CN114414659B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114414659B CN114414659B CN202210072049.2A CN202210072049A CN114414659B CN 114414659 B CN114414659 B CN 114414659B CN 202210072049 A CN202210072049 A CN 202210072049A CN 114414659 B CN114414659 B CN 114414659B
- Authority
- CN
- China
- Prior art keywords
- frequency
- nonlinear
- probability
- damage
- harmonic
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 title claims abstract description 32
- 230000005284 excitation Effects 0.000 claims abstract description 65
- 238000003384 imaging method Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 8
- 230000006735 deficit Effects 0.000 claims description 7
- 238000005315 distribution function Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 208000027418 Wounds and injury Diseases 0.000 claims 1
- 208000014674 injury Diseases 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 230000003313 weakening effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009659 non-destructive testing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种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，获取目标检测区域最佳激励频率；根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；使用概率检验重建成像方法得到各个激励频率的概率图；将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点；本发明利用频率融合弱化最佳激励频率对算法的影响，补偿外界干扰，以高次谐波特征参数为损伤指数，将概率检验重建算法方法应用到非线性成像领域，实现了对结构损伤的更高精度成像和定位识别。
Description
技术领域
本发明涉及损伤识别技术领域，特别涉及一种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。
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。
目前，大型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。它们大多的运行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，极容易产生疲劳裂纹、腐蚀、磕碰缺口等各类损伤，严重影响安全性和可靠性，危及财产和生命安全。因此，对结构损伤的定位识别具有极为重要意义。
目前应用中的无损检测方法大多需要停运检修，存在灵敏度差、检查盲区等问题，成本高昂且检测效率低下。基于超声导波的无损检测由于具有成本低、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：利用超声导波换能器向被测结构发送超声导波激励信号，结构中的损伤会与信号发生相互作用，这个过程可以通过对采集信号进行一定的信号处理来提取，结合具体算法实现对结构损伤的定位、尺度计算、形状估计等识别。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，如散射波、信号差异，飞行时间等，而非线性超声从频域提取非线性特征参数，如高次谐波、能量衰减、共振频率偏移等。
基于非线性的超声导波无损检测能够精确识别微小损伤，是一个比较新颖和具有研究前景的研究方向。非线性特征对激励信号的要求比较严格，不同频率的激励信号会使检测结果大不相同，最佳检测结果往往需要稳定的环境和精确的激励信号选择。目前大多数非线性无损检测通过提取非线性特征来识别损伤存在或定量估计尺度，而基于材料损伤非线性响应的成像技术还处于起步阶段。基于概率检验重建算法是一种在线性超声检测中常用的成像方法，它具有不需要结构先验知识、适用性好、计算量少、计算速度快等优点。此外，目前的损伤识别算法大多依赖完整结构的基线信号，但是外界环境因素对超声导波的传播具有较大的影响，使得基于基线信号的损伤识别方法很难在实现长期的结构监测。
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频率融合的非线性超声导波无参损伤识别方法及系统，利用频率融合弱化最佳激励频率对算法的影响，补偿外界干扰，以高次谐波特征参数为损伤指数，将概率检验重建算法方法应用到非线性成像领域，实现了对结构损伤的更高精度成像和定位识别。
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频率融合的非线性超声导波无参损伤识别方法。
一种基于频率融合的非线性超声导波无参损伤识别方法，包括以下过程：
获取目标检测区域最佳激励频率；
根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
使用概率检验重建成像方法得到各个激励频率的概率图；
