CN111208206B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111208206B
CN111208206B CN202010103803.5A CN202010103803A CN111208206B CN 111208206 B CN111208206 B CN 111208206B CN 202010103803 A CN202010103803 A CN 202010103803A CN 111208206 B CN111208206 B CN 111208206B
Authority
CN
China
Prior art keywords
damage
signal
signals
temperature
composite material
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
Application number
CN202010103803.5A
Other languages
English (en)
Other versions
CN111208206A (zh
Inventor
张昶
陈榕
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.)
Beijing Bogen Technology Co ltd
Original Assignee
Beijing Bogen Technology Co ltd
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 Beijing Bogen Technology Co ltd filed Critical Beijing Bogen Technology Co ltd
Priority to CN202010103803.5A priority Critical patent/CN111208206B/zh
Publication of CN111208206A publication Critical patent/CN111208206A/zh
Application granted granted Critical
Publication of CN111208206B publication Critical patent/CN111208206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了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，通过计算基准信号集中基准信号间的差异性指数，构建结构健康监测网络的基准系数集；根据实时采集信号的温度信息进行基准筛选并进行损伤指数的计算，结合基准系数求取各个传播路径下的损伤比例系数，将其导入至检测网络中进行实际损伤路径筛选，最后结合损伤定位成像算法输出损伤所在位置。本发明所提出的复合材料超声监测方法能有效去除复合材料各向异性对超声传播的影响，并且能有效消除环境因素对超声信号的干扰，能够快速实现损伤的精准定位。

