CN113358743A - 一种基于时频分布相似度分析的兰姆波模态分离方法 - Google Patents
一种基于时频分布相似度分析的兰姆波模态分离方法 Download PDFInfo
- Publication number
- CN113358743A CN113358743A CN202110514237.1A CN202110514237A CN113358743A CN 113358743 A CN113358743 A CN 113358743A CN 202110514237 A CN202110514237 A CN 202110514237A CN 113358743 A CN113358743 A CN 113358743A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- mode
- frequency distribution
- omega
- 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
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
- G01N29/04—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
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance 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
-
- 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)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于时频分布相似度分析的兰姆波模态分离方法,通过板结构兰姆波信号采集系统,采集检测信号,对信号进行滤波和幅值归一化处理,并进行时频分析获得检测信号的时频分布,创建不同模态的理论时频分布集,计算检测信号与各模态理论时频分布集的相似度,得到相似度矩阵,寻找最大相似度值,识别与检测信号时频分布相匹配的模态及距离,在识别模态的基础上,构建中心随时间及频率变化的二维高斯时变滤波器,并与检测信号的时频图相乘分离出单模态时频图,由分离出的时频图获取单模态时域信号,实现兰姆波多模态信号的分离。该方法从时频分布相似度分析角度出发,在识别和分离模态的同时,能够较为准确的估计波包的传播距离。
Description
技术领域
本发明涉及一种基于时频分布相似度分析的兰姆波模态分离方法,该方法适用于板结构中兰姆波多模态信号的分离,属于无损检测领域。
背景技术
兰姆波是声波在板结构中存在的特殊形式,其传播距离长、声场分布在整个壁厚,不仅能够满足板结构的大范围检测,并且可有效实现多种缺陷的检测,是板结构缺陷检测的一种重要方法。多模态及频散是兰姆波的基本特性。多模态特性是指兰姆波有多种传播模式,而频散特性是指兰姆波在传播过程中,其传播速度随频厚积而改变,且不同模态兰姆波的频散特性也往往不同。频散和多模态特性增加了兰姆波检测过程中信号分析的难度,使得缺陷识别困难。
兰姆波自身模态信息复杂,在任意给定的激励频率下,至少存在两种模态的波,且随着频率的增大,出现的模态数会更多,而在检测信号中,还可能存在直达、边界回波和缺陷波等多个波包,这使得兰姆波信号变得尤为复杂。因此,有必要对兰姆波信号进行分析处理,从多模态信号中分离出单模态信号。常见的兰姆波模态分离方法有时频分析法、稀疏表示法、时空转换法等。其中,时频分析法包括有短时傅里叶变换、连续小波变换、维格纳分布、线调频小波变换等。Scalea F[1]利用Gabor小波变换对铁轨中高频多模态信号进行了分离,但其时频分辨率固定,时间及频率分辨率不能同时达到最佳,且能量集中度不足;Zhao[2]利用线调频小波变换法分析了兰姆波的不同模态的频散特性,并有效提高了时域重叠信号的时频分辨率;Alexia[3]采用维格纳威尔分布识别出了粘弹性传播介质中传播的低速波。