多层金属管道层间裂纹成像方法 |
| CN111157629A (zh) * | 2020-01-06 | 2020-05-15 | 南京工业大学 | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 |
| CN111157629B (zh) * | 2020-01-06 | 2022-08-30 | 南京工业大学 | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 |
| CN111208206A (zh) * | 2020-02-20 | 2020-05-29 | 北京博感科技有限公司 | 一种温度变化环境下的复合材料超声导波结构健康监测方法 |
| CN111208206B (zh) * | 2020-02-20 | 2022-11-25 | 北京博感科技有限公司 | 一种温度变化环境下的复合材料超声导波结构健康监测方法 |
| CN112114037A (zh) * | 2020-08-26 | 2020-12-22 | 厦门大学 | 基于压电传感器的孔边裂纹识别精度的增强方法 |
| CN112114037B (zh) * | 2020-08-26 | 2021-12-31 | 厦门大学 | 基于压电传感器的孔边裂纹识别精度的增强方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109839437A (zh) | 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法 | |
| CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
| Dai et al. | Structure damage localization with ultrasonic guided waves based on a time–frequency method | |
| Park et al. | PZT-based active damage detection techniques for steel bridge components | |
| RU2008109001A (ru) | Способ учета растяжения сейсмического импульса в сейсмических данных | |
| Grabowski et al. | Time–distance domain transformation for Acoustic Emission source localization in thin metallic plates | |
| Merazi Meksen et al. | Automatic crack detection and characterization during ultrasonic inspection | |
| CN103217478B (zh) | 用于复合材料板状结构的无参考损伤识别方法 | |
| US6360609B1 (en) | Method and system for interpreting and utilizing multimode dispersive acoustic guided waves | |
| CN109900804A (zh) | 一种基于超声导波的金属材料裂纹定量监测方法 | |
| Li et al. | Optimal mother wavelet selection for Lamb wave analyses | |
| AU2008297648B2 (en) | Acoustic thickness measurements using gas as a coupling medium | |
| 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 | |
| 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 | |
| CN110954033A (zh) | 混凝土裂缝深度检测方法及其系统 | |
| Arefi et al. | A modified index for damage detection of structures using improved reduction system method | |
| CN108802203A (zh) | 一种基于多模态技术的杆状构件内部缺陷定位方法 | |
| Kundu et al. | A generic framework for application of machine learning in acoustic emission-based damage identification | |
| Nicknam et al. | Damage detection and denoising in two-dimensional structures using curvelet transform by wrapping method | |
| Ji et al. | Quantitative evaluation of crack based on the sparse decomposition of array Lamb wave propagation | |
| CN116609442B (zh) | 基于非线性超声导波和深度学习的管道裂纹评估定位方法 | |
| CN107132280B (zh) | 一种基于声-超声的大型构件损伤概率成像定位方法 | |
| 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 | |
| Draudvilienė et al. | Validation of dispersion curve reconstruction techniques for the A0 and S0 modes of Lamb waves | |
| CN107741263A (zh) | 基于频域信息融合的液位估计方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190604 |