CN113720916A - 基于缺陷概率重构算法的空气耦合超声检测方法及装置 - Google Patents
基于缺陷概率重构算法的空气耦合超声检测方法及装置 Download PDFInfo
- Publication number
- CN113720916A CN113720916A CN202111026949.5A CN202111026949A CN113720916A CN 113720916 A CN113720916 A CN 113720916A CN 202111026949 A CN202111026949 A CN 202111026949A CN 113720916 A CN113720916 A CN 113720916A
- Authority
- CN
- China
- Prior art keywords
- transmitting
- defect
- coupling sensor
- air
- piece
- 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
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
- G01N29/043—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
- G01N29/06—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
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/221—Arrangements for directing or focusing the acoustical 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
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
- G01N29/265—Arrangements for orientation or scanning by relative movement of the head and the sensor by moving the sensor relative to a stationary material
-
- 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
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/28—Details, e.g. general constructional or apparatus details providing acoustic coupling, e.g. water
-
- 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
- G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
- G01N29/348—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with frequency characteristics, e.g. single frequency signals, chirp signals
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于缺陷概率重构算法的空气耦合超声检测方法及装置,其中,该方法包括:根据导波的频散曲线结合待测件的厚度确定发射空耦换能器的激励频率;根据激励频率确定反对称模态的群速度,根据斯涅尔定律确定发射/接收空耦换能器的倾斜角;采用同侧穿透法获得无缺陷试件的初始波形作为参考数据,之后以Z方向为轴,采用旋转扫查法以预设角度间隔旋转360度发射/接收换能器再次采集待测件的N组信号数据与参考数据进行比较,以确定信号特性是否有重大变化,计算待测件上的缺陷分布概率,根据缺陷分布概率对发射/接收空耦换能器旋转覆盖区域进行缺陷成像。该方法提高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少。
Description
技术领域
本发明涉及超声检测技术领域,特别涉及一种基于缺陷概率重构算法的空气耦合超声检测方法及装置。
背景技术
伴随科学技术的进步和市场的发展及科研需求的改变,常规的材料无法胜任某些苛刻的要求,使得工程应用受到阻碍。为了克服这一困难,实现针对具体应用场景的材料,复合材料应运而生。复合材料因具有很高的比强度、比刚度,可以实现设计与定制,抗疲劳性能优于传统材料,减振能力强,高温条件下性能稳定,稳定性及安全性好等优良性能已经被广泛应用于各个行业,从军事航空航天到民用汽车医疗,到处都有其用武之地。
随着复合材料使用范围的扩展,其使用环境也越来越复杂,越来越恶劣,使得复合材料在服役过程中由于震动、冲击和疲劳等因素造成的损伤日益显著,加之生产、加工过程中难免有先天缺陷的存在或者带来一些材料上的不足,因此,对复合材料进行无损检测,避免其失效给工程带来损失就显得非常必要了。
