CN110389170A - 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 - Google Patents
基于Lamb波成像的列车部件裂纹损伤检测方法和系统 Download PDFInfo
- Publication number
- CN110389170A CN110389170A CN201810351382.0A CN201810351382A CN110389170A CN 110389170 A CN110389170 A CN 110389170A CN 201810351382 A CN201810351382 A CN 201810351382A CN 110389170 A CN110389170 A CN 110389170A
- Authority
- CN
- China
- Prior art keywords
- signal
- lamb wave
- damage
- response signal
- sdc
- 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
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
- G01N29/043—Analysing solids in the interior, e.g. by 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
- G01N29/041—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
- 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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
-
- 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
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- 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
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/011—Velocity or travel time
-
- 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
- G01N2291/025—Change of phase or condition
- G01N2291/0258—Structural degradation, e.g. fatigue of composites, ageing of oils
-
- 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
- G01N2291/0427—Flexural waves, plate waves, e.g. Lamb waves, tuning fork, cantilever
-
- 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
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2696—Wheels, Gears, Bearings
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种基于Lamb波成像的列车部件裂纹损伤检测方法和系统,其中的方法包括:在待检测列车部件的检测结构上设置蜂窝传感器网络装置,将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,计算与各个响应信号采集点相对应的信号差异系数值SDC值,采用概率成像原理重构裂纹损伤图像,绘制SDC分布图,基于SDC分布图评估出裂纹的长度,并可以对响应信号进行聚焦和时间反转等处理。本发明的方法和系统,能够克服环境噪声、测量误差、时间延迟等因素的影响,对信号的能量计算准确度高,对损伤判断的误判率低,可以减少检测中的“盲区”,使得损伤监测范围更大,并能够提高损伤判别的精准性。
Description
技术领域
本发明涉及损伤检测技术领域,尤其涉及一种基于Lamb波成像的列车部件裂纹损伤检测方法和系统。
背景技术
随着对结构安全性、可靠性要求的不断提高,结构关键部位损伤的检测和诊断日益引起人们的高度重视,尤其是针对裂纹损伤的检测。利用Lamb波方法进行结构损伤监测是一项常用技术,该方法对结构中的裂纹等细小损伤敏感,且不需要拆卸结构,能够实时的监测结构的健康情况,因此具有广阔的应用前景。Lamb波是导波的一种,具有衰减慢、传播距离远、对损伤敏感的特点。Lamb波在构件中传播的过程中,如果遇到分层、杂质、裂纹等基体组织变化时,会发生透射、折射、反射等现象,接收到的信号就会发生明显的变化。对采集到的信号进行分析,与理论的信号的特性曲线相比,就可以判断缺陷的存在、位置、大小等相关的参量,从而实现了对构件的无损检测和评价。
目前,基于Lamb波的结构损伤监测方法大多以特定的信号激励压电元件向检测结构中激发Lamb信号,在另外位置的一个(或一组)压电传感器接收Lamb信号,对接收到的Lamb信号进行分析,提取特征损伤信号,通过计算获取结构状态信息。椭圆定位法是常用的损伤定位判断方法,椭圆定位法把驱动器和传感器看作椭圆的两个焦点,损伤点在一个以驱动器和传感器为焦点的椭圆圆周之上;取另外一组激励器和传感器,画出另一个椭圆,将对损伤位置的估计转化为求椭圆交点的问题,只要有两个或两个以上的椭圆,就能把损伤位置找出来。但是,现有的基于Lamb波的结构损伤监测方法不能克服环境噪声、测量误差、时间延迟计算方法误差等因素,尤其是无法解决边界损伤问题。
发明内容
有鉴于此,本发明实施例提供一种基于Lamb波成像的列车部件裂纹损伤检测方法和系统。
