CN110412130A - 基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 - Google Patents
基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 Download PDFInfo
- Publication number
- CN110412130A CN110412130A CN201910749839.8A CN201910749839A CN110412130A CN 110412130 A CN110412130 A CN 110412130A CN 201910749839 A CN201910749839 A CN 201910749839A CN 110412130 A CN110412130 A CN 110412130A
- Authority
- CN
- China
- Prior art keywords
- damage
- energy spectrum
- lamb wave
- signal
- composite materials
- 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
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
- G01N29/0672—Imaging by acoustic tomography
-
- 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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- 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
- G01N29/4472—Mathematical theories or simulation
-
- 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
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0231—Composite or layered materials
-
- 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
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本公开提出了基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,在选定的复合材料板均匀布置圆形传感器阵列;圆形传感器阵列中每个传感器依次作为激励器产生Lamb波,其他传感器分别采集有、无损伤下的响应信号;采用希尔波特能量谱计算有、无损伤的信号差异确定损伤因子,并通过概率成像算法实现损伤的定位成像。本公开能够克服传统损伤定位方法基于Lamb波波速无法可靠实现复合材料损伤位置判定、模式识别方法需要大量训练样本的问题。
Description
技术领域
本公开涉及材料损伤信息分析技术领域,特别是涉及基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法。
背景技术
碳纤维增强复合材料(Carbon Fibre Reinforced Plastics,CFRP)以质量轻、强度高、可设计能力强等特点,在航空航天工业中扮演着重要的角色。然而,碳纤维复合材料结构在制造过程或在役应用过程中,容易受到外部冲击和应力集中造成的不可见损伤,甚至造成严重事故。因此,为保证碳纤维复合材料结构的安全,需要一种损伤成像方法。
Lamb波以其传播距离长、成本低、对各种缺陷敏感性好使其成为复合材料检测和评价的研究焦点。为实现复合材料的损伤位置判定,学者研究了几何定位法、飞行时间法等方法。几何定位法和飞行时间法需要借助波速才能开展位置判定,然而,由于复合材料结构本身的各向异性和Lamb波在复合材料中的传播不清楚,利用信号的特征指数很难找到识别规律。为了克服波速引起的损伤定位不准确的问题,研究人员还研究了基于Lamb波和模式识别方法的碳纤维复合材料损伤定位技术。学者Nazarko P应用Lamb波和神经网络算法检测铝板和复合材料的损伤。实验结果表明,该算法在信号简单、信号复杂的情况下具有良好的性能。学者Fekrmandi H使用人工神经网络和Lamb波识别复合板上不同位置的荷载。同时,对损伤进行了实验研究。学者李伟等采用聚类模型对T300碳纤维复合材料在基体开裂、界面分层和纤维断裂模式下的损伤类型进行了识别,准确率达90%。学者Lushizeng等人利用小波和支持向量多分类器对不同损伤模式下的碳纤维布进行了监测,识别精度达到93%。然而,基于模式识别的损伤定位方法需要大量的样本数据,这是制约其快速发展的重要因素。
发明内容
本说明书实施方式的目的是提供基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其通过计算损伤前后信号的差异进行损伤识别,无需波速等参数,同时该算法不需对Lamb波复杂的多模传播特性分析以及对材料或者结构性能的理解和建模。
本说明书实施方式提供基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,通过以下技术方案实现:
包括:
在选定的复合材料板均匀布置圆形传感器阵列;
圆形传感器阵列中每个传感器依次作为激励器产生Lamb波,其他传感器分别采集有、无损伤下的响应信号;
采用希尔波特能量谱计算有、无损伤的信号差异确定损伤因子,并通过概率成像算法实现损伤的定位成像。
进一步的技术方案,所述复合材料板无损时结构的响应信号作为参考信号,再采集含损伤状态的信号;
计算参考信号和损伤信号的希尔伯特能谱值,根据损伤前后的能谱值确定损伤因子。其计算定义如下:
其中,Eu和Ed分别是lamb波响应信号在未损坏与损坏时的最大能量值。
进一步的技术方案,根据每条传感路径对应的DFHE值,实现其临近区域内损伤的概率分布重构。在重构的图像中,每个DFHE值分别被布置在一个椭圆面上,相对应传感路径中的激励端i和接收端j是椭圆的两个焦点。
