CN116465963A - 层状管道损伤程度识别方法 - Google Patents
层状管道损伤程度识别方法 Download PDFInfo
- Publication number
- CN116465963A CN116465963A CN202310243683.2A CN202310243683A CN116465963A CN 116465963 A CN116465963 A CN 116465963A CN 202310243683 A CN202310243683 A CN 202310243683A CN 116465963 A CN116465963 A CN 116465963A
- Authority
- CN
- China
- Prior art keywords
- damage
- pipeline
- layered
- detected
- index
- 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
Links
- 230000006378 damage Effects 0.000 title claims abstract description 621
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000000149 penetrating effect Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000005253 cladding Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 52
- 238000001514 detection method Methods 0.000 description 16
- 230000003902 lesion Effects 0.000 description 13
- 229910000831 Steel Inorganic materials 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 208000027418 Wounds and injury Diseases 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 208000014674 injury Diseases 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000005260 corrosion Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 239000003208 petroleum Substances 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 239000002356 single layer Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 239000003345 natural gas Substances 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 239000006260 foam Substances 0.000 description 3
- 229920001903 high density polyethylene Polymers 0.000 description 3
- 239000004700 high-density polyethylene Substances 0.000 description 3
- 229920002635 polyurethane Polymers 0.000 description 3
- 239000004814 polyurethane Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 239000008399 tap water Substances 0.000 description 3
- 235000020679 tap water Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000005536 corrosion prevention Methods 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004643 material aging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000011365 complex material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01N29/22—Details, e.g. general constructional or apparatus details
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供一种层状管道损伤程度识别方法，该方法包括：获取待检测层状管道上作动器工作时反馈的传感信号，对所述传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数；根据不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度及其对应的损伤指数，建立损伤识别模型；将所述损伤指数输入至所述损伤识别模型中，识别出所述待检测层状管道的损伤程度。也即，通过小波包分解方法对底层传感信号的低频和高频信号多层分解，提高传感信号的时域分辨率，从而根据分解后的信号得到的损伤指数以及损伤识别模型识别出损伤程度，提高了层状管道损伤程度检测识别的准确性。
Description
技术领域
本发明涉及土木建筑中管道损伤检测技术领域，尤其涉及一种层状管道损伤程度识别方法。
背景技术
管道运输在国民经济、国防工业、日常生活等方面都发挥着重要作用，石油、天然气、热网、自来水管道等已经成为国家经济和国民生活密不可分的重要基础设施，保障其可靠运行，重要性不言而喻。然而，管道结构在长期的服役过程中，环境侵蚀、材料老化、荷载效应、人为或自然的突变效应等灾害因素的耦合作用将不可避免地导致损伤累计和抗力衰减，导致其抵抗自然灾害、正常载荷以及环境作用能力的下降，引发管道泄漏事故并造成灾难性后果。因此，可靠的管道结构损伤识别方法成为亟待解决的问题。
以往多数对单层管道结构进行信号处理和结构损伤识别研究，但目前工程应用的管道结构大多为层状管道结构，其保温层和防腐层对于超声导波在钢管传播性质影响巨大，使得超声导波在钢管传播时在不同材料的界面位置发生透射和漫反射，也是超声导波能量泄露的通道，直接导致接收的传感信号波包复杂、幅值降低，无法准确分析信号内容，因此本发明的应用对象为层状管道结构损伤程度的分析方法。
关于信号处理方法，是基于振动响应实现结构损伤程度识别的重要步骤。在损伤检测初期，多采用脉冲回波法，能够确定贯穿损伤的存在并计算损伤的位置，但是对于非贯穿损伤的识别能力有限；随着信号处理方法的深入研究，后来采用小波分解方法，但是只能对低频信号分解，导致丢失高频信号信息，检测结果不够精确，鲁棒性低。
发明内容
本发明提供一种层状管道损伤程度识别方法，用以解决现有技术中层状管道损伤程度检测识别准确性低的缺陷，实现通过小波包分解方法对底层传感信号的低频和高频信号多层分解，提高传感信号的时域分辨率，从而根据分解后的信号得到的损伤指数识别出损伤程度，提高了层状管道损伤程度检测识别的准确性。
本发明提供一种层状管道损伤程度识别方法，所述方法包括：