根据本发明实施例的一个方面,提供一种基于Lamb波成像的列车部件裂纹损伤检测方法,其特征在于,包括:步骤一:在待检测列车部件的检测结构上设置蜂窝传感器网络装置;其中,所述蜂窝传感器网络装置包括多个压电传感器,每个压电传感器都作为激励信号加载点和/或响应信号采集点;步骤二:在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波;各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号;步骤三:获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息;步骤四:在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波;各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号;步骤五:对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个所述响应信号采集点相对应的信号差异系数值SDC值;步骤六,根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域;步骤七:基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像;绘制SDC分布图,基于SDC分布图评估出裂纹的长度。
可选地,多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列;每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点;所述基本检测单元包括呈正六边形排列的六个压电传感器;所述压电传感器内嵌有微控制器,所述压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
可选地,在步骤五中,采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。
可选地,在步骤五中,以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号;通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。
可选地,对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
根据本发明的另一方面,提供一种基于Lamb波成像的列车部件裂纹损伤检测系统,包括:蜂窝传感器网络装置和数据采集处理装置;所述蜂窝传感器网络装置包括多个压电传感器,每个压电传感器都作为激励信号加载点和/或响应信号采集点;在待检测列车部件的检测结构上设置所述蜂窝传感器网络装置;所述数据采集处理装置,包括:第一信号激发模块,用于在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号;基准信息获取模块,用于获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息;第二信号激发模块,用于在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号;损伤信息获取模块,用于对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个所述响应信号采集点相对应的信号差异系数值SDC值;成像分析模块,用于根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域;基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像;绘制SDC分布图,基于SDC分布图评估出裂纹的长度。
可选地,多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列;每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点;所述基本检测单元包括呈正六边形排列的六个压电传感器;所述压电传感器内嵌有微控制器,所述压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
可选地,所述损伤信息获取模块,用于采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。
可选地,所述损伤信息获取模块,用于以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号;通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。
可选地,所述第二信号激发模块,用于对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
本发明的基于Lamb波成像的列车部件裂纹损伤检测方法和系统,在待检测列车部件的检测结构上设置蜂窝传感器网络装置,蜂窝传感器网络装置中的压电传感器都作为激励信号加载点和/或响应信号采集点;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,计算与各个响应信号采集点相对应的信号差异系数值SDC值,采用概率成像原理重构裂纹损伤图像,并绘制SDC分布图,基于SDC分布图评估出裂纹的长度,并可以对响应信号进行聚焦和时间反转等处理;能够克服环境噪声、测量误差、时间延迟等因素的影响,对信号的能量计算准确度高,对损伤判断的误判率低,可以减少检测中的“盲区”,使得损伤监测范围更大,并能够提高损伤判别的精准性。
本发明实施例附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图:
图1为根据本发明的基于Lamb波成像的列车部件裂纹损伤检测方法的一个实施例的流程图;
图2为根据本发明的基于Lamb波成像的列车部件裂纹损伤检测方法的一个实施例中的蜂窝传感器网络装置的蜂窝状阵列布置示意图;
图3A和3B为通过连续小波变换对Lamb波信号重构的效果对比示意图;
图4为根据本发明的基于Lamb波成像的列车部件裂纹损伤检测系统的一个实施例中的模块示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
下文中的“第一”、“第二”仅用于描述上相区别,并没有其它特殊的含义。
图1为根据本发明的基于Lamb波成像的列车部件裂纹损伤检测方法的一个实施例的流程图,如图1所示:
步骤101,在待检测列车部件的检测结构上设置蜂窝传感器网络装置。列车部件可以为高速列车的关键部件等。蜂窝传感器网络装置包括多个压电传感器,每个压电传感器都作为激励信号加载点、响应信号采集点。
步骤102,在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波。各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号;
Lamb波是在自由边界条件下,固体结构中传播的弹性导波,具有衰减慢传播距离远,且对结构中的微小损伤十分敏感。可以利用电荷放大器将激励信号放大后加载到压电传感器,从而在检测结构中激发出Lamb波。采集检测结构健康时的所有激励/传感通道的Lamb波响应信号,作为检测结构的基准信号。
步骤103,获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息。
Mindlin板理论通常被称为板的一阶剪切变形理论。Mindlin板理论假设在板厚度方向板位移线性变化,但是板厚度不变,并假设忽略板厚度方向的正应力,即平面应力假设。可以通过Mindlin板理论建立Lamb波在各向异性复合材料层板中随传播角度变化的频散关系,得到Lamb波的理论速度分布,为损伤成像提供基准信息。
步骤104,在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波。各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号。
步骤105,对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息。将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个响应信号采集点相对应的信号差异系数值SDC值。
将采集到的第二Lamb波响应信号作为损伤信号,再根据在健康的板结构中采集第一Lamb波响应信号作为参考信号,然后计算所有激励/传感通道的SDC值。
可以利用小波变换对由压电传感元件激励和接收的Lamb波信号在时频域进行分析,提取特征信息,测量出Lamb波在监测的部位中实际传播的飞行时间和群速度,并与基准信息相比较。根据Lamb波信号传播自身的特性,通过聚焦的方法使损伤散射信号能量叠加放大,从而提高信号的信噪比。利用时间反转法对波源进行自适应聚焦能力,重建信号传播波动图,通过信号聚焦显示损伤位置和区域。
步骤106,根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域。
根据得到的SDC值,根据裂纹损伤对Lamb波监测信号的反射及散射作用,通过校正损伤区域中裂纹方向上的信号差异系数值SDC,强化裂纹方向上的重构图像信息,实现对裂纹损伤的图像重构,采用概率成像原理重构裂纹损伤图像。
根据Lamb波传播的基本原理,当传播介质出现中断或不连续时,大多数的Lamb波信号会因受到阻碍而难以继续向前传播,即使裂纹宽度很窄,只要其长度大于Lamb波波长,就会造成在传播前进方向上的Lamb波出现十分明显的衰减。可以利用信号差异系数SDC来表征损伤信号和参考信号的统计特性差异,SDC值的大小反映了损伤程度和损伤距离。
根据裂纹损伤对Lamb波监测信号的反射及散射作用,通过校正损伤区域中裂纹方向上的信号差异系数值(Signal difference coefficient,SDC),强化裂纹方向上的重构图像信息,实现对裂纹损伤的图像重构,并由接收端SDC分布图评估出裂纹的长度。
根据得到的SDC值,可以利用传统概率成像原理,重构出板中裂纹损伤可能存在的区域;根据通过损伤区域内的压电传感器所在的路径计算其SDC值差值,可以判定裂纹方向。可以将裂纹判定方向上的SDC值校正为1,采用传统概率成像原理再次重构裂纹损伤图像。把六个激励/传感通道的SDC值布置为一个正六边形,将所有传感路径对应的概率分布图进行叠加,从而得到检测区域内任意点的损伤分布概率,重构出裂纹的损伤图像。
步骤107,基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像。绘制SDC分布图,基于SDC分布图评估出裂纹的长度。可以采用现有的多种方法绘制SDC分布图,并评估出裂纹的长度。
可以根据Lamb波信号传播自身的特性,通过聚焦的方法使损伤散射信号能量叠加放大,从而提高信号的信噪比;利用时间反转法对波源的自适应聚焦能力,重建信号传播波动图,通过信号聚焦显示损伤位置和区域;根据成像结果,在判定的裂纹方向的监测路径上,按照超过设定阈值的图像像素点数量和间距计算裂纹损伤长度。
在基于Lamb的成像过程中,通过聚焦的方法使损伤散射信号能量叠加放大,从而提高信号的信噪比。在损伤定位过程中,利用时间反转法对波源的自适应聚焦能力,重建信号传播波动图,通过信号聚焦显示损伤位置和区域。在裂纹大小评估过程中,根据裂纹损伤对Lamb波监测信号的反射及散射作用,通过校正损伤区域中裂纹方向上的信号差异系数SDC值,强化裂纹方向上的重构图像信息,实现对裂纹损伤的图像重构,并由接收端SDC分布图评估出裂纹的长度。
在一个实施例中,如图2所示,多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列;每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点。基本检测单元包括呈正六边形排列的六个压电传感器;压电传感器内嵌有微控制器,压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
波形发生器通过导线与功率放大器连接,功率放大器通过导线与蜂窝传感器网络装置组成的监测路径中的激励器连接,该蜂窝传感器网络装置设置在待测结构上。监测路径中的传感器通过导线与电荷放大器连接,电荷放大器通过导线与数据采集处理装置连接。
根据检测区域大小,使用一定数量的内嵌微控制器的压电传感器组成正六边形蜂窝状阵列覆在待测部位表面。作为激励,蜂窝传感器网络的布置数量可以根据待监测结构的实际情况进行确定,理论上六个压电元件就可以组成一个监测单元,结构较大时根据情况可通过紧密布置多个蜂窝传感器网络以扫查的方式进行。
