CN115718144A - 介观尺度下微缺陷高分辨率成像检测方法与装置 - Google Patents
介观尺度下微缺陷高分辨率成像检测方法与装置 Download PDFInfo
- Publication number
- CN115718144A CN115718144A CN202211428588.1A CN202211428588A CN115718144A CN 115718144 A CN115718144 A CN 115718144A CN 202211428588 A CN202211428588 A CN 202211428588A CN 115718144 A CN115718144 A CN 115718144A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- signal
- harmonic
- layer
- detection
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000003384 imaging method Methods 0.000 title claims abstract description 46
- 230000007547 defect Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000003062 neural network model Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 24
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 230000005284 excitation Effects 0.000 claims description 14
- 239000013078 crystal Substances 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011176 pooling Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 description 44
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000011065 in-situ storage Methods 0.000 description 4
- 238000009659 non-destructive testing Methods 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000002247 constant time method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 239000006247 magnetic powder Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000614 phase inversion technique Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003302 ferromagnetic material Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开一种介观尺度下微缺陷高分辨率成像检测方法及装置，其检测方法包括：在被检测试件的表面布置多条超声检测路径，在被检测试样中激励与接收特定频率下的超声导波，分析各条超声检测路径下接收信号频域中二次谐波，根据二次谐波的幅值构建信号差异系数；根据上述信号差异系数，得到缺陷概率分布图像；并利用多输入卷积神经网络模型得到对应被检测试件的二次谐波幅值和缺陷概率分布图像，构成介观尺度下微缺陷几何特征信息与其对应超声特征信息之间的映射关系，几何特征信息包括介观尺度下微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像，实现对被检测试样内部介观尺度下微缺陷尺寸和位置的预测。
Description
技术领域
本发明属于无损检测技术领域，涉及利用超声波对被检测试样进行非破坏性缺陷检测的技术，具体是一种介观尺度下微缺陷高分辨率成像检测方法与装置。
背景技术
随着现代工业领域的不断发展，机械强度与结构强度正在工程领域受到了学者们越来越多的关注，特别是对于结构中关键零部件的疲劳性能，例如飞机涡轮叶片，汽车传动轴和各类螺栓等。如果上述零部件中存在缺陷，则会大幅降低其疲劳性能，从而影响整体结构强度。因此，对关键零部件进行无损检测是十分必要的。当宏观缺陷被检测出时,该零部件就需要立即从服役状态中移除并替换。如果在该过程中发生漏检，则容易引起事故。超声检测是目前常用的无损检测方法之一。超声检测可以有效的检测出宏观缺陷，其最大检测精度为所使用超声波波长的1/2(毫米级)。通过提高频率可以提高最大检测精度，然而高频的超声波具有高衰减的特性，无法保证检测的灵敏度。此外，基于非经典非线性理论，超声检测还可以检测出闭合裂纹这一类型的微缺陷。微缺陷尺寸与超声波振动位移幅度相近，为纳米级。介观尺度下微缺陷的尺寸小于超声波波长(毫米级)2个量级级以上(10微米级)，但是其尺寸又大于超声波振动位移幅度(纳米级)。常规的超声对于介观尺度下微缺陷，目前的超声检测方法则无法保证检测灵敏度。介观尺度下微缺陷，例如微缺口和微腐蚀区域等，也会严重影响结构的强度与使用寿命，特别是在循环载荷的工况下，介观尺度下微缺陷将是现成的疲劳源。常用的无损检测方式都难以保证介观尺度下微缺陷检测结果的精度与鲁棒性，因此对介观尺度下微缺陷进行高精度无损检测以及高分辨率的缺陷概率成像是十分必要的。
目前，常用的介观尺度下微缺陷无损检测方法有以下几种：超声衍射时差法：超声衍射时差法是一种超声无损检测方法，主要依靠缺陷的“端角”和“端点”处得到的衍射能量来进行缺陷检测。该方法检测效率高，可检测出介观尺度下微缺陷，并且缺陷定位准确。但是超声衍射时差法存在一定检测盲区，包括近表面盲区与近底面盲区，并且该方法对横向的缺陷检测灵敏度较低。此外，超声衍射时差法的缺陷成像结果分辨率较低，需要检测人员有丰富读图经验；磁粉检测和渗透检测：磁粉检测和渗透检测是常用的无损检测方法之一。磁粉检测和渗透检测的检测灵敏度较高，都可检测出介观尺度下微缺陷。但是这两种方法都只能检测出试样表面的缺陷，且对试样类型有一定要求。磁粉检测只能检测铁磁性材料；渗透检测无法检测多孔材料且对试样表面要求较高。此外，这两种方法只能检测出表面缺陷大致位置，无法通过检测结果进一步定量的分析缺陷的尺寸和具体位置；CT法：CT法是一种射线无损检测方法。CT检测可以得到被检测样内部结构的三维图像，通过后处理可以对被检测试样进行三维几何重构，从而检测出被检测试样中的介观尺度下微缺陷。但是CT法成本高，所需时间长，并且难以进行原位检测以及大尺寸试样的检测。此外，射线对人体有害，需要严格防护。因此，现有的介观尺度下微缺陷检测方法无法满足对被检测试样整体进行高精度和高鲁棒性的介观尺度下微缺陷检测，以及高分辨率缺陷概率分布成像的需求。
发明内容
在下文中给出了关于本发明实施例的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，以下概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
针对现有技术的不足，本发明提供了一种介观尺度下微缺陷高分辨率成像检测方法与装置，可以实现对介观尺度下微缺陷的无损检测与原位检测，并且可以对缺陷进行高分辨率的缺陷概率成像，解决了现有介观尺度下微缺陷检测方法无法满足对被检测试样整体进行高精度和高鲁棒性的介观尺度下微缺陷检测需求的问题。
根据本申请的一个方面，提供一种介观尺度下微缺陷高分辨率成像检测方法，包括以下步骤：
步骤1：在被检测试件的表面布置多条超声检测路径；基于超声非线性理论，选取近似满足相速度匹配条件的超声导波模态；
步骤2：在被检测试样中激励与接收特定频率下的超声导波，分析各条超声检测路径下接收信号频域中二次谐波；根据所述二次谐波的幅值构建信号差异系数；
步骤3：根据各条超声检测路径下的信号差异系数，得到缺陷概率分布图像；并利用多输入卷积神经网络模型得到对应被检测试件的二次谐波幅值和缺陷概率分布图像构成信息集，信息集包含介观尺度下微缺陷几何特征信息与其对应的超声特征信息；几何特征信息包括微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像；基于上述信息集，实现对被检测试样内部介观尺度下微缺陷尺寸和位置的预测。
上述步骤1中，在被检测试件的表面布置多条超声检测路径；基于超声非线性理论，选取近似满足相速度匹配条件的超声导波模态，具体包括：
根据被检测试样的材料类型和几何形状，通过半解析有限元方法计算其频散曲线；通过规划检测区域，在被检测试样表面选取M个检测位置，形成多条超声检测路径；通过所述的频散曲线，选取近似满足相匹配条件的超声导波模态对：超声激励频率f1(基频)以及二次谐波频率f2。
优选的，所述M个检测位置等间距平均分布在同一个圆(或者同一正方形)上，每一个所述检测位置都固定放置一个双晶超声换能器及可变角度楔块；所述双晶超声换能器安装固定在可变角度楔块上，所述可变角度楔块的入射角度由所选激励超声的频率决定；所述可变角度楔块的角度可调节范围为0°-90°。其中M个检测位置等间距平均分布在同一个圆(或者同一正方形)上，使得各个M个检测位置呈中心对称状分布，可大大简化计算算法，节约计算成本。
优选的，选取的近似满足相匹配条件的超声导波模态对，满足以下条件：
式中，
为基频的相速度，
为二次谐波的相速度。
上述步骤2中，在被检测试样中激励与接收特定频率下的超声导波，分析各条超声检测路径下接收信号频域中二次谐波，根据所述二次谐波的幅值构建信号差异系数，具体包括：基于选取的近似满足相速度匹配条件的超声导波模态，计算得到超声换能器所配套使用楔块的入射角度；通过相反转技术得到各条超声检测路径下接收信号频域中二次谐波的幅值；
所述的相反转技术具体步骤如下：
通过双晶超声换能器激励所述的频率为f1，相位为0°的超声导波，通过其他检测位置上的双晶超声换能器接收相应的超声波信号，对接收信号进行FFT滤波处理，得到时域信号
其中，M为大于3的自然数；
通过双晶超声换能器激励所述的频率为f1，相位为180°的超声导波，通过其他检测位置上的双晶超声换能器接收相应的超声信号，对接收信号进行FFT滤波处理，得到时域信号
将所述的时域信号
的幅值加上所述的时域信号
的幅值，得到相反转处理后的时域信号
通过对所述的时域信号
进行FFT处理，得到时域信号
频域中二次谐波f2的幅值，重复上述操作，得到每一个检测位置下所有接收超声信号频域中二次谐波的幅值；
通过所述的各条检测路径下经过相反转处理后时域信号频域中二次谐波的幅值，计算得到对应的信号差异系数。
其中，相反转处理后得到的时域信号频域中的二次谐波幅值通过计算得到信号差异系数，其计算公式为：
其中SDC为信号差异系数，M为超声换能器个数，Xm为测量信号频域下二阶谐波的幅值，Ym为参考信号频域下二阶谐波的幅值，μX为测量信号频域下二阶谐波的幅值的平均值，μY为参考信号频域下二阶谐波的幅值的平均值。基于所得到的信号差异系数，计算缺陷概率分布图像，其计算公式为：
其中P(x，y)为缺陷概率分布图像每个像素处的幅度，N为所用激励—接收超声换能器对的数量，Str(x，y)为空间分布函数。
进一步的，所述步骤3具体包括：
通过所述的信号差异系数，进行损伤概率成像，得到损伤概率分布图像；
通过检测不同介观尺度下微缺陷尺寸和位置的试样，得到对应试样的二次谐波幅值和损伤概率分布图像，构成信息集，信息集包含微缺陷几何特征信息与其对应的超声特征信息。几何特征信息包括介观尺度下微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像；；
基于所述信息集构建成数据集，将所述数据集划分为训练集和测试集；
构建多输入卷积神经网络模型，利用所述训练集和所述测试集分别对多输入卷积神经网络进行训练和测试，得到训练好的多输入卷积神经网络模型；
利用训练好的多输入卷积神经网络模型对介观尺度下微缺陷的位置与尺寸进行预测。
进一步的，所述多输入卷积神经网络模型用于得到微缺陷几何特征信息与其对应超声特征信息之间的映射关系，几何特征信息包括介观尺度下微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像。
进一步的，所述多输入卷积神经网络模型包括第一输入层，第二输入层，第一卷积层，第二卷积层，池化层，第一全连接层，第一舍弃层，第二全连接层，第二舍弃层，融合层，第三全连接层和回归层，第一输入层、第一卷积层、池化层、第一全连接层和第一舍弃层依次连接，第二输入层、第二卷积层、第二全连接层和第二舍弃层依次连接，第一舍弃层和第二舍弃层均与融合层的输入端连接，融合层的输出端依次连接第三全连接层和回归层。
根据本申请的另一方面，提供一种介观尺度下微缺陷高分辨率成像检测装置，包括信号发生器/接收器，功率放大器，相位调制器，M个双晶超声换能器，可变角度楔块，示波器和计算机；信号发生器/接收器分别与功率放大器、示波器和计算机电连接，功率放大器通过相位调制器与所述M个双晶超声换能器连接；M个所述双晶超声换能器分别通过一可变角度楔块固定放置在被检测试件的M个检测位置上；所述的信号发生器/接收器用于激励合适频率下的超声导波信号，经过所述功率放大器放大信号与所述相位调制器调制相位后，连接各双晶超声换能器，使超声波信号被导入所述被检测试样中；所述双晶超声换能器用于接收传播的超声波信号，经过所述功率放大器放大信号与所述相位调制器进行相位调制后，送入信号发生器/接收器中，同时将接收到的信号送入示波器和计算机进行信号分析。该检测装置采用上述介观尺度下微缺陷高分辨率成像检测方法进行检测。
进一步的，M个所述双晶超声换能器等间距平均分布在同一个圆上，每一个所述检测位置都固定放置一个双晶超声换能器及可变角度楔块；所述双晶超声换能器安装固定在可变角度楔块上，所述可变角度楔块的入射角度由所选激励超声的频率决定；所述可变角度楔块的角度可调节范围为0°-90°。
与现有技术相比，本发明具有以下有益效果：
本发明基于超声非线性理论与广义斯涅耳定律，解决了传统介观尺度下微缺陷检测方法检测精度低，效率差，成本高，成像效果差等问题，可实现高准确率与鲁棒性的介观尺度下微缺陷无损检测以及高分辨率的缺陷概率成像；采用多输入卷积神经网络预测被检测试样中介观尺度下微缺陷的尺寸与位置，提高了检测结果的精度及准确率；采用超声导波进行检测，不受检测设备与工件几何形状限制，增大了致密度检测的灵活性，可以用于现场、快速、实时检测构件内部的介观尺度下微缺陷。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：
图1为本发明实施例介观尺度下微缺陷高分辨率成像检测装置的结构示意图；其中，1—信号发生器/接收器、2—信号放大器、3—相位调制器、4—双晶超声换能器、5—可变角度楔块、6—被检测试样、7—示波器、8—计算机；
图2为本发明实施例介观尺度下微缺陷高分辨率成像检测方法的流程示意图；
图3为本发明实施例介观尺度下微缺陷高分辨率成像检测方法中的多输入卷积神经网络算法的流程图；
图4为本发明实施例介观尺度下微缺陷高分辨率成像检测方法中相反转处理后有缺陷被检测试样和无缺陷被检测试样频域图对比；
图5为本发明实施例介观尺度下微缺陷高分辨率成像检测方法中缺陷超声成像结果图。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
在本发明的描述中，需要理解的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
介观尺度下微缺陷的尺寸小于超声波波长(毫米级)2个量级级以上(10微米级)，但是其尺寸又大于超声波振动位移幅度(纳米级)。常规的超声，基于反射、折射、散射和衰减等方法，只能有效用于检测尺寸与波长一个量级相近的宏观缺陷，而非经典非线性超声又只能检测缺陷尺寸与振动位移幅度一个量级的微缺陷。因此，介观尺度下微缺陷是目前超声检测的盲区。本发明实施例提供一种介观尺度下微缺陷高分辨率成像检测方法与装置，通过在试样表面布置多条超声检测路径，基于超声非线性理论，选取近似满足相速度匹配条件的超声导波模态。采用双晶超声换能器在被检测试样中激励与接收特定频率下的超声导波，分析接收信号频域中二次谐波，通过相反转技术增强二次谐波的幅值与信噪比。通过相反转处理后二次谐波的幅值构建信号差异系数。基于每条检测路径下的信号差异系数，得到缺陷概率分布图像。利用多输入卷积神经网络模型得到二次谐波幅值和缺陷概率分布图像与介观尺度下微缺陷尺寸和位置之间的映射关系，实现对被检测试样内部介观尺度下微缺陷尺寸和位置的预测。本发明克服了常规无损检测方法对介观尺度下微缺陷检测不敏感，检测结果鲁棒性低，成本高等问题，实现了高精度介观尺度下微缺陷的原位无损检测与高分辨率损伤概率成像，提高了检测效率以及灵活性。
实施例1
本实施例提供一种介观尺度下微缺陷高分辨率成像检测装置，如图1所示，该装置包括信号发生器/接收器1，信号放大器(功率放大器)2，相位调制器3，双晶超声换能器4，可变角度楔块5，被检测试样6，示波器7和计算机8。本实施例中，信号放大器2和相位调制器3均设有两个，一个信号放大器和相位调制器相互连接构成一路，两个信号放大器和两个相位调制器构成两路信号，一路用于发送信号，一路用于接收信号。在被检测试样6表面选取16个检测位置，16个检测位置分别放置16个探头(双晶超声换能器)，激励信号进入其中一个探头，另外15个探头都用于接收信号那一路，并连上信号放大器和相位调制器；从而实现16个探头轮流激励。16个检测位置中心对称分布，本实施例中，这16个检测位置等间距平均分布于同一个圆中，每一个检测位置都固定放置一个双晶超声换能器4和可变角度楔块5。双晶超声换能器4固定在可变角度楔块5上。可变角度楔块5的超声入射角度通过所激励的超声波频率决定。信号发生器/接收器1激励合适频率的超声波信号，通过信号放大器2放大信号与相位调制器3调制相位后，连接到双晶超声换能器4，该双晶超声换能器此时作为激励端。被检测区域内其他检测位置上的双晶超声换能器5，此时作为接收端。超声传播信号通过信号放大器2放大信号与相位调制器3调制相位后进入信号发生器/接收器1中，同时接收到的信号送入示波器7中。由信号发生器/接收器1收到的信号进一步输入到计算机8中进行信号分析。
本实施例采用16个检测位置形成16条超声检测路径，实际实现时，可根据实际需要采用其他数量的超声检测路径。参见图1，16个双晶超声换能器等间距平均分布在同一个圆上，每一个检测位置都固定放置一个双晶超声换能器及可变角度楔块，双晶超声换能器安装固定在可变角度楔块上，可变角度楔块的入射角度由所选激励超声的频率决定，可变角度楔块的角度可调节范围为0°-90°。
为保证超声波信号耦合条件一致，在双晶超声换能器和可变角度楔块之间与可变角度楔块和被检测试样之间都填充超声耦合剂；此外，双晶超声换能器和可变角度楔块以及被检测试件在检测时固定，保证在检测过程中彼此之间的距离不发生变化；优选的，所用超声换能器为双晶超声换能器，双晶超声换能器既可以作为超声激励换能器，也可以作为超声接收换能器。
实施例2
本实施例提供一种介观尺度下微缺陷高分辨率成像检测方法，基于超声非线性原理，选取近似满足相匹配条件的超声导波模态对。通过激励合适频率下的超声导波，采用相反转技术，测量每一条路径上相反转处理后时域信号频域中二次谐波的幅值；基于各路径上二次谐波的幅值，计算对应的信号差异系数，并进行损伤概率成像；制备带有不同尺寸和位置的介观尺度下微缺陷的试样，并重复上述操作，得到相应二次谐波幅值和缺陷概率分布图像，建立介观尺度下微缺陷尺寸和位置—二次谐波幅值和缺陷概率分布图像数据集。基于训练好的多输入卷积神经网络，可以实现被检测试样中介观尺度下微缺陷的尺寸与位置的预测。实现该方法是基于：(1)当所激励超声波近似满足相速度匹配和非零能量流通两个条件时，二阶谐波的幅值在一定范围内也将具有累积效应。此时，超声波在传播过程中，二阶谐波与基频波之间将存在一定的相位差
当相位差发生改变时，其二阶谐波的幅值也将发生变化。此外，采用相反转技术后，基频的信号被消除，二次谐波的信号得到了加强，提高了信号的信噪比(2)超声波在检测介观尺度下微缺陷时，满足广义斯涅耳定律。在检测过程中，当超声波遇到介观尺度下微缺陷时，介观尺度下微缺陷会导致超声波传播距离变长，相位得到延迟，使得超声波在此处进行了相位上的调制(3)概率加权成像损伤识别方法，该算法可以通过空间分布函数把每条传感路径上的信号损伤因子值映射到整个传感器监测区域中的每个网格点处，然后再融合所有激励-接受传感路径损伤因子数值就可以得到每个网格点损伤存在的概率值，即可以得到缺陷概率分布图像。
本实施例的介观尺度下微缺陷高分辨率成像检测方法的流程如图2所示，具体包括以下过程：
过程1)根据被检测试件6的材料类型和几何形状，通过半解析有限元方法计算其频散曲线；
过程2)通过规划检测区域，在被检测试样表面选取16个检测位置，上述的16个检测位置平均等间距分布在同一个圆上，每一个检测位置都固定放置一个双晶超声换能器4及可变角度楔块5；
过程3)通过频散曲线与非线性超声原理，选取近似满足相速度匹配条件的超声模态对(基频为f1，二次谐波频率为f2)，满足以下条件：
式中，
为基频的相速度，
为二次谐波的相速度。基于超声激励频率f1，计算得到双晶超声换能器4所配套使用可变角度楔块5的入射角度；
过程4)通过相反转技术得到接收信号频域中二次谐波的幅值；相反转技术具体步骤如下：通过双晶超声换能器4激励频率为f1，相位为0°的超声导波，通过其他检测位置上的双晶超声换能器4接收相应的超声波信号，对接收信号进行FFT滤波处理，得到时域信号
通过双晶超声换能器4激励频率为f1，相位为180°的超声导波，通过其他检测位置上的双晶超声换能器3接收相应的超声波信号，对接收信号进行FFT滤波处理，得到时域信号
过程5)将时域信号
的幅值加上时域信号
的幅值，得到相反转处理后的时域信号
过程6)通过对时域信号
进行FFT处理，得到时域信号
频域中二次谐波f2的幅值，重复上述操作4)-过程5)，得到每一个检测位置下所有接收超声信号频域中二次谐波的幅值；
过程7)通过各条检测路径下经过相反转处理后时域信号频域中二次谐波的幅值，计算得到对应的信号差异系数，计算公式如下：
其中SDC为信号差异系数，M为超声换能器个数，Xm为测量信号频域下二阶谐波幅值，Ym为参考信号频域下二阶谐波幅值，μX为测量信号频域下二阶谐波幅值的平均值，μY为参考信号频域下二阶谐波幅值的平均值；通过信号差异系数，进行损伤概率成像，得到损伤概率分布图像，计算公式如下：
其中P(x，y)为缺陷概率分布图像每个像素处的幅度，N为所用激励—接收超声换能器对的数量，Str(x，y)为空间分布函数；
为进行相反转操作，其中所激励的超声波初始相位分别为0°与180°；
过程8)通过检测不同介观尺度下微缺陷尺寸和位置的试样，得到对应试样的二次谐波幅值和损伤概率分布图像，构成信息集，信息集包含介观尺度下微缺陷几何特征信息与其对应的超声特征信息。几何特征信息包括微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像；
过程9)基于所得到的信息集构建成数据集，将数据集划分为训练集和测试集。构建多输入卷积神经网络模型。利用训练集和测试集分别对卷积神经网络进行训练和测试，得到训练好的多输入卷积神经网络模型；
过程10)利用训练好的多输入卷积神经网络对被检测试样中介观尺度下微缺陷的尺寸和位置进行预测。多输入卷积神经网络模型用于得到二次谐波幅值和缺陷概率分布图像—介观尺度下微缺陷尺寸和位置之间的映射关系。
上述过程9)中，采用的卷积神经网络模型对被检测构件致密度进行预测的流程如图3所示。多输入卷积神经网络模型用于得到介观尺度下微缺陷尺寸和位置—二次谐波幅值和缺陷概率分布图像之间的映射关系。多输入卷积神经网络模型包括输入层1，输入层2，卷积层1，卷积层2，池化层，全连接层1，舍弃层1，全连接层2，舍弃层2，融合层，全连接层3和回归层；输入层1、卷积层1、池化层、全连接层1和舍弃层1依次连接，输入层2、卷积层2、全连接层2和舍弃层2依次连接，舍弃层1和舍弃层2的输出端连接至融合层的输入端，融合层的输出端连接全连接层3和回归层。其中输入层1输入得到的缺陷概率分布图像；卷积层1是用来处理缺陷概率分布图像，提取数据特征；池化层是用来有效减小参数矩阵的尺寸，防止过拟合；全连接层1是用于连接层与层之间的神经元，构建缺陷概率分布图像和介观尺度下微缺陷尺寸与位置之间的关系；舍弃层1是用于随机筛选去掉部分神经元，以防止训练集过度拟合；输入层2输入得到的二次谐波幅值；全连接层2是用于连接层与层之间的神经元，构建二次谐波幅值和介观尺度下微缺陷尺寸与位置之间的关系；舍弃层2是用于随机筛选去掉部分神经元，以防止训练集过度拟合；融合层是通过融合算子将多特征数据进行特征集成后再进行训练；全连接层3是用于连接层与层之间的神经元，构建缺陷概率分布图像与二次谐波幅值和介观尺度下微缺陷尺寸与位置之间的关系；回归层是用于基于被检测试件二次谐波幅值和缺陷概率分布图像对介观尺度下微缺陷尺寸和位置进行预测。
本发明的检验原理为：首先，超声波在传播过程中除去基频波外，还会产生各阶谐波和其他频率分量的波。在这些非线性超声波中，存在一种具有累计增长效应的二阶谐波，即其振幅随着传播距离的增加而增加；其他不具有累积效应的非线性超声波的振幅将出现“拍”现象，其幅值与具有累积效应的二次谐波相比，可以忽略。因此，具有累积效应的二阶谐波具有一定的信噪比。学者们研究表明，当满足以下条件：相速度匹配和非零能量流通，二阶谐波的幅值才会随着传播距离的增加而累积。因此，通过计算被检测试样的频散曲线，基于上述两个条件，筛选出合适的超声激励频率，以获得具有累积效应的二阶谐波。当上述两个条件完全满足时，二阶谐波的幅值与传播距离成正比。当选取的超声激励频率近似满足上述相速度匹配条件时，二阶谐波的幅值在一定范围内也将具有累积效应。此时，超声波在传播过程中，二阶谐波与基频波之间将存在一定的相位差
其次，学者们研究表明当材料的分界面上存在相位突变时，此时超声波透射与折射将不满足传统斯涅耳定律，因此学者们提出了广义斯涅耳定律：声波在界面反射透射时，其相位在界面上x处被调制，附带了一个相位的变化φ(x)，那么该声波在x处的反射波和透射波也将被赋予额外的相位。相同的，在检测过程中，当超声波遇到介观尺度下微缺陷时，介观尺度下微缺陷会导致超声波传播距离变长，相位得到延迟，使得超声波在此处进行了相位上的调制。因此，当构件中存在介观尺度下微缺陷时，二阶谐波的相位将发生变化，相应的，二阶谐波的幅值也将发生变化。通过相反转技术，可以有效消除基频信号，保留二阶谐波信号，并增加其幅值。最后，采用概率加权成像损伤识别方法，该算法可以通过空间分布函数把每条传感路径上的信号损伤因子值映射到整个传感器监测区域中的每个网格点处，然后再融合所有激励-接受传感路径损伤因子数值就可以得到每个网格点损伤存在的概率值，即可以得到缺陷概率分布图像。基于相反转处理后时域信号频域中二阶谐波的幅值，构建了信号差异系数，并计算得到缺陷概率分布图像中每一个像素处的图像幅值。因此，通过检测试样中特定频率下二次谐波的幅值，基于信号差异系数可以得到高精度的介观尺度下微缺陷概率分布图像。通过二次谐波的幅值和缺陷概率分布图像可以准确的反应出被检测试样中介观尺度下微缺陷的尺寸和位置。
应用本发明的基于超声导波的缺陷检测方法时，在实际检测过程前，需要根据被检测试样的材料与尺寸，计算该试样的频散曲线。根据上述频散曲线，选取合适的超声激励模态与频率。不同模态和频率下超声导波的相速度和波结构均不相同。直接采用双晶超声换能器在被检测试样表面激励超无法激励出所选的特定的超声导波。因此，为了实现激励特定模态下的超声导波，本发明采用了可变角度楔块。根据斯涅尔定理与所选的超声导波的相速度，可以计算出双晶超声换能器的入射角度。根据该入射角度，调整可变角度楔块，以确保双晶超声换能器以上述的入射角度将超声波激励至被检测试样中。针对不同的被检测试样与超声导波模态，其所需入射角度也不相同，因此采用可变角度楔块可以满足上述需求，降低成本。
图4和图5分别是相反转处理后有缺陷试样和无缺陷试样频域图对比与基于信号差异系数计算得到的缺陷概率分布图像。从图中可以看出经过相反转处理后，接收到的超声信号频域中二阶谐波幅值得到了显著增长，因此在此基础上计算得到的缺陷概率分布图像便具有较高的分辨率。当介观尺度下微缺陷的位置和尺寸发生变化时，其对应的二阶谐波幅值和缺陷概率分布图像也将发生变化。所以可以通过多输入神经网络，构建两者之间的映射关系。
本发明基于非线性超声理论，广义斯涅耳定律和概率加权成像损伤识别方法，开发出了一种高分辨率介观尺度下微缺陷超声成像方法与装置。这项技术对试样中介观尺度下微缺陷十分敏感，可以实现高效率，高精度的介观尺度下微缺陷无损原位检测。基于概率加权成像损伤识别方法，可以得到高分辨率缺陷损伤概率位置图像，实现对介观尺度下微缺陷的定位。此外，训练好的多输入卷积神经网络模型的利用可以有效提高检测结果的准确性。
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中，采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解，这些附图标记只是为了便于叙述和绘图，而并非表示其顺序或任何其他限定。
此外，本发明的方法不限于按照说明书中描述的时间顺序来执行，也可以按照其他的时间顺序地、并行地或独立地执行。因此，本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露，但是，应该理解，上述的所有实施例和示例均是示例性的，而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
Claims (10)
1.一种介观尺度下微缺陷高分辨率成像检测方法，其特征在于：包括以下步骤：
步骤1：在被检测试件的表面布置多条超声检测路径；基于超声非线性理论，选取近似满足相速度匹配条件的超声导波模态；
步骤2：在被检测试样中激励与接收特定频率下的超声导波，分析各条超声检测路径下接收信号频域中二次谐波；根据所述二次谐波的幅值构建信号差异系数；
步骤3：根据各条超声检测路径下的信号差异系数，得到缺陷概率分布图像；并利用多输入卷积神经网络模型得到对应被检测试件的二次谐波幅值和缺陷概率分布图像，构成介观尺度下微缺陷尺寸和位置—二次谐波幅值和损伤概率分布图像信息集；基于介观尺度下微缺陷尺寸和位置—二次谐波幅值和损伤概率分布图像信息集，实现对被检测试样内部介观尺度下微缺陷尺寸和位置的预测。
2.根据权利要求1所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：所述步骤1中具体包括：根据被检测试样的材料类型和几何形状，通过半解析有限元方法计算其频散曲线；通过规划检测区域，在被检测试样表面选取M个检测位置，形成多条超声检测路径；通过所述的频散曲线，选取近似满足相匹配条件的超声导波模态对：超声激励频率f1以及二次谐波频率f2。
3.根据权利要求2所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：所述M个检测位置等间距平均分布在同一个圆上，每一个所述检测位置都固定放置一个双晶超声换能器及可变角度楔块；所述双晶超声换能器安装固定在可变角度楔块上，所述可变角度楔块的入射角度由所选激励超声的频率决定；所述可变角度楔块的角度可调节范围为0°-90°。
4.根据权利要求2所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：选取的近似满足相匹配条件的超声导波模态对，满足以下条件：
式中，
为基频的相速度，
为二次谐波的相速度。
5.根据权利要求1所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：所述步骤2具体包括：基于选取的近似满足相速度匹配条件的超声导波模态，计算得到超声换能器所配套使用楔块的入射角度；通过相反转技术得到各条超声检测路径下接收信号频域中二次谐波的幅值；
其中，所述的相反转技术具体步骤如下：
通过双晶超声换能器激励所述的频率为f1，相位为0°的超声导波，通过其他检测位置上的双晶超声换能器接收相应的超声波信号，对接收信号进行FFT滤波处理，得到时域信号
M为大于3的自然数；
通过双晶超声换能器激励所述的频率为f1，相位为180°的超声导波，通过其他检测位置上的双晶超声换能器接收相应的超声信号，对接收信号进行FFT滤波处理，得到时域信号
将所述的时域信号
的幅值加上所述的时域信号
的幅值，得到相反转处理后的时域信号
通过对所述的时域信号
进行FFT处理，得到时域信号
频域中二次谐波f2的幅值，重复上述操作，得到每一个检测位置下所有接收超声信号频域中二次谐波的幅值；
通过所述的各条检测路径下经过相反转处理后时域信号频域中二次谐波的幅值，计算得到对应的信号差异系数。
6.根据权利要求5所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：基于相反转处理后得到的时域信号频域中的二次谐波幅值通过计算得到信号差异系数，其计算公式为：
其中SDC为信号差异系数，M为超声换能器个数，Xm为测量信号频域下二阶谐波的幅值，Ym为参考信号频域下二阶谐波的幅值，μX为测量信号频域下二阶谐波的幅值的平均值，μY为参考信号频域下二阶谐波的幅值的平均值；基于所得到的信号差异系数，计算缺陷概率分布图像，其计算公式为：
其中P(x，y)为缺陷概率分布图像每个像素处的幅度，N为所用激励—接收超声换能器对的数量，Str(x，y)为空间分布函数。
7.根据权利要求1所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：所述步骤3具体包括：
通过所述的信号差异系数，进行损伤概率成像，得到损伤概率分布图像；
通过检测不同介观尺度下微缺陷尺寸和位置的试样，得到对应试样的二次谐波幅值和损伤概率分布图像，构成信息集，信息集包含介观尺度下微缺陷几何特征信息与其对应的超声特征信息；几何特征信息包括微缺陷的尺寸与位置，超声特征信息包括二次谐波的幅值和缺陷概率分布图像；
基于所述信息集构建成数据集，将所述数据集划分为训练集和测试集；
构建多输入卷积神经网络模型，利用所述训练集和所述测试集分别对多输入卷积神经网络进行训练和测试，得到训练好的多输入卷积神经网络模型；
利用训练好的多输入卷积神经网络模型对介观尺度下微缺陷的位置与尺寸进行预测。
8.根据权利要求7所述的介观尺度下微缺陷高分辨率成像检测方法，其特征在于：所述多输入卷积神经网络模型包括第一输入层，第二输入层，第一卷积层，第二卷积层，池化层，第一全连接层，第一舍弃层，第二全连接层，第二舍弃层，融合层，第三全连接层和回归层，第一输入层、第一卷积层、池化层、第一全连接层和第一舍弃层依次连接，第二输入层、第二卷积层、第二全连接层和第二舍弃层依次连接，第一舍弃层和第二舍弃层均与融合层的输入端连接，融合层的输出端依次连接第三全连接层和回归层。
9.一种介观尺度下微缺陷高分辨率成像检测装置，其特征在于：包括信号发生器/接收器，功率放大器，相位调制器，M个双晶超声换能器，可变角度楔块，示波器和计算机；信号发生器/接收器分别与功率放大器、示波器和计算机电连接，功率放大器通过相位调制器与所述M个双晶超声换能器连接；M个所述双晶超声换能器分别通过一可变角度楔块固定放置在被检测试件的M个检测位置上；所述的信号发生器/接收器用于激励合适频率下的超声导波信号，经过所述功率放大器放大信号与所述相位调制器调制相位后，连接各双晶超声换能器，使超声波信号被导入所述被检测试样中；所述双晶超声换能器用于接收传播的超声波信号，经过所述功率放大器放大信号与所述相位调制器进行相位调制后，送入信号发生器/接收器中，同时将接收到的信号送入示波器和计算机进行信号分析。
10.根据权利要求9所述的介观尺度下微缺陷高分辨率成像检测装置，其特征在于：执行权利要求1-8任一所述的介观尺度下微缺陷高分辨率成像检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211428588.1A CN115718144A (zh) | 2022-11-15 | 2022-11-15 | 介观尺度下微缺陷高分辨率成像检测方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211428588.1A CN115718144A (zh) | 2022-11-15 | 2022-11-15 | 介观尺度下微缺陷高分辨率成像检测方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115718144A true CN115718144A (zh) | 2023-02-28 |
Family
ID=85255181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211428588.1A Pending CN115718144A (zh) | 2022-11-15 | 2022-11-15 | 介观尺度下微缺陷高分辨率成像检测方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115718144A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013023987A1 (en) * | 2011-08-17 | 2013-02-21 | Empa, Eidgenössische Materialprüfungs- Und Forschungsanstalt | Air coupled ultrasonic contactless method for non-destructive determination of defects in laminated structures |
| CN104515812A (zh) * | 2014-11-19 | 2015-04-15 | 上海工程技术大学 | 一种针对变截面构件体内微裂纹的非经典非线性检测方法 |
| CN113720916A (zh) * | 2021-09-02 | 2021-11-30 | 哈尔滨工业大学 | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 |
| CN115097009A (zh) * | 2022-06-30 | 2022-09-23 | 东莞理工学院 | 一种基于频域调控的超声导波相控阵cfrp缺陷检测方法 |
-
2022
- 2022-11-15 CN CN202211428588.1A patent/CN115718144A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013023987A1 (en) * | 2011-08-17 | 2013-02-21 | Empa, Eidgenössische Materialprüfungs- Und Forschungsanstalt | Air coupled ultrasonic contactless method for non-destructive determination of defects in laminated structures |
| CN104515812A (zh) * | 2014-11-19 | 2015-04-15 | 上海工程技术大学 | 一种针对变截面构件体内微裂纹的非经典非线性检测方法 |
| CN113720916A (zh) * | 2021-09-02 | 2021-11-30 | 哈尔滨工业大学 | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 |
| CN115097009A (zh) * | 2022-06-30 | 2022-09-23 | 东莞理工学院 | 一种基于频域调控的超声导波相控阵cfrp缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谈军;张权;王兵见;杜进生;: "基于超声导波非线性特征的钢绞线损伤检测研究进展", 公路交通科技(应用技术版), no. 06, 15 June 2020 (2020-06-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
| Konstantinidis et al. | The temperature stability of guided wave structural health monitoring systems | |
| Feng et al. | Locating defects in anisotropic CFRP plates using ToF-based probability matrix and neural networks | |
| Quaegebeur et al. | Structural health monitoring strategy for detection of interlaminar delamination in composite plates | |
| US9329155B2 (en) | Method and device for determining an orientation of a defect present within a mechanical component | |
| Fierro et al. | A combined linear and nonlinear ultrasound time-domain approach for impact damage detection in composite structures using a constructive nonlinear array technique | |
| KR102611457B1 (ko) | 인공지능 기반 콘크리트 부재 내부 결함 탐지 시스템 | |
| Payan et al. | Ultrasonic methods | |
| Guan et al. | A time-domain synthetic aperture ultrasound imaging method for material flaw quantification with validations on small-scale artificial and natural flaws | |
| Hu et al. | Tomographic reconstruction of damage images in hollow cylinders using Lamb waves | |
| Cao et al. | A correlation-based approach to corrosion detection with lamb wave mode cutoff | |
| Soleimanpour et al. | Locating cracks in isotropic plates using nonlinear guided waves | |
| Wu et al. | Data-driven time–frequency analysis of nonlinear Lamb waves for characterization of grain size distribution | |
| CN115856076B (zh) | 基于空耦超声的cfrp板小尺寸缺陷测量方法、装置及系统 | |
| Zagrai et al. | N‐Scan®: New Vibro‐Modulation System for Crack Detection, Monitoring and Characterization | |
| CN115718144A (zh) | 介观尺度下微缺陷高分辨率成像检测方法与装置 | |
| CN110082432B (zh) | 基于均匀设计的板结构缺陷超声谐振定量无损检测方法 | |
| Migot et al. | Investigations of fatigue crack detection using local vibration techniques: Numerical and experimental studies | |
| CN111474300B (zh) | 基于时空回归模型的结构局部缺陷检测方法 | |
| Li et al. | Ultrasonic guided wave scattering matrices and tomography using sparse arrays for defect characterization | |
| Donskoy et al. | N-scan: New vibromodulation system for detection and monitoring of cracks and other contact-type defects | |
| Kim et al. | Automated debonding characterization in reinforced structures based on finite element analysis and convolutional neural networks | |
| Ham et al. | Fast Lamb wave energy shift approach using fully contactless ultrasonic system to characterize concrete structures | |
| CN113673045B (zh) | 基于硬度和非线性超声的高强度螺栓疲劳损伤检测方法 | |
| Jeon et al. | Experimental study on guided and standing waves based full field laser scanning for damage detection |
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 |