CN113325072A - 一种金属板腐蚀损伤深度评估系统和方法 - Google Patents
一种金属板腐蚀损伤深度评估系统和方法 Download PDFInfo
- Publication number
- CN113325072A CN113325072A CN202110481702.6A CN202110481702A CN113325072A CN 113325072 A CN113325072 A CN 113325072A CN 202110481702 A CN202110481702 A CN 202110481702A CN 113325072 A CN113325072 A CN 113325072A
- Authority
- CN
- China
- Prior art keywords
- damage
- signal
- depth
- corrosion
- target time
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 168
- 230000007797 corrosion Effects 0.000 title claims abstract description 102
- 238000005260 corrosion Methods 0.000 title claims abstract description 102
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 43
- 239000002184 metal Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 230000005284 excitation Effects 0.000 claims abstract description 74
- 238000013210 evaluation model Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 235000019687 Lamb Nutrition 0.000 claims abstract description 12
- 230000036541 health Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 9
- 229910000838 Al alloy Inorganic materials 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 238000011158 quantitative evaluation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006735 deficit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01N29/041—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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pathology (AREA)
- Pure & Applied Mathematics (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明公开了一种金属板腐蚀损伤深度评估系统和方法，该系统包括：多个传感器，发射和接收Lamb波的基础反对称模态的波信号；信息获取模块，获取激励信号和接收信号；信号处理模块，计算目标时间段；特征提取模块，在目标时间段对接收信号进行特征提取，得到损伤最大峰值；数据处理模块，计算得到多个损伤因子；深度拟合模块，根据多个损伤因子及预先已知的与多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。通过本发明提供的技术方案，实现了对腐蚀损伤深度的定量评估，突破了金属板(尤其是铝合金)结构损伤发展趋势预测关键技术，实现了金属板结构的概率寿命评估。
Description
技术领域
本发明涉及金属板腐蚀损伤深度评估技术，具体涉及一种金属板腐蚀损伤深度评估系统和方法。
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、腐蚀损伤理论和概率统计理论等，对一种对结构的实际情况进行实时监测的技术，能够为大型关键结构的安全性、可靠性和耐久性提供重要参考。作为航空复杂关键结构最为普遍的失效机理，腐蚀损伤失效对结构的耐久性有很大影响，所以腐蚀深度损伤的定量诊断成为结构健康监测的重要部分。在金属(例如，铝合金)损伤监测领域，已有线性极化法、光学传感器技术、声发射技术、智能涂层技术等，但存在难以实时监测、精确定量以及虚警率高等问题。
发明内容
本发明的目的在于提供一种金属板腐蚀损伤深度评估系统和方法，用以解决对金属板腐蚀损伤深度实现实时定量监测的问题。