小波变换(wavelet transform,WT)能够提供一个随频率改变的“时间-频率”窗口,是进行信号时频分析和处理的理想工具,采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。在提取待测构件的特征信息过程中,利用小波变换对由压电传感元件激励和接收的Lamb波信号在时频域进行分析,如图3A和3B所示。
以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号;通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。可以对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
在一个实施例中,首先在待测部位上布置蜂窝传感器网络装置,将监测区域分割成若干个基本监测单元,利用蜂窝传感器网络装置的节点激励和接收Lamb波,通过聚焦和时间反转法重建信号传播波动图,利用信号聚焦显示损伤位置和区域。根据Lamb波监测信号的反射及散射作用校正损伤区域中裂纹方向上的信号差异系数值强化裂纹方向上的重构图像信息,并由接收端SDC分布图评估出裂纹的长度。
如图4所示,本发明提供一种基于Lamb波成像的列车部件裂纹损伤检测系统,包括:蜂窝传感器网络装置46和数据采集处理装置40。数据采集处理装置40包括:第一信号激发模块41、基准信息获取模块42、第二信号激发模块43、损伤信息获取模块44和成像分析模块44。
蜂窝传感器网络装置46包括多个压电传感器,每个压电传感器都作为激励信号加载点、响应信号采集点。在待检测列车部件的检测结构上设置蜂窝传感器网络装置46。多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列。每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点。基本检测单元包括呈正六边形排列的六个压电传感器。压电传感器内嵌有微控制器,压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
第一信号激发模块41在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号。基准信息获取模块42获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息。
第二信号激发模块43在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号。损伤信息获取模块44对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息。损伤信息获取模块44将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个响应信号采集点相对应的信号差异系数值SDC值。
成像分析模块45根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域。成像分析模块45基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像。成像分析模块45绘制SDC分布图,基于SDC分布图评估出裂纹的长度。
损伤信息获取模块44采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。损伤信息获取模块44以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号。损伤信息获取模块44通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。
第二信号激发模块43对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
上述实施例提供的基于Lamb波成像的列车部件裂纹损伤检测方法和系统,在待检测列车部件的检测结构上设置蜂窝传感器网络装置,蜂窝传感器网络装置中的压电传感器都作为激励信号加载点和/或响应信号采集点;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,计算与各个响应信号采集点相对应的信号差异系数值SDC值,采用概率成像原理重构裂纹损伤图像,并绘制SDC分布图,基于SDC分布图评估出裂纹的长度,并可以对响应信号进行聚焦和时间反转等处理;能够克服环境噪声、测量误差、时间延迟等因素的影响,对信号的能量计算准确度高,对损伤判断的误判率低,可以减少检测中的“盲区”,使得损伤监测范围更大,并能够提高损伤判别的精准性。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种基于Lamb波成像的列车部件裂纹损伤检测方法,其特征在于,包括:
步骤一:在待检测列车部件的检测结构上设置蜂窝传感器网络装置;其中,所述蜂窝传感器网络装置包括多个压电传感器,每个压电传感器都作为激励信号加载点和/或响应信号采集点;
步骤二:在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波;各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号;
步骤三:获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息;
步骤四:在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波;各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号;
步骤五:对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个所述响应信号采集点相对应的信号差异系数值SDC值;
步骤六,根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域;
步骤七:基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像;绘制SDC分布图,基于SDC分布图评估出裂纹的长度。
2.根据权利要求1所述的方法,其特征在于,
多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列;每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点;