进一步的技术方案,DFHE值的空间分布函数定义如下:
式中:Rij(x,y)—点(x,y)到激励器(xik,yik)和传感器(xjk,yjk)距离之和与传感路径长度的比值;β—形状因子,控制了椭圆的大小,其值大于1。Rij(x,y)表示为
进一步的技术方案,将所有传感路径对应的概率分布图进行叠加,从而得到具有N条传感路径的检测区域内任意点(x,y)的损伤分布概率:
最终,经过能量谱进行损伤前后信号比较确定损伤因子并通过概率成像算法实现损伤定位成像。
本说明书实施方式提供基于能量谱和Lamb波层析成像技术的复合材料损伤成像系统,通过以下技术方案实现:
包括:
任意函数发生器、线性宽带功率放大器、多通道示波器及计算机;
任意函数发生器经线性宽带功率放大器加载在传感器上发出Lamb波信号,其他传感器采用多通道示波器采集响应信号,顺时针依次激励传感器,其他传感器接收;
多通道示波器先采集无损伤下的响应信号,再采集有损伤下的响应信号,并将采集的信号传输至计算机处理;
所述计算机被配置为:
将损伤前后的信号进行EMD分解,然后得到损伤前后信号的能量谱图,再计算损伤因子,并进行损伤成像。
与现有技术相比,本公开的有益效果是:
本公开能够克服传统损伤定位方法基于Lamb波波速无法可靠实现复合材料损伤位置判定、模式识别方法需要大量训练样本的问题。
本公开Lamb波层析成像技术是一种基于相关性分析的方法,其通过计算损伤前后信号的差异进行损伤识别,无需波速等参数,同时该算法不需对Lamb波复杂的多模传播特性分析以及对材料或者结构性能的理解和建模。本公开的方法由信号比较和图像重构两部分组成。其中,信号比较部分是通过希尔伯特能谱表征损伤前后信号的差异,计算损伤指数。最后实现单损伤和多损伤的定位成像。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本实施例的方法的流程示意图;
图2为本实施例激励器传感器布置示意图;
图3(a)-图3(b)为本实施例数值仿真不同信号传感通道损伤前后的响应信号图;
图4为本实施例数值仿真无损时信号的EMD分解结果图;
图5为本实施例数值仿真损伤时信号的EMD分解结果图;
图6(a)-图6(b)为本实施例数值仿真S1-S7传感通道与S5-S9传感通道损伤前后的能量谱图;
图7为本实施例数值仿真单损伤成像结果图;
图8为本实施例数值仿真多损伤成像结果图;
图9(a)-图9(b)为本实施例实验验证S1-S7传感通道与S5-S9传感通道损伤前后的能量谱图;
图10为本实施例实验验证单损伤成像结果图;
图11为本实施例实验验证多损伤成像结果图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例子一
该实施例公开了基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,在选定的复合材料板中,粘贴12个压电传感器均匀地排列成一个圆形传感器阵列。其中传感器1激励,其余的传感器接收复合材料结构响应信号。然后传感器2激励,其余的传感器接收复合材料结构响应信号。顺时针轮换传感器激励,直至传感器12激励,其余传感器采集信号。先采集复合材料无损时结构的响应信号作为参考信号xij(t),再采集含损伤状态的信号yij(t),此处的信号就是其中一个激励,其余传感器采集的信号。
整个流程参见附图1所示。
首先计算参考信号和损伤信号的希尔伯特能谱值,根据损伤前后的能谱值确定损伤因子。其计算定义如下:
其中,Eu和Ed分别是lamb波响应信号在未损坏与损坏时的最大能量值。根据各传感器路径的对应值,可以重建相邻区域的损伤概率分布。
上述最大能量值根据希尔伯特-能量谱来得到,从图中可以读出。
在该实施例子中,传感路径是其中一个激励,其余接收。每个接收传感器与激励传感器的连线叫做传感器路径。
根据每条传感路径对应的DFHE值,实现其临近区域内损伤的概率分布重构。在重构的图像中,每个DFHE值分别被布置在一个椭圆面上,相对应传感路径中的激励端i和接收端j是椭圆的两个焦点。DFHE值的空间分布函数定义如下:
式中:Rij(x,y)—点(x,y)到激励器(xik,yik)和传感器(xjk,yjk)距离之和与传感路径长度的比值;β—形状因子,控制了椭圆的大小,其值大于1。
Rij(x,y)表示为
为了准确的实现损伤的定位成像需要将所有传感路径对应的概率分布图进行叠加,从而得到具有N条传感路径的检测区域内任意点(x,y)的损伤分布概率:
最终,经过能量谱进行损伤前后信号比较确定损伤因子并通过概率成像算法公式4实现损伤定位成像。
其中希尔伯特-能量谱的计算如下:
希尔伯特-黄变换由EMD分解和希尔伯特变换两部分组成。首先,通过EMD分解将信号分解为若干固有模函数(IMF分量)。然后将希尔伯特变换应用于IMF分量,得到希尔伯特能谱。
每一个复信号都可以看作是多个AM和FM分量的叠加。EMD方法在理论上可以应用于任何类型的分解,因此在处理非平稳和非线性数据方面,它与以前的稳定方法相比具有明显的优势。EMD方法的核心是生成所有订单的IMF分量的筛选过程。原始兰姆波信号最终可以表示为固有模态函数分量与最终残差之和。
因此,可以将任何兰姆信号分解为n个固有模态函数和一个余数之和。分量c1、c2、…、cn e分别包含从高到低的不同频段分量。各频段的频率分量随信号的变化而变化,是信号的中心趋势。
式(5)中每个固有模态函数的希尔伯特变换如下:
构造分析信号:
可以得到瞬时频率。
这样,信号可以表示为:
Re表示真实部分,展开式(9)称为希尔伯特谱,并记下如下:
准确描述了信号幅度随时间和频率在整个频带上的变化。
如果将其视为信号的能量密度,也具有希尔伯特变换后能量密度的物理意义。称为希尔伯特能谱,是信号能量的时频表示。忽略残差,希尔伯特变换后信号的能量应保持不变,并符合以下方程。
因此,可以定义如下:
在上述方程中,称为希尔伯特边缘能谱,它描述了信号能量随频率的分布。
兰姆波响应信号在复合材料结构传播时遇到损伤一部分能量会被散射,因此信号的变化可以用能量来表示。并根据公式(1)可以得到损伤因子。
实施例子二
数值仿真:
(1)首先按照图2所示的示意图布设传感器并进行建立有限元仿真模型;