为实现上述目的，本发明提供了一种金属板腐蚀损伤深度评估系统，该系统包括：多个传感器，设置在所述金属板的待测区域的边界上，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号；信息获取模块，用于获取所述激励信号和所述接收信号；信号处理模块，用于对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；特征提取模块，用于在所述目标时间段对所述接收信号进行特征提取，得到所述接收信号在所述目标时间段的最大幅值，即损伤最大峰值；数据处理模块，用于分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子；深度拟合模块，用于根据所述多个损伤因子及预先已知的与所述多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。
优选地，所述信号处理模块还用于：根据所述波信号的飞行时间、所述波信号的周期T0和发射所述激励信号的起始时间T1，计算得到接收到所述接收信号的起始时间Tstart和结束时间Tend；其中，所述Tstart至所述Tend为所述目标时间段。
优选地，所述特征提取模块还用于在所述目标时间段对所述接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在所述目标时间段的损伤最大峰值。
优选地，所述深度拟合模块采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到所述腐蚀深度评估模型。
优选地，所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及所述信息获取模块还用于：获取所述k个传感器对的激励信号和接收信号；或获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。
相应地，本发明还提供了一种金属板腐蚀损伤深度评估方法，在所述金属板的待测区域的边界上设置多个传感器，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，该方法包括：获取所述激励信号和所述接收信号；对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；在所述目标时间段对所述接收信号进行特征提取，得到所述接收信号在所述目标时间段的最大幅值，即损伤最大峰值；分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子；根据所述多个损伤因子及预先已知的与所述多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。
优选地，该方法还包括：根据所述波信号的飞行时间、所述波信号的周期T0和发射所述激励信号的起始时间T1，计算得到接收到所述接收信号的起始时间Tstart和结束时间Tend；其中，所述Tstart至所述Tend为所述目标时间段。
优选地，该方法还包括：在所述目标时间段对所述接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在所述目标时间段的损伤最大峰值。
优选地，该方法还包括：采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到所述腐蚀深度评估模型。
优选地，所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及获取所述激励信号和所述接收信号还包括：获取所述k个传感器对的激励信号和接收信号；或获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。
本发明通过多个传感器之间所传输信号的处理、特征参数的提取，并根据获取的信息和参数形成金属板腐蚀深度评估模型，从而实现了对腐蚀损伤深度的定量评估，突破了金属板(尤其是铝合金)结构损伤发展趋势预测关键技术，实现了金属板结构的概率寿命评估。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明提供的金属板腐蚀损伤深度评估系统的框图；
图2是本发明提供的多个传感器的试验样品布局示意图；
图3是本发明提供的采用6个传感器的布局和配对示意图；以及
图4是本发明提供的金属板腐蚀损伤深度评估方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明的范围。
图1是本发明提供的金属板腐蚀损伤深度评估系统的框图，如图1所示，该系统包括该系统包括传感器组10(包括多个传感器)、信息获取模块20、信号处理模块30、特征提取模块40、数据处理模块50和深度拟合模块60，其中，为了使图1的展示更加容易理解，将多个传感器通过传感器组10来表示，应当说明的是，这仅仅是示意，而并不是用于限制本发明。本发明的目的是对金属板，特别是铝合金板的腐蚀损伤深度进行定量识别。
多个传感器设置在金属板的待测区域的边界上，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号。待测区域可以是整个金属板，也可以是金属板的一部分。发射激励信号的传感器可以称为激励传感器，接收到接收信号的传感器可以称为接收传感器，需要说明的是，激励传感器和接收传感器并不是固定的，在下文中将对激励传感器和接收传感器的设置进行详细阐述。本发明针对已知待测区域中存在腐蚀损伤，利用本发明提供的技术方案来评估该腐蚀损伤的损伤深度。
