CN114487117B - 一种超声相控阵全矩阵数据非递归高效成像方法 - Google Patents

一种超声相控阵全矩阵数据非递归高效成像方法 Download PDF

Info

Publication number
CN114487117B
CN114487117B CN202210149178.7A CN202210149178A CN114487117B CN 114487117 B CN114487117 B CN 114487117B CN 202210149178 A CN202210149178 A CN 202210149178A CN 114487117 B CN114487117 B CN 114487117B
Authority
CN
China
Prior art keywords
layer
imaging
frequency
wave
matrix data
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
Application number
CN202210149178.7A
Other languages
English (en)
Other versions
CN114487117A (zh
Inventor
赵朋
纪凯鹏
颉俊
卓超杰
高世权
张利彬
周绍华
傅建中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202210149178.7A priority Critical patent/CN114487117B/zh
Publication of CN114487117A publication Critical patent/CN114487117A/zh
Application granted granted Critical
Publication of CN114487117B publication Critical patent/CN114487117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N29/06—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
    • G01N29/44—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G01N2291/0235—Plastics; polymers; soft materials, e.g. rubber
    • 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
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture
    • 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
    • G01N2291/10—Number of transducers
    • G01N2291/106—Number of transducers one or more transducer arrays
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Discrete Mathematics (AREA)
  • Computing Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Acoustics & Sound (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明提供一种超声相控阵全矩阵数据非递归高效成像方法，首先将全矩阵数据视为接收阵元位置、发射阵元位置和时间的三维数据，并通过三维快速傅立叶变换转换到频率波数域。将介质层的上界面波场进行变量替换，从频率ω映射到深度方向(z方向)的波数kz上直接计算出介质层中的波场，再利用三维快速傅里叶反变换后应用成像条件即可获得成像结果。本发明的成像方法，避免了EPSM方法中的波场外推迭代及互相关计算，缩短了计算时间，显著提高了超声相控阵的成像效率。