将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
进一步的，最佳频率正负区间为以最佳激励频率为中心上下各包括多个频率的等距区间。
进一步的，使用概率检验重建成像方法得到各个激励频率的概率图，包括：
对任一个激励频率；
第i条路经的损伤特征由某点影响的概率为第i条路经的非线性损伤指数与第i条路经的此点概率分布函数的乘积；
计算所有路径的损伤特征由某点影响的总概率为各条路径的概率之和；
将总概率归一化并绘制图像，此点的值为总概率值。
更进一步的，非线性损伤指数为基于二次谐波的非线性特征参数与基于三次谐波的非线性特征参数加和的均值。
更进一步的，二次谐波非线性特征参数为二次谐波幅值与响应信号的基波幅值的平方的比值。
更进一步的，三次谐波非线性特征参数为三次谐波幅值与响应信号的基波幅值的平方的比值。
进一步的，最佳激励频率的获取，包括：
在每条路径中激励一个从低频到高频的扫频信号并采集，得到网络的平均响应信号，进行傅里叶变换，以能量最高的频率为最佳激励频率。
本发明第二方面提供了一种基于频率融合的非线性超声导波无参损伤识别系统。
一种基于频率融合的非线性超声导波无参损伤识别系统，包括：
最佳激励频率获取模块，被配置为：获取目标检测区域最佳激励频率；
响应信号获取模块，被配置为：根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
非线性损伤指数获取模块，被配置为：根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
概率图生成模块，被配置为：使用概率检验重建成像方法得到各个激励频率的概率图；
概率图叠加模块，被配置为：将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
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频率融合的非线性超声导波无参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频率融合的非线性超声导波无参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，提出多频率图像融合方法弱化应用前选择的最佳激励频率对算法结果的影响，增强了在结构损伤检测的实际应用中的可行性和可靠性。
2、本发明所述的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，使用二次谐波和三次谐波作为表征损伤非线性特征，这样的特征提取方法不需要提前获取基准信号，实现了无参检测。
3、本发明所述的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，利用线性检测中常用的概率检验重建算法进行成像，能够有效的实现损伤成像和定位，能够极大的减少运营风险和运维成本，延长结构使用寿命，具有广阔的应用前景和工程使用价值。
4、本发明所述的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，基于超声导波的传播原理，利用结构缺陷与超声导波相互作用产生的二次谐波与三次谐波表征损伤情况，采用多频率图像融合补偿最佳频率的偏移，在无基准情况下实现了对被测区域损伤情况的准确定位识别。
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提供的基于频率融合的非线性超声导波无参损伤识别方法的流程示意图。
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提供的最佳激励频率获取流程示意图。
图4为本发明实施例1提供的基于频率融合的非线性超声导波无参损伤识别方法的原理图。
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：
本发明实施例1提供了一种基于频率融合的非线性超声导波无参损伤识别方法，包括以下过程：
获取目标检测区域最佳激励频率；
根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
使用概率检验重建成像方法得到各个激励频率的概率图；
将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
具体的，如图1所示，包括以下内容：
S1：根据目标检测区域设计稀疏阵列传感器网络，所有不重复的传感器对作为传播路径，粘贴传感器，搭建超声导波检测系统。
具体的，搭建超声导波检测系统，如图2所示，系统主要由被测结构、压电陶瓷超声导波传感器、信号发生器、功率放大器、数据采集卡组成，根据声波互易性质，传感器网络中信号传播路径的匹配规则为，传感器两两匹配组成传感器对，任意一组传感器对只建立一条传播路径。
S2：在每条路径中激励一个从低频到高频的扫频信号并采集，得到网络的平均响应信号，进行傅里叶变换，能量最高的频率为最佳激励频率。
具体的，最佳频率获取方式如图3所示，根据被测结构情况和压电传感器中心频率，设置一个低频为fL，高频为fH的扫频信号，区间一般以传感器中心频率为中心，并且避免与环境干扰频段重叠。获取结构初始状态下网络中全部N条路径扫频信号的响应信号X＝{x1,x2,...,xN}，计算结构平均响应信号：
对平均响应信号进行傅里叶变换，得到信号频谱图，能量最大的频率为最佳激励频率fS。
S3：在每条路径中激励超声导波并采集响应信号。
具体的，包括：
S3.1：以第二步实验的最佳激励频率为中心频率，生成汉宁窗调制的正弦信号，信号周期数通过调试获得；
S3.2：在被测区域中制造损伤，依次执行传感器网络中各条传播路径的信号激励和采集。
S4：对响应信号进行分析，计算基于二次谐波和三次谐波的非线性损伤指数。
具体的，包括：
S4.1：计算基于二次谐波的非线性特征参数。
式中，DIi,SH为第i条路径的二次谐波非线性特征参数，Ai,1为第i条路径响应信号的基波幅值，Ai,2为二次谐波幅值；
S4.2：计算基于三次谐波的非线性特征参数。
式中，DIi,TH为第i条路径的三次谐波非线性特征参数，Ai,3为i条路径响应信号的三次谐波幅值；
S4.3：计算非线性损伤指数。
S5：使用概率检验重建成像方法，归一后得到最佳频率的概率图。
具体的，包括：
概率检验重建成像方法的概率分布函数如下：