图2是本发明提供的多个传感器的试验样品布局示意图，图2中以6个传感器为例，示意了多个传感器的一种布局，如图2所示，多个传感器包括传感器11、传感器12、传感器13、传感器14、传感器15和传感器16，图2中的多个传感器的布局方式仅仅是以示意为目的的，并不用于限制本发明，任意传感器的数量以及任何传感器的布局方式均属于本发明的保护范围。
信息获取模块20用于获取激励信号和接收信号。信息获取模块20从激励传感器获取激励信号，从接收传感器获取接收信号。这里激励传感器和接收传感器的定义将在下文中进行阐述。
信号处理模块30用于对激励信号和接收信号进行信号处理，获取波信号的飞行时间和激励信号的时间参数，并计算目标时间段。飞行时间(time of flight，即TOF)是波信号从激励传感器到接收传感器的时间，可以用来表示信号传递的距离和速度，通过时间窗可以清晰地展现信号的幅值、相位和到达接收传感器的时间等各项参数。对于目标时间段，可以理解为，一传感器发射了激励信号，对应地会有另一传感器接收到接收信号，本文中的目标时间段指的是在某一设定时间范围接收到接收信号的时间段。
特征提取模块40用于在目标时间段对接收信号进行特征提取，得到接收信号在目标时间段的最大幅值，即损伤最大峰值。这里的接收信号是信息获取模块20从接收传感器获取到的，在本实施方式中，特征提取模块40提取的是目标时间段内的最大幅值，在本发明中也称为损伤最大峰值。
数据处理模块50用于分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子。
数据处理模块50需要计算多个损伤因子，每一个损伤因子对应一个目标时间段，例如需要计算5个损伤因子，那么这5个损伤因子分别通过5个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值计算得到。
具体来说，5个目标时间段分别为第一目标时间段、第二目标时间段、第三目标时间段、第四目标时间段和第五目标时间段，数据处理模块50根据第一目标时间段对应的第一损伤最大峰值和预先已知的健康最大峰值计算得到第一损伤因子，根据第二目标时间段对应的第二损伤最大峰值和预先已知的健康最大峰值计算得到第二损伤因子，根据第三目标时间段对应的第三损伤最大峰值和预先已知的健康最大峰值计算得到第三损伤因子，根据第四目标时间段对应的第四损伤最大峰值和预先已知的健康最大峰值计算得到第四损伤因子，根据第五目标时间段对应的第五损伤最大峰值和预先已知的健康最大峰值计算得到第五损伤因子。
以一个目标时间段为例，数据处理模块50根据该目标时间段对应的损伤最大峰值和预先已知的健康最大峰值计算得到损伤因子的计算公式如下：
在公式(1)中，xDI表示损伤因子；ymax表示目标时间段对应的损伤最大峰值；y0表示预先已知的健康最大峰值。本发明中的健康最大峰值指的是金属板在健康状态下利用本发明提供的方法得到的损伤最大峰值。
深度拟合模块60用于根据多个损伤因子及预先已知的与所述多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。这里的“一一分别对应”指的是一个损伤因子对应一个腐蚀损伤深度，由于损伤因子是结合目标时间段计算得到的，所以也就是一个目标时间段对应一个腐蚀损伤深度。深度拟合模块60的实现原理是通过多个损伤因子与腐蚀损伤深度的对应关系，建立腐蚀深度评估模型，之后可以利用所建立的腐蚀深度评估模型，根据损伤因子来对腐蚀损伤深度进行评估。这里预先已知的多个腐蚀损伤深度可以通过试验获得，也就是说，前期通过试验来建立腐蚀深度评估模型。
仍以5个损伤因子为例，深度拟合模块60根据第一损伤因子和预先已知的与第一目标时间段对应(也就是与第一损伤因子对应)的第一腐蚀损伤深度、第二损伤因子和预先已知的与第二目标时间段对应(也就是与第二损伤因子对应)的第二腐蚀损伤深度、第三损伤因子和预先已知的与第三目标时间段对应(也就是与第三损伤因子对应)的第三腐蚀损伤深度、第四损伤因子和预先已知的与第四目标时间段对应(也就是与第四损伤因子对应)的第四腐蚀损伤深度、第五损伤因子和预先已知的与第五目标时间段对应(也就是与第五损伤因子对应)的第五腐蚀损伤深度，进行曲线拟合以得到腐蚀深度评估模型。
一般来说，目标时间段之间是存在间隔的，在试验中，例如可以分别进行5次腐蚀，每次腐蚀之后利用本发明提供的技术方案来计算得到一个损伤因子。
本发明中的多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射激励信号，另一者用于获取接收信号，其中，k为正整数；信息获取模块20还用于：获取k个传感器对的激励信号和接收信号；或获取k个传感器对中预先设定的传感器对的激励信号和接收信号。
图3是本发明提供的采用6个传感器的布局和配对示意图，如图3所示，多个传感器包括6个传感器11、12、13、14、15、16，需要说明的是，本发明中的多个传感器可以包括任意数量的传感器，图3示出的多个传感器包括6个传感器的实施方式仅仅是为了便于描述本发明的原理。下面，为了使本发明更加清楚，仍以6个传感器为例对本发明的技术方案进行描述。
多个传感器两两之间进行配对，具体来说，即为多个传感器中任意两个传感器之间均进行一次配对，以图3所示的实施方式为例，6个传感器两两之间进行配对，那么共形成15个传感器对，分别为：