所述基本检测单元包括呈正六边形排列的六个压电传感器;
所述压电传感器内嵌有微控制器,所述压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
3.根据权利要求1所述的方法,其特征在于,
在步骤五中,采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。
4.根据权利要求1所述的方法,其特征在于,
在步骤五中,以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号;
通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。
5.根据权利要求1所述的方法,其特征在于,
对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
6.一种基于Lamb波成像的列车部件裂纹损伤检测系统,其特征在于,包括:
蜂窝传感器网络装置和数据采集处理装置;
所述蜂窝传感器网络装置包括多个压电传感器,每个压电传感器都作为激励信号加载点和/或响应信号采集点;在待检测列车部件的检测结构上设置所述蜂窝传感器网络装置;
所述数据采集处理装置,包括:
第一信号激发模块,用于在激励信号加载点利用探头以第一时间间隔在健康的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号;
基准信息获取模块,用于获取第一Lamb波响应信号并通过Mindlin板理论建立Lamb波在检测结构的各向异性复合材料层板中随传播角度变化的频散关系,获得Lamb波的理论速度分布,作为基准信息;
第二信号激发模块,用于在激励信号加载点利用探头以第二时间间隔在待检测的检测结构上激发激励信号,在检测结构中产生Lamb波,各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号;
损伤信息获取模块,用于对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息;将第二Lamb波响应信号作为损伤信号,将第一Lamb波响应信号作为参考信号,基于损伤信号、参考信号以及基准信息、特征信息计算与各个所述响应信号采集点相对应的信号差异系数值SDC值;
成像分析模块,用于根据获得的SDC值并采用概率成像原理,重构出检测结构中裂纹损伤可能存在的区域;基于SDC值判定裂纹方向,校正裂纹方向上的SDC值,用于强化裂纹方向上的重构图像信息,采用概率成像原理重构裂纹损伤图像;绘制SDC分布图,基于SDC分布图评估出裂纹的长度。
7.根据权利要求6所述的系统,其特征在于,
多个压电传感器排列成包括至少一个正六边形的基本检测单元的蜂窝状阵列;每个压电传感器都为蜂窝状阵列中的一个节点,作为激励信号加载点和/或响应信号采集点;
所述基本检测单元包括呈正六边形排列的六个压电传感器;
所述压电传感器内嵌有微控制器,所述压电传感器作为Lamb波激发信号器和Lamb波信号接收器。
8.根据权利要求6所述的系统,其特征在于,
所述损伤信息获取模块,用于采用小波变换算法对第二Lamb波响应信号在时域和频域上进行分析,提取特征信息,用于测量出Lamb波在待检测的检测结构中的实际传播的时间和速度。
9.根据权利要求6所述的系统,其特征在于,
所述损伤信息获取模块,用于以第一Lamb波响应信号作为基信号,将第二Lamb波响应信号与第一Lamb波响应信号相减,得到损伤散射信号;通过聚焦的方法使损伤散射信号能量叠加放大,用以提高损伤散射信号的信噪比,并对损伤散射信号进行时间反转处理。
10.根据权利要求6所述的系统,其特征在于,
所述第二信号激发模块,用于对包含缺陷信息的第二Lamb波响应信号进行时间反转处理,并将处理后的第二Lamb波响应信号作为新的波源加载到激励信号加载点进行发射,用以在待检测的检测结构上激发激励信号,实现Lamb波在缺陷处的二次聚焦,建立幅值聚焦图,用以对损伤位置和区域进行成像识别。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351382.0A CN110389170B (zh) | 2018-04-17 | 2018-04-17 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
PCT/CN2019/082493 WO2019201178A1 (zh) | 2018-04-17 | 2019-04-12 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
EP19787865.5A EP3783357A4 (en) | 2018-04-17 | 2019-04-12 | METHOD AND SYSTEM FOR DETECTING CRACK DAMAGE TO TRAIN COMPONENTS BASED ON LAMB WAVE IMAGE |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810351382.0A CN110389170B (zh) | 2018-04-17 | 2018-04-17 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110389170A true CN110389170A (zh) | 2019-10-29 |
CN110389170B CN110389170B (zh) | 2023-03-24 |
Family
ID=68240423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810351382.0A Active CN110389170B (zh) | 2018-04-17 | 2018-04-17 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3783357A4 (zh) |
CN (1) | CN110389170B (zh) |
WO (1) | WO2019201178A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110729395A (zh) * | 2019-10-31 | 2020-01-24 | 华东交通大学 | 面向列车转向架主动探伤的柔性传感装置及方法 |