稀疏表示法广泛应用于语音信号处理、机械故障诊断等领域,近年来,稀疏表示方法被引入兰姆波的降噪及模态分离中。例如,许成[4]等利用缺陷的稀疏性,结合兰姆波理论传播模型,构建过完备字典,将梯度投影算法应用于稀疏重建,并基于得到的稀疏解获得了高精度的损伤图像;李海平[5]发展了一种基于稀疏表示的模态分离方法,通过将待测信号在构建的复合字典上进行稀疏分解,得到了单模态信号。稀疏表示方法对信号重构结果多依赖于字典构建,从冗余的字典中识别非常耗时;时空转换法将兰姆波时域信号映射为空间信号。例如,张海燕等将板中的全矩阵数据映射到频率-波数域,并在频率-波数域进行了全聚焦成像,提高了缺陷成像分辨率;Fei Gao[6]提出一种基于频率-波数域的兰姆波稀疏重建方法,成功分离了多个模态和多分量产生的叠加;田振华[7]在频率-波数域求解了三维波动方程,建立了一种基于传递函数的兰姆波解析模型,求解了兰姆波的时间-空间域的全局波场。
本发明在已知兰姆波理论频散曲线基础上,建立理论时频分布集,从时频分布集中寻找与检测信号时频分布相似度最高的模态,并利用时变滤波器实现兰姆波信号的分离。
发明内容
本发明提出的一种基于时频分布相似度分析的兰姆波模态分离方法,其基本原理如下:
对于兰姆波而言,它的频散特性使得波在传播过程中,其幅值、相位、传播速度均会产生变化,不同模态频散特性不同,这也导致其时频分布产生差异。本发明中的模态分离方法通过分析检测信号与理论信号的时频分布相似度来实现。当检测信号的时频分布与某模态理论时频分布的相似度达到最大,则与该模态相匹配,理论信号时频分布Y(t,ω)与检测信号的时频分布Φ(t,ω)相似度为:
式中d(Y,Φ)——Y(t,ω)与Φ(t,ω)的欧氏距离;
sim(Y,Φ)——Y(t,ω)与Φ(t,ω)的相似度。
若激励信号为f(t),其在传播过程中为距离和时间的函数y(x,t),它在频域中的表达式为:
式中ki(ω)——不同模态对应的波数;
F(ω)——f(t)的傅里叶变换。
当兰姆波传播距离为x0,在已知第i个模态群速度理论频散曲线的基础上,它的时频分布满足:
式中t——时间序列;
ci|g(ω)——第i个模态的群速度频散曲线;
ci|p(ω)——第i个模态的相速度频散曲线。
将传播时间离散化为M个值,频率离散化为N个值,则当传播距离为x0,对应的兰姆波传播时间-频率分布为:
那么当有P个不同的传播距离时,兰姆波的时频分布为P×M×N的三维矩阵W:
式中xp——第p个传播距离。
对于传播距离未知的某检测信号对其进行时频分析得到Φ(t,ω),同样将其离散化为M个时间点及N个频率点:ΦM×N(tm,ωn),将检测信号时频分布ΦM×N与理论信号的时频分布Wi|P×M×N进行P次相似度计算:
在板结构兰姆波检测中,检测信号一般存在两种及以上模态,不同模态的时频分布Wi|P×M×N也不同,假设检测信号中同时存在Q个模态,分别计算检测信号的时频分布ΦM×N与各个模态的理论时频分布,得到一个相似度矩阵cQ×P:
在相似度矩阵cQ×P中寻找最大值cmax,cmax在相似度矩阵中所对应的q与xp值则分别表明了与Φ(t,ω)相匹配的的模态与传播距离xp。
在确定Φ(t,ω)的模态的基础上,构建单模态二维t-ω时变滤波器G(t,ω),在检测信号的时频分布中提取单模态信号的时频图TFRi,并进行逆变换实现单模态时域信号的分离。
本发明提出的一种基于时频分布相似度分析的多模态兰姆波模态分离方法,其流程图如图3所示:
Step2:对获取的检测信号进行低通滤波处理,去除信号噪声,并进行幅值归一化处理。
Step3:对检测信号进行时频分析,获取时频图TFR(t,ω)。
Step4:通过设置阈值的方式对获取的TFR(t,ω)进行二值化处理,确定M个单连通时频范围。
Step5:按照脊搜索法对第m个时频范围搜索该范围内的脊点,拟合出该时频范围内的脊线,即时频分布曲线Φm(t,ω)。