第1个传感器对：传感器11和传感器12；
第2个传感器对：传感器11和传感器13；
第3个传感器对：传感器11和传感器14；
第4个传感器对：传感器11和传感器15；
第5个传感器对：传感器11和传感器16；
第6个传感器对：传感器12和传感器13；
第7个传感器对：传感器12和传感器14；
第8个传感器对：传感器12和传感器15；
第9个传感器对：传感器12和传感器16；
第10个传感器对：传感器13和传感器14；
第11个传感器对：传感器13和传感器15；
第12个传感器对：传感器13和传感器16；
第13个传感器对：传感器14和传感器15；
第14个传感器对：传感器14和传感器16；
第15个传感器对：传感器15和传感器16。
在多个传感器为6个传感器的情况下，上述k的值为15。在每一个传感器对中，一者作为激励传感器发射激励信号，另一者作为接收传感器获取接收信号，例如，在第1个传感器对中，可以将传感器11作为激励传感器，并将传感器12作为接收传感器，当然，也可以将传感器12作为激励传感器，并将传感器11作为接收传感器，其它传感器对同理。
激励传感器发射的波信号(即，激励信号)是Lamb波的基础反对称模态的波信号，对于激励信号的设计，可以通过对信号的中心频率、调制窗函数、信号幅值、放大倍数等进行调制来得到最优的激励信号。
在图3所示的实施方式中，6个传感器呈对称分布，但这仅仅是一种优选的实施方式，传感器的分布方式可以是任意的。传感器的类型可以根据实际情况进行选择，在本实施方式中，选用的是压电传感器。
本发明提供的实施方式主要是用于针对已知的腐蚀损伤进行腐蚀损伤深度的评估，也就是说，损伤的位置是已知的，所以，为了得到最好的评估效果，可以预先设定位置最适宜的传感器对，例如，在已知损伤位置在图2的中心的情况下，可以选取第8个传感器对，即传感器12和传感器15。当然，本发明不限于此，选取其他传感器对对腐蚀损伤深度进行评估也是可以的。
信号处理模块30还用于：根据波信号的飞行时间、波信号的周期T0和发射激励信号的起始时间T1，计算得到接收到接收信号的起始时间Tstart和结束时间Tend；其中，Tstart至Tend为目标时间段。
Lamb波是导波的一种，在薄板结构中传导一定距离后会以多个模态同时存在，例如，对称模态有S0、S1、S2等模态，反对称模态有A0、A1、A2等模态，Lamb波在传播时会伴随这频散现象，即在不同的激励频率下Lamb波在介质中的传播速度不一样。在不同的频厚积下，薄板内会存在多种Lamb波的模态，频厚积越大产生的模态也就越多，这给波包的分析也带来了极大的不便，而且高阶模态有截止频率，因而，本实施方式选用基础模态信号，一般情况下，对腐蚀损伤的监测采用基础反对称模态信号A0。
接收传感器接收到接收信号的起始时间Tstart可由以下公式计算：
在公式(2)中，Tstart表示接收传感器接收到接收信号的起始时间；T1表示激励传感器发射激励信号的起始时间；T0表示波信号的周期(即激发信号的周期或接收信号的周期)，在波信号为预先已知的情况下，波信号的周期也是已知的，例如，基础反对称模态信号A0的周期是确定的；TOF表示波信号从激励传感器传播到接收传感器的时间，在波信号为预先已知的情况下，波信号的传播速度也是已知的，波信号的传播距离为配对的传感器对中的两个传感器之间的距离，本发明提供的实施方式中传感器的位置是固定的，所以任何一个传感器对中的两个传感器之间的距离都是已知的，因而，TOF在波信号的传播速度和传播距离已知的情况下是可以计算得到的。
接收传感器接收到接收信号的结束时间Tend可由以下公式计算：
公式(3)中的Tend、T1、TOF、T0均已在上文中进行阐述，于此不与赘述。
特征提取模块40还用于在目标时间段对接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在所述目标时间段的损伤最大峰值。也就是说，特征提取模块40对接收信号进行HHT变换后得到的波包进行特征提取，获取目标时间段的波包的损伤最大峰值。一般来说，HHT变换分为两个步骤：经验模态分解(EMD)和Hilbert变换，由于HHT变换为本领域的公知技术，于此不予赘述。
在本发明中，深度拟合模块60可以采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到腐蚀深度评估模型。也就是说，深度拟合模块60的曲线拟合算法可以采用二次多项式拟合算法，得到的腐蚀深度评估模型计算公式如下：
在公式(4)中，
表示在评估过程中计算得到的损伤因子；f(x)为腐蚀损伤深度评估值。
为了使本发明更加清楚，这里对损伤因子进行进一步的阐述，公式(1)中的损伤因子xDI是腐蚀深度评估模型建立阶段的值，公式(4)中的损伤因子
是利用已经建立好的腐蚀深度评估模型进行腐蚀损伤深度评估阶段的值。
本发明提供的技术方案的整体思路是这样的，利用多个不同时间段已知的腐蚀损伤深度建立腐蚀深度评估模型，在腐蚀深度评估模型建立好之后，在利用该腐蚀深度评估模型对腐蚀损伤深度进行评估。在腐蚀深度评估模型的建立阶段和利用腐蚀深度评估模型的评估阶段中，各个过程需要的参数(例如，时间参数、损伤最大峰值、损伤因子等)的获取方式和/或计算方式都是相同的。
图4是本发明提供的金属板腐蚀损伤深度评估方法的流程图，在金属板的待测区域的边界上设置多个传感器，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，如图4所示，该方法包括：：