(2)其中损伤是通过通孔形式实现的,单损伤坐标位置为:(300,375),多损伤是在单损伤的基础之上添加一个损伤,其坐标为(300,245);仿真一般都是采用通孔。在试验中为了节约板材都有质量块模拟损伤。
(3)传感器1激励,其余的传感器接收复合材料结构响应信号。然后传感器2激励,其余的传感器接收复合材料结构响应信号。顺时针轮换传感器激励,直至传感器12激励,其余传感器采集信号。其中激励信号中心频率为50kHz。获取各个传感器损伤前后复合材料结构的响应信号,图3(a)-图3(b)为不同信号传感通道中的损伤前后的信号图,可以看到损伤在传感通道上时因损伤散射掉一部分Lamb波信号,造成传感器接收的信号有明显的变化;
(4)将损伤前后的信号根据公式(5)进行EMD分解,图4和图5分别为未损伤时和损伤时信号的EMD分解图;
(5)然后根据公式(10)得到损伤前后信号的能量谱图,在能量普中读取能量最大值,如图6(a)-图6(b)所示。
(6)根据公式(1)计算损伤因子,并依据公式(4)进行损伤成像,单损伤和多损伤成像结果分别如图7和图8所示。并根据下式计算径向误差,误差分别为3.30mm和5.89mm。
其中(xr,yr)是成像位置坐标;(xp,yp)为实际损伤坐标。
实验验证:
(1)CFRP板尺寸为600mm×600mm×2mm,铺层顺序为[0°/90°]8,在选定的复合材料板中呈圆形均匀布置12个压电传感器构成传感器阵列,其在板中的位置与仿真一致。
(2)实验系统由任意函数发生器(Rigol DG5252)、线性宽带功率放大器(Krohn-Hite 7602M)、多通道示波器(Tektronix MDO4034B-3)及计算机构成。
(3)函数发生器发出由汉宁窗调制的中心频率为50kHz的激励信号,经放大器加载在传感器S1上发出Lamb波信号,其他传感器采用示波器采集响应信号,采样频率为10MHz,并顺时针依次激励传感器,其他传感器接收。其中先采集无损伤下的响应信号,再采集有损伤下的响应信号。损伤是采用质量块改变结构局部应变场来实现的,单损伤是在坐标位置为(315,375)处粘贴一个尺寸为30mm×10mm×40mm的质量块,多损伤是在单损伤的基础之上粘贴一个直径20mm、高度为20mm的圆柱质量块,其坐标为(295,220)。
(4)将损伤前后的信号根据公式(5)进行EMD分解然后根据公式(10)得到损伤前后信号的能量谱图,如图9(a)-图9(b)所示。其中信号的消噪是采用的小波变换方法。
(5)根据公式(1)计算损伤因子,并依据公式(4)进行损伤成像,单损伤和多损伤成像结果分别如图10和图11所示。并根据公式(12)计算径向误差,误差分别为5.00mm和9.22mm。
可以理解的是,在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料的特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,包括:
在选定的复合材料板均匀布置圆形传感器阵列;
圆形传感器阵列中每个传感器依次作为激励器产生Lamb波,其他传感器分别采集有、无损伤下的响应信号;
采用希尔波特能量谱计算有、无损伤的信号差异确定损伤因子,并通过概率成像算法实现损伤的定位成像。
2.如权利要求1所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,所述复合材料板无损时结构的响应信号作为参考信号,再采集含损伤状态的信号;
计算参考信号和损伤信号的希尔伯特能谱值,根据损伤前后的能谱值确定损伤因子,其计算定义如下:
其中,Eu和Ed分别是lamb波响应信号在未损坏与损坏时的最大能量值。
3.如权利要求2所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,根据得到的损伤前后信号的能量谱图,在能量谱中读取能量最大值。
4.如权利要求1所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,传感路径是其中一个传感器作为激励,其余传感器接收,每个接收传感器与激励传感器的连线叫做传感器路径。
5.如权利要求4所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,根据每条传感路径对应的DFHE值,实现其临近区域内损伤的概率分布重构,在重构的图像中,每个DFHE值分别被布置在一个椭圆面上,相对应传感路径中的激励端i和接收端j是椭圆的两个焦点。
6.如权利要求5所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,DFHE值的空间分布函数定义如下:
式中:Rij(x,y)—点(x,y)到激励器(xik,yik)和传感器(xjk,yjk)距离之和与传感路径长度的比值;β—形状因子,控制了椭圆的大小,其值大于1。Rij(x,y)表示为
7.如权利要求6所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法,其特征是,将所有传感路径对应的概率分布图进行叠加,从而得到具有N条传感路径的检测区域内任意点(x,y)的损伤分布概率:
最终,经过能量谱进行损伤前后信号比较确定损伤因子并通过概率成像算法实现损伤定位成像。
8.基于能量谱和Lamb波层析成像技术的复合材料损伤成像系统,其特征是,包括:
任意函数发生器、线性宽带功率放大器、多通道示波器及计算机;
任意函数发生器经线性宽带功率放大器加载在传感器上发出Lamb波信号,其他传感器采用多通道示波器采集响应信号,顺时针依次激励传感器,其他传感器接收;
多通道示波器先采集无损伤下的响应信号,再采集有损伤下的响应信号,并将采集的信号传输至计算机处理;
所述计算机被配置为:
将损伤前后的信号进行EMD分解,然后得到损伤前后信号的能量谱图,再计算损伤因子,并进行损伤成像。
9.如权利要求8所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像系统,其特征是,复合材料板的损伤是通过通孔形式实现,,单损伤为在复合材料板上开设一个通孔,多损伤是在单损伤的基础之上添加一个损伤。