Description

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
技术领域
本发明属于无损检测和结构健康监测技术领域，尤其是应用于复合材料的超声结构健康监测方法。
背景技术
随着工业对轻量化要求不断地提高，复合材料被越来越多的应用于航空航天和高速列车等领域，昂贵的制造成本对复合材料的无损检测技术提出了严峻的挑战。经过不断的研究、开发和完善，超声检测技术因为其传播速度快、覆盖范围广、灵敏度高等优点，目前被广泛应用于复合材料结构的监测中，是最主要的复合材料检测技术之一。在实际应用中，超声波在复合材料中传播时受其自身各向异性的干扰，不同传播角度和传播距离的信号存在较大的差异性，并且这一差异性在环境温度变化的情况下将被进一步放大，严重影响着各个传播路径间损伤指数之间的平衡关系，易造成损伤误判和定位失准的现象。因此，开发适用于变化环境和大范围监测的复合材料超声监测算法显得尤为重要，能有助于预防安全事故的发生，避免不必要的经济损失。
目前，应用于复合材料超声无损检测的方法主要有：超声C扫描检测，空气耦合超声检测，激光超声检测和超声导波检测等技术。超声C扫描技术显示直观，操作便捷，其缺点在于检测过程费时费力，检测效率低；空气耦合超声检测和激光超声检测技术通过非接触式的检测方式能快速有效的检测出结构的表面及其内部损伤，但是由于检测设备的特殊性和检测环境的特殊要求，无法实现对结构的实时在线监测。超声导波检测技术通过在被监测结构上固定压电超声传感器实现超声导波的激励与接收，结合结构特征设计相应的传感器网络，能快速地实现结构全覆盖，对结构进行实时健康监测。
目前，绝大多数的复合材料超声导波结构监测方法依赖于相控阵技术和多传感器高密度的覆盖，通过紧密的传感器网络缩短超声信号在板状结构中的传播距离，尽可能的避免由于复合材料各向异性对超声信号带来的影响。但在实际工程应用中，高密度布置的传感器网络耗费巨大，并且单次扫描产生的数据量过大对设备存储和CPU的运算性能要求高。本文采用稀疏阵列的布置方式对复合材料板状结构进行网络式覆盖，通过对批量基准信号进行损伤指数差异性求解，建立基准系数，求解各个传播路径下的损伤系数结合损伤路径筛选算法能有效进行损伤成像路径的筛选，最终结合概率成像算法，能快速准确地定位损伤所在位置，极大的降低了硬件设备成本和加快了结果输出速度。
发明内容
为了解决现有技术中的不足，本发明提出了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，能够在传感器间距扩大的情况下，有效保证复合材料超声在线监测的精度，同时具备良好的环境适应性，扩展了基准信号采集的温度间隔，降低了硬件设备要求，信号处理过程简单，能够快速输出结构检测结果。
本发明所采用的技术方案如下：
步骤1，计算稳态下基准信号间的损伤指数，构造基准系数集；
步骤2，根据温度传感器采集到的结构温度信息，以固定的温度间隔进行触发式基准信号的采集，建立基准信号库；
步骤3，实时采集信号，根据该信号的温度信息从基准信号库中筛选出临近的基准信号，并进行损伤指数的计算，结合基准系数集求解各个传播路径下的损伤比例系数，根据所求损伤比例系数总和判断结构健康状况；
步骤4，若有损伤存在，将各个传播路径的损伤比例系数输入至传感器网络中，筛选出损伤覆盖区域的传播路径，结合概率成像算法进行损伤定位。
进一步，构造所述基准系数集的过程为：
步骤1.1，当被测结构处于健康状态时，在环境温度稳定(|ΔT|≤3℃)的情况下，以固定的时间间隔(Δt≥2min)连续采集基准信号构建测试数据集；
步骤1.2，对步骤1.1中采集到的相同环境状态下的基准信号进行损伤指数DI计算；
Figure GDA0003863489980000021
Figure GDA0003863489980000022
其中，
Figure GDA0003863489980000023
是第n个时域基准信号，
Figure GDA0003863489980000024
是第n+i个时域基准信号；uresidual(t)表示两个时域信号的差值信号，envresidual(t)为uresidual(t)的包络谱信号，t为时间；
步骤1.3，对测试集中的基准信号进行交叉组合进行损伤指数计算，并将损伤指数按照传播路径排列的方式进行统计，再进行异常值的剔除，建立基准系数集DIbase，具体步骤如下；
Figure GDA0003863489980000031
Figure GDA0003863489980000032
其中，μ为固定传播路径下所有损伤指数的平均值，Δd为设定阈值，DIi为第i个损伤指数，i＝1、2、......、n，DIselected为指定传播路径下经筛选所得损伤指数集；
Figure GDA0003863489980000033
其中，
Figure GDA0003863489980000034
表示第i个激励传感器和第j个接收传感器间传播路径的基准系数，
Figure GDA0003863489980000035
表示第n个传播路径ij下的损伤指数，N为传播路径ij下的非零损伤指数的个数。
进一步，建立所述基准信号库的方法为：
根据温度传感器采集到的结构温度信息，以固定的温度间隔dT进行触发式基准信号的采集，建立基准信号库。
进一步，所述步骤3的过程为：