步骤401，获取激励信号和接收信号；
步骤402，对激励信号和接收信号进行信号处理，获取波信号的飞行时间和激励信号的时间参数，并计算目标时间段；
步骤403，在目标时间段对接收信号进行特征提取，得到接收信号在目标时间段的最大幅值，即损伤最大峰值；
步骤404，分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子；
步骤405，根据多个损伤因子及预先已知的与多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。
其中，本发明提供的金属板腐蚀损伤深度评估方法还包括：根据波信号的飞行时间、波信号的周期T0和发射激励信号的起始时间T1，计算得到接收到接收信号的起始时间Tstart和结束时间Tend；其中，Tstart至Tend为目标时间段。
其中，本发明提供的金属板腐蚀损伤深度评估方法还包括：在目标时间段对接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在目标时间段的损伤最大峰值。
其中，本发明提供的金属板腐蚀损伤深度评估方法还包括：采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到腐蚀深度评估模型。
其中，本发明提供的金属板腐蚀损伤深度评估方法还包括：多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射激励信号，另一者用于获取接收信号，其中，k为正整数；以及获取激励信号和接收信号还包括：获取k个传感器对的激励信号和接收信号；或获取k个传感器对中预先设定的传感器对的激励信号和接收信号。
需要说明的是，本发明提供的金属板腐蚀损伤深度评估方法的具体细节及益处与本发明提供的金属板腐蚀损伤深度评估系统类似，于此不予赘述。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
通过本发明提供的技术方案，采用R-square确定系数和Adjusted R-square校正确定系数对本发明中建立的腐蚀深度评估模型进行验证，验证结果显示，本发明中建立的腐蚀深度评估模型的拟合效果很好，可以很好地预测腐蚀损伤的深度。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种金属板腐蚀损伤深度评估系统，其特征在于，该系统包括：
多个传感器，设置在所述金属板的待测区域的边界上，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号；
信息获取模块，用于获取所述激励信号和所述接收信号；
信号处理模块，用于对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；
特征提取模块，用于在所述目标时间段对所述接收信号进行特征提取，得到所述接收信号在所述目标时间段的最大幅值，即损伤最大峰值；
数据处理模块，用于分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子；
深度拟合模块，用于根据所述多个损伤因子及预先已知的与所述多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。
2.根据权利要求1所述的金属板腐蚀损伤深度评估系统，其特征在于，所述信号处理模块还用于：
根据所述波信号的飞行时间、所述波信号的周期T0和发射所述激励信号的起始时间T1，计算得到接收到所述接收信号的起始时间Tstart和结束时间Tend；
其中，所述Tstart至所述Tend为所述目标时间段。
3.根据权利要求2所述的金属板腐蚀损伤深度评估系统，其特征在于，所述特征提取模块还用于在所述目标时间段对所述接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在所述目标时间段的损伤最大峰值。
4.根据权利要求1所述的金属板腐蚀损伤深度评估系统，其特征在于，所述深度拟合模块采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到所述腐蚀深度评估模型。
5.根据权利要求1所述的金属板腐蚀损伤深度评估系统，其特征在于，
所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及
所述信息获取模块还用于：
获取所述k个传感器对的激励信号和接收信号；或
获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。
6.一种金属板腐蚀损伤深度评估方法，其特征在于，在所述金属板的待测区域的边界上设置多个传感器，用于发射和接收Lamb波的基础反对称模态的波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，该方法包括：
获取所述激励信号和所述接收信号；
对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；
在所述目标时间段对所述接收信号进行特征提取，得到所述接收信号在所述目标时间段的最大幅值，即损伤最大峰值；