10.如权利要求8所述的基于能量谱和Lamb波层析成像技术的复合材料损伤成像系统,其特征是,依据公式进行损伤成像,N条传感路径的检测区域内任意点(x,y)的损伤分布概率:
DFHE为损伤因子,Sij(x,y)为DFHE值的空间分布函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910749839.8A CN110412130A (zh) | 2019-08-14 | 2019-08-14 | 基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910749839.8A CN110412130A (zh) | 2019-08-14 | 2019-08-14 | 基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110412130A true CN110412130A (zh) | 2019-11-05 |
Family
ID=68367450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910749839.8A Pending CN110412130A (zh) | 2019-08-14 | 2019-08-14 | 基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110412130A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907540A (zh) * | 2019-12-04 | 2020-03-24 | 哈尔滨工业大学 | 一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法 |
CN110967400A (zh) * | 2019-12-25 | 2020-04-07 | 电子科技大学 | 大型储罐底板缺陷的兰姆波层析成像方法 |
CN111307944A (zh) * | 2020-03-15 | 2020-06-19 | 中国飞机强度研究所 | 一种复合材料结构损伤定量监测方法及系统 |
CN111812210A (zh) * | 2020-07-08 | 2020-10-23 | 丁刚 | 一种三维编织复合材料损伤源定位方法及装置 |
CN111912884A (zh) * | 2020-08-13 | 2020-11-10 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别系统 |
CN112114046A (zh) * | 2020-09-22 | 2020-12-22 | 张凤鸣 | 一种基于时间反转的铝板损伤混合成像定位方法 |
CN112179990A (zh) * | 2020-09-15 | 2021-01-05 | 昆明理工大学 | 一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法 |
CN112946071A (zh) * | 2021-01-26 | 2021-06-11 | 中车青岛四方机车车辆股份有限公司 | 一种结构损伤成像方法、装置、设备及存储介质 |
CN113008992A (zh) * | 2021-03-26 | 2021-06-22 | 天津大学 | 一种适用于检测材料早期疲劳损伤的新成像检测方法 |
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 |
CN113376250A (zh) * | 2021-06-11 | 2021-09-10 | 山东建筑大学 | 基于功率谱密度和lamb波层析成像的复合材料损伤识别方法 |
CN113433214A (zh) * | 2021-06-21 | 2021-09-24 | 南京工业大学 | 一种复合板Lamb波时间反转多路径成像损伤定位方法 |
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 |
CN113740425A (zh) * | 2021-07-12 | 2021-12-03 | 北京航空航天大学 | 一种复合材料层合结构各向异性损伤辨识方法 |
CN113884567A (zh) * | 2021-06-29 | 2022-01-04 | 北京交通大学 | 基于超声Lamb波的钢轨焊缝损伤检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070265806A1 (en) * | 2003-09-22 | 2007-11-15 | Advanced Monitoring Systems, Inc. | Systems and methods of generating diagnostic images for structural health monitoring |
US20100319455A1 (en) * | 2007-05-16 | 2010-12-23 | Jeong-Beom Ihn | Damage volume and depth estimation |
CN105225223A (zh) * | 2015-08-27 | 2016-01-06 | 南京市计量监督检测院 | 基于小波分析和bp神经网络的复合材料损伤检测方法 |
CN109085244A (zh) * | 2018-07-10 | 2018-12-25 | 南京邮电大学 | 一种基于压电阵列的非线性Lamb波结构疲劳损伤层析成像方法 |
-
2019
- 2019-08-14 CN CN201910749839.8A patent/CN110412130A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070265806A1 (en) * | 2003-09-22 | 2007-11-15 | Advanced Monitoring Systems, Inc. | Systems and methods of generating diagnostic images for structural health monitoring |