步骤3.1，根据采集信号的温度，从基准信号库中筛选出最优基准信号ubase(t,T)；
步骤3.2，利用窗函数截取信号的直达波波包，并进行损伤指数的计算；
uresidual(t)＝ucurrent(t,T0)-ubase(t,T),t2-t1＝t4-t3＝Δt
Figure GDA0003863489980000036
其中，uresidual(t)为差值信号，ucurrent(t,T0)为实时采集信号，Δt为首波包络的长度；DIcurrent为实时计算所得损伤指数；envbase(t，T)为ubase(t,T)的包络谱信号，envresidual(t)为uresidual(t)的包络谱信号，ubase(t,T)为最优基准信号；
步骤3.3，结合基准系数进行损伤比例系数k的计算；
Figure GDA0003863489980000037
其中，i表示激励传感器的标号，j表示接收传感器的编号，
Figure GDA0003863489980000038
为当前路径下采集信号计算所得损伤指数，
Figure GDA0003863489980000041
为对应路径下的基准系数，b为偏置参数；
步骤3.4，设定损伤判断阈值Threshold，根据全路径损伤比例系数总和的大小进行损伤判断，若THR＝0，此时结构健康并停止后续计算；若THR＝1，此时结构存在损伤需要进行进一步的计算。
Figure GDA0003863489980000042
进一步，所述步骤4的过程为：
步骤4.1，将损伤比例系数kij导入传感器网络中，以各激励传感器为圆心将各路径的损伤比例系数k按照传播角度进行顺时针或逆时针的顺序进行排列，以固定间隔对连续路径下的损伤比例系数k进行求和，读取最大值所对应的连续传播路径，完成损伤成像路径的筛选；
步骤4.2，结合概率成像算法，实现对监测区域中各像素点的损伤概率求解；
步骤4.2.1，计算传感器网络中任意像素点(x,y)处距离各传播路径的相对距离R(x,y)：
Figure GDA0003863489980000043
其中，Rij(x,y)表示像素点(x,y)距离激励--传感直达路径ij的相对距离，di(x,y)表示(x,y)距离第i个激励传感器的距离，dj(x,y)表示(x,y)距离第j个接收传感器的距离，dij表示第i个激励传感器与第j个接收传感器间的距离。
步骤4.2.2，进行各激励—接收传播路径的权重分布函数Wij[Rij(x,y)]的计算，计算方式如下：
Figure GDA0003863489980000044
其中，Wij[Rij(x,y)]表示第i个激励传感器和第j个接收传感器之间传播路径的权重分布函数，kij为激励--传感直达路径ij对应的损伤比例系数；kmax为所有激励—传感路径对应的损伤比例系数k中的最大值，β为控制椭圆分布影响区域的参数。
步骤4.2.3，计算传感器网络中任意像素点(x,y)的损伤概率P(x,y)：
Figure GDA0003863489980000051
其中，M、N分别为结构的长度和宽度；
步骤4.3，对求得的热点区域图像进行损伤热点区域缩放，缩小损伤成像面积，进行损伤精准定位，具体步骤如下：
Figure GDA0003863489980000052
Figure GDA0003863489980000053
其中，U(x,y)表示像素点(x,y)处的各铺层的权重分布函数累加和，PDI(x,y)为经损伤热点区域缩放后的实际损伤定位热点图，α为控制损伤热点区域缩放和补偿的参数；经缩放补偿后损伤热点区域更加集中，热点区域面积更小，定位精度更高，更加有利于实际损伤的发现。将计算得到的PDI中各个像素点的损伤概率值输入至传感器网络矩阵中，得到损伤所在区域热点图，完成损伤定位；peak(P)为P(x,y)中所有像素点的损伤概率最大值；peak(U)为U(x,y)中的最大值。
本发明的有益效果：
1、首先，本发明的复合材料超声监测方法通过计算稳态环境下基准信号间的差异性建立基准系数，结合各传播路径下的损伤指数能有效削弱由复合材料各向异性造成的信号间的差异，并且抗环境干扰能力强，适用于工作于变化环境下的结构设备。
2、其次，本方法采用稀疏阵列的排列方式能大幅度的减少超声传感器的数量和实时采集信号的数据量，降低了在线监测对CPU和存储设备的要求；并且，在运算过程中通过对不同环节分别设置逻辑判断功能，有效地加快了在线运算结果的输出，减少了CPU的在线运算量。
3、本发明优化了概率成像算法，提高了损伤定位精度，缩小了监测盲区。
附图说明
图1为一种变化温度环境下的复合材料超声导波结构健康监测方法流程图；
图2为传感器监测网络示意图；
图3为基准系数集示意图；
图4为相对距离d示意图；
图5损伤因子与激励—接收传感器间相对距离的关系图；
图6为权重分布函数等高线示意图；
图7为真实损伤与损伤定位图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