Step6:根据Disperse获取的各模态群速度理论频散曲线,设定不同的传播距离值x1,x2,…xP,根据t(ω)=xp/ci|g(ω)得到传播距离为xp时的各模态的理论时频分布三维矩阵:Wq|P×M×N(Y(t,ω))。
Step9:由Step7中对模态的判别可得到不同模态的时频分布曲线Φq(t,ω)、,由此建立中心随时间t及频率ω变换的二维高斯窗函数Gq(t,ω),并分别与Step3中的TFR(t,ω)相乘,获得单模态信号的时频图TFRq(t,ω)。
Step10:由单模态信号的时频图TFRq(t,ω)进行逆变换,可以求得单模态时域信号yxp|q(t),完成多模态信号的模态分离及传播距离的确定。
附图说明
图1 1mm铝板兰姆波群速度及相速度频散曲线。
图2 典型兰姆波多模态信号时频图。
图3 模态分离方法流程图。
图4 模态分离方法实验系统图。
图5 典型兰姆波多模态检测信号。
图6 兰姆波多模态检测信号传播路径示意图。
图7 兰姆波多模态检测信号时频图,其中虚线为理论时频曲线,黑色实线为检测信号时频曲线。
图8 兰姆波S0、A0模态理论空间-时频关系曲线,为方便观察,其中均以0.1m为步进,绘制了不同传播距离下的理论时频曲线。
图9 检测信号各波包时频关系曲线与S0、A0模态理论空间-时频矩阵的相似度。
图10 检测信号各波包分离时频图。
图11 检测信号各波包分离时域信号。
具体实施方式
下面结合具体实验对本发明作进一步说明:
通过板结构兰姆波信号采集系统,采集检测信号,对信号进行滤波和幅值归一化处理,并进行时频分析获得检测信号的时频分布,创建不同模态的理论时频分布集,计算检测信号与各模态理论时频分布集的相似度,得到相似度矩阵,寻找最大相似度值,识别与检测信号时频分布相匹配的模态及距离,在识别模态的基础上,构建中心随时间及频率变化的二维高斯时变滤波器,并与检测信号的时频图相乘分离出单模态时频图,由分离出的时频图获取单模态时域信号,实现兰姆波多模态信号的分离。该方法从时频分布相似度分析角度出发,在识别和分离模态的同时,能够较为准确的估计波包的传播距离。
本实验实施过程包括以下步骤:
1、实验系统:按照图4所示的检测装置系统图搭建实验系统,系统包括信号激励模块1、示波器2、激励传感器3、接收传感器4、金属铝板5。其中激励信号为频率250kHz的方波信号,由激励模块1产生,并接入激励传感器3,经接收传感器4接入示波器2并采集。被检测试件尺寸为1000mm*1000mm*1mm,传感器尺寸均为厚度0.3mm,直径6mm,两传感器3和4相距200mm,其中激励传感器3距离左边界250mm,接收传感器4距离右边界550mm,两传感器距离上下两边界均为500mm。
2、板结构兰姆波检测实验:用激励模块1产生250kHz方波激励信号,并施加到激励传感器3电极上。由示波器2采集接收传感器检测信号,采样频率为25MHz,采样时长0.2ms。
3、信号预处理:将检测信号进行低通滤波,去除信号噪声,图5为传播距离为200mm处接收的经预处理后的兰姆波检测信号。对检测信号中波包进行分析:接收传感器接收到四个波包,分别在图5中标出,其中(1)、(3)及(4)号波包分别为S0模态的直达波、左边界反射回波、上边界反射回波,(2)号波包则是A0模态的直达波包,四个波包的传播路径如图6所示,其传播距离分别为:200mm、200mm、700mm、1020mm。经计算,S0模态的传播速度为Vs0=5107.3m/s,A0模态的传播速度为VA0=2083.3m/s,符合S0与A0模态的理论传播速度。
4、时频关系曲线获取:采用窗长为1.28μs的高斯窗,对检测信号进行时频分析获得检测信号的时频图TFR(t,ω),分别绘制四个波包在其传播路径下的理论时频曲线,如图7中虚线,四个波包高亮区与理论时频关系曲线相吻合。对检测信号时频图TFR(t,ω)进行二值化处理,其阈值设定为时频图均值的0.9倍,获取第m个单连通时频区域,求出时频区域中脊点,并拟合为信号在时频区域的时频关系曲线Φ(t,ω),如图7中黑色线条为检测信号的Φ(t,ω)。