空气耦合超声是一种新型超声检测方法,其区别于传统超声检测的突出优势是在检测过程中不需要施加耦合剂,对某些特殊要求的检测场合或者特殊材料的检测具有得天独厚的优势,比如不适合使用耦合剂检测的复合材料、药材、木材等。传统超声在被换能器激发出来后必须通过耦合剂传递到被测物体,这样是为了保证能量最大化的传递,但与此同时材料也会受到污染甚至损伤,这就使得超声检测的使用受到了一定的限制;而空气耦合超声就很好的克服了这些问题,可以直接通过空气将声波传递出去,完成非接触式的无损检测,对复杂的几何构件也有良好的适应能力,所以对其研究具有很重要的意义。
目前,市场上对于待检测件进行空气耦合超声检测往往是采用异侧垂直穿透法,并结合扫查机构对两个发射和接收空耦换能器进行X、Y方向的扫查,从而实现二维平面成像检测。异侧垂直穿透法需要将发射空耦换能器和接收空耦换能器放置于待检测件的两侧,对于一些在役实际检测场景无法满足该要求。同时,通过X、Y方向扫查进行缺陷二维成像无法满足检测精度要求,对于一些小缺陷容易产生漏检现象。尽管利用计算机断层成像技术,利用波速、衰减或能量作为图像重建的特征,对导波阵列的缺陷检测、生长监测和定位映射可以获得精确的缺陷图像,但是这些方法相当耗时,并且稀疏传感器的灵敏度不令人满意。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于缺陷概率重构算法的空气耦合超声检测方法,该方法高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少。
本发明的另一个目的在于提出一种基于缺陷概率重构算法的空气耦合超声检测装置。
为达到上述目的,本发明一方面实施例提出了基于缺陷概率重构算法的空气耦合超声检测方法,包括以下步骤:步骤S1,根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率;步骤S2,根据所述激励频率确定反对称模态的群速度,根据斯涅尔定律确定所述发射空耦换能器和接收空耦换能器的倾斜角;步骤S3,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得所述无缺陷试件的初始波形作为参考数据;步骤S4,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面,采用旋转扫查法获得所述待检测件的N组信号数据;步骤S5,将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,基于缺陷概率重构算法对所述N个信号变化相关系数进行处理,得到所述待检测件上的缺陷分布概率,根据所述缺陷分布概率对所述发射空耦换能器和所述接收空耦换能器旋转覆盖区域进行缺陷成像。
本发明实施例的基于缺陷概率重构算法的空气耦合超声检测方法,提高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少,在相同的环境和测量条件下,这种变化归因于缺陷的产生,本发明实施例也可以通过追踪信号差相对于正常情况的增加来监控缺陷的增长,实现待测件的事实健康监控。
另外,根据本发明上述实施例的基于缺陷概率重构算法的空气耦合超声检测方法还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述步骤S4具体包括:步骤S401,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面;步骤S402,采用旋转扫查法以预设角度间隔在所述待检测件的同侧上表面旋转所述发射空耦传感器和所述接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
进一步地,在本发明的一个实施例中,所述信号变化相关系数为:
其中,ρ为信号变化相关系数,CXY为X和Y的协方差,X为参考数据集,Y为一段服务时间后的信号数据,σX和σY是X和Y的标准差。
进一步地,在本发明的一个实施例中,所述缺陷分布概率为所述发射空耦换能器和所述接收空耦换能器对所有信号变化效应的总和。
进一步地,在本发明的一个实施例中,所述缺陷分布概率为:
其中,Pi(x,y)为所述发射空耦传感器和所述接收空耦传感器对多阶对称模态Si的缺陷分布概率估计,Ai(x,y)=1-ρi为所述发射空耦传感器和所述接收空耦传感器对多阶对称模态Si的信号差异系数,(β-Ri(x,y))/(β-1)为多阶对称模态Si的非负空间分布函数,其轮廓为一组椭圆。
为达到上述目的,本发明另一方面实施例提出了基于缺陷概率重构算法的空气耦合超声检测装置,包括:激励频率确定模块,用于根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率;倾斜角确定模块,用于根据所述激励频率确定反对称模态的群速度,根据斯涅尔定律确定所述发射空耦换能器和接收空耦换能器的倾斜角;获取参考数据模块,用于根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得所述无缺陷试件的初始波形作为参考数据;获取信号数据模块,用于根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面,采用旋转扫查法获得所述待检测件的N组信号数据;缺陷成像模块,用于将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,基于缺陷概率重构算法对所述N个信号变化相关系数进行处理,得到所述待检测件上的缺陷分布概率,根据所述缺陷分布概率对所述发射空耦换能器和所述接收空耦换能器旋转覆盖区域进行缺陷成像。
