CN115017640A - 基于时空域混合分析的梳状压电换能器结构优化设计方法 - Google Patents

基于时空域混合分析的梳状压电换能器结构优化设计方法 Download PDF

Info

Publication number
CN115017640A
CN115017640A CN202210560458.7A CN202210560458A CN115017640A CN 115017640 A CN115017640 A CN 115017640A CN 202210560458 A CN202210560458 A CN 202210560458A CN 115017640 A CN115017640 A CN 115017640A
Authority
CN
China
Prior art keywords
comb
transducer
excitation
piezoelectric transducer
geometric parameters
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
Application number
CN202210560458.7A
Other languages
English (en)
Other versions
CN115017640B (zh
Inventor
李佳鑫
赵勃
史维佳
谭久彬
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202210560458.7A priority Critical patent/CN115017640B/zh
Publication of CN115017640A publication Critical patent/CN115017640A/zh
Application granted granted Critical
Publication of CN115017640B publication Critical patent/CN115017640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于时空域混合分析的梳状压电换能器结构优化设计方法，属于超声应力监测技术领域，以解决现有换能器受限激励信号的频率范围、需两个激励性能一致的电磁超声换能器对称激发才可实现单一模态激励等，即无法实现复杂条件下单一模态超声导波的激励的技术问题，包括：初始化异形电极梳状换能器的几何参数，并建立波数分析公式；利用该公式结合鲁棒贝叶斯优化算法对几何参数进行优化调整，确定六个优化几何参数作为窄通带波长范围，并根据窄通带波长范围对换能器进行结构优化设计；根据窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数；利用最佳时域信号参数激励结构优化设计后的换能器实现最优单一模态Lamb激励。

Description

基于时空域混合分析的梳状压电换能器结构优化设计方法
技术领域
本发明涉及超声应力监测技术领域，特别涉及一种基于时空域混合分析的梳状压电换能器结构优化设计方法及系统、基于时空域混合分析的梳状压电换能器结构的激励优化设计方法及系统。
背景技术
在航空航天领域，飞行器的安全至关重要，机翼作为飞行器的重要部件，它必须具有强大的耐久性和稳定性。然而，在长期交变荷载的作用下，这些结构件可能会发生应力集中，容易造成疲劳损伤，在材料中形成微裂纹。微裂纹进一步发展会形成宏观裂纹，甚至可能发生断裂，从而造成不可估量的损失。因此，为了保证飞行安全，有必要对机翼的应力状态进行实时的监测，并根据实时结果对其进行维护，从而延长飞机的使用寿命，提高安全系数。基于超声导波声弹性效应的应力监测具有测量简单、可靠性高、覆盖面大等优点，因此成为最受欢迎的监测方法之一。然而导波具有复杂的频散和多模态特性，在实际测量过程中常常因为多波包混合而无法准确提取出应力引起的某一模态导波的声时变化，从而造成测量误差。因此，对于导波应力监测领域而言，有效解决单一模态导波的激励和接收问题是当下最急需解决的问题。
2012年中，北京工业大学何存富等人在发明专利CN201120354632.X公开了“一种周向一致单一S0模态Lamb波电磁声传感器”，通过设计特定结构的环形线圈，然后在环形线圈中通交流电，在洛伦兹力的作用下，交替涡流场中每一个带点微粒振动，然后整个环形区域内的微粒振动便形成了以环形线圈中心为圆心的环形扩散传播Lamb波，从而便可以产生沿各个方向均匀传播的Lamb波。根据振动源以面内位移为主导的特性，可以实现激励的Lamb波以对称模态为主导，然后在接收过程中，将微粒振动切割磁感线产生的感应电流耦合到线圈中得到接收信号，因为对称模态的离面位移方向与磁场方向平行，基本不产生感应电流，通过激励和接收过程的双重衰减作用实现待测对象内部单一模态Lamb波的激励。这种换能器在激励单一模态方面的限制较多，它仅能在一阶截止频率范围以内近似激励出单一模态，当存在高阶对称模态时，多种对称模态会被同时激励，即使在截止频率范围内使用时，对使用条件也相当苛刻，如果换能器与待测对象表面不完全平行的话，则反对称模态的振动位移在换能器表面的映射分量一定会产生较大影响，也会影响单一模态Lamb波的激发和接收。
2018年南京航空航天大学钱征华等在发明专利CN 108426948 A中，公开了“一种激发单一模态波的电磁超声换能器及其工作方法”，该专利基于洛伦兹力设计了电磁超声换能器，通过在发射线圈中施加突发激励信号，然后在待测试件上感应出与激励信号同频率的电涡流，电涡流在静态偏置磁场的作用下在待测试件中产生洛伦兹力，在动态洛伦兹力的作用下激励出超声导波，为了实现单一模态Lamb波的激励，在待测试件上下表面对称放置电磁超声换能器，当上下磁铁安装的极化方向一致且垂直于待测件时，激发对称Lamb波模态；当上下磁铁安装的极化方向相反且平行于待测件时，激发出反对称Lamb波模态。这种方法虽然理论上可以得到完美的单一模态激励效果，但是实际条件下，无法保证上下表面电磁超声换能器的完全对称放置，而且由于加工制造误差，两个换能器的激励性能也不可能完全一致，因此无法对非目标模态进行有效消除，同时对于存在多个对称或反对称模态的高频激励区间而言，该方法更是无法得到单一的Lamb波模态。
发明内容
本发明提供一种基于时空域混合分析的梳状压电换能器结构优化设计方法，以用于解决现有换能器受限于激励信号的频率范围、需要两个激励性能一致的电磁超声换能器对称激发才可实现单一模态激励、以及电磁超声换能器的体积大难固定，无法用于具有实时健康监测需求的板状结构中等等，即无法实现复杂条件下单一模态超声导波的激励的技术问题。
本发明一方面实施例提出了基于时空域混合分析的梳状压电换能器结构优化设计方法，包括以下步骤：步骤S1，初始化异形电极梳状换能器的几何参数，并建立波数分析公式；步骤S2，利用所述波数分析公式结合鲁棒贝叶斯优化算法对所述几何参数进行优化调整，确定所述异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
本发明另一方面实施例提出了基于时空域混合分析的梳状压电换能器结构优化设计系统，包括：初始化模块，用于初始化异形电极梳状换能器的几何参数，并建立波数分析公式；结构优化设计模块，用于利用所述波数分析公式结合鲁棒贝叶斯优化算法对所述几何参数进行优化调整，确定所述异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
本发明又一方面实施例提供一种梳状压电换能器结构优化设计设备，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计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所述的基于时空域混合分析的梳状压电换能器结构优化设计方法。
本发明又一方面实施例提出了基于时空域混合分析的梳状压电换能器结构的激励优化设计方法，基于前述基于时空域混合分析的梳状压电换能器结构优化设计方法，还包括以下步骤：步骤S3，根据所述窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数；步骤S4，利用所述最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
本发明又一方面实施例提出了基于前述的基于时空域混合分析的梳状压电换能器结构优化设计系统，还包括：确定最佳时域信号参数模块，用于根据所述窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数；激励优化模块，用于利用所述最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
本发明再一方面实施例提供一种梳状压电换能器结构的激励优化设计设备，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计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所述的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法。
本发明的技术方案，至少实现了如下有益的技术效果：
结构优化设计后的异形电极梳状换能器具有波长选择特性，即使在高频多对称模态同时存在时也仅会激励特定频率、特定波长的Lamb波，不会造成多种对称模态被激励；
利用单片压电梳状换能器就可以实现单一模态Lamb波的激励，不会涉及到需要两个激励性能完全一致的换能器对称激发才能实现单一模态的激励，同时由于换能器指定的波长选择特性，在高频多对称或多反对称模态同时存在的条件下，也能保证较好的单一模态激励性能；
选用的异形电极梳状换能器具有体积小，质量轻，价格低等优点，可以通过粘接的方式固定在需要监测的对象上，从而实现在不影响原有结构工作性能的前提下对被测结构进行实时监测。
本发明附加的方面和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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一个实施例的基于时空域混合分析的梳状压电换能器结构优化设计方法的流程图；
图2是本发明一个实施例的梳状换能器几何结构及关键参数示意图；
图3是本发明一个实施例的任意一水平线上的应力分布示意图；
图4是本发明一个实施例的初始化换能器的波长选择特性示意图；
图5是本发明一个实施例的鲁棒贝叶斯优化算法的流程图；
图6是本发明一个实施例的优化设计后的异形电极梳状换能器的波长选择特性示意图；
图7是本发明一个实施例的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法的流程图；
图8是本发明一个实施例的优化设计后的异形电极梳状换能器在相速度频散曲线上的激励区域表示示意图；
图9是本发明一个实施例的300kHz中心频率时的5周期汉宁窗调制正弦信号时域和频域表示，(a)为时域，(b)为频域；
图10是本发明一个实施例的基于时空域混合分析的梳状压电换能器结构优化设计系统的结构示意图；
图11是本发明一个实施例的基于时空域混合分析的梳状压电换能器结构的激励优化设计系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的基于时空域混合分析的梳状压电换能器结构优化设计方法及系统、基于时空域混合分析的梳状压电换能器结构的激励优化设计方法及系统。
基于上述背景技术中所提到的现有换能器受限于激励信号的频率范围、需要两个激励性能一致的电磁超声换能器对称激发才可实现单一模态激励、以及电磁超声换能器的体积大难固定，无法用于具有实时健康监测需求的板状结构中等等，即无法实现复杂条件下单一模态超声导波的激励的技术问题，面向超声导波应力测量领域中单一模态Lamb波的激发和接收需求，本发明提供了在基于压电晶片激励Lamb波的基础上，引入具有异形电极的梳状结构换能器，根据空间结构的波数选择特性，结合鲁棒贝叶斯优化算法设计梳状换能器的几何结构参数，来实现全波长范围内窄波带的选通特性，然后再根据Lamb波的相速度频散曲线和梳状换能器的激励波带宽度，优化选择时域激励信号的关键参数，结合时空域的联合分析最终便可以实现满足目标频率、目标波长以及目标模态的激励需求。
图1是本发明一个实施例的基于时空域混合分析的梳状压电换能器结构优化设计方法的流程图。
如图1所示，该方法包括以下步骤：
在步骤S1中，初始化异形电极梳状换能器的几何参数，并建立波数分析公式。
进一步地，在本发明的一个实施例中，步骤S1具体包括：
步骤S11，初始化异形电极梳状换能器的几何参数，几何参数包括：异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数和压电换能器厚度；
步骤S12，通过有限元方法仿真几何参数的平面应力分布关系；
步骤S13，根据二维傅里叶变换对平面应力分布关系进行空间域波数分析，以建立波数分析公式。
具体地，如图2-4所示，本发明实施例需要初始化异形电极梳状换能器的几何参数，然后通过有限元方法得到换能器的平面应力分布关系，将换能器的电极长度方向均匀分成M等份，可以得到任意一条水平线上的应力分布，在有电极的区域，应力近似为矩形分布，矩形窗函数在空间域可以表示为：
Figure BDA0003656389790000051
式中，x表示换能器水平方向位置，x0表示矩形窗的宽度。
根据单个矩形窗的函数表示，可以得到第i条水平线上应力的空域分布为
Figure BDA0003656389790000052
式中，yi表示第i条水平线的y向坐标，j表示第j个指电极，N表示指电极的数目，xi表示第i条水平线上单个电极的宽度，pi表示第i条水平线上相邻电极的间距。
由式(2)可以确定整个换能器的空域应力分布为：
Figure BDA0003656389790000061
其中，M为二维傅里叶变换中的行数。
对整个换能器的应力分布函数进行二维傅里叶变换，可以将结构分析从空间域转换到波数域，变换公式为：
Figure BDA0003656389790000062
式中，kx表示x方向的波数，ky表示y方向波数。
接下来对所有沿y轴的波数结果进行叠加，得到换能器整体的波数特征:
Figure BDA0003656389790000063
由于波数的分布对于后续的优化过程分析不够直接，因此根据波数k和波长λ的关系，可以将整个分布特征转换到波长域：
Figure BDA0003656389790000064
初始化几何参数的梳状换能器波选特性一般除了在目标波长区域段内有较好的选通特性，也会在以目标波长为整数倍或者整数分之一的高阶或次级模态具有一定的选通特性，因此在多模态混合的高频激励区域，则无法有效保证单一模态的激励，针对这种情况，必须在初始化参数的基础上，设计波长选通特性的优化目标后，对换能器的几何参数进行迭代优化，保证换能器仅在目标波长窄带范围内具有选择特性。
在步骤S2中，利用波数分析公式结合鲁棒贝叶斯优化算法对几何参数进行优化调整，确定异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
进一步地，在本发明的一个实施例中，步骤S2具体包括：
步骤S21，通过Box-Muller方法在预设范围内对几何参数各自生成一组服从高斯分布的随机变量，并构建成待优化解集；
步骤S22，利用鲁棒贝叶斯优化算法对待优化解集进行迭代优化分析，直至满足预设优化目标，得到异形电极梳状换能器的六个优化几何参数作为窄通带波长范围；
步骤S23，根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
具体地，完成换能器几何参数初始化以及波长选通特性的优化目标设定后，通过鲁棒贝叶斯优化算法对几何参数进行优化调整，根据换能器的几何结构，可以确定换能器共有6个待优化参数，包括异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数以及压电换能器的厚度，每一个参数都对最终的单模态激励性能有着至关重要的影响。对于多参数优化问题，传统的方法计算效率低，耗时长，因此本发明实施例采用鲁棒贝叶斯优化方案，即选择“唯一-最佳”，首先通过Box-Muller方法在一定的范围内对6个优化变量各自生成一组服从高斯分布的随机变量，具体构建方法如下：选取两个在一定区间服从均匀分布的随机变量U1和U2，利用其生成服从高斯分布的变量w
Figure BDA0003656389790000071
对其他变量采用同样的方式进行生成，利用生成的变量可以构建庞大的优化解集，然后通过适应度函数评价所有解的适应度，其适应度函数表示为：
Figure BDA0003656389790000072
式中，x表示解集中的观测样本，f(x)表示根据观测样本计算的换能器波数分析结果，f*(x)表示优化的目标。
进一步地，根据预设阈值选择所有观测样本的适应度中高适应度的解，并构建成POP1解集；根据鲁棒贝叶斯网络的依赖条件，即贝叶斯网络结构和贝叶斯网络条件概率表，提取待优化解集中的不鲁棒解模式；提取POP1解集中与不鲁棒解模式相匹配的解并剔除，将其余解构建成POP2解集；利用显示平均方法评价POP2解集中所有解的预期适应度，即对多次扰动解求其平均适应度值，并迭代两至三次(取决于解的鲁棒程度)，将重复的解添加至POP2解集中，以构建成POP3解集；根据POP3解集构建新的贝叶斯网络，该新的贝叶斯网络对于高适应度解变量的条件概率分布具有非常高的鲁棒性，并对新的贝叶斯网络进行重新采样，以产生下一个解集，以计算新适应度值；在新的迭代过程中会产生具有更强鲁棒性的方案，因此通过逐步迭代缩小解集，并提高了解决方案的鲁棒性，最终根据解集中的几何参数是否满足优化目标确定迭代是否继续，若满足则得到窄通带波长范围，如图6所示，根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
综上，本发明实施例提出的基于时空域混合分析的梳状压电换能器结构优化设计方法，首先选取体积小，质量轻，价格低等优点的单片压电梳状换能器，可以通过粘接的方式固定在需要监测的对象，从而实现在不影响原有结构工作性能的前提下对被测结构进行实时监测；然后初始化具有异性电极的梳状结构换能器的几何模型，通过有限元仿真得到其平面应力分布关系，再根据二维傅里叶变换进行空间域波数分析，进一步得到梳状换能器的波长选择特性，从而得到换能器的优化函数和优化目标；利用建立的空间域波数分析方法结合鲁棒贝叶斯优化算法对梳状换能器结构进行分析，通过构造的贝叶斯网络，可以有效提取优化过程的非鲁棒解模式，在每一代的迭代过程中，可以检测出与提取的模式相匹配的解，然后在评估过程中丢弃，最终实现最优鲁棒解的获取，通过该方法不仅可以得到最优的换能器几何参数结果，而且可以大大减小计算时间；根据最优换能器几何参数结果设计的梳状结构具有波长选择特性，即使在高频多对称模态同时存在时也仅会激励特定频率、特定波长的Lamb波，不会造成多种对称模态被激励。
为了实现上述实施例，本发明实施例提出的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法的流程图。
如图7所示，该方法，包括以下步骤：
步骤S1，初始化异形电极梳状换能器的几何参数，并建立波数分析公式。
步骤S2，利用波数分析公式结合鲁棒贝叶斯优化算法对几何参数进行优化调整，确定异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
步骤S3，根据窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数。
具体地，如图8所示，建立待测对象的相速度频散曲线；根据已知的换能器波长选择特性(即窄通带波长范围)以及相速度频散曲线确定实现目标模态Lamb波单一激励的最大区域，相当于确定时域激励信号的最大频谱宽度，然后根据最大频域带宽和激励心中频率可以选择最佳时域信号参数，其包括脉冲激励信号的周期数以及调制窗函数类型。
需要说明的是，由于Lamb波复杂的频散多模态特性，仅通过换能器结构优化的波选特性仍然无法保证在目标频率处激励单一模态，因此必须将换能器的波带宽度与激励信号的频带宽度融合分析，确定换能器在Lamb波相速度频散曲线上的激励区域，显然如果激励信号的频带宽度过大，与频散曲线其他模态有交叉，即使换能器自身的波带宽度较窄，也无法实现单一模态的激励，因此必须对激励信号的时域带宽进行一定的设计，又因时域信号的持续时间越长，其频域带宽越窄，因此理论上利用连续信号激励超声换能器可以得到完美的单频信号，但是在实际的导波应力测量中，连续信号是无法直接使用的，多周期窗函数调制的突发信号是在导波健康监测中最常使用的。
因此本发明实施例仅能通过增加脉冲信号的周期数来尽量保证激励信号具有窄带频域带宽，但是发明实施例在考虑增加时域信号周期数，降低频域带宽的同时要考虑长持续时间信号可能引发的直达波和边界反射波的混叠问题，因此需要对激励的持续周期数和所加窗函数类型进行优化设计，来平衡单一模态激励的同时具有最小的持续周期数目，如图9所示，通过大量的仿真和实验证明，5周期的汉宁窗调制的正弦信号具有较优的频域特性，可以满足一般的需求。
步骤S4，利用最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
具体地，通过信号发生器和功率放大器产生最佳时域信号参数，激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
下面通过一个具体实施例对本发明实实施例提出的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法进一步说明。
在常温条件下，被测对象为1mm厚的铝板，其为各向同性材料，根据不同模态Lamb波的声弹性效应分析，波长为5mm，频率为1.9MHz的A1模态具有较好的应力灵敏度，因此选择其进行应力测量，通过优化换能器的几何参数和激励参数实现目标模态的单一激励，首先初始化换能器的参数为d＝3mm,w＝2mm,p＝5mm,L＝20mm,h＝0.2mm,N＝8,建立结构的波数分析模型，然后通过Box-Muller方法建立解参数集，接下来通过鲁棒贝叶斯优化算法对换能器的几何结构参数进行优化分析，最终得到换能器的结构参数为d＝4mm,w＝1mm,p＝5mm,L＝20mm,h＝0.2mm,N＝8，优化结构的波长选择特征表明其仅在目标波长的窄带范围内有优越的选择特性，其他波长范围内的激励性能均被抑制，得到换能器的波长选择特征后，便是建立1mm厚度铝板的相速度频散曲线，然后根据窄通带波长的范围确定可以实现单一模态激励的最大频域带宽，再根据频域带宽信息确定调制窗函数类型以及脉冲信号周期为汉宁窗调制的5周期正弦信号。最后通过信号发生器和功率放大器产生调制信号，激励优化设计的梳状换能器，根据接收信号分析换能器的单一模态激励性能。
综上本发明实施例提出的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法，首先选取体积小，质量轻，价格低等优点的单片压电梳状换能器，可以通过粘接的方式固定在需要监测的对象，从而实现在不影响原有结构工作性能的前提下对被测结构进行实时监测；然后初始化具有异性电极的梳状结构换能器的几何模型，通过有限元仿真得到其平面应力分布关系，再根据二维傅里叶变换进行空间域波数分析，进一步得到梳状换能器的波长选择特性，从而得到换能器的优化函数和优化目标；利用建立的空间域波数分析方法结合鲁棒贝叶斯优化算法对梳状换能器结构进行分析，通过构造的贝叶斯网络，可以有效提取优化过程的非鲁棒解模式，在每一代的迭代过程中，可以检测出与提取的模式相匹配的解，然后在评估过程中丢弃，最终实现最优鲁棒解的获取，通过该方法不仅可以得到最优的换能器几何参数结果，而且可以大大减小计算时间；根据最优换能器几何参数结果设计的梳状结构具有波长选择特性，即使在高频多对称模态同时存在时也仅会激励特定频率、特定波长的Lamb波，不会造成多种对称模态被激励；获取换能器的激励波长选通特性后，需要综合待测对象的相速度频散曲线对激励信号进行优化选择，可以实现最优单一模态Lamb波的激励，不会涉及到需要两个激励性能完全一致的换能器对称激发才能实现单一模态的激励，同时由于换能器指定的波长选择特性，在高频多对称或多反对称模态同时存在的条件下，也能保证较好的单一模态激励性能。
为了实现上述实施例，本发明实施例提出的基于时空域混合分析的梳状压电换能器结构优化设计系统。
如图10所示，该系统10包括：初始化模块101和结构优化设计模块102。
其中，初始化模块101用于初始化异形电极梳状换能器的几何参数，并建立波数分析公式。结构优化设计模块102用于利用波数分析公式结合鲁棒贝叶斯优化算法对几何参数进行优化调整，确定异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
进一步地，在本发明的一个实施例中，初始化模块101具体包括：初始化单元，用于初始化异形电极梳状换能器的几何参数，几何参数包括：异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数和压电换能器厚度；仿真单元，用于通过有限元方法仿真几何参数的平面应力分布关系；分析构建单元，用于根据二维傅里叶变换对平面应力分布关系进行空间域波数分析，以建立波数分析公式。
进一步地，在本发明的一个实施例中，结构优化设计模块102具体包括：构建解集单元，用于通过Box-Muller方法在预设范围内对几何参数各自生成一组服从高斯分布的随机变量，并构建成待优化解集；迭代单元，用于利用鲁棒贝叶斯优化算法对待优化解集进行迭代优化分析，直至满足预设优化目标，得到异形电极梳状换能器的六个优化几何参数作为窄通带波长范围；结构优化设计单元，用于根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。
需要说明的是，前述对基于时空域混合分析的梳状压电换能器结构的激励优化设计方法实施例的解释说明也适用于该实施例的系统，此处不再赘述。
综上，根据本发明实施例提出的基于时空域混合分析的梳状压电换能器结构优化设计系统，首先选取体积小，质量轻，价格低等优点的单片压电梳状换能器，可以通过粘接的方式固定在需要监测的对象，从而实现在不影响原有结构工作性能的前提下对被测结构进行实时监测；然后初始化具有异性电极的梳状结构换能器的几何模型，通过有限元仿真得到其平面应力分布关系，再根据二维傅里叶变换进行空间域波数分析，进一步得到梳状换能器的波长选择特性，从而得到换能器的优化函数和优化目标；利用建立的空间域波数分析方法结合鲁棒贝叶斯优化算法对梳状换能器结构进行分析，通过构造的贝叶斯网络，可以有效提取优化过程的非鲁棒解模式，在每一代的迭代过程中，可以检测出与提取的模式相匹配的解，然后在评估过程中丢弃，最终实现最优鲁棒解的获取，通过该方法不仅可以得到最优的换能器几何参数结果，而且可以大大减小计算时间；根据最优换能器几何参数结果设计的梳状结构具有波长选择特性，即使在高频多对称模态同时存在时也仅会激励特定频率、特定波长的Lamb波，不会造成多种对称模态被激励。
为了实现上述实施例，本发明实施例提出的基于时空域混合分析的梳状压电换能器结构的激励优化设计系统。
如图11所示，该系统20包括：初始化模块101、结构优化设计模块102、确定最佳时域信号参数模块201和激励优化模块202。
其中，初始化模块101用于初始化异形电极梳状换能器的几何参数，并建立波数分析公式。结构优化设计模块102用于利用波数分析公式结合鲁棒贝叶斯优化算法对几何参数进行优化调整，确定异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据窄通带波长范围对异形电极梳状换能器进行结构优化设计。确定最佳时域信号参数模块201用于根据窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数。激励优化模块202用于利用最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
进一步地，在本发明的一个实施例中，初始化模块101具体包括：初始化单元，用于初始化异形电极梳状换能器的几何参数，几何参数包括：异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数和压电换能器厚度；仿真单元，用于通过有限元方法仿真几何参数的平面应力分布关系；分析构建单元，用于根据二维傅里叶变换对平面应力分布关系进行空间域波数分析，以建立波数分析公式。
进一步地，在本发明的一个实施例中，确定最佳时域信号参数模块201具体包括：构建曲线单元，用于建立待测对象的相速度频散曲线；确定最大频域带宽单元，用于根据窄通带波长范围确定相速度频散曲线中实现单一模态激励的最大频域带宽；确定最佳时域信号参数单元，用于根据最大频域带宽和激励心中频率确定最佳时域信号参数。
需要说明的是，前述对基于时空域混合分析的梳状压电换能器结构的激励优化设计方法实施例的解释说明也适用于该实施例的系统，此处不再赘述。
综上，根据本发明实施例提出的基于时空域混合分析的梳状压电换能器结构的激励优化设计系统，首先选取体积小，质量轻，价格低等优点的单片压电梳状换能器，可以通过粘接的方式固定在需要监测的对象，从而实现在不影响原有结构工作性能的前提下对被测结构进行实时监测；然后初始化具有异性电极的梳状结构换能器的几何模型，通过有限元仿真得到其平面应力分布关系，再根据二维傅里叶变换进行空间域波数分析，进一步得到梳状换能器的波长选择特性，从而得到换能器的优化函数和优化目标；利用建立的空间域波数分析方法结合鲁棒贝叶斯优化算法对梳状换能器结构进行分析，通过构造的贝叶斯网络，可以有效提取优化过程的非鲁棒解模式，在每一代的迭代过程中，可以检测出与提取的模式相匹配的解，然后在评估过程中丢弃，最终实现最优鲁棒解的获取，通过该方法不仅可以得到最优的换能器几何参数结果，而且可以大大减小计算时间；根据最优换能器几何参数结果设计的梳状结构具有波长选择特性，即使在高频多对称模态同时存在时也仅会激励特定频率、特定波长的Lamb波，不会造成多种对称模态被激励；获取换能器的激励波长选通特性后，需要综合待测对象的相速度频散曲线对激励信号进行优化选择，可以实现最优单一模态Lamb波的激励，不会涉及到需要两个激励性能完全一致的换能器对称激发才能实现单一模态的激励，同时由于换能器指定的波长选择特性，在高频多对称或多反对称模态同时存在的条件下，也能保证较好的单一模态激励性能。
为了实现上述实施例，本发明还提出了一种梳状压电换能器结构优化设计设备，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计算机程序，所述处理器执行所述计算机程序时，实现如前述实施例所述的基于时空域混合分析的梳状压电换能器结构优化设计方法。
为了实现上述实施例，本发明还提出了一种梳状压电换能器结构的激励优化设计设备，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计算机程序，所述处理器执行所述计算机程序时，实现如前述实施例所述的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (14)

1.一种基于时空域混合分析的梳状压电换能器结构优化设计方法，其特征在于，包括以下步骤：
步骤S1，初始化异形电极梳状换能器的几何参数，并建立波数分析公式；
步骤S2，利用所述波数分析公式结合鲁棒贝叶斯优化算法对所述几何参数进行优化调整，确定所述异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
2.根据权利要求1所述的基于时空域混合分析的梳状压电换能器结构优化设计方法，其特征在于，所述步骤S1具体包括：
步骤S11，初始化所述异形电极梳状换能器的几何参数，所述几何参数包括：异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数和压电换能器厚度；
步骤S12，通过有限元方法仿真所述几何参数的平面应力分布关系；
步骤S13，根据二维傅里叶变换对所述平面应力分布关系进行空间域波数分析，以建立所述波数分析公式。
3.根据权利要求1所述的基于时空域混合分析的梳状压电换能器结构优化设计方法，其特征在于，所述步骤S2具体包括：
步骤S21，通过Box-Muller方法在预设范围内对所述几何参数各自生成一组服从高斯分布的随机变量，并构建成待优化解集；
步骤S22，利用鲁棒贝叶斯优化算法对所述待优化解集进行迭代优化分析，直至满足预设优化目标，得到所述异形电极梳状换能器的六个优化几何参数作为所述窄通带波长范围；
步骤S23，根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
4.根据权利要求3所述的基于时空域混合分析的梳状压电换能器结构优化设计方法，其特征在于，所述步骤S22的具体步骤为：
步骤S221，计算所述待优化解集内部所有观测样本的适应度；
步骤S222，根据预设阈值选择所述所有观测样本的适应度中高适应度的解，并构建成POP1解集；
步骤S223，根据鲁棒贝叶斯网络的依赖条件提取所述待优化解集中的不鲁棒解模式；
步骤S224，提取所述POP1解集中与所述不鲁棒解模式相匹配的解并剔除，将其余解构建成POP2解集；
步骤S225，利用显示平均方法评价所述POP2解集中所有解的预期适应度，并迭代两至三次，将重复的解添加至所述POP2解集中，以构建成POP3解集；
步骤S226，根据所述POP3解集构建新的贝叶斯网络，并对所述新的贝叶斯网络进行重新采样，以计算新适应度值；
步骤S227，判断所述新适应度值解集中的几何参数是否满足所述预设优化目标，若满足则得到所述窄通带波长范围，反之则迭代执行所述步骤S221-所述步骤S227。
5.一种基于时空域混合分析的梳状压电换能器结构优化设计系统，其特征在于，包括：
初始化模块，用于初始化异形电极梳状换能器的几何参数，并建立波数分析公式；
结构优化设计模块，用于利用所述波数分析公式结合鲁棒贝叶斯优化算法对所述几何参数进行优化调整，确定所述异形电极梳状换能器的六个优化几何参数作为窄通带波长范围，并根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
6.根据权利要求5所述的基于时空域混合分析的梳状压电换能器结构优化设计系统，其特征在于，所述初始化模块具体包括：
初始化单元，用于初始化所述异形电极梳状换能器的几何参数，所述几何参数包括：异型电极的窄区域宽度、宽区域宽度、电极长度、电极间距、电极个数和压电换能器厚度；
仿真单元，用于通过有限元方法仿真所述几何参数的平面应力分布关系；
分析构建单元，用于根据二维傅里叶变换对所述平面应力分布关系进行空间域波数分析，以建立所述波数分析公式。
7.根据权利要求5所述的基于时空域混合分析的梳状压电换能器结构优化设计系统，其特征在于，所述结构优化设计模块具体包括：
构建解集单元，用于通过Box-Muller方法在预设范围内对所述几何参数各自生成一组服从高斯分布的随机变量，并构建成待优化解集；
迭代单元，用于利用鲁棒贝叶斯优化算法对所述待优化解集进行迭代优化分析，直至满足预设优化目标，得到所述异形电极梳状换能器的六个优化几何参数作为所述窄通带波长范围；
结构优化设计单元，用于根据所述窄通带波长范围对所述异形电极梳状换能器进行结构优化设计。
8.根据权利要求7所述的基于时空域混合分析的梳状压电换能器结构优化设计系统，其特征在于，所述迭代单元的处理过程为：
计算所述待优化解集内部所有观测样本的适应度；
根据预设阈值选择所述所有观测样本的适应度中高适应度的解，并构建成POP1解集；
根据鲁棒贝叶斯网络的依赖条件提取所述待优化解集中的不鲁棒解模式；
提取所述POP1解集中与所述不鲁棒解模式相匹配的解并剔除，将其余解构建成POP2解集；
利用显示平均方法评价所述POP2解集中所有解的预期适应度，并迭代两至三次，将重复的解添加至所述POP2解集中，以构建成POP3解集；
根据所述POP3解集构建新的贝叶斯网络，并对所述新的贝叶斯网络进行重新采样，以计算新适应度值；
判断所述新适应度值解集中的几何参数是否满足所述预设优化目标，若满足则得到所述窄通带波长范围，反之则迭代执行上述步骤。
9.一种梳状压电换能器结构优化设计设备，其特征在于，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计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的基于时空域混合分析的梳状压电换能器结构优化设计方法。
10.一种基于时空域混合分析的梳状压电换能器结构的激励优化设计方法，其特征在于，基于权利要求1所述的方法，还包括以下步骤：
步骤S3，根据所述窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数；
步骤S4，利用所述最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
11.根据权利要求10所述的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法，其特征在于，所述步骤S3具体包括：
步骤S31，建立待测对象的相速度频散曲线；
步骤S32，根据所述窄通带波长范围确定所述相速度频散曲线中实现单一模态激励的最大频域带宽；
步骤S33，根据所述最大频域带宽和激励中心频率确定所述最佳时域信号参数。
12.一种基于时空域混合分析的梳状压电换能器结构的激励优化设计系统，其特征在于，基于权利要求5所述的系统，还包括：
确定最佳时域信号参数模块，用于根据所述窄通带波长范围和待测对象的相速度频散曲线确定最佳时域信号参数；
激励优化模块，用于利用所述最佳时域信号参数激励结构优化设计后的异形电极梳状换能器实现最优单一模态Lamb激励。
13.根据权利要求12所述的基于时空域混合分析的梳状压电换能器结构的激励优化设计系统，其特征在于，所述确定最佳时域信号参数模块具体包括：
构建曲线单元，用于建立待测对象的相速度频散曲线；
确定最大频域带宽单元，用于根据所述窄通带波长范围确定所述相速度频散曲线中实现单一模态激励的最大频域带宽；
确定最佳时域信号参数单元，用于根据所述最大频域带宽和激励中心频率确定所述最佳时域信号参数。
14.一种梳状压电换能器结构的激励优化设计设备，其特征在于，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计算机程序，所述处理器执行所述计算机程序时，实现如权利要求10-11中任一所述的基于时空域混合分析的梳状压电换能器结构的激励优化设计方法。
CN202210560458.7A 2022-05-23 2022-05-23 基于时空域混合分析的梳状压电换能器结构优化设计方法 Active CN115017640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210560458.7A CN115017640B (zh) 2022-05-23 2022-05-23 基于时空域混合分析的梳状压电换能器结构优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210560458.7A CN115017640B (zh) 2022-05-23 2022-05-23 基于时空域混合分析的梳状压电换能器结构优化设计方法

Publications (2)

Publication Number Publication Date
CN115017640A true CN115017640A (zh) 2022-09-06
CN115017640B CN115017640B (zh) 2023-04-18

Family

ID=83068765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210560458.7A Active CN115017640B (zh) 2022-05-23 2022-05-23 基于时空域混合分析的梳状压电换能器结构优化设计方法

Country Status (1)

Country Link
CN (1) CN115017640B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116405006A (zh) * 2023-03-15 2023-07-07 北京航天微电科技有限公司 叉指换能器参数确定方法、装置、设备及声表面波滤波器
CN116773677A (zh) * 2023-08-25 2023-09-19 西南交通大学 基于群速度的宽频梳状阵列激励方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190011554A1 (en) * 2017-07-06 2019-01-10 Esaote Spa Ultrasound method and system for extracting signal components relating to spatial locations in a target region in the spatial and temporal frequency domain
CN110702785A (zh) * 2019-09-24 2020-01-17 清华大学 频散Lamb波多项式时频域模态分解和缺陷定位方法及装置
CN114459648A (zh) * 2022-01-19 2022-05-10 哈尔滨工业大学 一种基于多模态Lamb波数据融合的无基线应力在线监测系统及监测方法
CN114459649A (zh) * 2022-01-19 2022-05-10 哈尔滨工业大学 一种基于压电换能器阵列的无基线数据平面应力场在线监测方法、系统、设备和介质
CN114487109A (zh) * 2022-01-19 2022-05-13 哈尔滨工业大学 一种基于单模态多频率信号融合的无基线数据应力在线监测方法、系统、设备和介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190011554A1 (en) * 2017-07-06 2019-01-10 Esaote Spa Ultrasound method and system for extracting signal components relating to spatial locations in a target region in the spatial and temporal frequency domain
CN110702785A (zh) * 2019-09-24 2020-01-17 清华大学 频散Lamb波多项式时频域模态分解和缺陷定位方法及装置
CN114459648A (zh) * 2022-01-19 2022-05-10 哈尔滨工业大学 一种基于多模态Lamb波数据融合的无基线应力在线监测系统及监测方法
CN114459649A (zh) * 2022-01-19 2022-05-10 哈尔滨工业大学 一种基于压电换能器阵列的无基线数据平面应力场在线监测方法、系统、设备和介质
CN114487109A (zh) * 2022-01-19 2022-05-13 哈尔滨工业大学 一种基于单模态多频率信号融合的无基线数据应力在线监测方法、系统、设备和介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116405006A (zh) * 2023-03-15 2023-07-07 北京航天微电科技有限公司 叉指换能器参数确定方法、装置、设备及声表面波滤波器
CN116405006B (zh) * 2023-03-15 2024-03-26 北京航天微电科技有限公司 叉指换能器参数确定方法、装置、设备及声表面波滤波器
CN116773677A (zh) * 2023-08-25 2023-09-19 西南交通大学 基于群速度的宽频梳状阵列激励方法、装置、设备及介质
CN116773677B (zh) * 2023-08-25 2023-11-07 西南交通大学 基于群速度的宽频梳状阵列激励方法、装置、设备及介质

Also Published As

Publication number Publication date
CN115017640B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN115017640B (zh) 基于时空域混合分析的梳状压电换能器结构优化设计方法
Kubrusly et al. Interaction of SH guided waves with wall thinning
CN104614105B (zh) 基于超声导波的钢轨应力的监测装置和方法
CN102980945B (zh) 基于双谱分析的结构微裂纹混频非线性超声检测方法
CN201417195Y (zh) 一种声表面波反射型延迟线
Benmeddour et al. Study of the fundamental Lamb modes interaction with asymmetrical discontinuities
Zhao et al. A graded metamaterial for broadband and high-capability piezoelectric energy harvesting
US4301684A (en) Ultrasonic non-destructive evaluation technique for structures of complex geometry
CN106053614A (zh) 改进型lcl谐振电路的电磁超声换能器及其元器件参数设计方法
CN110174466A (zh) 一种电磁超声激励探头及其构建方法
Zhang et al. Design of a new type of omnidirectional shear-horizontal EMAT by the use of half-ring magnets and PCB technology
Ma et al. Dispersion analysis of Lamb waves in composite laminates based on reverberation-ray matrix method
Smagin et al. Fast time-domain laser Doppler vibrometry characterization of surface acoustic waves devices
Campeiro et al. Lamb wave inspection using piezoelectric diaphragms: An initial feasibility study
Haider et al. An efficient analytical global–local (AGL) analysis of the Lamb wave scattering problem for detecting a horizontal crack in a stiffened plate
CN113960171A (zh) 一种基于超声导波的损伤识别方法及系统
Liu et al. Damage imaging of a U-shaped boom using improved periodic permanent magnet electromagnetic acoustic transducers
CN209198393U (zh) 基于特征导波的焊缝缺陷检测专用阵列式传感器的分时激励系统
Hakoda et al. The effect of a transducer’s spatial averaging on an elastodynamic guided wave’s wavenumber spectrum
CN109738518A (zh) 一种非线性电磁超声谐振评估材料热处理效果的方法和装置
CN205647458U (zh) 一种高灵敏度的双端对谐振式声表面波检测器
Huifeng et al. The study of micro-crack localisation based on vibro-acoustic modulation and time reversal method
KR20140119278A (ko) 표면탄성파에 의한 비접촉 무전원 무선 온도 측정 방법
Sun et al. An improved probabilistic diagnosis imaging algorithm for quantifying Hole-edge crack growth
Casagrande Hirono et al. Aerofoil source estimation from nearfield array measurements

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