本发明为了采集结构的超声信号而构建了基于压电陶瓷传感器的超声信号采集系统，该超声信号采集系统具体包括：超声采集分析仪、超声传感器和温度传感器，在超声分析仪中输入激励频率和功放倍数，通过超声传感器进行信号的激励和接收，并通过温度传感器所采集到的温度信息对接收信号u(t)进行标记，进而获得带有温度标记的超声信号。在本实例中，使用Broadsens公司生产的D110C型号超声分析仪，传感器使用Broadsens公司生产的BHU500，BHU580型号的超声传感器和TMP210型号的温度传感器(其它型号的数据采集设备、压电陶瓷传感器和温度传感器同样适用)。信号的采样频率为20MHz，采样点数为8192个(信号的采样频率可以根据Nyquist定律设置为其它值，采样点数也可以根据有用信号的长度进行调整)。
在超声信号采集系统工作前，如图2所示，首先在复合材料结构表面确定传感器网络的布置方式，传感器网络的布置方式影响着监测范围的大小以及监测精度的高低。本文采用稀疏阵列的布置方式对传感器进行安装，具体的安装方式如图2所示。图2中Actuator为产生信号激励的超声传感器，Rx为接收用的超声传感器，在结构中心处和各边缘处布置一枚超声激励传感器，剩余传感器均为接收传感器，使用该布置方式能有效细化传感器网络网格，并且能有效减小传感器网络对边缘结构的监测盲区的面积。
在本发明方法开始监测前，通过上述超声信号采集系统先在结构健康状态下，对结构进行扫频处理，测试频率范围为50kHz～500kHz，测试间隔为10kHz，当激励频率在120～170kHz之间时，各个传播路径下的信号表现良好，信号具有高信噪比，并且稳定性好。因此，本文选取150kHz作为实验的中心激励频率。
如图1，本发明所提出的一种变化温度环境下的复合材料超声导波结构健康监测方法，具体过程如下：
步骤1，在环境稳定的状况下对结构进行连续基准信号的采集，计算相同环境状态下各个基准信号间的损伤指数，构造基准系数集，具体过程如下：
步骤1.1，在被测结构处于健康状态时，即在环境温度稳定(|ΔT|≤3℃)的情况下，以固定的时间间隔(Δt≥2min)连续采集基准信号构建测试数据集；
步骤1.2，在复合材料板状结构的检测过程中，由于环境因素的干扰和电子元器件间的电气干扰，采集到的超声信号中可能会出现多个频率叠加的现象，导致接收到的信号无法直接用于分析；因此，在进行信号损伤指数计算前需要对信号进行滤波处理，去除外界干扰因素后再进行损伤指数的计算；
步骤1.2.1，通过FFT将时域信号变换至频域，得到信号的频谱；
Figure GDA0003863489980000071
其中，X(k)为信号频谱，N为信号周期，x(n)为周期序列；
步骤1.2.2，根据信号的激励频率拾取频谱的中心频率，利用Hanning窗对频谱进行截断；
Figure GDA0003863489980000072
其中，w[n]为Hanning窗函数；
步骤1.2.3，对截断后的频谱进行iFFT变换，取变换后的信号的实部，得到滤波后的时域信号。
步骤1.2.4，对滤波后的信号进行损伤指数的计算：
Figure GDA0003863489980000073
Figure GDA0003863489980000074
其中，
Figure GDA0003863489980000075
是第n个时域基准信号，
Figure GDA0003863489980000076
是第n+i个时域基准信号；uresidual(t)表示两个时域信号的差值信号，envresidual(t)为uresidual(t)的包络谱信号，t为时间。
步骤1.3，对测试集中的基准信号进行交叉组合进行损伤指数计算，并将损伤指数按照传播路径排列的方式进行统计，再进行异常值的剔除，建立基准系数集DIbase，结果如图3所示，具体步骤如下：
步骤1.3.1，对各传播路径下的损伤指数集进行静态分量求解，根据静态分量值剔除损伤指数集中的异常值：
Figure GDA0003863489980000081
Figure GDA0003863489980000082
其中，μ为固定传播路径下所有损伤指数的平均值，Δd为设定阈值，DIi为第i个损伤指数，i＝1、2、......、n，DIselected为指定传播路径下经筛选所得损伤指数集。
步骤1.3.2，根据筛选所得损伤指数集进行基准参数集DIbase的计算：
Figure GDA0003863489980000083
其中，
Figure GDA0003863489980000084
表示第i个激励传感器和第j个接收传感器间传播路径的基准系数，
Figure GDA0003863489980000085
表示第n个传播路径ij下的损伤指数，N为传播路径ij下的非零损伤指数的个数。
步骤2，在结构健康的情况下，根据粘贴在结构表面的温度传感器测量到的温度信息对信号进行标记，采用触发的方式进行基准信号库的更新，当采集信号与基准数据中任意信号间的温度差ΔT≥dT额定间隔，并且经过步骤3判断结构健康的情况下，将采集到的信号存储至基准数据库中。
步骤3，将实时采集信号输入至基准信号库中，根据采集信号的温度信息进行最优基准的筛选，并进行损伤指数的计算，结合基准系数集求解各个传播路径下的损伤比例系数，最后根据所求损伤比例系数总和判断结构健康状况，具体的操作如下：
步骤3.1，根据采集信号的温度，从基准信号库中筛选出最优基准信号ubase(t,T)；
步骤3.2，利用窗函数截取分别截取实时采集信号和最优基准信号的直达波波包，并进行损伤指数的计算；
步骤3.2.1，拾取实时信号和最优基准信号的直达波波包进行作差，得到损伤差值信号uresidual(t)，用于步骤3.2.2的损伤指数的计算；