分别根据多个目标时间段对应的损伤最大峰值和预先已知的健康最大峰值来计算得到多个损伤因子；
根据所述多个损伤因子及预先已知的与所述多个损伤因子一一分别对应的多个腐蚀损伤深度进行曲线拟合，得到腐蚀深度评估模型，以实现腐蚀损伤深度评估。
7.根据权利要求6所述的金属板腐蚀损伤深度评估方法，其特征在于，该方法还包括：
根据所述波信号的飞行时间、所述波信号的周期T0和发射所述激励信号的起始时间T1，计算得到接收到所述接收信号的起始时间Tstart和结束时间Tend；
其中，所述Tstart至所述Tend为所述目标时间段。
8.根据权利要求7所述的金属板腐蚀损伤深度评估方法，其特征在于，该方法还包括：
在所述目标时间段对所述接收信号进行HHT变换，对经过HHT变换后的接收信号的波包进行特征提取，得到在所述目标时间段的损伤最大峰值。
9.根据权利要求6所述的金属板腐蚀损伤深度评估方法，其特征在于，该方法还包括：
采用二次多项式拟合算法并根据多个损伤因子及对应的多个腐蚀损伤深度进行曲线拟合，以得到所述腐蚀深度评估模型。
10.根据权利要求6所述的金属板腐蚀损伤深度评估方法，其特征在于，
所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及
获取所述激励信号和所述接收信号还包括：
获取所述k个传感器对的激励信号和接收信号；或
获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110481702.6A CN113325072A (zh) | 2021-04-30 | 2021-04-30 | 一种金属板腐蚀损伤深度评估系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110481702.6A CN113325072A (zh) | 2021-04-30 | 2021-04-30 | 一种金属板腐蚀损伤深度评估系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113325072A true CN113325072A (zh) | 2021-08-31 |
Family
ID=77414044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110481702.6A Pending CN113325072A (zh) | 2021-04-30 | 2021-04-30 | 一种金属板腐蚀损伤深度评估系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113325072A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113804134A (zh) * | 2021-09-22 | 2021-12-17 | 北京航空航天大学 | 用于圆柱状结构部件的径向最大腐蚀深度检测方法及系统 |
| CN115389405A (zh) * | 2022-07-12 | 2022-11-25 | 苏州经贸职业技术学院 | 一种高架桥外挂花坛健康状态监测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539541A (zh) * | 2009-04-09 | 2009-09-23 | 上海交通大学 | 基于导向波的厚梁结构损伤检测方法 |
| US20170191966A1 (en) * | 2016-01-04 | 2017-07-06 | General Electric Company | Distributed circle method for guided wave based corrosion detection in plate-like structures |
| CN107024535A (zh) * | 2016-03-30 | 2017-08-08 | 北京工业大学 | 一种基于表面波的垂直缺陷的多系数深度检测方法 |
| CN108519433A (zh) * | 2018-04-10 | 2018-09-11 | 长沙理工大学 | 一种波形钢腹板之间横向连接结构的健康监测装置及方法 |
-
2021
- 2021-04-30 CN CN202110481702.6A patent/CN113325072A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539541A (zh) * | 2009-04-09 | 2009-09-23 | 上海交通大学 | 基于导向波的厚梁结构损伤检测方法 |
| US20170191966A1 (en) * | 2016-01-04 | 2017-07-06 | General Electric Company | Distributed circle method for guided wave based corrosion detection in plate-like structures |
| CN107024535A (zh) * | 2016-03-30 | 2017-08-08 | 北京工业大学 | 一种基于表面波的垂直缺陷的多系数深度检测方法 |
