CN113960160A - 基于超声Lamb波紧凑阵列的损伤检测方法和装置 - Google Patents
基于超声Lamb波紧凑阵列的损伤检测方法和装置 Download PDFInfo
- Publication number
- CN113960160A CN113960160A CN202110728718.2A CN202110728718A CN113960160A CN 113960160 A CN113960160 A CN 113960160A CN 202110728718 A CN202110728718 A CN 202110728718A CN 113960160 A CN113960160 A CN 113960160A
- Authority
- CN
- China
- Prior art keywords
- sensors
- cross
- damage
- correlation value
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 235000019687 Lamb Nutrition 0.000 title claims abstract description 43
- 230000005284 excitation Effects 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 18
- 230000001976 improved effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006735 deficit Effects 0.000 claims description 3
- 230000001771 impaired effect Effects 0.000 claims 1
- 230000003902 lesion Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 229910000831 Steel Inorganic materials 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 8
- 239000010959 steel Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 238000003466 welding Methods 0.000 description 5
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
- B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof
-
- 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
- G01N29/50—Processing the detected response signal, e.g. electronic circuits specially adapted therefor using auto-correlation techniques or cross-correlation techniques
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种基于超声Lamb波紧凑阵列的损伤检测方法和装置,其中的方法包括:控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n‑1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;根据所述互相关值判断所述目标是否存在损伤;当所述目标存在损失时,对损伤进行定位。本发明的方法和系统,不需要大量传感器来占用较多被测结构的表面,即可对结构进行较完整检测,降低阵列系统的复杂性和成本,操作简单,不需要复杂的电气控制设备。
Description
技术领域
本发明涉及损伤分析技术领域,尤其涉及一种基于超声Lamb波紧凑阵列的损伤检测方法和装置。
背景技术
轨道交通作为国民经济的支柱性行业,承担着促进社会经济稳定发展的重要职责。但是随着在役钢轨的长时间运行,焊缝作为钢轨结构的薄弱处,在列车和外界环境的作用下,易发生疲劳折断等问题,严重威胁铁路运输安全。因此,对钢轨焊缝进行及时全面准确的检测,在裂纹萌生初期及时发现损伤,防止损伤进一步扩展可能引发的重大事故,对于保障铁路运输安全具有重要意义。
与传统的无损检测方法相比,基于超声Lamb波的无损检测技术因其具有传播距离远、沿传播路径衰减小、检测范围广、对微损伤敏感等优点[5],已被广泛应用于板材和管道等大型构件的无损检测中。但是由于铁路设备结构较为复杂等原因的限制,基于Lamb波的损伤识别技术尚未在轨道交通中得到系统性的研究与应用。因此,为弥补传统无损检测技术针对钢轨焊缝检测的不足,研究基于超声Lamb波的钢轨焊缝损伤识别技术,对于保障铁路运输安全具有重要意义。
发明内容
有鉴于此,本发明实施例提供一种基于超声Lamb波紧凑阵列的损伤检测方法和装置。
根据本发明实施例的一个方面,提供一种基于超声Lamb波紧凑阵列的损伤检测方法,所述紧凑阵列包括n个传感器,n为大于等于2的自然数,该方法包括:
控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
根据所述互相关值判断所述目标是否存在损伤;
当所述目标存在损失时,对损伤进行定位。
可选地,根据所述互相关值判断所述目标是否存在损伤,包括:
当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
可选地,根据所述互相关值判断所述目标是否存在损伤,包括:
移除认为受损的路径,并重新计算剩余路径的互相关值,并根据剩余路径的互相关值判断是否还存在损伤的路径。
可选地,所述互相关值为改进的互相关值,所述改进的互相关值通过下述公式计算
其中,MCC——改进的互相关值;n——路径总数;i——参考路径索引; j——比较路径索引。
可选地,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
根据本发明的另一方面,提供一种基于超声Lamb波紧凑阵列的损伤检测装置,包括:
紧凑阵列传感器,所述紧凑阵列传感器包括n个呈相控阵的形式布置的传感器,用于产生激励信号,以及接收目标的响应信号;
控制模块,用于控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
计算模块,根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
判断模块,根据所述互相关值判断所述目标是否存在损伤;
定位模块,用于在所述目标存在损失时,对损伤进行定位。
可选地,当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
可选地,所述计算模块还用于在移除认为受损的路径后重新计算剩余路径的互相关值;
所述判断模块还用于根据剩余路径的互相关值判断是否还存在损伤的路径。
可选地,所述互相关值为改进的互相关值,所述改进的互相关值通过下述公式计算
其中,MCC——改进的互相关值;n——路径总数;i——参考路径索引; j——比较路径索引。
可选地,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
本发明的基于超声Lamb波紧凑阵列的损伤检测方法和装置,具有如下有益效果:
(1)不需要大量传感器来占用较多被测结构的表面,即可对结构进行较完整检测,降低阵列系统的复杂性和成本。
(2)在激励幅值和电压相同的前提下,紧凑阵列通过组合方式,可以将 Lamb波能量汇聚在某个方向,降低了Lamb波在钢轨中传播时衰减和焊缝散射对信号能量的影响,保证接收信号仍有较大的幅值,增加信号能量对损伤的敏感性。
(3)可以控制Lamb波沿特定的方向传播,减少因全向传播带来的其他反射信号的影响,更利于焊缝损伤信息的提取。
(4)操作简单,不需要复杂的电气控制设备。
本发明实施例附加的方面和优点将在下面的描述中部分给出,这些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
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图:
图1示出两个同相波源的组合辐射是构成声阵辐射的最基本模型示意图;
图2为包括三个传感器的紧凑阵列布置示意图;
图3为紧凑阵列Lamb波振幅的理论2D图像;
图4为椭圆定位算法示意图;
图5为根据本发明的基于超声Lamb波紧凑阵列的损伤检测方法的一个实施例的流程图;
图6为根据本发明的基于超声Lamb波紧凑阵列的损伤检测装置的一个实施例中的模块示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令 (诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
下文中的“第一”、“第二”仅用于描述上相区别,并没有其它特殊的含义。
在基于Lamb波的损伤识别技术中,单个传感器对收发所获得的结构特征信息较少,不足以确定大型复杂结构的健康状态,并且,在对结构进行长期的健康监测过程中,对结构的损伤识别依赖于结构处于无损状态时所采集的信号(基准信号)与存在损伤时所采集的信号(损伤信号)之间的差异作为损伤识别的特征信息。但这种方法的前提是信号的变化主要是结构出现损伤所引起的,然而在实际工程中,由于基准信号和损伤信号两次采样的非同步性,可能会受外界环境(温度、噪声、湿度等)和机械系统(耦合强度、传感器性能等)的变化,导致结构处于同一状态下不同时期采集的信号也出现差异,而这种差异在后期进行数字信号处理分析中,会被误认为是由于结构产生损伤所导致的。因此,仅依赖于单个传感器对所获得的信号进行损伤识别,极易产生较大的误差,需要研究新的损伤识别技术,减小对基准信号和损伤信号采样时间的敏感性。虽然有很多学者致力于从温度补偿、压力补偿、噪声处理等角度进行研究[74-78],减少因非损伤原因对信号的影响,但目前这些方法还处于实验阶段,并且所适用的情况非常受限,所以并未在实际工程中得到广泛应用。
为弥补上述缺点,目前广泛采用的方法是在结构表面布置多个传感器,构成传感器阵列,通过将目标结构区域覆盖在阵列的各条检测路径范围内,提高损伤识别的精度。