uresidual(t)＝ucurrent(t,T0)-ubase(t,T),t2-t1＝t4-t3＝Δt
其中，uresidual(t)为损伤差值信号，ucurrent(t,T0)为实时采集信号，t1,t2分别对应于基准信号首波的起始时间与结束时间，t3,t4分别对应于实时采集信号首波的起始时间与结束时间，Δt为首波包络的长度；DIcurrent为实时计算所得损伤指数；
步骤3.2.2，利用Hilbert变换计算时域信号的包络谱，用于基于能量的损伤因子的计算，包络谱的求解方式如下：
首先，通过Hilbert变换引入解析函数Z(t)：
Figure GDA0003863489980000091
解析信号的实部为重构后的实值信号u(t)，虚部为
Figure GDA0003863489980000092
为u(t)经Hilbert变换后所得，
Figure GDA0003863489980000093
A(t)为信号u(t)的包络，具体计算公式如下：
Figure GDA0003863489980000094
根据上述方法依次求得最优基准ubase(t，T)和差值信号uresidual(t)的包络谱信号envbase(t，T)和envresidual(t)。
步骤3.2.3，根据信号间能量上的差异进行信号间差异性的判断，基于信号能量的损伤指数DI计算方式如下所示：
Figure GDA0003863489980000095
步骤3.3，将步骤3.2计算所得实时损伤指数结合基准系数，进行损伤比例系数k的计算，具体步骤如下所示：
Figure GDA0003863489980000096
其中，i表示激励传感器的标号，j表示接收传感器的编号，
Figure GDA0003863489980000097
为当前路径下采集信号计算所得损伤指数，
Figure GDA0003863489980000098
为对应路径下的基准系数，b为偏置参数。当损伤出现时，损伤距离激励—接收触感通道间的绝对距离与损伤比例系数k的大小呈逆相关关系，如图4所示。
步骤3.4，设定损伤判断阈值Threshold，根据全路径损伤比例系数总和的大小进行损伤判断，若THR＝0，此时结构健康并停止后续计算；若THR＝1，此时结构存在损伤需要进行进一步的计算。
Figure GDA0003863489980000101
步骤4，若有损伤存在，将各个传播路径的损伤比例系数输入至传感器网络中，筛选出损伤覆盖区域的传播路径，结合概率成像算法进行损伤定位，具体步骤如下所示：
步骤4.1，将损伤比例系数kij导入传感器网络中，以各激励传感器为圆心将各路径的损伤比例系数k按照传播角度进行顺时针(或逆时针)的顺序进行排列，以固定间隔对连续路径下的损伤比例系数k进行求和，读取最大值所对应的连续传播路径，完成损伤成像路径的筛选；
步骤4.2，结合概率成像算法，实现对监测区域中各像素点的损伤概率求解。
步骤4.2.1，计算传感器网络中任意像素点(x,y)处距离各传播路径的相对距离R(x,y)，示意图如图5所示：
Figure GDA0003863489980000102
其中，Rij(x,y)表示像素点(x,y)距离激励--传感直达路径ij的相对距离，di(x,y)表示(x,y)距离第i个激励传感器的距离，dj(x,y)表示(x,y)距离第j个接收传感器的距离，dij表示第i个激励传感器与第j个接收传感器间的距离。
步骤4.2.2，进行各激励—接收传播路径的权重分布函数Wij[Rij(x,y)]的计算，计算方式如下：
Figure GDA0003863489980000103
其中，Wij[Rij(x,y)]表示第i个激励传感器和第j个接收传感器之间传播路径的权重分布函数，kij条激励--传感直达路径ij对应的损伤比例系数；kmax为所有激励—传感路径对应的损伤比例系数k中的最大值，β为控制椭圆分布影响区域的参数，权重参数的影响示意图如图6所示。
步骤4.2.3，计算传感器网络中任意像素点(x,y)的损伤概率P(x,y)：
Figure GDA0003863489980000111
其中，M、N分别为结构的长度和宽度；将计算得到的各个像素点的损伤概率值输入至传感器网络矩阵中，得到损伤所在区域热点图。
步骤4.3，对求得的热点区域图像进行损伤热点区域缩放，缩小损伤成像面积，进行损伤精准定位，具体步骤如下：
对结构中各像素点的权重分布函数进行求和处理：
Figure GDA0003863489980000112
其中，U(x,y)表示像素点(x,y)处的各铺层的权重分布函数累加和。
再对结构热点图进行缩放与补偿，缩小损伤热点区域面积，进行精准定位成像。
Figure GDA0003863489980000113
其中，PDI为经损伤热点区域缩放后的实际损伤定位热点图，peak(P)为P(x,y)中所有像素点的损伤概率最大值；peak(U)为U(x,y)中的最大值，α为控制损伤热点区域缩放和补偿的参数。经缩放补偿后损伤热点区域更加集中，热点区域面积更小，定位精度更高，更加有利于实际损伤的发现。将计算得到的PDI中各个像素点的损伤概率值输入至传感器网络矩阵中，得到损伤所在区域热点图，完成损伤定位，实际损伤定位效果如图7所示。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (4)