CN112256154A (zh) * | 2020-11-04 | 2021-01-22 | 潍坊聚德电子有限公司 | 基于压电阵列的Lamb波表面声波触摸点定位方法 |
CN112729742A (zh) * | 2020-12-25 | 2021-04-30 | 西安理工大学 | 一种基于概率成像的冲击定位方法 |
CN113237951A (zh) * | 2021-05-11 | 2021-08-10 | 重庆大学 | 一种基于形状上下文动态时间规整的金属板疲劳损伤超声导波检测方法 |
CN113533516A (zh) * | 2021-07-12 | 2021-10-22 | 北京交通大学 | 一种基于Lamb波时间场法在钢轨中的损伤检测方法 |
CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN114441637A (zh) * | 2022-01-27 | 2022-05-06 | 重庆工业职业技术学院 | 一种基于非线性Lamb波零频分量的损伤定位成像方法及系统 |
CN115753998A (zh) * | 2022-12-07 | 2023-03-07 | 大连理工大学 | 用于服役环境下飞行器复合材料结构损伤的监测方法及监测系统 |
CN116773547A (zh) * | 2023-08-17 | 2023-09-19 | 北京大学 | 一种基于多模态的焊缝缺陷检测方法 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241614B (zh) * | 2019-12-30 | 2022-08-23 | 浙江大学 | 基于条件生成对抗网络模型的工程结构荷载反演方法 |
CN111521691B (zh) * | 2020-04-30 | 2022-08-30 | 南京工业大学 | 一种基于时间反转加权分布的复合材料Lamb波损伤成像方法 |
CN111896625B (zh) * | 2020-08-17 | 2023-07-14 | 中南大学 | 钢轨伤损实时监测方法及其监测系统 |
CN112285651B (zh) * | 2020-10-22 | 2023-10-20 | 温州大学 | 基于特征提取矩阵相似度识别复合材料冲击源位置的方法及系统 |
CN112881529B (zh) * | 2021-01-08 | 2022-12-20 | 温州大学 | 基于激光压电技术的复合材料结构损伤监测方法及系统 |
CN113111551A (zh) * | 2021-03-31 | 2021-07-13 | 同济大学 | 一种兰姆波调控设备及其设计方法 |
CN112858481B (zh) * | 2021-03-31 | 2022-05-24 | 山东省科学院激光研究所 | 一种基于时间-频率域评估板材中裂纹深度的方法 |
CN113504314B (zh) * | 2021-05-17 | 2022-10-11 | 南京航空航天大学 | 环境变化场合下的高可靠性超声导波损伤因子计算方法 |
CN113533509B (zh) * | 2021-06-29 | 2022-04-15 | 北京交通大学 | 一种辨识钢轨疲劳微裂纹位置的方法及装置 |
CN113533510B (zh) * | 2021-06-29 | 2023-12-08 | 北京交通大学 | 一种钢轨疲劳微裂纹识别方法及装置 |
CN113588781B (zh) * | 2021-07-01 | 2023-10-10 | 南京邮电大学 | 一种Lamb波工程结构多裂纹损伤监测方法 |
CN113390967B (zh) * | 2021-08-13 | 2023-03-24 | 南京邮电大学 | 一种基于梯形阵列的非线性导波复合材料损伤定位方法 |
CN113945633B (zh) * | 2021-09-30 | 2022-10-28 | 西安交通大学 | 一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法 |
CN113804765A (zh) * | 2021-10-08 | 2021-12-17 | 金陵科技学院 | 一种压力容器封头部位多损伤区域定位方法及系统 |
CN114184680A (zh) * | 2021-12-21 | 2022-03-15 | 中国飞机强度研究所 | 一种基于权重分布修正的导波损伤概率成像方法 |
CN114384152B (zh) * | 2022-01-13 | 2023-09-01 | 山东大学 | 基于搜索点匹配的超声导波损伤定位方法及系统 |
CN114460175B (zh) * | 2022-02-28 | 2024-03-15 | 西北工业大学 | 一种薄壁结构损伤检测方法 |
CN114813943B (zh) * | 2022-04-19 | 2024-04-26 | 北京航空航天大学 | 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法 |
CN115166042B (zh) * | 2022-07-28 | 2024-04-09 | 北京航空航天大学 | 基于改进最小方差成像的复合材料损伤轮廓识别方法 |
CN115452944A (zh) * | 2022-09-05 | 2022-12-09 | 吉林大学 | 基于l形传感器簇的板状材料多损伤定位方法 |
EP4345450A1 (en) * | 2022-09-28 | 2024-04-03 | Baker Hughes Holdings LLC | Determination of the radial extension of crack/defect structures beyond the shell surface of cylinder objects using ultrasonic phased array probes |
CN116343966B (zh) * | 2023-03-27 | 2023-11-17 | 山东大学 | 基于延迟因子的概率乘累加结构损伤成像定位方法及系统 |