5:兰姆波理论时频分布矩阵:根据Disperse获取的群速度理论频散曲线,设定不同的传播距离值x1,x2,x3,…xp,根据t(ω)=xi/ci|g(ω)得到传播距离为xi时的三维矩阵图8为不同传播距离下的S0及A0模态的时频分布,为方便观察,其中均以0.1m为步进,绘制了不同传播距离下的理论时频关系。
6:计算相似度参数并评估模态及波包传播距离:结合不同模态的理论空间-时频关系WS|P×M×N、WA|P×M×N与检测信号的时频关系Φm(t,ω),遍历P个传播距离,分别按照式7计算相似度,并分析不同模态的空间-时频域的相似度参数cQ×P,相似度越大,说明检测信号的时频关系与该模态的时频关系越相近,其对应的xi越接近真实传播距离。图9为检测信号四个波包分别与S0模态及A0模态的时频分布相似度,根据该参数可判定:(1)波包cA<cS,该波包模态为S0,其传播距离为220mm;(2)波包cA>cS,该波包模态为A0,其传播距离为195mm;(3)波包cA<cS,该波包模态为S0,其传播距离为715mm;(4)波包cA<cS,该波包模态为S0,其传播距离为995mm。
7:单模态信号时频图获取:经相似度参数可判断检测信号的时频关系Φm(t,ω)的模态,构建中心随时间t及频率ω变换的二维高斯窗函数Gm(t,ω),其通带衰减为3dB时的时域通带宽度为0.04ms,频域通带宽度为300kHz,分别与检测信号中的TFR(t,ω)相乘,获得单模态信号的时频图。
8:单模态信号时域信号获取:由单模态信号的时频图进行逆变换可得到单模态信号的时域信号yxp|A(t)、yxp|S(t),图10、11分别为检测信号各波包的时频图及其分离的时域信号。检测信号中四个波包的传播距离所对应的实际传播距离(200mm、200mm、700mm、1020mm)的误差值分别为:10%、2.5%、2.1%、2.5%。
上述步骤为本发明的一个典型实施,本发明的实施不限于此。
参考文献
[1]Scalea F,Mcnamara J.Measuring high-frequency wave propagation inrailroad tracks by joint time–frequency analysis[J].Journal of Sound&Vibration,2004,273(3):637-651.
[2]Zhao M,Zeng L,Lin J.Mode identification and extraction ofbroadband ultrasonic guided waves[J].Measurement Science&Technology,2014,25(11):115005.
[3]Giannoula Alexia,Cobbold R,Bezerianos A.Estimating the localviscoelastic properties from dispersive shear waves using time-frequencyridge analysis[J].Ultrasonics,2013,53(2):534-544.
[4]许成,张海燕.稀疏重建的兰姆波结构损伤定位[J].声学技术,2016(6):537-541.
[5]李海平,无参考条件下金属板结构兰姆波阵列检测方法研究[D],北京:北京工业大学,2019:1-92.
[6]Gao F,Zeng L,Lin J.Mode separation in frequency-wavenumber domainthrough compressed sensing of far-field Lamb waves[J].Measurementence&Technology,2017,28:075004
[7]田振华,徐鸿,李鸿源.基于传递函数法的兰姆波解析模拟[J].固体力学学报,2014,35(003):285-291.