多个传感器阵列一种布置方式稀疏阵列,其特点是:在被测结构周围布设多个传感器,组成的传感器阵列检测范围覆盖检测目标,在一次检测中,其中一个传感器作为激励传感器,其余传感器作为接收传感器,分别进行激励接收,这样就完成了第一个传感器到其余各个传感器的路径连接,接收信号包含了各条路径上结构的特征信息,然后再选取另一个传感器作为激励传感器进行第二轮检测,直到所有的传感器都被作为激励传感器激发了一次信号,这时检测结束。
稀疏阵列检测一次需要进行多次激励和接收,来获得覆盖检测目标区域的多条路径信息。所有基于稀疏阵列的方法都必须满足一个假设前提,即与受损路径相比,未受损路径要占较大的比例,即大多数信号都来自未受损路径,并且具有相似的信号特征,通过未受损路径的特征创建瞬时基准,分离出受损路径。这也满足实际工程应用,对于一个需要检测的结构,最多有几条路径可能同时被损坏。
信号处理阶段,将采集的信号按照路径长度进行聚类,长度相等的路径上的信号相互之间进行参考,作为相对基准。如果被测区域处于健康状态(没有损伤),那么对每一类信号所提取出的特征信息,如时频相关性、能量谱、功率谱等应大体一致(允许人为因素导致的误差存在);如果被测区域内存在损伤,那么将会影响经过损伤的路径和损伤附近的路径的信号产生较大变化,通过信号处理技术提取的特征信息将会出现明显的差异。
因此,稀疏阵列的损伤识别方法为:如果将所采集的信号进行聚类后,每种信号经过处理提取出的特征信息都大体一致,那么就认为该结构处于健康状态;如果某些信号的特征信息与同类信号的特征信息存在较大差别,那么就认为该结构存在损伤,之后再运用合适的识别定位算法进行损伤成像 [79]。
由上述可知,稀疏阵列的损伤识别技术具有以下的优缺点:
优点:(1)弥补了单个传感器对所获取结构状态特征信息不足的缺点,通过增加传感器数量,来获得更加全面的信息;
(2)避免了基准信号和缺陷信号采集的时间不同步性因外界环境变化导致的信号差异,通过在较短的时间内获得相对基准参考;
(3)通过聚类多条路径的信息可以对检测范围内的损伤进行更准确的识别定位。
缺点:(1)传感器越多,所采集的信号越全面,但同时会增加阵列结构的复杂性和成本,后期进行信号处理需要大量的运算和复杂的检测算法,并且要占用被测结构较大的面积;
(2)控制多个传感器在较短的时间内完成多次激发和接收,需要复杂的电气控制设备;
(3)信号激励是全向的,发射波向所有方向传播,因此在每个方向上辐射的能量非常少,从损伤位置到传感器的反射能量将非常低,信号衰减程度大,大多数应用中通过施加高电压来增加信噪比。并且,全向激励受到结构各个方向的边界反射影响较大,增加了信号的混叠程度。
所以,稀疏阵列通常适用于管道和板材等大型但简单的结构,不适用于没有足够空间放置传感器的小型复杂结构。
为弥补单个传感器对采集的信号所包含的结构损伤信息不全面,易受外界环境影响等缺点,在实际应用中,基于Lamb波的损伤检测技术通常采用多个传感器对进行信号的采集。本申请针对传统稀疏阵列应用于钢轨焊缝检测时的缺点与不足,提出了紧凑阵列的损伤识别技术,并在下面进行详细描述。
紧凑阵列的损伤检测方法,不用在待测目标周围布置多个传感器,而是将多个传感器凑在一起组成相控阵的形式,阵列激励同时激励出的多个Lamb 波信号相互干涉,形成实际波束,通过对特定位置的传感器进行控制,让阵列在待检测目标的方向上激发出较强的信号。阵列的辐射方向是由单个传感器的激励方向和阵列因子的乘积决定的,由于试验所采用的圆形压电陶瓷传感器是向各个方向进行传播,所以紧凑阵列的方向由阵列因子决定。阵列因子是阵列的几何形状和激励信号参数(幅值、相位、频率等)的函数。当由 N个相同的传感器组成的紧凑阵列,其辐射能量如式(4-1)所示:
ψ=kdcos(φ) (4-2)
式中,φ——检测目标方向与阵列水平方向的夹角;d——阵列传感器之间的距离;k=2π/λ是激励信号波数。归一化功率为:
当N=2时,即两个同相波源的组合辐射是构成声阵辐射的最基本模型 [80],如图1所示为两个相距为d的传感器,在x轴上x=±d/2处按谐和律振动,它们激励信号的频率、振幅及相位均相同。
按叠加原理,两同性声源在M点的合成声场的声压为
当d r时,有
因此有
式中,Δ=d/2×sinθ。
指向性函数为
由上式可知,二元线性紧凑阵列的指向性与两传感器之间的距离和波长的比值有关。
为了保证Lamb波能量不被焊缝散射降低,且避免各个方向反射波的影响,本文根据二元紧凑声场,设计了由三个传感器组成的紧凑阵列,如图2 所示。
该紧凑阵列由三个传感器组成一个等边三角形,根据第二章所确定的激励信号可得,三角形的边长为半个波长,根据频散曲线和实际测量计算,即λ/2=(vg×T)/2=vg/2f=8mm。阵列通过三次组合实现对检测目标的全面覆盖,从而对焊缝结构进行全面检测。如表4-1所示,在每次组合中,阵列中的两个传感器作为激励传感器,信号以零相位差同时被激励,另外一个作为接收传感器,用来采集结构响应信号。三次组合中主瓣指向三个不同的方向,对焊缝结构进行完整检测。
表4-1三角形紧凑阵列的不同组合
基于稀疏阵列每次采用一个激励传感器,其余传感器进行接收,每次反射信号的振幅作为位置函数,用来定位损伤。基于双源的紧凑阵列加入波的干涉数据,如图1所示,对于表面上任意一点M,信号由激励传感器到接收传感器的传播距离如式(4-8)所示:
其中,(xT,yT)和(xR,yR)分别为激励传感器和接收传感器的坐标,(x,y)为任意一点M的坐标,下标j为表4-1的组合数。因为两个激励传感器之间的距离差距不大,仅有半个波长,因此认为两个传感器的中心坐标与原点一致,则dj简化为:
激励后,叠加信号的振幅被作为散射体的图像值,任意点M处两个波源的干涉产生的波的振幅,可以通过使用该点处两个波之间的相位差Δφ来计算,相位差是频率和相速度的函数,任意点的总振幅等于所有频率分量振幅之和,如式(4-10)所示:
式中,(x1,x2),(y1,y2)是两个激励传感器的坐标。
通过计算结构上不同点的Aj,就能获得紧凑阵列Lamb波振幅的理论2D 图像,如图3所示。
式中,vg——Lamb波在所选激励频率下的群速度。
因为Lamb波在每个方向上传播的能量从激发点开始逐渐减小,因此从距离传感器近的点反射的波的能量大于从同一方向的更远的点反射的波的能量,考虑到这种影响,采用距离补偿和能量补偿的方法来调整反射强度:
I″j(x,y)=I′j(x,y)Aj(x,y) (4-14)
根据上述方法提出基于紧凑阵列的损伤识别方法,可以检测结构中一个或多个损伤,通过设置阈值,在检测到第一个损伤后,继续寻找下一处损伤,从而实现多个损伤的检测。
基于阵列的损伤识别算法通常都是通过比较阵列中所有可能的传感器组合获得的信号特征来判断是否存在损伤,即结构在存在损伤状态时与无损状态下不同信号的对比。因为铝板的结构较为简单,厚度固定且表面平整,材料内部均匀性较好,符合各向同性的要求。因此,Lamb波在铝板中传播时受到结构内部的散射影响较小,可以保持与激励信号较为一致的状态进行传播,并且,铝板的表面积较大,各个边界产生的反射无法与直达波产生混叠,所以在铝板中接收到的Lamb波信号较好,适合用来做有效性,不需要设计复杂的损伤识别算法。因此,可以通过对结构在两种状态下采集的信号进行相关性分析,来判断结构在无损和有损状态下的差异以及差异的大小。
对于两个采样点数和间隔相同的数字信号xi和yi(i=1,2,...N)的相关性分析如式(4-15)所示。
式中,λxy—相关系数,Cxy—协方差,—均值,σ—标准差。对于λxy的取值:0.00-±0.30,微相关;±0.30-±0.50,实相关;±0.50-±0.80,显著相关;±0.80-±1.00,高度相关。
为了能够放大损伤对信号的影响,更准确地识别出检测结构中受损伤影响的路径,计算一个路径的信号与其余所有等长路径上的信号的互相关值,使用改进的互相关值来表示所受损伤影响的程度,如式(4-16)所示:
式中,MCC——改进的互相关值;n——路径总数;i——参考路径索引; j——比较路径索引。
当路径j所受损伤影响较大时,相关性就越低,MCC值就较高。为了能够识别多处损伤,增加识别多条损伤路径的方法。通过将路径总集合中删除潜在的受损伤影响的路径,及互相关值的路径,并重新计算剩余路径的互相关值。如果路径集合中存在受损伤影响的路径,那么删除该路径后会导致式 (4-16)的总和减少,即
式中,b——减去受损路径后MCC的值;d——受损路径的索引。
删除受损路径后,新值仅代表剩余路径互相关值之和,需要对新修改的互相关值按比例进行缩放,即:
其中,MCCn代表修改的互相关的新值,MCCs缩放后互相关的值,则
计算删除路径后的MCC值与剩余MCC值的百分比差异,如式(4-20) 所示:
其中PD是百分比差异,用于表达移除的路径对剩余路径的互相关值的影响程度。如果一条损坏的路径被移除,则对其余路径互相关的影响较大,反之则较小。通过这种算法,从移除最不相关的路径开始,并根据需要重复多次,直到产生相对较小的百分比差值,算法将停止,之前删除的所有路径都认为是受损伤影响较大的路径。
互相关算法通过对一个信号在时域的平移来比较与另一个信号之间的线性相关程度,所以算法对信号形状变化和频率变化敏感,但对信号幅度变化和到达时间变化不敏感,对幅度变化的不敏感使得两个具有不同振幅的相同信号将具有完美的相关性,这种特点消除了在实际实验操作中因传感器耦合强度的不同导致接收信号幅度变化的差异,对到达时间变化的不敏感允许算法忽略传感器布置时的物理位置产生微小的差异,从而不会因为传感器耦合强度和位置不一致导致损伤误判。
在确定检测结构区域内存在损伤后,就要对损伤进行定位。在所采集的损伤信号中,最直观的特征信息就是有损伤时由缺陷散射造成与无损伤时的差异,通过比较第一个直达波与损伤散射到达波的时间差就可以大致确定出损伤相对于传感器的位置[82],以此为基础提出基于稀疏阵列和紧凑阵列的椭圆定位算法。如图4所示,当所选信号模态与损伤相互作用时,第一个直达波相比,由损伤散射导致的TOF如式(4-21)所示:
TD=TA-D-B-TA-B=(LA-D+LD-B-LA-B)/vg (4-21)
其中, TA-D-B是信号S0模式从激励传感器到损伤,再从损伤到接收传感器所需要的的时间;TA-B是信号S0模式从激励传感器到接收传感器所需要的的时间;LA-D和LD-B分别是损伤中心位置与激励传感器和接收传感器的距离;LA-B是激励和接收两传感器之间的距离;vg是在选定频厚积下S0模式的群速度。
以激励传感器和接收传感器所在的位置作为椭圆的焦点,根据损伤D反射波包的到达时刻计算处Lamb波信号从A到D,在从D到B的距离,作为椭圆的长轴长2a,方程(4-18)就可以求解出一个经过损伤D的椭圆轨迹。根据阵列各中组合方式所得到的TD,可以绘制出多条椭圆轨迹,它们的交点便是损伤的位置。
图5为根据本发明的基于超声Lamb波紧凑阵列的损伤检测方法的一个实施例的流程图,所述紧凑阵列包括n个传感器,n为大于等于2的自然数如图5所示:该方法包括:
步骤101,控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