Description

一种超声相控阵全矩阵数据非递归高效成像方法
技术领域
本发明属于检测方法技术领域，具体涉及一种超声相控阵全矩阵数据非递归高效成像方法。
背景技术
注射成形工艺可制造出复杂形面和结构、无需二次加工，且批量生产效率高，是高性能聚合物构件成形的最主要手段，约占80％。然而，特种工程聚合物的注射成形温度是普通/工程聚合物的2倍且导热性差，非均匀壁厚构件(如齿轮、核电站电气贯穿件等)常因收缩不一致而出现内部缩孔缺陷，导致服役时易发生断裂，显著影响高性能聚合物注射成形构件的服役性能和使用寿命。为保证成形构件的可靠性和稳定性，亟需一种内部缩孔缺陷的高效无损成像方法。
聚合物构件的无损成像方法主要有红外热成像法和X射线CT扫描法。红外热成像法需要在待检测构件上施加热源，热量将在内部缩孔缺陷处聚集进而导致局部高温，采用红外相机拍摄并计算构件表面的温度场分布来定位缩孔缺陷，然而红外热成像法无法获得内部缩孔的深度信息且仅适合于检测薄壁构件的内部缺陷。X射线CT扫描可通过不同角度的X射线投影生成构件的内部三维图像，灰度值对应于实体部分或内部缩孔缺陷部分，该方法能高精度地检测出内部缩孔缺陷的位置和形状，但该方法检测时间长并且成本高，如直径2cm聚合物齿轮的检测时间需4小时/个，费用超过1000元/个，难以满足高性能聚合物注射成形构件的高效检测需求。
超声相控阵全矩阵数据成像是一种重要的无损检测方法，全矩阵数据的应用显著提高了成像精度，目前已广泛应用于混凝土或金属产品的检测。在大批量检测时，超声相控阵成像一般需要用到楔块等将超声探头与聚合物构件隔离开，保护相控阵探头以减少磨损，形成楔块/聚合物构件的多层成像介质。目前多层介质超声相控阵成像方法主要有以下几种。TFM(Total focus method)算法是最常用的全矩阵成像方法，Ray-based TFM法利用光线跟踪法计算声束在多层介质中的传播轨迹以获得每个像素点处在超声信号中对应的时间延迟，然后采用TFM的成像条件来获得内部缺陷图像。RMS-based TFM法引入均方根(RMS)速度来直接计算时间延迟，然后采用TFM的成像条件来生成图像，该方法通过避免轨迹的迭代计算提高了成像效率。Wu等提出了扩展相移偏移(Extended phase shiftmigration,EPSM)法，在频域中对表面的波场进行相位偏移来计算多层介质中的波场分布，然后利用爆炸反射成像条件来获得内部缺陷图像。
如前所述，注射成形具有批量生产效率高的特点，这要求超声相控阵成像方法具有极快的计算效率以适应注射成形构件的高速生产。目前，尚缺少针对聚合物注射成形构件的超声相控阵高效成像方法。
发明内容
为解决现有技术中存在的问题，本发明提供一种采用超声相控阵全矩阵数据对多层结构内部孔洞缺陷非迭代高效成像方法。该方法大大省去了传统成像方法中繁琐耗时的递归迭代步骤，可以分别对单层结构和多层结构中的孔洞缺陷进行快速聚焦成像。
本发明提出的面向内部缺陷检测的超声相控阵全矩阵数据非递归高效成像方法(Fast phase shift migration，FPSM)，能对单层结构和多层结构中采集到的全矩阵数据进行高效成像。首先将介质层的全矩阵数据视为接收阵元位置、发射阵元位置和时间的三维数据，并通过三维快速傅立叶变换(3D-FFT)转换到频率波数域(Frequency-Wavenumber,f-k)。将介质层的上界面波场从频率ω映射到深度方向(z方向)的波数kz上，进行变量替换，直接计算出介质层中的波场，再将介质层中的波场利用三维快速傅里叶反变换(3D-IFFT)后应用成像条件即可获得成像结果，避免了EPSM方法中逐个深度的波场外推迭代及互相关计算，显著提高了超声相控阵的成像效率。
一种超声相控阵全矩阵数据非递归高效成像方法，包括以下步骤：
(1)将介质层的全矩阵数据通过三维快速傅里叶变换转换到频率波数域；
(2)在频率波数域内，进行变量替换，将介质层的上界面波场从频率映射到深度方向的波数上，并采用三维快速傅里叶反变换后直接计算测量区域在0时刻空间域的波场；
(3)在空间域提取xr＝xs＝x对应的波场作为所述介质层的缺陷图像；
其中，x表示相控阵传感器阵列排列方向；xs表示发射振元位置；xr表示接收振元位置。
上述步骤(1)中，介质层为具有孔洞缺陷的聚合物注射成形构件。介质层的全矩阵数据由相控阵列传感器测量得到。进行步骤(1)之前首先输入介质层的全矩阵数据和初始化参数。初始化参数包括介质层的层数N；各层声速cn；各层厚度dn；各层成像分辨率Δzn以及选择频带范围；其中，n∈[1，N]。本发明的成像方法不仅适用于对单层结构的介质层进行高速成像，还适用于对多层结构的介质层进行成像。当介质层为单层结构时，N＝1。
本发明的成像方法通过在频率波数(f-k)域中采用从频率ω到深度方向(z方向)的波数kz的映射，采用三维快速傅里叶反变换(3D-IFFT)直接计算测量区域0时刻的声场，应用成像条件直接得到介质层的缺陷图像。它省去了传统频域声场外推过程中的递归迭代步骤，大大提高了计算效率。
作为优选，，针对单层结构，步骤(2)中，所述介质层的上界面波场即为单层结构的表面波场，得到的0时刻空间域的波场P(xr，z，xs，z，t＝0)的表达为：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
D(krx，ksx，(ω(kz))表示单层结构介质层的上界面波场从频率映射到波数上的结果；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速。
作为优选，对于多层结构，步骤(2)中，介质层的上界面波场即为多层结构中任一层的上界面波场，并得到该任一层在0时刻空间域的波场P(xr，z，xs，z，t＝0)：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