CN116297847B (zh) * | 2023-03-27 | 2023-10-20 | 中国石油大学(华东) | 用于接收单一模态兰姆波的板壳结构无损检测设备及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101351278A (zh) * | 2005-11-04 | 2009-01-21 | 帝国创新有限公司 | 超声无损检测 |
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 |
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 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102128881B (zh) * | 2010-12-22 | 2012-06-27 | 南京邮电大学 | 利用信号分解的Lamb波工程结构损伤监测方法 |
US9151733B1 (en) * | 2011-03-07 | 2015-10-06 | North Carolina A&T State University | Acoustic emission sensor array |
CN103134857B (zh) * | 2013-02-21 | 2015-09-02 | 南京邮电大学 | 利用Lamb波反射场的工程结构裂纹损伤监测评估方法 |
CN104279424B (zh) * | 2013-07-02 | 2018-06-12 | 香港理工大学 | 检测及显示管道结构破损情况的方法和系统 |
CN104330471B (zh) * | 2014-10-09 | 2017-01-18 | 南京航空航天大学 | 航空结构损伤的Lamb波时变概率模型监测方法 |
CN104504457B (zh) * | 2014-12-04 | 2018-08-10 | 中国石油大港油田勘探开发研究院 | 产水气井产能预测方法 |
-
2018
- 2018-04-17 CN CN201810351382.0A patent/CN110389170B/zh active Active
-
2019
- 2019-04-12 EP EP19787865.5A patent/EP3783357A4/en not_active Withdrawn
- 2019-04-12 WO PCT/CN2019/082493 patent/WO2019201178A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101351278A (zh) * | 2005-11-04 | 2009-01-21 | 帝国创新有限公司 | 超声无损检测 |
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 |
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 |
Non-Patent Citations (1)
Title |
---|
SMART MATER. STRUCT.: "Active health monitoring of an aircraft wing with embedded piezoelectric sensor/actuator network: I. Defect detection, localization and growth monitoring", 《SMART MATERIALS AND STRUCTURES》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110729395A (zh) * | 2019-10-31 | 2020-01-24 | 华东交通大学 | 面向列车转向架主动探伤的柔性传感装置及方法 |
CN112256154A (zh) * | 2020-11-04 | 2021-01-22 | 潍坊聚德电子有限公司 | 基于压电阵列的Lamb波表面声波触摸点定位方法 |
CN112729742A (zh) * | 2020-12-25 | 2021-04-30 | 西安理工大学 | 一种基于概率成像的冲击定位方法 |
CN112729742B (zh) * | 2020-12-25 | 2023-08-22 | 西安理工大学 | 一种基于概率成像的冲击定位方法 |
CN113237951A (zh) * | 2021-05-11 | 2021-08-10 | 重庆大学 | 一种基于形状上下文动态时间规整的金属板疲劳损伤超声导波检测方法 |
CN113533516A (zh) * | 2021-07-12 | 2021-10-22 | 北京交通大学 | 一种基于Lamb波时间场法在钢轨中的损伤检测方法 |
CN113933392B (zh) * | 2021-10-18 | 2023-05-30 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 一种基于超声导波的特征融合概率重建损伤定位成像方法 |
CN114441637B (zh) * | 2022-01-27 | 2023-05-19 | 重庆工业职业技术学院 | 一种基于非线性Lamb波零频分量的损伤定位成像方法及系统 |
CN114441637A (zh) * | 2022-01-27 | 2022-05-06 | 重庆工业职业技术学院 | 一种基于非线性Lamb波零频分量的损伤定位成像方法及系统 |
CN115753998A (zh) * | 2022-12-07 | 2023-03-07 | 大连理工大学 | 用于服役环境下飞行器复合材料结构损伤的监测方法及监测系统 |
CN116773547A (zh) * | 2023-08-17 | 2023-09-19 | 北京大学 | 一种基于多模态的焊缝缺陷检测方法 |
CN116773547B (zh) * | 2023-08-17 | 2023-11-03 | 北京大学 | 一种基于多模态的焊缝缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3783357A1 (en) | 2021-02-24 |
CN110389170B (zh) | 2023-03-24 |
EP3783357A4 (en) | 2022-01-26 |