步骤102,根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
步骤103,根据所述互相关值判断所述目标是否存在损伤;
步骤104,当所述目标存在损失时,对损伤进行定位。
可选地,根据所述互相关值判断所述目标是否存在损伤,包括:
当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
可选地,根据所述互相关值判断所述目标是否存在损伤,包括:
移除认为受损的路径,并重新计算剩余路径的互相关值,并根据剩余路径的互相关值判断是否还存在损伤的路径。
可选地,所述互相关值为改进的互相关值,所述改进的互相关值通过下述公式计算
其中,MCC——改进的互相关值;n——路径总数;i——参考路径索引; j——比较路径索引。
可选地,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
在一个实施例中,如图6所示,本发明提供一种基于超声Lamb波紧凑阵列的损伤检测装置40,包括:紧凑阵列传感器41、控制模块42、计算模块 43、判断模块44和定位模块45。
紧凑阵列传感器41包括n个呈相控阵的形式布置的传感器,用于产生激励信号,以及接收目标的响应信号;
控制模块42用于控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
计算模块43用于根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
判断模块44用于根据所述互相关值判断所述目标是否存在损伤;
定位模块45用于在所述目标存在损失时,对损伤进行定位。
可选地,当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
可选地,所述计算模块还用于在移除认为受损的路径后重新计算剩余路径的互相关值;
所述判断模块还用于根据剩余路径的互相关值判断是否还存在损伤的路径。
可选地,所述互相关值为改进的互相关值,所述改进的互相关值通过下述公式计算
其中,MCC——改进的互相关值;n——路径总数;i——参考路径索引; j——比较路径索引。
可选地,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
本发明的基于超声Lamb波紧凑阵列的损伤检测方法和装置,具有如下有益效果:
(1)不需要大量传感器来占用较多被测结构的表面,即可对结构进行较完整检测,降低阵列系统的复杂性和成本。
(2)在激励幅值和电压相同的前提下,紧凑阵列通过组合方式,可以将 Lamb波能量汇聚在某个方向,降低了Lamb波在钢轨中传播时衰减和焊缝散射对信号能量的影响,保证接收信号仍有较大的幅值,增加信号能量对损伤的敏感性。
(3)可以控制Lamb波沿特定的方向传播,减少因全向传播带来的其他反射信号的影响,更利于焊缝损伤信息的提取。
(4)操作简单,不需要复杂的电气控制设备。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种基于超声Lamb波紧凑阵列的损伤检测方法,所述紧凑阵列包括n个传感器,n为大于等于2的自然数,其特征在于,该方法包括:
控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
根据所述互相关值判断所述目标是否存在损伤;
当所述目标存在损失时,对损伤进行定位。
2.如权利要求1所述的方法,其特征在于,根据所述互相关值判断所述目标是否存在损伤,包括:
当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
3.如权利要求1所述的方法,其特征在于,根据所述互相关值判断所述目标是否存在损伤,包括:
移除认为受损的路径,并重新计算剩余路径的互相关值,并根据剩余路径的互相关值判断是否还存在损伤的路径。
5.如权利要求1所述的方法,其特征在于,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
6.一种基于超声Lamb波紧凑阵列的损伤检测装置,其特征在于,包括:
紧凑阵列传感器,所述紧凑阵列传感器包括n个呈相控阵的形式布置的传感器,用于产生激励信号,以及接收目标的响应信号;
控制模块,用于控制Lamb波紧凑阵列中的传感器对目标进行n次组合检测,在每次组合检测中,控制所述紧凑阵列中的n-1个传感器作为激励传感器,剩余1个传感器作为接收传感器接收目标的结构响应信号;
计算模块,用于根据n次组合采集的响应信号计算每个传播路径与其它路径的互相关值;
判断模块,用于根据所述互相关值判断所述目标是否存在损伤;
定位模块,用于在所述目标存在损失时,对损伤进行定位。
7.如权利要求6所述的装置,其特征在于,当所述路径的互相关值小于设定阈值时,表示所述路径存在损伤。
8.如权利要求6所述的装置,其特征在于,
所述计算模块还用于在移除认为受损的路径后重新计算剩余路径的互相关值;
所述判断模块还用于根据剩余路径的互相关值判断是否还存在损伤的路径。