US20100319455A1 (en) * | 2007-05-16 | 2010-12-23 | Jeong-Beom Ihn | Damage volume and depth estimation |
CN105225223A (zh) * | 2015-08-27 | 2016-01-06 | 南京市计量监督检测院 | 基于小波分析和bp神经网络的复合材料损伤检测方法 |
CN109085244A (zh) * | 2018-07-10 | 2018-12-25 | 南京邮电大学 | 一种基于压电阵列的非线性Lamb波结构疲劳损伤层析成像方法 |
Non-Patent Citations (4)
Title |
---|
孙亚杰: "基于Lamb波与HHT分析的复合材料结构的主动监测技术研究", 《万方学位论文数据库》 * |
张海燕: "HHT在Lamb波检测信号分析中的应用", 《振动、测试与诊断》 * |
樊尚春: "《信号与测试技术》", 30 April 2011 * |
苏晨辉: "强噪声下复合材料结构Lamb 波层析损伤成像方", 《复合材料学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907540B (zh) * | 2019-12-04 | 2020-09-11 | 哈尔滨工业大学 | 一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法 |
CN110907540A (zh) * | 2019-12-04 | 2020-03-24 | 哈尔滨工业大学 | 一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法 |
CN110967400A (zh) * | 2019-12-25 | 2020-04-07 | 电子科技大学 | 大型储罐底板缺陷的兰姆波层析成像方法 |
CN111307944A (zh) * | 2020-03-15 | 2020-06-19 | 中国飞机强度研究所 | 一种复合材料结构损伤定量监测方法及系统 |
CN111812210A (zh) * | 2020-07-08 | 2020-10-23 | 丁刚 | 一种三维编织复合材料损伤源定位方法及装置 |
CN111912884B (zh) * | 2020-08-13 | 2023-09-08 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别系统 |
CN111912884A (zh) * | 2020-08-13 | 2020-11-10 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别系统 |
CN112179990A (zh) * | 2020-09-15 | 2021-01-05 | 昆明理工大学 | 一种基于ToF损伤因子的碳纤维复合材料疲劳损伤概率成像方法 |
CN112114046A (zh) * | 2020-09-22 | 2020-12-22 | 张凤鸣 | 一种基于时间反转的铝板损伤混合成像定位方法 |
CN112946071A (zh) * | 2021-01-26 | 2021-06-11 | 中车青岛四方机车车辆股份有限公司 | 一种结构损伤成像方法、装置、设备及存储介质 |
CN113008992A (zh) * | 2021-03-26 | 2021-06-22 | 天津大学 | 一种适用于检测材料早期疲劳损伤的新成像检测方法 |
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 |
CN113376250A (zh) * | 2021-06-11 | 2021-09-10 | 山东建筑大学 | 基于功率谱密度和lamb波层析成像的复合材料损伤识别方法 |
CN113433214A (zh) * | 2021-06-21 | 2021-09-24 | 南京工业大学 | 一种复合板Lamb波时间反转多路径成像损伤定位方法 |
CN113884567A (zh) * | 2021-06-29 | 2022-01-04 | 北京交通大学 | 基于超声Lamb波的钢轨焊缝损伤检测方法和装置 |
CN113884567B (zh) * | 2021-06-29 | 2023-12-08 | 北京交通大学 | 基于超声Lamb波的钢轨焊缝损伤检测方法和装置 |
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 |
CN113740425A (zh) * | 2021-07-12 | 2021-12-03 | 北京航空航天大学 | 一种复合材料层合结构各向异性损伤辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110412130A (zh) | 基于能量谱和Lamb波层析成像技术的复合材料损伤成像方法 | |
Su et al. | Improved damage localization and quantification of CFRP using Lamb waves and convolution neural network | |
Wang et al. | Analytical insight into “breathing” crack-induced acoustic nonlinearity with an application to quantitative evaluation of contact cracks | |
Selva et al. | Smart monitoring of aeronautical composites plates based on electromechanical impedance measurements and artificial neural networks | |