本发明实施例的基于缺陷概率重构算法的空气耦合超声检测装置,提高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少,在相同的环境和测量条件下,这种变化归因于缺陷的产生,本发明实施例也可以通过追踪信号差相对于正常情况的增加来监控缺陷的增长,实现待测件的事实健康监控。
另外,根据本发明上述实施例的基于缺陷概率重构算法的空气耦合超声检测装置还可以具有以下附加的技术特征:
进一步地,在本发明的一个实施例中,所述获取信号数据模块还包括:放置单元,用于根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面;采集单元,用于采用旋转扫查法以预设角度间隔在所述待检测件的同侧上表面旋转所述发射空耦传感器和所述接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
进一步地,在本发明的一个实施例中,所述信号变化相关系数为:
其中,ρ为信号变化相关系数,CXY为X和Y的协方差,X为参考数据集,Y为一段服务时间后的信号数据,σX和σY是X和Y的标准差。
进一步地,在本发明的一个实施例中,所述缺陷分布概率为所述发射空耦换能器和所述接收空耦换能器对所有信号变化效应的总和。
进一步地,在本发明的一个实施例中,所述缺陷分布概率为:
其中,Pi(x,y)为所述发射空耦传感器和所述接收空耦传感器对多阶对称模态Si的缺陷分布概率估计,Ai(x,y)=1-ρi为所述发射空耦传感器和所述接收空耦传感器对多阶对称模态Si的信号差异系数,(β-Ri(x,y))/(β-1)为多阶对称模态Si的非负空间分布函数,其轮廓为一组椭圆。
本发明附加的方面和优点将在下面的描述中部分给出,部分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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一个实施例的基于缺陷概率重构算法的空气耦合超声检测方法的流程图;
图2是本发明一个实施例的导波频散特性曲线变化图;
图3是本发明一个实施例的空耦超声同侧穿透法检测示意图;
图4是本发明一个实施例的空耦超声旋转扫查法检测示意图;
图5是本发明一个实施例的缺陷概率重构算法的椭圆分布函数示意图;
图6是本发明一个实施例的基于缺陷概率重构算法的空气耦合超声检测装置的结构示意图。
附图标记说明:1-发射空耦换能器、2-接收空耦换能器、3-待检测件、10-基于缺陷概率重构算法的空气耦合超声检测装置、100-激励频率确定模块、200-倾斜角确定模块、300-获取参考数据模块、400-获取信号数据模块和500-缺陷成像模块。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于缺陷概率重构算法的空气耦合超声检测方法及装置,首先将参照附图描述根据本发明实施例提出的基于缺陷概率重构算法的空气耦合超声检测方法。
图1是本发明一个实施例的基于缺陷概率重构算法的空气耦合超声检测方法的流程图。
如图1所示,该基于缺陷概率重构算法的空气耦合超声检测方法包括以下步骤:
在步骤S1中,根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率。
具体而言,如图2所示,导波具有对称模态和反对称模态以及频散特性,在相同的激励频率下可能激励出多阶对称模态(S0,S1,…,Si)与反对称模态(A0,A1,…,Ai)。为了空耦换能器在待测件中激励出较为纯净的模态,根据导波的频散曲线结合待检测件的厚度可知发射空耦换能器的激励频率应小于某一上限值,随后,根据空耦换能器实际性能确定激励频率。
在步骤S2中,根据激励频率确定反对称模态的群速度,根据斯涅尔定律确定发射空耦换能器和接收空耦换能器的倾斜角。
具体地,本领域技术人员根据研究分析可知,对称模态的面内位移较大,反对称模态的面外位移较大,故采用反对称模态进行空耦超声检测。当频厚积(频率×待测件厚度)确定之后,反对称模态A0的群速度也可知,继而根据斯涅尔定律的第一临界折射角结合空气中的传播速度确定空耦换能器的倾斜角。
在步骤S3中,根据倾斜角将发射空耦传感器和接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得无缺陷试件的初始波形作为参考数据。
在步骤S4中,根据倾斜角将发射空耦传感器和接收空耦传感器放置于待检测件的同侧上表面,采用旋转扫查法获得待检测件的N组信号数据。
进一步地,在本发明的一个实施例中,步骤S4具体包括:
步骤S401,根据倾斜角将发射空耦传感器和接收空耦传感器放置于待检测件的同侧上表面;
步骤S402,采用旋转扫查法以预设角度间隔在待检测件的同侧上表面旋转发射空耦传感器和接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
具体地,如图3和4所示,首先采用同侧穿透法获得无缺陷试件的初始波形作为参考数据,之后根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面,以Z方向为轴,采用旋转扫查法以预设角度间隔旋转发射空耦换能器和接收换能器再次采集新的信号,以此类推,当旋转360度时,获得N组信号数据,然后将N组信号数据与参考数据进行比较,求解N个信号变化相关系数,以确定信号特性是否有重大变化。
其中,信号的变化可以用信号变化相关系数ρ为:
式中,CXY为X和Y的协方差,