式中，RDi为点(x,y)到第i条路径的相对距离，Dai和Dsi分别为点(x,y)到激发传感器、接收传感器的距离，Di为传播路径距离，β为形状因子，定义了一个椭圆形的检测区域。
基于概率检验重建算法的表达式为：
式中，pi(x,y)为第i条路经的损伤特征是由点(x,y)影响的概率。
将P(x,y)归一化并绘制图像，其中(x,y)为坐标，概率为该点的值。
S6：如图4所示，分别使用最佳频率正负区间内对称的多个频率作为激励信号频率，得到它们的概率图，全部图像叠加融合后得到损伤成像图像和定位结果。
S6.1：根据应用环境选择一个补偿频率区间，如[fL1,fL2,fS,fH2,fH1]为一个以最佳激励频率为中心，上下各包括两个频率的等距区间，间距为10kHz；
S6.2：以区间中其余频率为激励频率分别重复(3)(4)(5)步，得到各频率下的概率图像；
S6.3：将概率图像叠加，得到最终成像结果，概率最大的点为算法得到的损伤定位点。
实施例2：
本发明实施例2提供了一种基于频率融合的非线性超声导波无参损伤识别系统，包括：
最佳激励频率获取模块，被配置为：获取目标检测区域最佳激励频率；
响应信号获取模块，被配置为：根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
非线性损伤指数获取模块，被配置为：根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
概率图生成模块，被配置为：使用概率检验重建成像方法得到各个激励频率的概率图；
概率图叠加模块，被配置为：将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
所述系统的工作方法与实施例1提供的基于频率融合的非线性超声导波无参损伤识别方法相同，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所述的基于频率融合的非线性超声导波无参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所述的基于频率融合的非线性超声导波无参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(Random AccessMemory，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 (6)
1.一种基于频率融合的非线性超声导波无参损伤识别方法，其特征在于，包括以下过程：
获取目标检测区域最佳激励频率；
根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
使用概率检验重建成像方法得到各个激励频率的概率图，包括：对任一个激励频率；第i条路经的损伤特征由某点影响的概率为第i条路经的非线性损伤指数与第i条路经的此点概率分布函数的乘积；计算所有路径的损伤特征由某点影响的总概率为各条路径的概率之和；将总概率归一化并绘制图像，此点的值为总概率值；
其中，所述概率分布函数如下：
式中，为点(x,y)到第i条路径的相对距离，/>和/>分别为点(x,y)到激发传感器、接收传感器的距离，/>为传播路径距离，β为形状因子，定义了一个椭圆形的检测区域；
非线性损伤指数为基于二次谐波的非线性特征参数与基于三次谐波的非线性特征参数加和的均值；
二次谐波非线性特征参数为二次谐波幅值与响应信号的基波幅值的平方的比值；
三次谐波非线性特征参数为三次谐波幅值与响应信号的基波幅值的平方的比值；
将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
2.如权利要求1所述的基于频率融合的非线性超声导波无参损伤识别方法，其特征在于：
最佳频率正负区间为以最佳激励频率为中心上下各包括多个频率的等距区间。
3.如权利要求1所述的基于频率融合的非线性超声导波无参损伤识别方法，其特征在于：
最佳激励频率的获取，包括：
在每条路径中激励一个从低频到高频的扫频信号并采集，得到网络的平均响应信号，进行傅里叶变换，以能量最高的频率为最佳激励频率。
4.一种基于频率融合的非线性超声导波无参损伤识别系统，用于实现如权利要求1-3任一项权利要求所述的基于频率融合的非线性超声导波无参损伤识别方法，其特征在于：
包括：
最佳激励频率获取模块，被配置为：获取目标检测区域最佳激励频率；
响应信号获取模块，被配置为：根据最佳激励频率，得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号；
非线性损伤指数获取模块，被配置为：根据各个响应信号的二次谐波和三次谐波，得到每个激励频率对应的非线性损伤指数；
概率图生成模块，被配置为：使用概率检验重建成像方法得到各个激励频率的概率图；
概率图叠加模块，被配置为：将所有的概率图像叠加，得到最终成像结果，以最终成像结果中概率最大的点为损伤定位点。
5.一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1-3任一项所述的基于频率融合的非线性超声导波无参损伤识别方法中的步骤。
6.一种电子设备，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1-3任一项所述的基于频率融合的非线性超声导波无参损伤识别方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210072049.2A CN114414659B (zh) | 2022-01-21 | 2022-01-21 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210072049.2A CN114414659B (zh) | 2022-01-21 | 2022-01-21 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114414659A CN114414659A (zh) | 2022-04-29 |
| CN114414659B true CN114414659B (zh) | 2023-12-29 |
Family