Rauter et al. | Impact damage detection in composite structures considering nonlinear lamb wave propagation | |
Zhu et al. | Electromechanical impedance-based damage localization with novel signatures extraction methodology and modified probability-weighted algorithm | |
Al-Jumaili et al. | Parameter Correction Technique (PCT): A novel method for acoustic emission characterisation in large-scale composites | |
Kannusamy et al. | Accurate baseline-free damage localization in plates using refined Lamb wave time-reversal method | |
Su et al. | Damage assessments of composite under the environment with strong noise based on synchrosqueezing wavelet transform and stack autoencoder algorithm | |
Yuan et al. | Timber moisture detection using wavelet packet decomposition and convolutional neural network | |
Margerit et al. | The high-resolution wavevector analysis for the characterization of the dynamic response of composite plates | |
Yang et al. | Wavelet transform-based feature extraction for ultrasonic flaw signal classification | |
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 | |
Gupta et al. | Identifying the arrival of extensional and flexural wave modes using wavelet decomposition of ultrasonic signals | |
Rabbi et al. | Imaging of sub-surface defect in CFRP laminate using A0-mode Lamb wave: Analytical, numerical and experimental studies | |
CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
Wang et al. | A cross-scanning crack damage quantitative monitoring and imaging method | |
Feng et al. | Locating low velocity impacts on a composite plate using multi-frequency image fusion and artificial neural network | |
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 | |
Yuan et al. | Quantitative damage evaluation of curved plates based on phased array guided wave and deep learning algorithm | |
Qin et al. | Acoustic emission source location method for glass fibre reinforced plastics based on virtual loading focusing enhancement technology | |
Zhao et al. | Localization of surface dent deformation and inter-laminated damage in CFRP laminates under low-velocity impact behavior based on multi-channel one-dimensional convolutional gated recurrent unit | |
Seno et al. | A comparative study of impact localisation in composite structures using neural networks under environmental and operational variations | |
Zhang et al. | Adaptive sparse reconstruction of damage localization via Lamb waves for structure health monitoring | |
Anderson et al. | An artificial neural network based damage detection scheme for electrically conductive composite structures |
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: 20191105 |