Claims (2)
1.一种基于时频分布相似度分析的兰姆波模态分离方法,其特征在于,该方法是通过以下步骤实现的:
Step2:对获取的检测信号进行低通滤波处理,去除信号噪声,并进行幅值归一化处理;
Step3:对检测信号进行时频分析,获取时频图TFR(t,ω);
Step4:通过设置阈值的方式对获取的TFR(t,ω)进行二值化处理,确定M个单连通时频范围;
Step5:按照脊搜索法对第m个时频范围搜索该范围内的脊点,拟合出该时频范围内的脊线,即时频分布曲线Φm(t,ω);
Step6:根据Disperse获取的各模态群速度理论频散曲线,设定不同的传播距离值x1,x2,…xP,根据t(ω)=xp/ci|g(ω)得到传播距离为xp时的各模态的理论时频分布三维矩阵:Wq|P×M×N(Y(t,ω));
Step9:由Step7中对模态的判别可得到不同模态的时频分布曲线Φq(t,ω)、,由此建立中心随时间t及频率ω变换的二维高斯窗函数Gq(t,ω),并分别与Step3中的TFR(t,ω)相乘,获得单模态信号的时频图TFRq(t,ω);
Step10:由单模态信号的时频图TFRq(t,ω)进行逆变换,求得单模态时域信号yxp|q(t),完成多模态信号的模态分离及传播距离的确定;
式中d(Y,Φ)——Y(t,ω)与Φ(t,ω)的欧氏距离;
sim(Y,Φ)——Y(t,ω)与Φ(t,ω)的相似度;
若激励信号为f(t),其在传播过程中为距离和时间的函数y(x,t),它在频域中的表达式为:
式中ki(ω)——不同模态对应的波数;
F(ω)——f(t)的傅里叶变换;
当兰姆波传播距离为x0,在已知第i个模态群速度理论频散曲线的基础上,它的时频分布满足:
式中t——时间序列;
ci|g(ω)——第i个模态的群速度频散曲线;
ci|p(ω)——第i个模态的相速度频散曲线;
将传播时间离散化为M个值,频率离散化为N个值,则当传播距离为x0,对应的兰姆波传播时间-频率分布为:
那么当有P个不同的传播距离时,兰姆波的时频分布为P×M×N的三维矩阵W:
式中xp——第p个传播距离。
2.根据权利要求1所述的一种基于时频分布相似度分析的兰姆波模态分离方法,其特征在于,对于传播距离未知的某检测信号进行时频分析得到Φ(t,ω),离散化为M个时间点及N个频率点:ΦM×N(tm,ωn),将检测信号时频分布ΦM×N与理论信号的时频分布Wi|P×M×N进行P次相似度计算:
在板结构兰姆波检测中,检测信号一般存在两种及以上模态,不同模态的时频分布Wi|P×M×N也不同,假设检测信号中同时存在Q个模态,分别计算检测信号的时频分布ΦM×N与各个模态的理论时频分布,得到一个相似度矩阵cQ×P:
在相似度矩阵cQ×P中寻找最大值cmax,cmax在相似度矩阵中所对应的q与xp值则分别表明了与Φ(t,ω)相匹配的的模态与传播距离xp;
在确定Φ(t,ω)的模态的基础上,构建单模态二维t-ω时变滤波器G(t,ω),在检测信号的时频分布中提取单模态信号的时频图TFRi,并进行逆变换实现单模态时域信号的分离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514237.1A CN113358743B (zh) | 2021-05-12 | 2021-05-12 | 一种基于时频分布相似度分析的兰姆波模态分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514237.1A CN113358743B (zh) | 2021-05-12 | 2021-05-12 | 一种基于时频分布相似度分析的兰姆波模态分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113358743A true CN113358743A (zh) | 2021-09-07 |
CN113358743B CN113358743B (zh) | 2022-09-20 |
Family
ID=77526177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514237.1A Active CN113358743B (zh) | 2021-05-12 | 2021-05-12 | 一种基于时频分布相似度分析的兰姆波模态分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113358743B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686959A (zh) * | 2021-09-15 | 2021-11-23 | 中国科学院声学研究所 | 一种基于超声兰姆波缺陷检测的成像方法及装置 |
CN115236592A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于单阵元时频曲线匹配的冰声定位方法 |
CN115235391A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002008746A2 (en) * | 2000-07-20 | 2002-01-31 | Southwest Research Institute | Apparatus and method for analysis of guided ultrasonic waves |
CN107045017A (zh) * | 2017-04-25 | 2017-08-15 | 南京信息工程大学 | 基于超声兰姆波和时间反转理论的薄板裂纹深度分析方法 |
CN112014471A (zh) * | 2020-07-10 | 2020-12-01 | 北京工业大学 | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 |
-
2021
- 2021-05-12 CN CN202110514237.1A patent/CN113358743B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002008746A2 (en) * | 2000-07-20 | 2002-01-31 | Southwest Research Institute | Apparatus and method for analysis of guided ultrasonic waves |