式中,μ为各个数据集的平均值,K为数据集的长度,X为参考数据集,Y为一段服务时间后的信号数据,σX和σY是X和Y的标准差。
在步骤S5中,将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,基于缺陷概率重构算法对N个信号变化相关系数进行处理,得到待检测件上的缺陷分布概率,根据缺陷分布概率对发射空耦换能器和接收空耦换能器旋转覆盖区域进行缺陷成像。
也就是说,本发明实施例基于缺陷概率重构算法通过测量正常和故障条件下导波信号的差异来检测小缺陷。
具体地,如图5所示,为了确定缺陷的位置,本发明实施例假设在某一点出现缺陷的概率可以从不同传感器对的信号变化的严重程度及其相对于传感器对的位置来估计。这样意味着缺陷将导致直达波路径中最显著的信号变化,如果缺陷远离传感器对的直达路径,则信号变化效应将减小。传感器网络中的缺陷分布概率可以表示为每个发射空耦换能器和接收空耦换能器对的所有信号变化效应的总和。这里假设简单的线性递减椭圆分布,发射空耦换能器和接收空耦换能器在椭圆焦点处。假设在一个总数为N的空耦换能器对网络中,重建区域内的位置(x,y)处的缺陷概率估计可写为:
式中,Pi(x,y)是来自发射空耦换能器和接收空耦换能器对多阶对称模态Si的缺陷分布概率估计,Ai(x,y)为发射空耦换能器和接收空耦换能器对多阶对称模态Si的信号差异系数,Ai(x,y)=1-ρi。(β-Ri(x,y))/(β-1)是多阶对称模态Si的非负空间分布函数,其轮廓为一组椭圆。
式中:
是点(x,y)到发射空耦换能器和接收空耦换能器对多阶对称模态Si中发射空耦换能器和接收空耦换能器的距离之和与发射空耦换能器和接收空耦换能器之间的距离之比。β为控制有效椭圆分布区域大小的标度参数并且β>1。当RDi(x,y)=1意味着点(x,y)在发射/接收空耦换能器对多阶对称模态Si的直线上,此时,Pi(x,y)=Ai(x,y);当RDi(x,y)=β意味着点(x,y)在有效分布区域的边界上,此时,Pi(x,y)=β。一般来说,β选在1.05左右。如果β太小,会引入伪像,如果β太大,分辨率会丢失。通常,如果出现缺陷,一组发射/接收空耦换能器对信号将受到影响。结果,在缺陷分布概率图像中,与其他点相比,缺陷所在的点将具有明显更大的概率。因此,通过应用图像处理技术处理缺陷分布概率,例如选择缺陷估计图像的阈值,可以估计缺陷位置,进而成像待检测件的缺陷。
根据本发明实施例提出的基于缺陷概率重构算法的空气耦合超声检测方法,提高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少,在相同的环境和测量条件下,这种变化归因于缺陷的产生,本发明实施例也可以通过追踪信号差相对于正常情况的增加来监控缺陷的增长,实现待测件的事实健康监控。
其次参照附图描述根据本发明实施例提出的基于缺陷概率重构算法的空气耦合超声检测装置。
图6是本发明一个实施例的基于缺陷概率重构算法的空气耦合超声检测装置的结构示意图。
如图6所示,该装置10包括:激励频率确定模块100、倾斜角确定模块200、获取参考数据模块300、获取信号数据模块400和缺陷成像模块500。
其中,激励频率确定模块100用于根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率。倾斜角确定模块200用于根据激励频率确定反对称模态的群速度,根据斯涅尔定律确定发射空耦换能器和接收空耦换能器的倾斜角。获取参考数据模块300用于根据倾斜角将发射空耦传感器和接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得无缺陷试件的初始波形作为参考数据。获取信号数据模块400用于根据倾斜角将发射空耦传感器和接收空耦传感器放置于待检测件的同侧上表面,采用旋转扫查法获得待检测件的N组信号数据。缺陷成像模块500用于将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,基于缺陷概率重构算法对N个信号变化相关系数进行处理,得到待检测件上的缺陷分布概率,根据缺陷分布概率对发射空耦换能器和接收空耦换能器旋转覆盖区域进行缺陷成像。
进一步地,在本发明的一个实施例中,获取信号数据模块400还包括:放置单元,用于根据倾斜角将发射空耦传感器和接收空耦传感器放置于待检测件的同侧上表面;采集单元,用于采用旋转扫查法以预设角度间隔在待检测件的同侧上表面旋转发射空耦传感器和接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
进一步地,在本发明的一个实施例中,信号变化相关系数为:
其中,ρ为信号变化相关系数,CXY为X和Y的协方差,X为参考数据集,Y为一段服务时间后的信号数据,σX和σY是X和Y的标准差。
进一步地,在本发明的一个实施例中,缺陷分布概率为发射空耦换能器和接收空耦换能器对所有信号变化效应的总和。
进一步地,在本发明的一个实施例中,缺陷分布概率为:
其中,Pi(x,y)为发射空耦传感器和接收空耦传感器对多阶对称模态Si的缺陷分布概率估计,Ai(x,y)=1-ρi为发射空耦传感器和接收空耦传感器对多阶对称模态Si的信号差异系数,(β-Ri(x,y))/(β-1)为多阶对称模态Si的非负空间分布函数,其轮廓为一组椭圆。
需要说明的是,前述对基于缺陷概率重构算法的空气耦合超声检测方法实施例的解释说明也适用于该装置,此处不再赘述。
根据本发明实施例提出的基于缺陷概率重构算法的空气耦合超声检测装置,提高了传统空耦超声X、Y扫查检测的精度,且相比复杂成像技术耗时少,在相同的环境和测量条件下,这种变化归因于缺陷的产生,本发明实施例也可以通过追踪信号差相对于正常情况的增加来监控缺陷的增长,实现待测件的事实健康监控。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于缺陷概率重构算法的空气耦合超声检测方法,其特征在于,包括以下步骤:
步骤S1,根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率;
步骤S2,根据所述激励频率确定反对称模态的群速度,根据斯涅尔定律确定所述发射空耦换能器和接收空耦换能器的倾斜角;
步骤S3,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得所述无缺陷试件的初始波形作为参考数据;
步骤S4,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面,采用旋转扫查法获得所述检测件的N组信号数据;
步骤S5,将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,基于缺陷概率重构算法对所述N个信号变化相关系数进行处理,得到所述待检测件上的缺陷分布概率,根据所述缺陷分布概率对所述发射空耦换能器和所述接收空耦换能器旋转覆盖区域进行缺陷成像。
2.根据权利要求1所述的基于缺陷概率重构算法的空气耦合超声检测方法,其特征在于,所述步骤S4具体包括:
步骤S401,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面;
步骤S402,采用旋转扫查法以预设角度间隔在所述待检测件的同侧上表面旋转所述发射空耦传感器和所述接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
4.根据权利要求1所述的基于缺陷概率重构算法的空气耦合超声检测方法,其特征在于,所述缺陷分布概率为所述发射空耦换能器和所述接收空耦换能器对所有信号变化效应的总和。
6.一种基于缺陷概率重构算法的空气耦合超声检测装置,其特征在于,包括:
激励频率确定模块,用于根据导波的频散曲线结合待检测件的厚度确定发射空耦换能器的激励频率;
倾斜角确定模块,用于根据所述激励频率确定反对称模态的群速度,根据斯涅尔定律确定所述发射空耦换能器和接收空耦换能器的倾斜角;
获取参考数据模块,用于根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于无缺陷试件的同侧上表面,采用同侧穿透法获得所述无缺陷试件的初始波形作为参考数据;
获取信号数据模块,用于将所述参考数据和所述N组信号数据进行比较,求解N个信号变化相关系数,根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面,采用旋转扫查法获得所述待检测件的N组信号数据;
缺陷成像模块,用于基于缺陷概率重构算法对所述N个信号变化相关系数进行处理,得到所述待检测件上的缺陷分布概率,根据所述缺陷分布概率对所述发射空耦换能器和所述接收空耦换能器旋转覆盖区域进行缺陷成像。
7.根据权利要求6所述的基于缺陷概率重构算法的空气耦合超声检测装置,其特征在于,所述获取信号数据模块还包括:
放置单元,用于根据所述倾斜角将所述发射空耦传感器和所述接收空耦传感器放置于所述待检测件的同侧上表面;
采集单元,用于采用旋转扫查法以预设角度间隔在所述待检测件的同侧上表面旋转所述发射空耦传感器和所述接收空耦传感器采集新的信号,直至旋转360度时,获得N组信号数据。
9.根据权利要求6所述的基于缺陷概率重构算法的空气耦合超声检测装置,其特征在于,所述缺陷分布概率为所述发射空耦换能器和所述接收空耦换能器对所有信号变化效应的总和。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026949.5A CN113720916A (zh) | 2021-09-02 | 2021-09-02 | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 |
US17/552,493 US20230061816A1 (en) | 2021-09-02 | 2021-12-16 | Air-coupled Ultrasonic Detection Method and Device Based on Defect Probability Reconstruction Algorithm |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111026949.5A CN113720916A (zh) | 2021-09-02 | 2021-09-02 | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113720916A true CN113720916A (zh) | 2021-11-30 |
Family
ID=78680994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111026949.5A Pending CN113720916A (zh) | 2021-09-02 | 2021-09-02 | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230061816A1 (zh) |
CN (1) | CN113720916A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324582A (zh) * | 2021-12-10 | 2022-04-12 | 哈尔滨工业大学 | 一种基于hht与神经网络的复合材料板分层缺陷空耦超声检测方法 |
CN114720560A (zh) * | 2022-03-20 | 2022-07-08 | 哈尔滨工业大学 | 一种基于模态分解成像算法的碳纤维复合材料板分层缺陷空气耦合Lamb波超声检测方法 |
CN115718144A (zh) * | 2022-11-15 | 2023-02-28 | 厦门大学 | 介观尺度下微缺陷高分辨率成像检测方法与装置 |
WO2024099556A1 (en) * | 2022-11-09 | 2024-05-16 | NDT Global Corporate Ltd. | Pipeline inspection device and methods for detecting a defect in a pipeline wall |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140216158A1 (en) * | 2011-08-17 | 2014-08-07 | Sergio José Sanabria Martin | Air coupled ultrasonic contactless method for non-destructive determination of defects in laminated structures |
EP3418735A1 (de) * | 2017-06-23 | 2018-12-26 | Sonotec Ultraschallsensorik Halle GmbH | Verfahren und vorrichtung zur breitbandmessung mit multielement-luftultraschallschallwandlern |
CN109212037A (zh) * | 2018-10-09 | 2019-01-15 | 南昌航空大学 | 一种空气耦合超声相控阵检测装置 |
CN109856238A (zh) * | 2019-03-20 | 2019-06-07 | 北京航空航天大学 | 一种基于超声检测技术的锂离子电池气泡缺陷检测方法 |
CN110554088A (zh) * | 2019-09-29 | 2019-12-10 | 中国科学院声学研究所 | 一种对于缺陷的空气耦合超声检测方法 |
-
2021
- 2021-09-02 CN CN202111026949.5A patent/CN113720916A/zh active Pending
- 2021-12-16 US US17/552,493 patent/US20230061816A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140216158A1 (en) * | 2011-08-17 | 2014-08-07 | Sergio José Sanabria Martin | Air coupled ultrasonic contactless method for non-destructive determination of defects in laminated structures |
EP3418735A1 (de) * | 2017-06-23 | 2018-12-26 | Sonotec Ultraschallsensorik Halle GmbH | Verfahren und vorrichtung zur breitbandmessung mit multielement-luftultraschallschallwandlern |
CN109212037A (zh) * | 2018-10-09 | 2019-01-15 | 南昌航空大学 | 一种空气耦合超声相控阵检测装置 |
CN109856238A (zh) * | 2019-03-20 | 2019-06-07 | 北京航空航天大学 | 一种基于超声检测技术的锂离子电池气泡缺陷检测方法 |
CN110554088A (zh) * | 2019-09-29 | 2019-12-10 | 中国科学院声学研究所 | 一种对于缺陷的空气耦合超声检测方法 |
Non-Patent Citations (4)
Title |
---|
中国机械工程学会无损检测学会编: "《国外无损检测》", 31 October 1981, 上海科学技术文献出版社 * |
何存富等: ""基于气体基压电复合材料的线聚焦空耦超声传感器研制与应用"", 《复合材料学报》 * |
关立强等: ""Lamb波时间反转椭圆定位和层析成像混合技术研究"", 《南京大学学报(自然科学)》 * |
郑跃滨等: ""基于超声导波的航空航天结构损伤诊断成像技术研究进展"", 《航空制造技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324582A (zh) * | 2021-12-10 | 2022-04-12 | 哈尔滨工业大学 | 一种基于hht与神经网络的复合材料板分层缺陷空耦超声检测方法 |