表示第n层的上界面波场从频率映射到波数上的结果，n∈[1,N]，N为多层结构的层数；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速；i表示虚数单位；kz，n和kz，m分别表示第n、m层深度方向的波数；dm表示第m层的厚度；z表示深度；zn-1表示第n-1层的下界面深度；
步骤(3)中得到该任一层的缺陷图像；
对多层结构中的每一层分别按照步骤(2)～(3)得到该层的缺陷图像，进而得到该多层结构的缺陷图像。
具体讲，即将多层结构中的每一层看作单层介质，并分别对每一层进行成像，最终得到多层结构的缺陷图像。
作为进一步优选，多层结构中任一层的上界面波场通过将多层结构的表面波场外推至该层的上界面得到。
作为进一步优选，采用双平方根竖直波数对多层结构的表面波场进行外推。
其中，外推深度为z的双平方根竖直波数kz的计算公式为：
其中，ksz为激发振元竖直方向的波数；krz为接收振元竖直方向的波数；krx为接收振元的水平波数；ksx为发射振元的水平波数；ω表示频率；c表示声速。
作为进一步优选，对多层结构进行成像时，按照由上至下的顺序逐层采用步骤(2)～(3)的操作得到多层结构中每一层的缺陷图像。
作为进一步具体优选，所述介质层为多层结构时，按照以下步骤得到多层结构的缺陷图像：
a)选取多层结构中任一未遍历层作为当前层，将多层结构的表面波场外推至当前层的上界面，得到当前层的上界面波场；
b)对当前层的上界面波场依次进行步骤(2)～(3)操作，得到当前层的缺陷图像；
c)重复步骤a)和b)，直至所有层遍历完毕，得到所述多层结构的缺陷图像。
作为进一步优选，步骤a)中按照由上至下的顺序对多层结构进行遍历。
本发明的超声相控阵全矩阵数据非递归高效成像方法，对于多层结构而言，首先将全矩阵数据D(xr，xs，t)经过三维快速傅里叶变换到波数频率域D(krx，ksx，ω)，随后被偏移到第n层的上界面得到
P(krx，zn-1，ksx，zn-1，ω)，接着由ω与kz之间的映射关系转换到P(krx，zn-1，ksx，zn-1，kz)，经过三维傅里叶逆变换后得到第n层零时刻的波场分布。按照由上至下的顺序从第一层开始上述计算，直到将检测区域(多层结构)的所有层遍历结束后即可获得整个检测区域的波场，施加成像条件后得到检测区域的内部缺陷成像结果I(x，z)。
与现有技术相比，本发明的有益效果为：
本发明的超声相控阵全矩阵数据非递归高效成像方法，先将全矩阵数据转换到频率波数域，再将全矩阵数据通过频率与波数之间的映射关系进行变量替换，最后通过三维快速傅里叶反变换得到0时刻的波场，进而得到介质层的缺陷图像。该方法减少了计算过程，缩短了计算时间，提高了成像效率，适用于对成像速度要求较高的检测领域。
附图说明
图1为本发明实施例的超声相控阵全矩阵数据非递归高效成像方法流程图；其中，D表示全矩阵数据；P表示波场声压(波场)；i表示虚数单位；n、m分别表示多层结构的某一层；N表示介质层的层数；cm表示第m层声速；kz，m表示第m层在z方向上的偏移波数；dm表示第m层的厚度；ksx表示发射振元的水平波数；krx表示接收振元的水平波数；I(x，z)表示最终的成像结果(缺陷图像)；t表示采样时间；ω表示频率；
图2中：(a)为单层聚合物结构超声相控阵全矩阵采集示意图；(b)为多层聚合物结构超声相控阵全矩阵采集示意图；其中：z表示深度方向；x表示相控阵传感器阵列排布方向；dN表示第N层的材料厚度；zN表示第N层界面位置；xs表示发射振元位置；xr表示接收振元位置；
图3中：(a)为单层结构超声相控阵全矩阵数据仿真实验图；(b)为两层结构超声相控阵全矩阵数据仿真实验图；
图4为单层结构仿真全矩阵数据采用不同方法得到的成像结果图；其中，(a)为Ray-based TFM法；(b)为RMS-based TFM法；(c)为EPSM法；(d)为本实施例的FPSM法；
图5为两层结构仿真全矩阵数据采用不同方法得到的成像结果图；其中，(a)为Ray-based TFM法；(b)为RMS-based TFM法；(c)为EPSM法；(d)为本实施例的FPSM法；
图6中：(a)为对单层高性能聚合物构件的超声相控阵直接测量图；(b)为采用楔块辅助对单层高性能聚合物构件的超声相控阵测量图；
图7为直接测量的全矩阵数据采用不同方法得到的成像结果图；其中，(a)为Ray-based TFM法；(b)为RMS-based TFM法；(c)为EPSM法；(d)为本实施例的FPSM法；
图8为采用楔块辅助测量的全矩阵数据采用不同方法得到的成像结果图；其中，(a)为Ray-based TFM法；(b)为RMS-based TFM法；(c)为EPSM法；(d)为本实施例的FPSM法。
具体实施方式
一种超声相控阵全矩阵数据非递归高效成像方法，包括以下步骤：
(1)将具有孔洞缺陷的介质层的全矩阵数据通过三维快速傅里叶变换转换到频率波数域；
(2)在频率波数域内，进行变量替换，将介质层的上界面波场从频率映射到深度方向的波数上，并采用三维快速傅里叶反变换后直接计算测量区域在0时刻的波场；
当介质层为单层结构时，介质层的上界面波场即为单层结构的表面波场，得到的0时刻空间域的波场P(xr，z，xs，z，t＝0)的表达为：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
D(krx，ksx，ω(kz))表示单层结构介质层的上界面波场从频率映射到波数上的结果；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速；
当介质层为多层结构时，介质层的上界面波场即为多层结构中任一层的上界面波场，并得到该任一层在0时刻空间域的波场P(xr，z，xs，z，t＝0)：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
表示第n层的上界面波场从频率映射到波数上的结果，n∈[1,N]，N为多层结构的层数；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速；i表示虚数单位；kz，n和kz，m分别表示第n、m层深度方向的波数；dm表示第m层的厚度；z表示深度；zn-1表示第n-1层的下界面深度；
(3)在空间域提取xr＝xs＝x对应的波场作为所述介质层的缺陷图像；
其中，x表示相控阵传感器阵列排列方向；xs表示发射振元位置；xr表示接收振元位置；
当介质层为单层结构时，得到单层结构的缺陷图像；
当介质层为多层结构时，得到多层结构中其中一层的缺陷图像；对多层结构中的每一层分别按照步骤(2)～(3)得到该层的缺陷图像，进而得到该多层结构的缺陷图像。
多层结构的超声相控阵全矩阵数据非递归高效成像方法的详细流程图如图1所示。初始化输入包括FMC数据、层数N、各层声速cn、各层厚度dn、各层成像分辨率Δzn以及选择频带范围。如图1所示，全矩阵数据D(xr，xs，t)首先经过三维快速傅里叶变换到波数频率域D(krx，ksx，ω)，随后被偏移到第n层的上界面得到P(krx，zn-1，ksx，zn-1，ω)，接着由ω与kz之间的映射关系转换到P(krx,zn-1,ksx，zn-1,kz)，经过三维傅里叶逆变换后得到第n层零时刻的波场分布。按照由上至下的顺序从第一层开始上述计算，直到将检测区域(多层结构)的所有层遍历结束后即可获得整个检测区域的波场，施加成像条件后得到检测区域的内部缺陷成像结果I(x，z)。
理论公式
1.全矩阵数据
全矩阵数据(Full matrix capture,FMC)在超声相控阵成像中是一种重要的数据采集方式，相控阵探头中的阵元依次激发，并且每个阵元同时接收超声回波，即全矩阵数据包含了相控阵探头中每个发射-接收阵元对之间的时域信号。对于一个包含n个阵元的相控阵探头，全矩阵数据包含了n2个A扫信号，采用D(xr，xs，t)来表示第s个阵元激发时，第r个阵元在t时刻接收到的超声信号。图2为超声波在均匀介质和多层介质中的传播示意图。如图2所示，超声波从位于(xs，0)的位置发出，经介质中的散射源(x，z)散射后被位于(xr，0)的阵元接收。时域(时间空间域)的波场(声压场)用P(xr，0，xs，0，t)表示，表面测量到的声场可表示为：
P(xr,0,xs,0,t)＝D(xr,xs,t) (1)
对xr、xs和t三个维度进行傅里叶变换，得到波场在频域中的表达式为：
式中，krx是接收阵元的水平波数，ksx是发射阵元的水平波数；ω表示频率；t表示时间；i表示虚数单位；xs表示发射振元位置；xr表示接收振元位置。
2.下行波场外推计算
为了将波场从构件表面外推至深度z处，需要将发射阵元和接收阵元同时偏移到深度z处。根据相位偏移原理，在深度z处的波场可通过式(3)得到：
式中，krz是接收阵元的竖直波数，ksz是发射阵元的竖直波数。
对于声速为c的各向同性介质(单层结构)，如图2中(a)所示，krz和ksz分别由式(4)和式(5)计算：
因此，可定义深度方向(z方向)总波数为：
式(6)称为双平方根方程。
在实际检测中，测量区域通常不是均质的，为如图2中(b)所示的超声多层介质传播模型。此时，超声波穿过N层介质后到达缺陷处，反射信号反向穿过N层介质到达相控阵探头。第n层的厚度和声速分别表示为dn和cn，界面表示为zn，n∈[1，N]。在外推时需考虑超声波穿过界面后的幅值变化，通常可通过与声阻抗和入射角相关的传递系数来进行计算，然而在窄带宽的假设下，传递系数的随入射角变化可被忽略。因此，在交界面下侧的波场正比于它上侧的波场，如式(7)所示：
上式中，和/>分别表示第n层下界面的上侧和下侧。为此，在多层结构中的相位偏移公式可修正为：
上式中，kz，n和kz，m分别表示第n、m层深度方向的波数，由式(6)得到。
一般在相控阵成像过程中是逐层对内部缺陷进行成像的，因此缺陷图像只需在所在的层中被成像出来即可，界面处引起的层与层之间的幅值变化对于成像质量影响不大，可以忽略。
3.成像条件
爆炸反射模型是超声成像中常用的成像条件，它将检测区域的散射点看作爆炸声源，假设它们在t＝0处开始激发并被表面处的超声探头采集到，因此对于B扫数据的爆炸反射模型成像条件就是反推零时刻的声场。然而，全矩阵数据比B扫数据多了一个xr维度，这使得成像更加复杂，需将发射阵元和接收阵元同时向下推演到同一位置以实现上行波与下行波相交。因此，成像条件如下：
I(x,z)＝∫P(x,z,x,z,ω)dω (9)
上式中，I(x，z)为成像结果。P(x，z，x，z，ω)通过式(10)得到：
联立式(3)、式(6)、式(9)和式(10)得到：
为提高成像效率，需要充分利用快速傅里叶变换来进行运算，存在以下关系：
P(x,z,x,z,t＝0)＝P(xrx＝x,z,xsx＝x,z,t＝0) (12)
对于单层结构：
对于多层结构：
式(13)和(14)中，只有积分变量ω不是傅里叶变换，因此，将变量ω替换为kz，运算可变为三维傅里叶变换，得到：
单层结构0时刻的波场表达式如下：
多层结构中任一层0时刻的波场表达式如下：
式中，ω(kz)是将频率ω表示为kz的函数，经过变量替换可得到：
式(17)给出了从深度方向波数kz到频率ω的映射关系。对于均匀介质(单层结构)，对数据D(krx，ksx，ω)进行反映射变换得到D(krx，ksx，kz)后，经过式(12)和式(15)即可获得散射点图像(缺陷图像)。对于多层介质(多层结构)，对D(krx，ksx，ω)先进行相位修正偏移到层间交界面zn(即第n+1层的上界面)，如式(8)所示，再进行映射变换与式(12)和式(16)的处理后可获得第n+1层的散射点图像(缺陷图像)。