10.如权利要求6所述的装置,其特征在于,所述紧凑阵列包括3个传感器,所述3个传感器呈等边三角形布置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728718.2A CN113960160B (zh) | 2021-06-29 | 2021-06-29 | 基于超声Lamb波紧凑阵列的损伤检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110728718.2A CN113960160B (zh) | 2021-06-29 | 2021-06-29 | 基于超声Lamb波紧凑阵列的损伤检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113960160A true CN113960160A (zh) | 2022-01-21 |
CN113960160B CN113960160B (zh) | 2023-12-08 |
Family
ID=79460318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110728718.2A Active CN113960160B (zh) | 2021-06-29 | 2021-06-29 | 基于超声Lamb波紧凑阵列的损伤检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113960160B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391040A (zh) * | 2014-11-25 | 2015-03-04 | 南京信息工程大学 | 一种相控阵结构健康监测Lamb波压缩及重构方法 |
CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
KR101716877B1 (ko) * | 2016-06-09 | 2017-03-15 | 세종대학교산학협력단 | 자가 압전센싱 기반의 비선형 초음파 피로균열 검사 장치 및 방법 |
CN107144643A (zh) * | 2017-06-15 | 2017-09-08 | 南京邮电大学 | 一种Lamb波监测信号统计参数的损伤识别方法 |
CN110687208A (zh) * | 2019-09-26 | 2020-01-14 | 华东理工大学 | 一种基于双曲线定位的无基准Lamb波损伤监测方法 |
CN111624252A (zh) * | 2020-05-25 | 2020-09-04 | 西安交通大学 | 一种提高Lamb波相控阵聚焦检测速度的方法 |
-
2021
- 2021-06-29 CN CN202110728718.2A patent/CN113960160B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391040A (zh) * | 2014-11-25 | 2015-03-04 | 南京信息工程大学 | 一种相控阵结构健康监测Lamb波压缩及重构方法 |
CN104502457A (zh) * | 2014-12-23 | 2015-04-08 | 南京邮电大学 | 一种改进Lamb波工程结构裂纹损伤监测与评估层析成像方法 |
KR101716877B1 (ko) * | 2016-06-09 | 2017-03-15 | 세종대학교산학협력단 | 자가 압전센싱 기반의 비선형 초음파 피로균열 검사 장치 및 방법 |
CN107144643A (zh) * | 2017-06-15 | 2017-09-08 | 南京邮电大学 | 一种Lamb波监测信号统计参数的损伤识别方法 |
CN110687208A (zh) * | 2019-09-26 | 2020-01-14 | 华东理工大学 | 一种基于双曲线定位的无基准Lamb波损伤监测方法 |
CN111624252A (zh) * | 2020-05-25 | 2020-09-04 | 西安交通大学 | 一种提高Lamb波相控阵聚焦检测速度的方法 |
Non-Patent Citations (1)
Title |
---|
孙亚杰 等: "无参考L a m b波相控阵结构损伤监测成像方法", 《复合材料学报》, vol. 30, no. 6, pages 264 - 269 * |
Also Published As
Publication number | Publication date |
---|---|
CN113960160B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2485388C2 (ru) | Устройство и блок датчиков для контроля трубопровода с использованием ультразвуковых волн двух разных типов | |
Huthwaite et al. | Mode selection for corrosion detection in pipes and vessels via guided wave tomography | |
Leleux et al. | Long range detection of defects in composite plates using Lamb waves generated and detected by ultrasonic phased array probes | |
US20130327148A1 (en) | Systems and methods for damage detection in plate-like structures using guided wave phased arrays | |
US4299128A (en) | Ultrasonic satellite-pulse technique for characterizing defects of arbitrary shape | |
US9329155B2 (en) | Method and device for determining an orientation of a defect present within a mechanical component | |
Benstock et al. | The influence of surface roughness on ultrasonic thickness measurements | |
Liu et al. | Guided waves based diagnostic imaging of circumferential cracks in small-diameter pipe | |
US6205859B1 (en) | Method for improving defect detectability with magnetostrictive sensors for piping inspection | |
Ciampa et al. | Nonlinear elastic wave tomography for the imaging of corrosion damage | |
US9488623B2 (en) | Guided wave mode sweep technique for optimal mode and frequency excitation | |
CN108872393A (zh) | 结构疲劳裂纹方向检测用非线性超声混频方法 | |
Albiruni et al. | Non-contact guided waves tomographic imaging of plate-like structures using a probabilistic algorithm | |
Jin et al. | Reduction of layered dead zone in time-of-flight diffraction (TOFD) for pipeline with spectrum analysis method | |
CA3110818A1 (en) | Continuous wave ultrasound or acoustic non-destructive testing | |
CN113884567B (zh) | 基于超声Lamb波的钢轨焊缝损伤检测方法和装置 | |
Robert et al. | Assessment of real-time techniques for ultrasonic non-destructive testing | |
Draudvilienė et al. | Validation of dispersion curve reconstruction techniques for the A0 and S0 modes of Lamb waves | |
Kolkoori et al. | Quantitative simulation of ultrasonic time of flight diffraction technique in 2D geometries using Huygens–Fresnel diffraction model: theory and experimental comparison | |
CN113960160A (zh) | 基于超声Lamb波紧凑阵列的损伤检测方法和装置 | |
Broberg et al. | Improved corner detection by ultrasonic testing using phase analysis | |
Zhang et al. | Ultrasonic time-of-flight diffraction crack size identification based on cross-correlation | |
Fromme | Health monitoring of plate structures using guided waves | |
Lissenden et al. | Fatigue crack growth monitoring of an aluminum joint structure | |
Zhang et al. | Damage identification in aluminum plates based on iterative partition algorithm using waveform centroid |
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 |