1.一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，其特征在于，包括以下步骤：
步骤1，计算基准信号间的损伤指数，构造基准系数集；所述基准系数集的构造方法为：
步骤1.1，当被测结构处于健康状态时，在环境温度稳定即|ΔT|≤3℃的情况下，以固定的时间间隔即Δt≥2min连续采集基准信号构建测试数据集；
步骤1.2，在复合材料板状结构的检测过程中，由于环境因素的干扰和电子元器件间的电气干扰，采集到的超声信号中可能会出现多个频率叠加的现象，导致接收到的信号无法直接用于分析；因此，在进行信号损伤指数计算前需要对信号进行滤波处理，去除外界干扰因素后再进行损伤指数的计算；
步骤1.2.1，通过FFT将时域信号变换至频域，得到信号的频谱；
步骤1.2.2，根据信号的激励频率拾取频谱的中心频率，利用Hanning窗对频谱进行截断；
步骤1.2.3，对截断后的频谱进行iFFT变换，取变换后的信号的实部，得到滤波后的时域信号；
步骤1.2.4，对滤波后的信号进行损伤指数的计算：
Figure FDA0003880114430000011
Figure FDA0003880114430000012
其中，
Figure FDA0003880114430000013
是第n个时域基准信号，
Figure FDA0003880114430000014
是第n+i个时域基准信号；uresidual(t)表示两个时域信号的差值信号，envresidual(t)为时域信号uresidual(t)的包络谱信号，t为时间；
步骤1.3，对测试集中的基准信号进行交叉组合进行损伤指数计算，并将损伤指数按照传播路径排列的方式进行统计，再进行异常值的剔除，建立基准系数集DIbase，具体步骤如下：
步骤1.3.1，对各传播路径下的损伤指数集进行静态分量求解，根据静态分量值剔除损伤指数集中的异常值：
Figure FDA0003880114430000021
Figure FDA0003880114430000022
其中，μ为固定传播路径下所有损伤指数的平均值，Δd为设定阈值，DIi为第i个损伤指数，i＝1、2、......、n，DIselected为指定传播路径下经筛选所得损伤指数集；
步骤1.3.2，根据筛选所得损伤指数集进行基准参数集DIbase的计算：
Figure FDA0003880114430000023
其中，
Figure FDA0003880114430000024
表示第i个激励传感器和第j个接收传感器间传播路径的基准系数，
Figure FDA0003880114430000025
表示第n个传播路径ij下的损伤指数，N为传播路径ij下的非零损伤指数的个数；
步骤2，根据温度传感器采集到的结构温度信息，以固定的温度间隔进行触发式基准信号的采集，建立基准信号库；
步骤3，实时采集信号，根据该信号的温度信息从基准信号库中筛选出临近的基准信号，进行损伤指数的计算，结合基准系数集求解各个传播路径下的损伤比例系数，并根据所求损伤比例系数总和判断结构健康状况；所述步骤3的过程为：
步骤3.1，根据采集信号的温度，从基准信号库中筛选出最优基准信号ubase(t,T)；
步骤3.2，利用窗函数截取信号的直达波波包，并进行损伤指数的计算；
uresidual(t)＝ucurrent(t,T0)-ubase(t,T),t2-t1＝t4-t3＝Δt
Figure FDA0003880114430000026
其中，uresidual(t)为差值信号，ucurrent(t,T0)为实时采集信号，Δt为首波包络的长度；DIcurrent为实时计算所得损伤指数；envbase(t，T)为ubase(t,T)的包络谱信号，envresidual(t)为uresidual(t)的包络谱信号，ubase(t,T)为最优基准信号；t1,t2分别对应于基准信号首波的起始时间与结束时间，t3,t4分别对应于实时采集信号首波的起始时间与结束时间；
步骤3.3，结合基准系数进行损伤比例系数的计算；
Figure FDA0003880114430000031
其中，i表示激励传感器的标号，j表示接收传感器的编号，kij为激励--传感直达路径ij对应的损伤比例系数；
Figure FDA0003880114430000032
为当前路径下采集信号计算所得损伤指数，
Figure FDA0003880114430000033
为对应路径下的基准系数，b为偏置参数；
步骤3.4，设定损伤判断阈值Threshold，根据全路径损伤比例系数总和的大小进行损伤判断，若THR＝0，此时结构健康并停止后续计算；若THR＝1，此时结构存在损伤需要进行进一步的计算；根据损伤判断阈值Threshold进行损伤判断的依据为：
Figure FDA0003880114430000034
其中，M、N分别为结构的长度和宽度；
步骤4，若有损伤存在，将各个传播路径的损伤比例系数输入至传感器网络中，筛选出损伤覆盖区域的传播路径，结合概率成像算法进行损伤定位。
2.根据权利要求1所述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，其特征在于，在结构健康状态下，等温度间隔采集超声信号，并给超声信号进行温度标记，将所有带有温度标记的超声信号建立基准信号库。
3.根据权利要求1所述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，其特征在于，所述步骤4的过程为：
步骤4.1，将损伤比例系数kij导入传感器网络中，进行损伤成像路径筛选；
步骤4.2，结合概率成像算法，实现对监测区域中各像素点的损伤概率求解；
Figure FDA0003880114430000035
其中，(x,y)表示传感器网络中的任意像素点，P(x,y)表示(x,y)点存在损伤的概率，Wij[Rij(x,y)]表示第i个激励传感器和第j个接收传感器之间传播路径的权重分布函数；M、N分别为结构的长度和宽度；将计算得到的各个像素点的损伤概率值输入至传感器网络矩阵中，得到损伤所在区域热点图；
步骤4.3，对求得的热点区域图像进行损伤热点区域缩放，缩小损伤成像面积，进行损伤精准定位；
Figure FDA0003880114430000041
Figure FDA0003880114430000042
其中，U(x,y)表示像素点(x,y)处的各铺层的权重分布函数累加和，PDI(x,y)为经损伤热点区域缩放后的实际损伤定位热点图，α为控制损伤热点区域缩放和补偿的参数；经缩放补偿后损伤热点区域更加集中，热点区域面积更小，定位精度更高，更加有利于实际损伤的发现；peak(P)为P(x,y)中所有像素点的损伤概率最大值；peak(U)为U(x,y)中的最大值。
4.根据权利要求1所述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，其特征在于，结构健康时，若ΔT≥dT，则将采集到的信号输入基准信号数据库中，实现对基准信号数据库更新，其中，ΔT是当前监测信号的采集温度与最优基准信号间的温差，dT为温度采集间隔。
CN202010103803.5A 2020-02-20 2020-02-20 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 Active CN111208206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010103803.5A CN111208206B (zh) 2020-02-20 2020-02-20 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010103803.5A CN111208206B (zh) 2020-02-20 2020-02-20 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