ID=81274991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210072049.2A Active CN114414659B (zh) | 2022-01-21 | 2022-01-21 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114414659B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115791984A (zh) * | 2022-11-09 | 2023-03-14 | 山东大学 | 一种用于金属材料的疲劳损伤定位方法及系统 |
| 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 (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104764805A (zh) * | 2015-03-19 | 2015-07-08 | 北京工业大学 | 一种用于有机材料热氧老化评价的非线性超声检测方法 |
| 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 |
| CN108872378A (zh) * | 2018-05-09 | 2018-11-23 | 西安科技大学 | 一种用于金属圆管微损伤评价的非线性扭转模态超声导波方法 |
| CN110108802A (zh) * | 2019-05-22 | 2019-08-09 | 华南理工大学 | 一种载波调制非线性超声导波损伤检测方法 |
| 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 |
| 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 |
| CN112433008A (zh) * | 2020-10-28 | 2021-03-02 | 上海船舶工程质量检测有限公司 | 一种用于工业检测的双频相控阵超声探头 |
| CN112668527A (zh) * | 2020-12-31 | 2021-04-16 | 华南理工大学 | 一种超声导波半监督成像检测方法 |
| CN113325075A (zh) * | 2021-05-27 | 2021-08-31 | 浙江工业大学 | 一种用于金属薄板高周疲劳损伤的非线性波检测方法 |
| CN113390967A (zh) * | 2021-08-13 | 2021-09-14 | 南京邮电大学 | 一种基于梯形阵列的非线性导波复合材料损伤定位方法 |
| CN113566124A (zh) * | 2021-06-11 | 2021-10-29 | 东莞理工学院 | 超声导波最佳激励频率选取方法、装置、设备及存储介质 |
| CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9689760B2 (en) * | 2011-11-10 | 2017-06-27 | The Regents Of The University Of California | Stress detection in rail |
-
2022
- 2022-01-21 CN CN202210072049.2A patent/CN114414659B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104764805A (zh) * | 2015-03-19 | 2015-07-08 | 北京工业大学 | 一种用于有机材料热氧老化评价的非线性超声检测方法 |
| 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 |
| CN108872378A (zh) * | 2018-05-09 | 2018-11-23 | 西安科技大学 | 一种用于金属圆管微损伤评价的非线性扭转模态超声导波方法 |
| CN110108802A (zh) * | 2019-05-22 | 2019-08-09 | 华南理工大学 | 一种载波调制非线性超声导波损伤检测方法 |
| 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 |
| 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 |
| CN112433008A (zh) * | 2020-10-28 | 2021-03-02 | 上海船舶工程质量检测有限公司 | 一种用于工业检测的双频相控阵超声探头 |
| CN112668527A (zh) * | 2020-12-31 | 2021-04-16 | 华南理工大学 | 一种超声导波半监督成像检测方法 |
| CN113325075A (zh) * | 2021-05-27 | 2021-08-31 | 浙江工业大学 | 一种用于金属薄板高周疲劳损伤的非线性波检测方法 |
| CN113566124A (zh) * | 2021-06-11 | 2021-10-29 | 东莞理工学院 | 超声导波最佳激励频率选取方法、装置、设备及存储介质 |
| CN113390967A (zh) * | 2021-08-13 | 2021-09-14 | 南京邮电大学 | 一种基于梯形阵列的非线性导波复合材料损伤定位方法 |
| CN113933392A (zh) * | 2021-10-18 | 2022-01-14 | 山东大学 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 有机材料热老化损伤非线性超声检测试验研究;焦敬品;李亮;何存富;吴斌;;北京工业大学学报(01);全文 * |
| 铝合金初期塑性变形与疲劳损伤的非线性超声无损评价方法;周正干;刘斯明;;机械工程学报(08);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114414659A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114414659B (zh) | 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 | |
| De Fenza et al. | Application of Artificial Neural Networks and Probability Ellipse methods for damage detection using Lamb waves | |
| Park et al. | PZT-based active damage detection techniques for steel bridge components | |
| Qi et al. | Identifying mode shapes of girder bridges using dynamic responses extracted from a moving vehicle under impact excitation | |
| Chen et al. | Nonlinear lamb wave for structural incipient defect detection with sequential probabilistic ratio test | |
| Jia et al. | An approach based on expectation-maximization algorithm for parameter estimation of Lamb wave signals | |
| CN104792865A (zh) | 基于分数维的管道超声导波小缺陷识别与定位方法 | |
| Mao et al. | The construction and comparison of damage detection index based on the nonlinear output frequency response function and experimental analysis | |
| CN102520070A (zh) | 基于非线性输出频率响应函数的结构损伤检测方法 | |
| CN104777222A (zh) | 基于杜芬系统三维相轨迹的管道缺陷识别及可视化方法 | |
| Fan et al. | Feature extraction of echo signal of weld defect guided waves based on sparse representation | |
| 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 | |
| Hong et al. | Dynamic cooperative identification based on synergetics for pipe structural health monitoring with piezoceramic transducers | |
| CN116609442B (zh) | 基于非线性超声导波和深度学习的管道裂纹评估定位方法 | |
| Wang et al. | Multifrequency identification and exploitation in Lamb wave inspection | |
| CN105424798A (zh) | 一种主动检测金属薄壁结构件中缺陷的方法 | |
| CN114813943B (zh) | 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法 | |
| Gsell et al. | Non-destructive evaluation of elastic material properties in anisotropic circular cylindrical structures | |
| US20230048646A1 (en) | Method for measuring deviation angle of fatigue microcrack based on nonlinear ultrasound | |
| CN116973448A (zh) | 一种导波管道缺陷导波周向定位系统及方法 | |
| Liu et al. | Fuzzy pattern recognition of impact acoustic signals for nondestructive evaluation | |
| Elwalwal et al. | Crack inspection using guided waves (GWs)/structural health monitoring (SHM) | |
| Perez-Macias et al. | Wavelet transform-fractal dimension-based methodology for damage assessment in truss type structures | |
| CN114994185A (zh) | 一种激励数据驱动下能量分布转异的疲劳损伤检测方法 | |
| Zima et al. | Application of wavelet transform in analysis of guided wave propagation signals for damage detection in a steel plate |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jia Lei Inventor after: Teng Feiyu Inventor after: Jiang Mingshun Inventor after: Zhang Faye Inventor after: Zhang Lei Inventor after: Sui Qingmei Inventor before: Jia Lei Inventor before: Teng Feiyu Inventor before: Jiang Mingshun Inventor before: Zhang Faye Inventor before: Zhang Lei Inventor before: Sui Qingmei |