WO2019201178A1 (zh) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389170A (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
Arciniegas et al. | Literature review of acoustic and ultrasonic tomography in standing trees | |
Su et al. | Acousto-ultrasonics-based fatigue damage characterization: Linear versus nonlinear signal features | |
CN110390115A (zh) | 列车部件裂纹损伤预测方法和装置 | |
US8042397B2 (en) | Damage volume and depth estimation | |
CN110389169A (zh) | 列车部件裂纹损伤监测方法和系统 | |
Shrestha et al. | Low velocity impact localization on composite wing structure using error outlier based algorithm and FBG sensors | |
Mariani et al. | Noncontact ultrasonic guided wave inspection of rails | |
Nasrollahi et al. | Multimodal structural health monitoring based on active and passive sensing | |
Moustafa et al. | Fractal dimension–based Lamb wave tomography algorithm for damage detection in plate-like structures | |
CN107014668A (zh) | 一种基于压电和智能涂层传感器的疲劳裂纹综合监测方法 | |
CN103852523B (zh) | 基于声发射技术判别预应力混凝土梁结构损伤类型的系统及方法 | |
CN110687208A (zh) | 一种基于双曲线定位的无基准Lamb波损伤监测方法 | |
Espinosa et al. | Accuracy on the time-of-flight estimation for ultrasonic waves applied to non-destructive evaluation of standing trees: a comparative experimental study | |
Chen et al. | Composite damage detection based on redundant second-generation wavelet transform and fractal dimension tomography algorithm of lamb wave | |
Macrelli et al. | Piezoelectric transducers for real-time evaluation of fruit firmness. Part I: Theory and development of acoustic techniques | |
Arciniegas et al. | Tomography in standing trees: revisiting the determination of acoustic wave velocity | |
Fierro et al. | A combined linear and nonlinear ultrasound time-domain approach for impact damage detection in composite structures using a constructive nonlinear array technique | |
Fierro et al. | Nonlinear elastic imaging of barely visible impact damage in composite structures using a constructive nonlinear array sweep technique | |
Yaacoubi et al. | Measurement investigations in tubular structures health monitoring via ultrasonic guided waves: A case of study | |
Li et al. | Stress wave velocity patterns in the longitudinal–radial plane of trees for defect diagnosis | |
Ma et al. | High precision detection method for delamination defects in carbon fiber composite laminates based on ultrasonic technique and signal correlation algorithm | |
Gupta et al. | Identifying the arrival of extensional and flexural wave modes using wavelet decomposition of ultrasonic signals | |
Cammarata et al. | Application of principal component analysis and wavelet transform to fatigue crack detection in waveguides | |
Chen et al. | Sign coherence factor-based search algorithm for defect localization with laser generated Lamb waves |
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 |