CN107045017A (zh) * | 2017-04-25 | 2017-08-15 | 南京信息工程大学 | 基于超声兰姆波和时间反转理论的薄板裂纹深度分析方法 |
CN112014471A (zh) * | 2020-07-10 | 2020-12-01 | 北京工业大学 | 一种基于虚拟传感器的板结构多模态兰姆波拓扑梯度成像方法 |
Non-Patent Citations (3)
Title |
---|
F.LANZA DI SCALEA ET AL: "Measuring high-frequency wave propagation in railroad tracks by joint time–frequency analysis", 《JOURNAL OF SOUND AND VIBRATION》 * |
焦敬品 等: "基于压缩感知的金属加筋板兰姆波健康监测技术", 《航空学报》 * |
苗晓婷等: "结合时间逆转的兰姆波与加权分布成像算法对多损伤识别的研究", 《机械工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686959A (zh) * | 2021-09-15 | 2021-11-23 | 中国科学院声学研究所 | 一种基于超声兰姆波缺陷检测的成像方法及装置 |
CN115236592A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于单阵元时频曲线匹配的冰声定位方法 |
CN115235391A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
CN115235391B (zh) * | 2022-06-30 | 2022-12-30 | 哈尔滨工程大学 | 一种基于a0模态频散曲线的测量冰厚方法 |
CN115236592B (zh) * | 2022-06-30 | 2023-02-03 | 哈尔滨工程大学 | 一种基于单阵元时频曲线匹配的冰声定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113358743B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113358743B (zh) | 一种基于时频分布相似度分析的兰姆波模态分离方法 | |
Michaels et al. | Frequency–wavenumber domain analysis of guided wavefields | |
CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
Gangadharan et al. | Time reversal technique for health monitoring of metallic structure using Lamb waves | |
CN106226407B (zh) | 一种基于奇异谱分析的超声回波信号在线预处理方法 | |
Chen et al. | An adaptive Morlet wavelet filter for time-of-flight estimation in ultrasonic damage assessment | |
Zoubi et al. | Lamb wave mode decomposition based on cross-Wigner-Ville distribution and its application to anomaly imaging for structural health monitoring | |
CN109855874B (zh) | 一种声音辅助振动微弱信号增强检测的随机共振滤波器 | |
CN111380957B (zh) | 一种基于频率-波数域滤波的超声导波检测方法 | |
Jia et al. | An approach based on expectation-maximization algorithm for parameter estimation of Lamb wave signals | |
CN1743839A (zh) | 一种结构缺陷超声在线智能识别系统及识别方法 | |
CN110161119B (zh) | 风电叶片缺陷识别方法 | |
CN113533510B (zh) | 一种钢轨疲劳微裂纹识别方法及装置 | |
CN104897777A (zh) | 基于Burg算法的自回归谱外推技术提高TOFD检测纵向分辨率的方法 | |
CN114136249B (zh) | 一种变压器绕组变形超声检测信号去噪方法 | |
CN112147236A (zh) | 一种基于稀疏盲解卷积的超声信号分辨率提升方法 | |
CN2809640Y (zh) | 一种结构缺陷超声在线智能识别系统 | |
Wang et al. | Multifrequency identification and exploitation in Lamb wave inspection | |
CN110108797B (zh) | 利用声阻抗变化信息的介质分界面超声检测方法 | |
Selim et al. | Wavelet transform applied to internal defect detection by means of laser ultrasound | |
CN108195934B (zh) | 基于时频分析的超声导波检测频率优选方法 | |
Mohammed et al. | Chirplet Transform in Ultrasonic Non-Destructive Testing and Structural Health Monitoring: A Review. | |
Yang et al. | Parametric identification of ultrasonic guided wave aliasing modes based on dispersion effect | |
Jiao et al. | A pulse compression technique for improving the temporal resolution of ultrasonic testing | |
CN106063711B (zh) | 一种骨导波检测与分离、识别及重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |