CN113933392B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113933392B CN113933392B CN202111209511.0A CN202111209511A CN113933392B CN 113933392 B CN113933392 B CN 113933392B CN 202111209511 A CN202111209511 A CN 202111209511A CN 113933392 B CN113933392 B CN 113933392B
- Authority
- CN
- China
- Prior art keywords
- signal
- damage
- flight time
- reference signal
- ultrasonic guided
- 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
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
-
- 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
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
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)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明属于结构损伤的定位识别领域,提供了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。该方法包括,基于被测结构,采用超声导波检测系统得到对损伤敏感的信号调制参数;基于所述信号调制参数,获取被测结构无损状态下结构响应的基准信号和被测结构有损状态下结构响应的损伤信号;基于所述基准信号、损伤信号,获得飞行时间和损伤指数;基于飞行时间,确定损伤位置与传播路径的位置关系;基于损伤位置与传播路径的位置关系,结合以所述飞行时间控制的自适应范围参数、优化空间概率分布函数和损伤指数,进行基于概率检验重建算法的损伤定位成像。
Description
技术领域
本发明属于结构损伤的定位识别领域,尤其涉及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。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成现有技术。
工业技术的现代化带来大量结构复杂的工业设备和高端装备,在冶金化工、高端制造业、航空航天、轨道交通、船舶等领域得到广泛的使用。装备服役过程中大量关键结构的工作环境始终伴随着交变载荷、气动压力、振动冲击、变温变湿等恶劣工况,使得结构产生疲劳裂纹、腐蚀、磕碰缺口等各类损伤,严重影响装备的安全性和可靠性,危及财产和生命安全。因此,对结构损伤的定位识别检测具有极为重要的意义。
目前无损检测中常用方法存在停运检修、灵敏度差、存在盲区等问题,基于超声导波的检测方法由于具有成本低、传播距离远、对损伤敏感、便于在线监测等优势,成为结构无损检测领域的热点研究方向。超声导波检测技术的原理为:向被测结构发送一定频率的超声波激励信号,结构中存在的损伤会改变信号的传播,并在接收到的结构响应信号中表现出来,通过提取响应信号中包含的有损伤引起的变化特征来实现结构损伤的识别。超声导波法通常分为线性超声法和非线性超声法,二者的区别在于,线性超声从时域提取线性特征参数,如反射回波、飞行时间延迟、能量衰减等,非线性超声从频域提取非线性特征参数,如谐波、调制频谱边带、共振频率偏移等。目前大量学者的研究表明,线性特征参数的提取会更容易且受到环境因素干扰影响较小,对设备和传感器性能要求较少,使用成本较低,更适合实际工程的应用需求。在对线性特征参数的表征中,皮尔逊相关系数是一种能够包含信号强度变化和相位变化的特征参数表达方式,在损伤检测中常用于实现对损伤的量化,飞行时间则是一种包含了损伤情况和一定位置信息的特征参数,在损伤检测中常在于波速相关的成像算法中使用。
基于概率检验重建算法具有对结构先验知识要求少、适用性好、计算量少、计算速度快、对不同损伤敏感等优点,成为目前研究和应用最广泛的超声导波损伤定位成像算法之一。
但是,基于概率检验重建算法的参数设置存在一定的经验指导和调试,范围参数β在目前使用中一般通过在0-0.2之间通过调试获得,不合适的参数设置会直接影响算法的检测范围,定位的准确性以及出现伪像现象,使得在实际工程应用中表现得并不是特别可靠。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供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,其在保留原有检测技术优势的同时,实现对原有人为设置参数的自适应设置优化,增强了其实际应用的可行性和可靠性。
为了实现上述目的,本发明采用如下技术方案:
本发明提供了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。
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,包括:
基于被测结构,采用超声导波检测系统得到对损伤敏感的信号调制参数;
基于所述信号调制参数,获取被测结构无损状态下结构响应的基准信号和被测结构有损状态下结构响应的损伤信号;
基于所述基准信号、损伤信号,获得飞行时间和损伤指数;
基于飞行时间,确定损伤位置与传播路径的位置关系;
基于损伤位置与传播路径的位置关系,结合以所述飞行时间控制的自适应范围参数、优化空间概率分布函数和损伤指数,进行基于概率检验重建算法的损伤定位成像。
进一步地,所述超声导波检测系统包括:被测结构、压电陶瓷传感器、信号发生器、功率放大器和信号采集卡;若干所述压电陶瓷传感器设置在被测结构上形成传感器网络,所述信号发生器发出的信号经功率放大器放大后输出激励信号,所述激励信号作用被测结构上,经所述传感器网络将结构响应的基准信号或者损伤信号发送到信号采集卡。
进一步地,所述对损伤敏感的信号调制参数确定的过程包括:基于被测结构,采用超声导波检测系统得到被测结构内传播的超声导波频散曲线,选择频散特性受抑制的频率范围,基于所述频率范围确定对损伤敏感的信号调制参数。
进一步地,所述超声导波频散曲线根据所述被测结构材料的弹性模量、剪切模量、密度及泊松比计算结构内传播的超声导波频散曲线。
进一步地,所述基于所述频率范围确定对损伤敏感的信号调制参数的过程包括,采用遍历的方式,利用激励信号作用在被测结构上,依据确定的频散特性受抑制的频率范围,确定对损伤敏感的信号调制参数。
进一步地,所述飞行时间包括散射信号飞行时间和基准信号飞行时间,所述散射信号飞行时间和基准信号飞行时间获得的过程包括:将基准信号减去损伤信号得到散射信号。使用连续小波变换提取散射信号和基准信号的包络线,其中散射信号包络线的首个波包的峰值为散射信号的到达时间,激励信号包络线的波包峰值为激励信号的发射时间,所述散射信号的到达时间减去所述激励信号的发射时间等于所述散射信号飞行时间;基准信号包络线的首个波包的峰值为基准信号的到达时间,激励信号包络线的首个波包峰值为激励信号的发射时间,所述基准信号的到达时间减去所述激励信号的发射时间等于所述基准信号飞行时间。
进一步地,所述确定损伤位置与传播路径的位置关系的过程包括:比较散射信号飞行时间和基准信号飞行时间,当二者基本一致时,表明损伤位置不位于该路径上,当两者的差距大于设定阈值时,表明损伤位于该路径附近。
进一步地,所述自适应范围参数通过散射信号飞行时间与基准信号飞行时间的比值减去1得到。
进一步地,所述优化空间概率分布函数为激励信号激发压电陶瓷传感器到当前像素点的距离和当前像素点到信号采集卡接收压电陶瓷传感器的距离之和除以传播路径距离。
进一步地,所述基于概率检验重建算法的损伤定位成像之后包括:将成像得到图像的像素点的最大值所在位置为检测损伤定位结果。
与现有技术相比,本发明的有益效果是:
本发明基于超声导波的传播原理,利用飞行时间和信号相关性作为特征参数融合表征结构损伤情况,在有基准前提下实现对被测区域损伤情况的准确定位识别。
本发明引入的飞行时间与皮尔逊相关系数在空间分布函数和损伤指数上实现了多特征参数的融合,使得算法能够更好的表示损伤特征。
本发明利用飞行时间这一常用于速度有关的损伤识别方法中的特征参数实现范围参数β的自适应设置,弥补了基于概率检验重建算法在应用中存在的参数设置主观影响过强的不足,增强了其在结构损伤检测的实际应用中的可行性和可靠性,能够极大的减少运营风险和运维成本,增强检测算法的自动化能力,具有广阔的应用前景和工程使用价值。
本发明附加方面的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
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明示出的基于超声导波概率检验重建算法的流程图;
图2是本发明示出的超声导波检测系统结构图;
图3是本发明示出的基于超声导波的特征融合概率重建损伤定位成像方法流程图;
图4是本发明示出的优化空间分布函数权值等高线示意图;
图5(a)是本发明示出的传感器布局和模拟损伤位置关系图;
图5(b)是本发明示出的损伤指数与飞行时间关系图;
图5(c)是本发明示出的损伤成像结果示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
实施例一
如图1所示,本实施例提供了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,该方法包括以下步骤:
基于被测结构,采用超声导波检测系统得到对损伤敏感的信号调制参数;
基于所述信号调制参数,获取被测结构无损状态下结构响应的基准信号和被测结构有损状态下结构响应的损伤信号;
基于所述基准信号、损伤信号,获得飞行时间和损伤指数;
基于飞行时间,确定损伤位置与传播路径的位置关系;
基于损伤位置与传播路径的位置关系,结合以所述飞行时间控制的自适应范围参数、优化空间概率分布函数和损伤指数,进行基于概率检验重建算法的损伤定位成像。
对本实施例公开的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进行详细说明。如图1所示。
1.根据目标检测区域设计传感器网络,粘贴传感器,搭建超声导波检测系统。
(1)搭建超声导波检测系统,如图2所示,系统主要由被测结构、压电陶瓷传感器、信号发生器、功率放大器、采集卡组成;
(2)在600mm*600mm的方形铝合金平板上设置一个直径为300mm的圆形检测区域,在区域边缘使用环氧树脂胶对称粘贴6个压电陶瓷传感器,构成传感器网络如图5(a),其中传播路径共15条。实验中采用粘贴质量块的办法改变被测结构局部刚性,模拟存在损伤。
2.计算超声导波频散曲线,分析目标区域使用汉宁窗调制正弦波的最佳信号参数
(1)根据结构材料的弹性模量、剪切模量、密度及泊松比计算结构内传播的超声导波频散曲线,选择频散特性受抑制的频率范围。
(2)通过遍历的方式,在结构上激励并采集信号,寻找波包分离明显,信号幅度大,对损伤敏感的信号调制参数。
3.获取“一发一收”模式下每条传播路径的结构无损状态和有损状态响应信号。
(1)根据第二步实验的最佳信号调制参数,依次执行传感器网络中各条传播路径的信号激励和采集,获取无损状态下结构响应信号,记为基准信号。
(2)在检测区域内部粘贴质量块模拟损伤。实例中损伤位置标记在图5(a),重复执行上一步操作获取有损状态响应信号,记为损伤信号。
4.对响应信号进行分析,计算损伤指数、散射信号和基准信号首波飞行时间,得到损伤与传播路径的位置关系。
(1)计算基准信号和损伤信号的相关系数。
皮尔逊相关系数表达式为:
传感器i激发,传感器j接收的传播路径的损伤指数定义为:
DIi,j=1-ρXY,
(2)使用连续小波变换提取散射信号和基准信号的包络线,其中首个波包的峰值为信号的到达时间,减去激励信号的波包峰值即为飞行时间。实例中的损伤指数和飞行时间计算结果如图5(b)。
信号s(t)的连续小波变换为:
式中CWT(a,b)为连续小波变换系数,a表示小波的支持宽度,b表示小波在时域的局部化。上标*表示共轭。s(t)为进行变换的信号,t为时间变量。
连续小变换中的核函数为:
连续小波变换中使用的基函数复morlet小波表达式为:
式中fc为中心频率,fb为频率带宽,j为复数单位,t为时间变量。
(3)根据飞行时间对损伤所在位置进行初步分类。根据位于传播路径上的损伤对直达波幅值影响较大,位于传播路径附近的损伤对直达波在幅值和相位上都会造成影响的传播特性。比较散射信号飞行时间和基准信号飞行时间,当二者基本一致时,表明损伤不位于该路径上,当存在一定差距时,表明损伤位于该路径附近。
5.对损伤位于附近的路径使用以飞行时间控制的自适应范围参数β和优化的空间概率分布函数,进行基于概率检验重建算法的损伤定位成像,检测原理如图3所示。
(1)对不受损伤影响或有损伤的路径采用传统基于概率检验重建算法得到结果1。
(2)对于损伤位于附近的路径使用飞行时间控制的自适应参数β和优化的空间概率分布函数进行计算得到结果2。分布函数权值等高线示意图如图4所示。
优化空间概率分布函数W[R]为:
式中,β和RDn的表达式为:
式中,β为椭圆的范围参数,TOFscatter和TOFbaseline分别为散射信号和基准信号的首波飞行时间,RDn为第n条路经的椭圆形状参数,为椭圆离心率的倒数减1,(x,y)为当前计算的离散点坐标,Dan和Dsn分别为点(x,y)到激发传感器、接收传感器的距离,Dn为激发传感器到接收传感器的距离,(xan,yan)和(xsn,ysn)分别为激发传感器和接收传感器的坐标。
基于概率检验重建算法的表达式为:
式中,pn(x,y)为第n条路径的变化是由(x,y)点引起的概率,W[Rn(x,y)]为第n条路径的空间概率分布函数,DIn为第n条路径的损伤指数,N为传播路径的数量。
(3)将结果1与结果2相加后绘制图像即可得到成像结果,实例成像结果如图5(c)所示,图像的横纵坐标分别为矩阵行列数,像素点的值为对应矩阵元素的值,将最大值所在位置定义为检测损伤定位结果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于超声导波的特征融合概率重建损伤定位成像方法,其特征在于,包括:
基于被测结构,采用超声导波检测系统得到对损伤敏感的信号调制参数;
所述对损伤敏感的信号调制参数确定的过程包括:基于被测结构,采用超声导波检测系统得到被测结构内传播的超声导波频散曲线,选择频散特性受抑制的频率范围,基于所述频率范围确定对损伤敏感的信号调制参数;所述超声导波频散曲线根据所述被测结构材料的弹性模量、剪切模量、密度及泊松比计算结构内传播的超声导波频散曲线;
所述基于所述频率范围确定对损伤敏感的信号调制参数的过程包括,采用遍历的方式,利用激励信号作用在被测结构上,依据确定的频散特性受抑制的频率范围,确定对损伤敏感的信号调制参数;
基于所述信号调制参数,获取被测结构无损状态下结构响应的基准信号和被测结构有损状态下结构响应的损伤信号;基于所述基准信号、损伤信号,获得飞行时间和损伤指数;
基于飞行时间,确定损伤位置与传播路径的位置关系;
所述飞行时间包括散射信号飞行时间和基准信号飞行时间,基准信号减去损伤信号得到散射信号;
所述散射信号飞行时间和基准信号飞行时间获得的过程包括:使用连续小波变换提取散射信号和基准信号的包络线,其中散射信号包络线的首个波包的峰值为散射信号的到达时间,激励信号包络线的波包峰值为激励信号的发射时间,所述散射信号的到达时间减去所述激励信号的发射时间等于所述散射信号飞行时间;基准信号包络线的首个波包的峰值为基准信号的到达时间,激励信号包络线的波包峰值为激励信号的发射时间,所述基准信号的到达时间减去所述激励信号的发射时间等于所述基准信号飞行时间;
所述确定损伤位置与传播路径的位置关系的过程包括:比较散射信号飞行时间和基准信号飞行时间,当二者基本一致时,表明损伤位置不位于该路径上,当两者的差距大于设定阈值时,表明损伤位于该路径附近;
基于损伤位置与传播路径的位置关系,结合以所述飞行时间控制的自适应范围参数、优化空间概率分布函数和损伤指数,飞行时间与皮尔逊相关系数在空间分布函数和损伤指数上实现了多特征参数的融合,进行基于概率检验重建算法的损伤定位成像;
所述自适应范围参数通过散射信号飞行时间与基准信号飞行时间的比值减去1得到;
所述优化空间概率分布函数W[R]为:
式中,β和RDn的表达式为:
式中,β为椭圆的范围参数,TOFscatter和TOFbaseline分别为散射信号和基准信号的首波飞行时间,RDn为第n条路经的椭圆形状参数,为椭圆离心率的倒数减1,(x,y)为当前计算的离散点坐标,Dan和Dsn分别为点(x,y)到激发传感器、接收传感器的距离,Dn为激发传感器到接收传感器的距离,(xan,yan)和(xsn,ysn)分别为激发传感器和接收传感器的坐标。
2.根据权利要求1所述的基于超声导波的特征融合概率重建损伤定位成像方法,其特征在于,所述超声导波检测系统包括:被测结构、压电陶瓷传感器、信号发生器、功率放大器和信号采集卡;若干所述压电陶瓷传感器设置在被测结构上形成传感器网络,所述信号发生器发出的信号经功率放大器放大后输出激励信号,所述激励信号作用被测结构上,经所述传感器网络将结构响应的基准信号或者损伤信号发送到信号采集卡。
3.根据权利要求1所述的基于超声导波的特征融合概率重建损伤定位成像方法,其特征在于,所述优化空间概率分布函数为激励信号激发压电陶瓷传感器到当前像素点的距离和当前像素点到信号采集卡接收压电陶瓷传感器的距离之和除以传播路径距离。
4.根据权利要求1所述的基于超声导波的特征融合概率重建损伤定位成像方法,其特征在于,所述基于概率检验重建算法的损伤定位成像之后包括:将成像得到图像的像素点的最大值所在位置为检测损伤定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209511.0A CN113933392B (zh) | 2021-10-18 | 2021-10-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209511.0A CN113933392B (zh) | 2021-10-18 | 2021-10-18 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113933392A CN113933392A (zh) | 2022-01-14 |
CN113933392B true CN113933392B (zh) | 2023-05-30 |
Family
ID=79279959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111209511.0A Active CN113933392B (zh) | 2021-10-18 | 2021-10-18 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113933392B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995435A (zh) * | 2010-11-05 | 2011-03-30 | 上海交通大学 | 基于瞬时相位变化度的损伤检测方法 |
CN104965025A (zh) * | 2015-05-14 | 2015-10-07 | 南京航空航天大学 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
CN108254438A (zh) * | 2017-12-19 | 2018-07-06 | 上海交通大学 | 基于兰姆波的不均匀截面结构损伤识别成像方法及系统 |
CN110389170A (zh) * | 2018-04-17 | 2019-10-29 | 江苏必得科技股份有限公司 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
CN111208206A (zh) * | 2020-02-20 | 2020-05-29 | 北京博感科技有限公司 | 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 |
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 |
CN112903818A (zh) * | 2021-01-21 | 2021-06-04 | 北京航空航天大学 | 一种金属板结构健康监测系统和方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424472B (zh) * | 2013-08-14 | 2016-01-27 | 哈尔滨工业大学深圳研究生院 | 一种基于磁致伸缩导波的横波检测装置及检测方法 |
CN107132279B (zh) * | 2017-05-02 | 2019-10-25 | 长沙理工大学 | 一种基于阵列超声表面波的构件损伤概率成像定位方法 |
CN111812207A (zh) * | 2020-07-21 | 2020-10-23 | 大连理工大学 | 基于超声导波转换模态提取的无基准损伤诊断成像方法 |
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 |
CN112162036B (zh) * | 2020-09-16 | 2022-01-11 | 昆明理工大学 | 一种正三角相控阵螺栓紧固结构健康监测系统及方法 |
CN112630307A (zh) * | 2020-12-01 | 2021-04-09 | 浙江工业大学 | 一种模块化阵元压电陶瓷超声导波检测装置及检测方法 |
-
2021
- 2021-10-18 CN CN202111209511.0A patent/CN113933392B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995435A (zh) * | 2010-11-05 | 2011-03-30 | 上海交通大学 | 基于瞬时相位变化度的损伤检测方法 |
CN104965025A (zh) * | 2015-05-14 | 2015-10-07 | 南京航空航天大学 | 一种基于Lamb波信号相关系数的多区域损伤检测方法 |
CN108254438A (zh) * | 2017-12-19 | 2018-07-06 | 上海交通大学 | 基于兰姆波的不均匀截面结构损伤识别成像方法及系统 |
CN110389170A (zh) * | 2018-04-17 | 2019-10-29 | 江苏必得科技股份有限公司 | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 |
CN111208206A (zh) * | 2020-02-20 | 2020-05-29 | 北京博感科技有限公司 | 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 |
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 |
CN112903818A (zh) * | 2021-01-21 | 2021-06-04 | 北京航空航天大学 | 一种金属板结构健康监测系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113933392A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
Banerjee et al. | A wave propagation and vibration-based approach for damage identification in structural components | |
Michaels et al. | Detection of structural damage from the local temporal coherence of diffuse ultrasonic signals | |
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 | |
US9316620B2 (en) | Structural damage detection system, device and method | |
Park et al. | PZT-based active damage detection techniques for steel bridge components | |
Zhao et al. | Detection and monitoring of delamination in composite laminates using ultrasonic guided wave | |
US8042397B2 (en) | Damage volume and depth estimation | |
US6301967B1 (en) | Method and apparatus for acoustic detection and location of defects in structures or ice on structures | |
US7263446B2 (en) | Structural health management system and method for enhancing availability and integrity in the structural health management system | |
US7891247B2 (en) | Method and system for detecting an anomaly and determining its size | |
CN105372330A (zh) | 板中微裂纹检测用非线性Lamb波混频方法 | |
Wang et al. | A singular value decomposition-based guided wave array signal processing approach for weak signals with low signal-to-noise ratios | |
US9038469B2 (en) | Reference free inconsistency detection system | |
CN104792865A (zh) | 基于分数维的管道超声导波小缺陷识别与定位方法 | |
Kundu et al. | Acoustic emission based damage localization in composites structures using Bayesian identification | |
Kundu et al. | A generic framework for application of machine learning in acoustic emission-based damage identification | |
Choi et al. | Application of modal-based damage-detection method to locate and evaluate damage in timber beams | |
Ihn et al. | Multicrack growth monitoring at riveted lap joints using piezoelectric patches | |
CN114813943B (zh) | 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法 | |
Xu et al. | Determination of impact events on a plate-like composite structure | |
Wang et al. | Feasibility investigation of rail monitoring by wheel-mounted acoustic emission technology using two-dimensional analytical contact acoustic nonlinearity model | |
Silva et al. | Guided Lamb waves based structural health monitoring through a PZT network system | |
Michaels et al. | Self‐Calibrating Ultrasonic Methods for In‐Situ Monitoring of Fatigue Crack Progression | |
Goutaudier et al. | Real Time Impact Localization Using Modal Superposition—Application to a Composite Aircraft Fuselage |
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 |