检测实验
1.仿真实验
为验证本实施例方法(FPSM)的正确性，采用k-wave Matlab 2019b进行数值仿真，模拟中心频率为2.25MHz、节距为0.75mm的64阵元超声相控阵探头的内部缺陷成像过程。全矩阵数据采用50MHz进行采样得到。所有计算都在匹配CoreTMi7-8700K CPU@3.70GHz的工作站上进行。
对图3所示的单层结构(图3中(a))和两层结构(图3中(b))分别进行数值仿真，得到全矩阵数据(FMC数据)。其中单层结构模拟相控阵对构件内部缺陷的直接测量方式；两层结构模拟采用楔块辅助测量方式，这种测量方式在实际超声相控阵成像中经常使用，能够起到保护相控阵探头和滤去近场干扰的作用。分别采用Ray-based TFM法、RMS-based TFM法、EPSM法和本实施例方法(FPSM)对两种结构采集到的全矩阵数据进行了处理，得到的成像结果(缺陷图像)分别如图4和图5所示。
成像的水平分辨率是相控阵探头的节距，竖直方向的分辨率设置为0.25mm，所有的成像结果都经过2倍的线性上采样。从图4可看出，四种方法都能对单层结构进行成像，然而Ray-based TFM算法(图4中(a))和RMS-based TFM算法(图4中(b))对近场的干扰抑制性差，在成像5mm范围内仍存在近场伪像；EPSM(图4中(c))和本实施例FPSM方法(图4中(d))均能对近场伪像进行有效抑制。相较于EPSM算法，本文方法的成像背景更加干净，如图4中(c)和(d)所示，说明本实施例方法在抑制背景伪像方面具有明显效果。对于图5的成像结果，可看出楔块辅助测量层很好地滤除了近场波干扰，不会影响构件(两层结构)近表面处的内部缺陷成像，四种方法均能较为清晰地成像出内部缺陷。相比较而言，EPSM(图5中(c))结果中成像背景的干扰最多，而本实施例方法(图5中(d))获得的成像结果聚焦程度最好。
为定量对超声相控阵成像结果进行评估，采用阵列性能指示器(API)来进行无量纲度量，计算公式如式(19)：
API＝A-6dB/λ2 (19)
式中，A-6dB是缺陷附近区域成像像素幅值与该区域中像素幅值最大值之比大于-6dB的像素点所对应的面积，λ是超声中心频率所对应的波长。API越小，表示内部缺陷的超声成像分辨率越高。Ray-based TFM法、RMS-based TFM法、EPSM法和本实施例方法(FPSM)四种成像方法在三个散射点处的API结果及其计算时间如表1所示。其中，API结果是每种结构中三个内部缺陷图像API的平均值，计算时间是各成像方法连续运行三次计算时间的平均值。可看出，在单层测量结构中，本实施例方法在分辨率上略低于Ray-based TFM法和RMS-based TFM法；在两层测量结构中，本实施例方法具有最高的分辨率。同时，本实施例方法(FPSM)在成像效率上具有显著优势，该方法对单层结构和两层结构的成像时间均小于0.6s，单层结构的成像时间为RMS-based TFM法的1/23，两层结构的成像时间为RMS-basedTFM法的1/9。因此，本实施例的超声相控阵成像新方法能对多层结构中的内部缺陷实现高效成像。
表1四种方法仿真实验成像结果的API和计算时间
2.贯通横向孔成像实验
为进一步验证本实施例方法FPSM的有效性，本实验对高性能聚合物构件的内部缺陷进行了超声相控阵全矩阵数据成像。采用中心频率2.25MHz、节距0.75mm的64阵元超声相控阵探头(SIUI，中国)，FMC数据通过64/64OEM-PA(AOS.Ltd,美国)采集，采样频率为50MHz，采样时长为60μs。测量对象为厚度40mm的高性能聚合物PEEK构件，在该构件上制作了三个贯通的横向孔作为内部缺陷成像目标，其直接测量和楔块辅助测量示意图如图6所示。
图6中(a)为对PEEK构件内部缺陷的直接测量图，图6中(b)采用楔块SC63-NL-Z20来辅助超声相控阵测量图，其中楔块的声速为2337m/s，PEEK构件的声速为2570m/s。分别采用Ray-based TFM法、RMS-based TFM法、EPSM法和本实施例方法(FPSM)来对上述两种测量方式采集到的全矩阵数据进行处理，得到的成像结果分别如图7和图8所示。
与仿真实验相似，成像的水平分辨率是相控阵探头的节距，竖直方向的分辨率设置为0.25mm，所有的成像结果都经过2倍的线性上采样。从图7可以看出，Ray-based TFM法(图7中(a))和RMS-based TFM法(图7中(b))在高性能聚合物构件最上面第一个内部缺陷的成像效果较差，而EPSM法(图7中(c))和本实施例方法(图7中(d))对每个内部缺陷的成像效果都较好，这主要是因为时域方法对近场波干扰的抑制效果比频域算法差。从图8的成像结果可知，楔块能够很好地滤除近场波的干扰，四种成像方法都能够较清晰地成像出内部缺陷，然而成像结果中均存在楔块底面的回波干扰。
表2四种方法实际实验成像结果的API和计算时间
同样，对四种不同成像方法在内部缺陷处的API结果及其计算时间进行分析，实验结果如表2所示。其中API结果是每种结构中三个内部缺陷图像API的平均值，计算时间是各成像方法连续运行三次计算时间的平均值。从表2中可以看出，在对PEEK构件的直接测量中，EPSM法成像结果的分辨率为0.876，本实施例方法成像结果的分辨率为0.973，但在计算时间上本实施例方法FPSM具有明显优势，仅为EPSM法的1/30。在楔块辅助测量时，本实施例方法的API值和计算时间都是最小的，在成像分辨率和成像效率上均具有较大优势，其计算时间为EPSM法的1/20。实际实验进一步验证了本实施例方法对高性能聚合物构件成像的高效性。

Claims (6)

1.一种超声相控阵全矩阵数据非递归高效成像方法，其特征在于，包括以下步骤：
(1)将介质层的全矩阵数据通过三维快速傅里叶变换转换到频率波数域，并通过如下方式实现：
表面测量到的声场可表示为：
P(xr,0,xs,0,t)＝D(xr,xs,t)
对xr、xs和t三个维度进行傅里叶变换，得到波场在频域中的表达式为：
式中，krx是接收阵元的水平波数，ksx是发射阵元的水平波数；ω表示频率；t表示时间；i表示虚数单位；xs表示发射振元位置；xr表示接收振元位置；
(2)在频率波数域内，进行变量替换，将介质层的上界面波场从频率映射到深度方向的波数上，并采用三维快速傅里叶反变换得到测量区域在0时刻空间域的波场；
(3)在空间域提取xr＝xs＝x对应的波场作为所述介质层的缺陷图像；
其中，x表示相控阵传感器阵列排列方向；
步骤(2)中，从深度方向波数kz到频率ω的映射关系为：
2.根据权利要求1所述的超声相控阵全矩阵数据非递归高效成像方法，其特征在于，针对单层结构，步骤(2)中，所述介质层的上界面波场即为单层结构的表面波场，得到的0时刻空间域的波场P(xr，z，xs，z，t＝0)的表达为：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
D(krx，ksx，ω(kz))表示单层结构介质层的上界面波场从频率映射到波数上的结果；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速。
3.根据权利要求1所述的超声相控阵全矩阵数据非递归高效成像方法，其特征在于，对于多层结构，步骤(2)中，介质层的上界面波场即为多层结构中任一层的上界面波场，并得到该任一层在0时刻空间域的波场P(xr，z，xs，z，t＝0)：
其中，ω(kz)是将频率ω表示为深度方向上的波数kz的函数，并通过下式表达：
表示第n层的上界面波场从频率映射到波数上的结果，n∈[1,N]，N为多层结构的层数；ω表示频率；kz表示深度方向的波数；krx接收振元的水平波数；ksx表示发射振元的水平波数；c表示声速；i表示虚数单位；kz，n和kz，m分别表示第n、m层深度方向的波数；dm表示第m层的厚度；z表示深度；zn-1表示第n-1层的下界面深度；
步骤(3)中得到该任一层的缺陷图像；
对多层结构中的每一层分别按照步骤(2)～(3)得到该层的缺陷图像，进而得到该多层结构的缺陷图像。
4.根据权利要求3所述的超声相控阵全矩阵数据非递归高效成像方法，其特征在于，多层结构中任一层的上界面波场通过将多层结构的表面波场外推至该层的上界面得到。
5.根据权利要求4所述的超声相控阵全矩阵数据非递归高效成像方法，其特征在于，采用双平方根竖直波数对多层结构的表面波场进行外推。
6.根据权利要求3所述的超声相控阵全矩阵数据非递归高效成像方法，其特征在于，对多层结构进行成像时，按照由上至下的顺序逐层分别采用步骤(2)～(3)的操作得到多层结构中每一层的缺陷图像。
CN202210149178.7A 2022-02-18 2022-02-18 一种超声相控阵全矩阵数据非递归高效成像方法 Active CN114487117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210149178.7A CN114487117B (zh) 2022-02-18 2022-02-18 一种超声相控阵全矩阵数据非递归高效成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210149178.7A CN114487117B (zh) 2022-02-18 2022-02-18 一种超声相控阵全矩阵数据非递归高效成像方法

Publications (2)

Publication Number Publication Date
CN114487117A CN114487117A (zh) 2022-05-13
CN114487117B true CN114487117B (zh) 2023-08-04

Family

ID=81482803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210149178.7A Active CN114487117B (zh) 2022-02-18 2022-02-18 一种超声相控阵全矩阵数据非递归高效成像方法

Country Status (1)

Country Link
CN (1) CN114487117B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115808469A (zh) * 2023-02-02 2023-03-17 浙江大学 基于cuda的波数域三维超声全矩阵成像方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109781849A (zh) * 2019-01-25 2019-05-21 江苏大学 一种基于频域分模态叠加损伤成像方法
JP2019132798A (ja) * 2018-02-02 2019-08-08 株式会社日立製作所 超音波検査方法および超音波検査装置
CN111077567A (zh) * 2019-12-10 2020-04-28 成都理工大学 一种基于矩阵乘法的双程波叠前深度偏移的方法
CN111248858A (zh) * 2020-01-10 2020-06-09 南京景瑞康分子医药科技有限公司 一种基于频域波数域的光声断层成像重建方法
CN111380957A (zh) * 2020-03-11 2020-07-07 大连理工大学 一种基于频率-波数域滤波的超声导波检测方法
CN112067698A (zh) * 2020-09-14 2020-12-11 南昌航空大学 一种时频结合快速全聚焦超声成像方法
CN112857698A (zh) * 2019-11-27 2021-05-28 天津大学 一种基于声表面波检测墙体渗漏的方法
CN113552219A (zh) * 2021-07-28 2021-10-26 浙江大学 一种多层结构孔洞缺陷超声自聚焦检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101982943B (zh) * 2010-10-11 2013-08-21 复旦大学 基于时域重排的超声导波频散补偿与多模式分离方法
JP6278577B2 (ja) * 2014-03-12 2018-02-14 古野電気株式会社 超音波診断装置、及び指標算出方法
CN104535656B (zh) * 2014-12-17 2017-10-20 江苏大学 全光学非接触式复合材料板层裂损伤检测系统及方法
JP6733478B2 (ja) * 2016-10-04 2020-07-29 コニカミノルタ株式会社 超音波信号処理装置、超音波信号処理方法、及び、超音波診断装置
CN106932493B (zh) * 2017-03-05 2019-09-27 北京工业大学 一种基于遗传算法的超声传感器阵列参数的分析方法
CN106908451B (zh) * 2017-03-05 2019-06-28 北京工业大学 基于激光Lamb波频率-波数分析的金属板缺陷定位方法
EP4053594A3 (en) * 2017-07-06 2022-11-30 Esaote S.p.A. Ultrasound method and system for extracting signal components relating to spatial locations in a target region in the spatial and temporal frequency domain
CN108693253A (zh) * 2018-05-02 2018-10-23 南昌航空大学 一种快速相控阵超声全聚焦成像技术

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019132798A (ja) * 2018-02-02 2019-08-08 株式会社日立製作所 超音波検査方法および超音波検査装置
CN109781849A (zh) * 2019-01-25 2019-05-21 江苏大学 一种基于频域分模态叠加损伤成像方法
CN112857698A (zh) * 2019-11-27 2021-05-28 天津大学 一种基于声表面波检测墙体渗漏的方法
CN111077567A (zh) * 2019-12-10 2020-04-28 成都理工大学 一种基于矩阵乘法的双程波叠前深度偏移的方法
CN111248858A (zh) * 2020-01-10 2020-06-09 南京景瑞康分子医药科技有限公司 一种基于频域波数域的光声断层成像重建方法
CN111380957A (zh) * 2020-03-11 2020-07-07 大连理工大学 一种基于频率-波数域滤波的超声导波检测方法
CN112067698A (zh) * 2020-09-14 2020-12-11 南昌航空大学 一种时频结合快速全聚焦超声成像方法
CN113552219A (zh) * 2021-07-28 2021-10-26 浙江大学 一种多层结构孔洞缺陷超声自聚焦检测方法

Also Published As

Publication number Publication date
CN114487117A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
Li et al. Imaging composite material using ultrasonic arrays
Chen et al. An adaptive Morlet wavelet filter for time-of-flight estimation in ultrasonic damage assessment
Ambrozinski et al. Detection and imaging of local ply angle in carbon fiber reinforced plastics using laser ultrasound and tilt filter processing
CN111289627B (zh) 一种提高复杂形状构件r区相控阵超声检测能力的方法
US20230258604A1 (en) Efficient ultrasonic phased array phase shift migration imaging method for defects in multi-layer structure
CN103615996A (zh) 一种超声信号频谱滤波技术无损测量涂层厚度的方法
Kažys et al. Ultrasonic detection and characterization of delaminations in thin composite plates using signal processing techniques
CN103245311A (zh) 用超声检测多层吸波涂层的测厚装置及其测厚方法
CN112067698A (zh) 一种时频结合快速全聚焦超声成像方法
CN114487117B (zh) 一种超声相控阵全矩阵数据非递归高效成像方法
CN102608212A (zh) 基于声压反射系数功率谱测量薄层声阻抗和声衰减的方法
CN115856101A (zh) 一种基于稀疏矩阵的超声频域全聚焦方法
CN108508093A (zh) 一种工件缺陷高度的检测方法及系统
CN114858926A (zh) 一种基于频域逆时偏移的全矩阵数据高质量成像方法
He et al. Quantitative detection of surface defect using laser-generated Rayleigh wave with broadband local wavenumber estimation
CN113777166A (zh) 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法
Antonio Jr et al. Ultrasonic imaging of concrete by synthetic aperture focusing technique based on hilbert-huang transform of time domain data
Sun et al. Three-dimensional reconstruction of ceramic membrane with internal defects based on ultrasound imaging technique applying triangular matrix-synthetic aperture focusing
CN114755300A (zh) 一种基于超声无损检测的缺陷定位定量检测方法
Zhu et al. Time-domain topological energy imaging with ultrasonic Lamb waves considering multiple defects
CN115112768A (zh) 一种具有波数域吸收边界条件的相位偏移超声成像方法
Dupont-Marillia et al. Phased array inspection of large size forged steel parts
CN115166046A (zh) 一种具有空间域吸收边界条件的相位偏移超声成像方法
Han et al. Ultrasonic imaging through reverberation media
Aschy et al. Enhancement of the total focusing method imaging for immersion testing of anisotropic carbon fiber composite structures

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