Publications (2)

Publication Number Publication Date
CN111208206A CN111208206A (zh) 2020-05-29
CN111208206B true CN111208206B (zh) 2022-11-25

Family

ID=70784830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010103803.5A Active CN111208206B (zh) 2020-02-20 2020-02-20 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

Country Status (1)

Country Link
CN (1) CN111208206B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112213394B (zh) * 2020-11-04 2023-06-16 中国航空工业集团公司北京长城航空测控技术研究所 一种复合材料的综合检测方法及系统
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
CN113655117A (zh) * 2021-07-27 2021-11-16 上海核工程研究设计院有限公司 一种基于超声导波的高温压力容器损伤定位方法
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
CN114235962B (zh) * 2021-11-30 2023-06-16 华南理工大学 一种面向各向异性结构的超声导波成像方法及系统
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
CN114414659B (zh) * 2022-01-21 2023-12-29 山东大学 基于频率融合的非线性超声导波无参损伤识别方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104076095A (zh) * 2014-07-24 2014-10-01 大连理工大学 一种基于超声导波的绝热层脱粘损伤监测方法
CN107367552A (zh) * 2017-07-20 2017-11-21 厦门大学 时变温度影响下基于fcm算法的损伤扩展实时监测方法
CN107917957A (zh) * 2017-10-27 2018-04-17 中车青岛四方机车车辆股份有限公司 一种板形结构的损伤检测方法
CN108195937A (zh) * 2017-11-29 2018-06-22 中国飞机强度研究所 一种基于导波的损伤概率成像方法
CN109839437A (zh) * 2019-03-05 2019-06-04 北京工业大学 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法
CN109900804A (zh) * 2019-03-25 2019-06-18 中国特种设备检测研究院 一种基于超声导波的金属材料裂纹定量监测方法
CN110095359A (zh) * 2019-04-16 2019-08-06 浙江大学 高压掺氢天然气环境下的材料疲劳损伤试验方法
CN110567662A (zh) * 2019-10-16 2019-12-13 云南大学 一种基于工程比拟的桥梁短期监测评估方法
CN110596247A (zh) * 2019-10-21 2019-12-20 北京博感科技有限公司 一种温度变化环境下的超声结构健康监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9638671B2 (en) * 2012-05-25 2017-05-02 Fbs, Inc. Systems and methods for damage detection in structures using guided wave phased arrays