CN114720560A (zh) * | 2022-03-20 | 2022-07-08 | 哈尔滨工业大学 | 一种基于模态分解成像算法的碳纤维复合材料板分层缺陷空气耦合Lamb波超声检测方法 |
WO2024099556A1 (en) * | 2022-11-09 | 2024-05-16 | NDT Global Corporate Ltd. | Pipeline inspection device and methods for detecting a defect in a pipeline wall |
CN115718144A (zh) * | 2022-11-15 | 2023-02-28 | 厦门大学 | 介观尺度下微缺陷高分辨率成像检测方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
US20230061816A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113720916A (zh) | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 | |
Zhang et al. | Defect characterization using an ultrasonic array to measure the scattering coefficient matrix | |
Michaels | Detection, localization and characterization of damage in plates with an in situ array of spatially distributed ultrasonic sensors | |
CN100507550C (zh) | 用超声波探伤机翼的方法 | |
Muller et al. | Structural health monitoring using lamb wave reflections and total focusing method for image reconstruction | |
Zhang et al. | Efficient immersion imaging of components with nonplanar surfaces | |
CN110687208A (zh) | 一种基于双曲线定位的无基准Lamb波损伤监测方法 | |
CN109253921A (zh) | 一种检测混凝土试块强度评价方法 | |
Brath et al. | Phased array imaging of complex-geometry composite components | |
Yan et al. | Ultrasonic imaging of full matrix capture acquired data for carbon fibre-reinforced polymer | |
CN114235971B (zh) | 一种基于超声导波的编织复合材料板损伤形状识别方法 | |
CN110455704A (zh) | 一种混凝土材料抗硫酸盐侵蚀性能检测方法及系统 | |
US8412470B2 (en) | Change mapping for structural health monitoring | |
CN115683369A (zh) | 一种基于Lamb波双模态声时比的复合材料空耦超声平面应力检测方法 | |
US9523660B2 (en) | Method of conducting probe coupling calibration in a guided-wave inspection instrument | |
US20090249879A1 (en) | Inspection systems and methods for detection of material property anomalies | |
CN112858474A (zh) | 一种陶瓷岩板应力的超声测试方法及测试系统 | |
CN115494160B (zh) | 一种相控阵空气耦合换能器及其平面应力超声测量方法和装置 | |
CN115753991B (zh) | 一种空耦超声高空间分辨率应力场测量装置的使用方法 | |
CN115615591B (zh) | 基于多晶元空气耦合换能器的平面应力超声测量方法 | |
Wei et al. | Modified reconstruction algorithm for probabilistic inspection of damage based on damaged virtual sensing paths | |
CN115856076A (zh) | 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及系统 | |
CN111189914B (zh) | 一种用于复合材料超声检测的渐变厚度系数的确定方法 | |
Michaels | Sparse array imaging with guided waves under variable environmental conditions | |
CN112014018B (zh) | 一种基于超声层析成像的应力场测量方法 |
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 |