| CN108519433A (zh) * | 2018-04-10 | 2018-09-11 | 长沙理工大学 | 一种波形钢腹板之间横向连接结构的健康监测装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| DENGJIANG WANG ET.AL: ""Lamb-Wave-Based Tomographic Imaging Techniques for Hole-Edge Corrosion Monitoring in Plate Structures", 《MATERIALS》 * |
| 郭方宇等: "基于导波的飞机结构腐蚀损伤监测研究", 《航空制造技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113804134A (zh) * | 2021-09-22 | 2021-12-17 | 北京航空航天大学 | 用于圆柱状结构部件的径向最大腐蚀深度检测方法及系统 |
| CN113804134B (zh) * | 2021-09-22 | 2022-09-16 | 北京航空航天大学 | 基于高频散超声导波的锚固件径向最大腐蚀深度检测方法及系统 |
| CN115389405A (zh) * | 2022-07-12 | 2022-11-25 | 苏州经贸职业技术学院 | 一种高架桥外挂花坛健康状态监测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019201176A1 (zh) | 列车部件裂纹损伤预测方法和装置 | |
| CN113325072A (zh) | 一种金属板腐蚀损伤深度评估系统和方法 | |
| WO2019201177A1 (zh) | 列车部件裂纹损伤监测方法和系统 | |
| JP5197023B2 (ja) | レーザレーダ装置 | |
| CN112903818A (zh) | 一种金属板结构健康监测系统和方法 | |
| CN103995483B (zh) | 一种超声波换能器的控制方法、装置以及系统 | |
| CN108572353B (zh) | 一种低截获雷达的脉冲时间序列规划方法 | |
| CN112903953B (zh) | 一种金属板结构损伤类型识别系统和方法 | |
| CN104359972A (zh) | 检测物体物理属性的方法和装置 | |
| US11619614B2 (en) | Method and apparatus for determining an intermediate layer characteristic | |
| US8011227B2 (en) | Detection of ingress of water in an intermediate layer using acoustic resonance technology | |
| EP1744173A2 (en) | Methods and apparatus for target radial extent determination using deconvolution | |
| US10636292B2 (en) | Method for determining a congestion end in traffic and associated devices | |
| WO2019025510A1 (en) | METHOD AND DEVICE FOR CHARACTERIZING A WAVEGUIDE | |
| US7289388B2 (en) | Estimation of background noise and its effect on sonar range estimation | |
| EP2454576B1 (en) | Method and system for monitoring a thin structure | |
| US7239580B2 (en) | Noise adaptive sonar signal processor | |
| CN114019520A (zh) | 激光雷达的信号处理方法、激光雷达及其探测方法 | |
| CN116299241A (zh) | 雷达天线扫描周期的测算方法、装置、设备和存储介质 | |
| CN106646415A (zh) | 一种极化散射计预处理方法 | |
| CN108646248A (zh) | 一种针对低速运动声源的被动声学测速测距方法 | |
| CN104199013A (zh) | 一种能在有限水域内降低测试频率的方法 | |
| JP2002148334A (ja) | 目標類別方法及び装置 | |
| CN110146276B (zh) | 一种基于无线传感器的索力与抗弯刚度监测方法及系统 | |
| CN113109825A (zh) | 基于Radon变换的长骨相控超声信号定征与骨质评价系统 |
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 |
Application publication date: 20210831 |
|
| RJ01 | Rejection of invention patent application after publication |