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104076095A (zh) * 2014-07-24 2014-10-01 大连理工大学 一种基于超声导波的绝热层脱粘损伤监测方法
CN107367552A (zh) * 2017-07-20 2017-11-21 厦门大学 时变温度影响下基于fcm算法的损伤扩展实时监测方法
CN107917957A (zh) * 2017-10-27 2018-04-17 中车青岛四方机车车辆股份有限公司 一种板形结构的损伤检测方法
CN108195937A (zh) * 2017-11-29 2018-06-22 中国飞机强度研究所 一种基于导波的损伤概率成像方法
CN109839437A (zh) * 2019-03-05 2019-06-04 北京工业大学 一种基于Lamb波的金属板结构贯穿裂纹监测与评估方法
CN109900804A (zh) * 2019-03-25 2019-06-18 中国特种设备检测研究院 一种基于超声导波的金属材料裂纹定量监测方法
CN110095359A (zh) * 2019-04-16 2019-08-06 浙江大学 高压掺氢天然气环境下的材料疲劳损伤试验方法
CN110567662A (zh) * 2019-10-16 2019-12-13 云南大学 一种基于工程比拟的桥梁短期监测评估方法
CN110596247A (zh) * 2019-10-21 2019-12-20 北京博感科技有限公司 一种温度变化环境下的超声结构健康监测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
《Characterization of steel-concrete interface bonding conditions using attenuation characteristics of guided waves》;Homin Song;《Cement and Concrete Composites》;20170708;111-124 *
《Dynamic based damage detection in composite structures》;Sauvik Banerjee;《Health Monitoring of Structural and Biological Systems 2009》;20090408;第7295卷;72950H *
《Evaluation of barely visible indentation damage (BVID) in CF/EP sandwich composites using guided wave signals》;Samir Mustapha;《MechanicalSystemsandSignalProcessing》;20160215;497-517 *
《基于Lamb超声导波的结构缺陷成像研究》;李培江;《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》;20180615;全文 *
《基于超声导波的列车转向架结构损伤定位成像研究》;肖君柽;《噪声与振动控制》;20150630;第35卷(第3期);163-168 *
《火灾后混凝土短肢剪力墙抗震性能的试验研究》;徐玉野;《土木工程学报》;20140131;第47卷(第1期);59-69 *

Also Published As

Publication number Publication date
CN111208206A (zh) 2020-05-29

Similar Documents

Publication Publication Date Title
CN111208206B (zh) 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
Konstantinidis et al. An investigation into the temperature stability of a guided wave structural health monitoring system using permanently attached sensors
US20180364037A1 (en) Non-destructive evaluation methods for determining a thickness of a coating layer on a turbine engine component
CN104034287B (zh) 一种弹性各向异性金属基体热障涂层厚度超声测量方法
CN110596247B (zh) 一种温度变化环境下的超声结构健康监测方法
CN111553877A (zh) 基于太赫兹陶瓷基复合材料叶片损伤识别和寿命评估方法
CN103245311A (zh) 用超声检测多层吸波涂层的测厚装置及其测厚方法
CN114235962B (zh) 一种面向各向异性结构的超声导波成像方法及系统
CN104730152A (zh) 一种基于分形维数的复合材料结构件裂纹损伤监测方法
Akbar et al. Nondestructive evaluation of coatings delamination using microwave time domain reflectometry technique
Winston et al. Structural health monitoring with piezoelectric active sensors
Zhao et al. Probabilistic diagnostic algorithm-based damage detection for plates with non-uniform sections using the improved weight function
CN113933392B (zh) 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
Liu et al. Synchrosqueezed wavelet transform-based method for characterizing the dispersive nature of laser-excited surface acoustic waves propagating through the coated or damaged medium
CN113484336B (zh) 基于表面波和bp神经网络的亚表面裂纹尺寸测量方法
CN106680821A (zh) NiCoCrAlYTa六元涂等离子喷涂涂层厚度超声无损检测方法
CN113758617B (zh) 一种基于宽带扫频信号频域计算的应力梯度高效无损检测系统及其检测方法
Yuanqiang et al. Improving accuracy of damage quantification based on two-level consistency control of PZT layers
CN114509506B (zh) 基于导波时频谱差和卷积神经网络集的在线裂纹评估方法
CN110865123A (zh) 一种计算激光声表面波频散曲线的方法
CN108646248A (zh) 一种针对低速运动声源的被动声学测速测距方法
Akbar et al. Assessment of delamination under insulation using ridge waveguide
Zhang et al. An impact location method based on transmission coefficient weighted impact intensity
CN112595913A (zh) 一种电缆局部老化检测方法及检测装置
Feng et al. Locating and imaging impact damage with an integrated system of PZT and eddy current probe

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