CN113960171B - 一种基于超声导波的损伤识别方法及系统 - Google Patents

Abstract

本发明提供了一种基于超声导波的损伤识别方法及系统，获取基准信号与损伤信号；对获取的基准信号与损伤信号进行相关性分析，基于相关性分析结果进行损伤指数计算；根据各个路径的损伤指数，去除低于预设阈值的对应路径，仅保留受损伤影响的路径；通过对受损伤影响的路径的散射信号进行加权运算，利用复杂连续小波变换求解飞行时间；将飞行时间与损伤指数带入概率融合框架中，得到不同位置存在损伤的概率；本发明将改进的概率损伤成像算法与椭圆轨迹法进行融合，将路径筛选后剩余路径的损伤特征值输入概率融合框架，在数据轻量化的前提下实现了损伤的精确识别。

Description

一种基于超声导波的损伤识别方法及系统

技术领域

本发明涉及结构损伤识别技术领域，特别涉及一种基于超声导波的损伤识 别方法及系统。

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，并不必然构成现有 技术。

高性能轻质金属材料与碳纤维增强复合材料在船舶、飞机、高铁等高端装 备的各个结构件中应用广泛，对结构件进行结构健康监测一直是当前热点研究 问题。

例如，作为结构件中的典型代表，板状结构在长期服役过程中，由于高强 度的载荷以及复杂多变的环境，其可靠性会降低，结构表面会出现损伤。板状 结构除了常见的平板结构还包括复杂的板状结构如双曲板，加筋板等，若损伤 未被及时发现并得到有效处理，会对装备的健康状态产生一定影响，潜在的损 伤持续发展将破坏结构整体，最终造成重大的生命财产损失。

目前国内外对于结构损伤检测技术研究较多，主要分为有损检测和无损检 测两类。其中，由于有损检测会对检测对象造成一定程度的不可逆破坏，因此 在应用过程中受限制较大。无损检测因其简单便捷，检测效率高且不会对结构 造成损伤的特点，在工业领域应用广泛。其中，超声导波检测技术因其成本低、 距离远、对微小损伤敏感等优势，在无损检测领域中得到了广泛的应用。现阶 段，基于Lamb波的损伤识别技术是通过在薄板表面安装传感器，发送一定频率 的弹性应力波，弹性波在介质的表面来回反射并叠加干涉形成导波，再通过接 收传感器采集经过结构待检测区域的导波信号，利用损伤识别算法提取出导波 与结构损伤相互作用后含有的损伤特征值，从而实现对检测结构中损伤的定位 和定量评估。

目前超声导波损伤成像算法主要包括两类，一类是基于飞行时间的成像算 法；另一类是基于损伤指数的成像算法。基于飞行时间的成像算法主要包括三 角形测量法、四点圆弧法等，这类算法需要提前计算波在结构中的传播模态及 速度，因此对导波在结构中传播的先验知识要求较高；基于损伤指数的成像算 法主要为概率成像，通过对基准信号与检测信号进行比较，对其信号差异做一个量化，进而判断损伤，但这与路径数量有关，路径越多，传感器网络越密集 成像效果越好，成本较高。

发明内容

为了解决现有技术的不足，本发明提供了一种基于超声导波的损伤识别方 法及系统，将改进的概率损伤成像算法与椭圆轨迹法进行融合，将路径筛选后 剩余路径的损伤特征值输入概率融合框架，在数据轻量化的前提下实现了损伤 的精确识别。为了实现上述目的，本发明采用如下技术方案：

本发明第一方面提供了一种基于超声导波的损伤识别方法。

一种基于超声导波的损伤识别方法，包括以下过程：

获取基准信号与损伤信号；

对获取的基准信号与损伤信号进行相关性分析，基于相关性分析结果进行 损伤指数计算；

根据各个路径的损伤指数，去除低于预设阈值的对应路径，仅保留受损伤 影响的路径；

通过对受损伤影响的路径的散射信号进行加权运算，利用复杂连续小波变 换求解飞行时间；

将飞行时间与损伤指数带入概率融合框架中，得到不同位置存在损伤的概 率；

通过马尔可夫蒙奇卡洛采样，获得损伤坐标的频率分布图，得到损伤坐标 的概率分布。

本发明第二方面提供了一种基于超声导波的损伤识别系统。

一种基于超声导波的损伤识别系统，包括：

数据获取模块，被配置为：获取基准信号与损伤信号；

损伤指数计算模块，被配置为：对获取的基准信号与损伤信号进行相关性 分析，基于相关性分析结果进行损伤指数计算；

路径选择模块，被配置为：根据各个路径的损伤指数，去除低于预设阈值 的对应路径，仅保留受损伤影响的路径；

飞行时间计算模块，被配置为：通过对受损伤影响的路径的散射信号进行 加权运算，利用复连续小波变换求解飞行时间；

损伤概率计算模块，被配置为：将飞行时间与损伤指数带入概率融合框架 中，得到不同位置存在损伤的概率；

概率分布获取模块，被配置为：通过马尔可夫蒙奇卡洛采样，获得损伤坐 标的频率分布图，得到损伤坐标的概率分布。

本发明第三方面提供了一种计算机可读存储介质，其上存储有程序，该程 序被处理器执行时实现如本发明第一方面所述的基于超声导波的损伤识别方法 中的步骤。

本发明第四方面提供了一种电子设备，包括存储器、处理器及存储在存储 器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第 一方面所述的基于超声导波的损伤识别方法中的步骤。

与现有技术相比，本发明的有益效果是：

1、本发明所述的方法、系统、介质或电子设备，针对板状结构，提出了一 种基于lamb波测量板状结构损伤的概率融合算法，在其原有的基础上进行优化 路径筛选，达到了轻量化的目的。

2、本发明所述的方法、系统、介质或电子设备，在改进的概率损伤成像算 法中，对损伤指数的计算方式进行选择，可以降低由于lamb波不同变化形式带 来的损伤指数差异，减小其对成像的影响；另外，在成像时引入空间坐标，既 可以对普通薄平板进行研究，也可对复杂曲面板进行研究。

3、本发明所述的方法、系统、介质或电子设备，在椭圆轨迹法中，通过幅 值全乘法将多条路径进行损伤指数融合，从而提高了损伤定位的精确度。

4、本发明所述的方法、系统、介质或电子设备，将改进的概率损伤成像算 法与椭圆轨迹法进行融合，将路径筛选后剩余路径的损伤特征值输入概率融合 框架，在数据轻量化的前提下实现了损伤的精确识别。

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为本发明实施例1提供的基于超声导波的板状结构损伤检测流程示意 图。

图2为本发明实施例1提供的超声导波检测系统组成示意图。

图3为本发明实施例1提供的基于超声导波的损伤检测流程示意图。

图4为本发明实施例1提供的信号处理流程示意图。

图5为本发明实施例1提供的损伤定位结果示意图。

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。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例1：

如图1所示，本发明实施例1提供了一种基于超声导波的损伤识别方法，通 过新的损伤指数的计算方式，减小不同损伤形式对其计算的影响；通过对损伤 指数设定阈值来去除无关路径，进而解决存在的数据量大及外部误差影响定位 精度的问题，从而达到了数据轻量化的目的；在对散射信号进行处理时，引入 权函数，降低了串扰及噪声对飞行时间求解的影响；在计算中引入三维空间坐 标，解决了除当前平板结构以外的复杂板状结构如双曲板等的损伤定位。

具体的，包括以下过程：

S1：基于路径优化与概率融合的损伤成像算法。

S1.1：改进的概率成像算法

当损伤信号与幅值信号表现为幅值变化时，损伤指数为：

其中，X_k为K条路径中的健康信号的数据；Y_k为K条路径中的损伤信号的数 据；μ_x为X_k的均值；μ_y为Y_k的均值。

当损伤信号与幅值信号表现为相位偏移时，损伤指数为：

其中，E_xk为K条路径中的健康信号能量谱，E_yk为K条路径中的损伤信号能量 谱；t₀为有效信号起始时间，Δt为有效信号时长。

检测区域存在损伤的权重为：

式中，D_an为点(x,y,z)到第n条路径执行器的距离，D_sn为点(x,y,z)到第n条路 径接收器的距离，D_n为第n条路径执行器到接收器的距离，(x_an,y_an,z_an)为第n条路 径执行器坐标，(x_sn,y_sn,z_sn)为第n条路径接收器坐标。

损伤概率值为：

S1.2：离散椭圆轨迹法

通过求得的飞行时间TOF与波在板中的传播速度v_g，可以得出损伤存在位置 到执行器与接收器的总距离，表达式如下：

区域中任一点在传播路径下散射信号对应飞行时间TOF表达式如下：

其中，v_g为波在板中的传播速度。

散射信号计算公式为：

S_n(t)＝X_n(t)-Y_n(t) (8)

散射信号通过乘以一个权值，去除边界反射和串扰信号，从而得到有效信 号段，由于散射信号中存在环境影响带来的误差，因此，在对信号进行小波分 析后，理论上选择第一个波包的峰值为到达时间，但存在第一个波包前仍存在 小波包的情况，通过选取有效波段，从而减少计算飞行时间的误差。

有效时间窗w(t_i)(权函数)为第一个波包的持续时间，第一个波包的使用 可以直接传感器路径上实现充分的覆盖，并避免不必要的边界反射和模式叠加。

权函数w(t_i)为：

t_b＝t_a+T×1.1

式中，t_a为第一波包起始的时间；t_b为第一波包结束的时间，T为激励信号 的时常。

之后对散射信号进行小波变换，求得飞行时间TOF。

经幅值全乘法进行损伤指数融合后，该点的能量值为：

具体的，将剩余路径的损伤散射信号在相应传播时间上的幅值进行相乘得 到该点的能量值，将得到的能量值进行归一化可得到相应的成像结果。

S1.3：通过比较分析损伤指数，设定合适的阈值，去除部分无关路径

S1.4：将离散椭圆轨迹法所得能量值与概率损伤成像算法所得的概率进行相 乘，归一化后作为作为最终当前位置存在损伤的概率，表达式为：

P(x,y,z)＝P₁(x,y,z)×P₂(x,y,z)

S1.5：通过马尔科夫蒙特卡MCMC方法进行采样，实现损伤定位。

S2：制备试件，粘贴传感器，搭建超声检测系统。

S2.1：搭建超声导波检测系统，如图2所示，系统主要包括被测部件、传感 智能层、系统主机、上位机软件。

S2.2：制备试件，试件为铝合金板，尺寸为600mm*600mm*2mm，在板上 分别通过放置质量块或防水泥来模拟损伤。

S2.3：粘贴压电智能层，使用环氧树脂胶将其粘贴于铝板上，压电片分别为 S1-S12，激励采用轮询方式，一发多收。压电片间的间隔为75mm，组成一个圆 形的传感网络。

S3：开展参数优化实验。

S3.1：根据lamb波的传播特性，选择合适的激励频率。在当前频率下散射信 号幅值较大，且对损伤较为敏感。

S3.2：对于概率成像算法，选择合适的β可以提高成像精度，减少伪像。

S3.3：对散射信号进行小波变换时，通过选择合适的尺度参数，来得到减小 飞行时间的计算误差。

S4：预设不同损伤位置，并进行实验。

S4.1：选择预实验中的最佳激励频率进行激励，采集铝板处于无损状态下的 响应信号，并将其作为基准信号，并采集放置质量块模拟损伤后结构的响应信 号记为损伤信号。

S4.2：获取三组损伤位于不同位置的数据，来进行验证方法的有效性。

S5：对得到的基准信号与损伤信号进行分析，提取特征值，数据处理过程 如图3所示。

S5.1：对基准信号与损伤信号进行相关性求解，并进行损伤指数计算。

S5.2：通过对损伤指数进行分析，设定阈值，去除低于阈值的对应路径，仅 保留受损伤影响的路径。

S5.3：通过对对应路径的散射信号进行加权运算，并利用复杂连续小波变换 求解其飞行时间，此时降低了串扰以及环境噪声对求解飞行时间的影响。

S5.4：将剩余路径的飞行时间与损伤指数带入概率融合框架中，得到不同位 置存在损伤的概率。

S5.5：通过马尔可夫蒙奇卡洛采样，获得损伤坐标的频率分布图，进而可以 获得损伤坐标的概率分布。

重复步骤5.2-5.5，获取多组不同损伤位置下的波形数据，并对其进行分析， 从而达到损伤位置与程度的精确识别。

以损伤位置设置在(345mm，225mm)为例，图4为信号获取及处理流程， 图5为损伤定位结果，其中黑色圆圈位置为损伤设定位置，红色圆圈位置为算法 所得损伤位置。

实施例2：

本发明实施例2提供了一种基于超声导波的损伤识别系统，包括：

数据获取模块，被配置为：获取基准信号与损伤信号；

损伤指数计算模块，被配置为：对获取的基准信号与损伤信号进行相关性 分析，基于相关性分析结果进行损伤指数计算；

路径选择模块，被配置为：根据各个路径的损伤指数，去除低于预设阈值 的对应路径，仅保留受损伤影响的路径；

飞行时间计算模块，被配置为：通过对受损伤影响的路径的散射信号进行 加权运算，利用复杂连续小波变换求解飞行时间；

损伤概率计算模块，被配置为：将飞行时间与损伤指数带入概率融合框架 中，得到不同位置存在损伤的概率；

概率分布获取模块，被配置为：通过马尔可夫蒙奇卡洛采样，获得损伤坐 标的频率分布图，得到损伤坐标的概率分布。

所述系统的工作方法与实施例1提供的板状结构损伤识别方法相同，这里不 再赘述。

实施例3：

本发明实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序 被处理器执行时实现如本发明实施例1所述的基于超声导波的损伤识别方法中 的步骤。

实施例4：

本发明实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器 上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明实施 例1所述的基于超声导波的损伤识别方法中的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计 算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和 硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储 器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结 合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或 其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程， 是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算 机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。 其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

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 (9)

1.一种基于超声导波的损伤识别方法，其特征在于：

包括以下过程：

获取基准信号与损伤信号；

对获取的基准信号与损伤信号进行相关性分析，基于相关性分析结果进行损伤指数计算；

根据各个路径的损伤指数，去除低于预设阈值的对应路径，仅保留受损伤影响的路径；

通过对受损伤影响的路径的散射信号进行加权运算，利用复连续小波变换求解飞行时间；

通过概率成像算法计算得到损伤概率，损伤概率为：

其中，DI_n为损伤指数，R_n为检测区域存在损伤的权重；

通过离散椭圆轨迹法计算得到损伤概率，损伤概率为：

其中，S_n为散射信号，TOF_n为飞行时间；

将通过概率成像算法获得的损伤概率和通过离散椭圆轨迹法计算得到损伤概率代入融合框架中，得到最终当前位置存在损伤的概率；

通过马尔可夫蒙奇卡洛采样，获得损伤坐标的频率分布图，得到损伤坐标的概率分布。

2.如权利要求1所述的基于超声导波的损伤识别方法，其特征在于：

当损伤信号与幅值信号相比表现为幅值变化时，损伤指数为：

其中，X_k为K条路径中的健康信号的数据，Y_k为K条路径中的损伤信号的数据，μ_x为X_k的均值，μ_y为Y_k的均值。

3.如权利要求1所述的基于超声导波的损伤识别方法，其特征在于：

当损伤信号与幅值信号相比表现为相位偏移时，损伤指数为：

其中，E_xk为K条路径中的健康信号能量谱，E_yk为K条路径中的损伤信号能量谱，t₀为有效信号起始时间，Δt为有效信号时长。

4.如权利要求1所述的基于超声导波的损伤识别方法，其特征在于：

根据损伤指数和检测区域存在损伤的权重，得到概率成像算法的损伤概率值，检测区域存在损伤的权重为：

其中，D_an为点(x,y,z)到第n条路径执行器的距离，β为预设阈值，D_sn为点(x,y,z)到第n条路径接收器的距离，D_n为第n条路径执行器到接收器的距离，x_an,y_an,z_an为第n条路径执行器坐标，x_sn,y_sn,z_sn为第n条路径接收器坐标。

5.如权利要求1所述的基于超声导波的损伤识别方法，其特征在于：

将概率成像算法中的损伤概率作为先验分布，离散椭圆轨迹法中的损伤概率作为似然函数；

通过马尔可夫蒙奇卡洛采样，得到损伤坐标的频率分布图。

6.如权利要求5所述的基于超声导波的损伤识别方法，其特征在于：

散射信号为：S_n(t)＝X_n(t)-Y_n(t)，经过小波变换后，散射信号通过乘以一个权值，去除边界反射和串扰信号，得到有效信号段。

7.一种基于超声导波的损伤识别系统，其特征在于：

包括：

数据获取模块，被配置为：获取基准信号与损伤信号；

损伤指数计算模块，被配置为：对获取的基准信号与损伤信号进行相关性分析，基于相关性分析结果进行损伤指数计算；

路径选择模块，被配置为：根据各个路径的损伤指数，去除低于预设阈值的对应路径，仅保留受损伤影响的路径；

飞行时间计算模块，被配置为：通过对受损伤影响的路径的散射信号进行加权运算，利用复连续小波变换求解飞行时间；

损伤概率计算模块，被配置为：通过概率成像算法计算得到损伤概率，损伤概率为：

其中，DI_n为损伤指数，R_n为检测区域存在损伤的权重；

通过离散椭圆轨迹法计算得到损伤概率，损伤概率为：

其中，S_n为散射信号，TOF_n为飞行时间；

将通过概率成像算法获得的损伤概率和通过离散椭圆轨迹法计算得到损伤概率代入融合框架中，得到最终当前位置存在损伤的概率；

概率分布获取模块，被配置为：通过马尔可夫蒙奇卡洛采样，获得损伤坐标的频率分布图，得到损伤坐标的概率分布。

8.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的基于超声导波的损伤识别方法中的步骤。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的基于超声导波的损伤识别方法中的步骤。

Images