获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；
将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
根据本发明提供的一种层状管道损伤程度识别方法，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，包括：
将所述损伤指数输入至预设的损伤识别模型中，计算出损伤处的实际损伤深度；
基于所述实际损伤深度以及所述损伤识别模型对应的管道损伤趋势，分析出所述待检测层状管道的损伤程度。
根据本发明提供的一种层状管道损伤程度识别方法，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
获取所述待检测层状管道预设的模型工况，所述模型工况包括不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度数据组成的工况；
对多个所述预设损伤位置对应的模型工况进行遍历，对遍历到的模型工况执行以下步骤：
在当前的所述模型工况下，获取所述待检测层状管道上作动器工作时反馈的模拟传感信号；
对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数；
基于多组所述模型工况与所述损伤指数的数据，创建所述损伤识别模型。
根据本发明提供的一种层状管道损伤程度识别方法，所述对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数之后，所述方法包括：
根据所述预设损伤位置、所述损伤深度数据以及所述模拟损伤指数，建立三维损伤指数矩阵；
基于所述三维损伤指数矩阵中单位时间增量对应的所述模拟损伤指数，分析出损伤趋势，其中，根据所述三维损伤指数矩阵得到的所述损伤趋势用以与所述损伤识别模型结合识别出所述待检测层状管道的损伤程度。
根据本发明提供的一种层状管道损伤程度识别方法，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之后，所述方法还包括：
获取所述待检测层状管道内运输物质的属性信息，结合预设的运输规范要求以及所述损伤程度，确定出是否更换所述待检测层状管道。
根据本发明提供的一种层状管道损伤程度识别方法，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
基于脉冲回波法对所述传感信号进行处理，确定出所述待检测层状管道的损伤位置；
获取所述损伤位置对应的层状管道的损伤识别模型。
根据本发明提供的一种层状管道损伤程度识别方法，所述获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，包括：
获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号；
对所述传感信号的时间序列添加符合正态分布的白噪声后进行EEMD分解处理，并对分解后的传感信号进行重构，得到重构后的传感信号；
对所述重构后的传感信号进行小波包分解，得到分解后各节点的子集时域图；
基于所述子集时域图进行能量计算，得到损伤指数。
本发明提供的层状管道损伤程度识别方法，通过获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。也即，首先在PZT片组成的作动器施加压电超声导波在层状直管结构传播，在PZT片组成的传感器获得振动响应。然后，将提取的时间序列添加正态分布的白噪声后，经过EEMD分解、小波包分析并计算结构的损伤指数。随后，根据不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度及其对应的损伤指数，建立工况广泛且判断精确的损伤识别模型；最后，利用损伤识别模型进行损伤程度识别，根据单位时间增量对应损伤指数值以及损伤趋势判断损伤程度，提高了层状管道损伤程度检测识别的准确性。本发明所述模型克服了层状管道外包层导致的传感信号难以识别的问题，提高了损伤识别的精度，能够在产生非贯穿损伤之前精确判断损伤深度，及时提出更换层状管道结构建议，具有较强防灾减灾的预见性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的层状管道损伤程度识别方法的流程示意图之一；
图2是本发明提供的层状管道损伤程度识别方法中层状管道的结构示意图；
图3是本发明提供的层状管道损伤程度识别方法中小波包分解树示意图；
图4是本发明提供的层状管道损伤程度识别方法中1.35m损伤位置处的损伤识别模型示意图；
图5是本发明提供的层状管道损伤程度识别方法中不同损伤位置处损伤识别模型对比示意图；
图6是本发明提供的层状管道损伤程度识别方法中不同损伤位置的损伤指数矩阵示意图；
图7是本发明提供的层状管道损伤程度识别设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1-图7描述本发明的层状管道损伤程度识别方法，参照图1，所述层状管道损伤程度识别方法包括：
步骤S100，获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；
步骤S200，将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
本实施例旨在：通过小波包分解方法对底层传感信号的低频和高频信号多层分解，提高传感信号的时域分辨率，从而根据分解后的信号得到的损伤指数识别出损伤程度，提高了层状管道损伤程度检测识别的准确性，并且通过损伤识别模型能够快速且高效的识别出损伤程度，有利于该损伤识别方法的应用。
在本实施例中，针对的具体应用场景是：
管道运输在国民经济、国防工业、日常生活等方面都发挥着重要作用，石油、天然气、热网、自来水管道等已经成为国家经济和国民生活密不可分的重要基础设施，保障其可靠运行，重要性不言而喻。然而，管道结构在长期的服役过程中，环境侵蚀、材料老化、荷载效应、人为或自然的突变效应等灾害因素的耦合作用将不可避免地导致损伤累计和抗力衰减，导致其抵抗自然灾害、正常载荷以及环境作用能力的下降，引发管道泄漏事故并造成灾难性后果。因此，可靠的管道结构损伤识别方法成为亟待解决的问题。
以往多数对单层管道结构进行信号处理和结构损伤识别研究，但目前工程应用的管道结构大多为层状管道结构，其保温层和防腐层对于超声导波在钢管传播性质影响巨大，使得超声导波在钢管传播时在不同材料的界面位置发生透射和漫反射，也是超声导波能量泄露的通道，直接导致接收的传感信号波包复杂、幅值降低，无法准确分析信号内容，因此本发明的应用对象为层状管道结构损伤程度的分析方法。
关于信号处理方法，是基于振动响应实现结构损伤程度识别的重要步骤。在损伤检测初期，多采用脉冲回波法，能够确定贯穿损伤的存在并计算损伤的位置，但是对于非贯穿损伤的识别能力有限；随着信号处理方法的深入研究，后来采用小波分解方法，但是只能对低频信号分解，导致丢失高频信号信息，检测结果不够精确，鲁棒性低。
作为一种示例，层状管道损伤程度识别方法可以应用于层状管道损伤程度识别系统，所述层状管道损伤程度识别系统应用于层状管道损伤程度识别设备中。
作为一种示例，待检测管道是指用于测定损伤程度的管道，该管道发生损伤可以是非贯穿损伤，还可以是贯穿损伤。可以理解，在损伤初期的微小的非贯穿损伤，具有较强的预见性，在损伤程度即将到达泄漏的临界值时，及时进行更换，防止层状管道结构产生贯穿损伤。同时，对于产生贯穿损伤，即管道泄漏突发事故的快速处理，提高泄漏事故现场应急处置效率，起到应急处置排头兵的作用，做好应急技术支撑工作。
需要说明的是，待检测的管道可以是单层管道，还可以是层状管道，由于现有的损伤识别方法仅适用于材料和结构形式较简单的单层管道结构和钢框架结构，而对于材料和结构形式较复杂的层状管道结构的损伤程度识别研究不足。因此，本发明的管道损伤识别方法可适用于层状管道，提高对材料和结构形式较复杂的层状管道结构的损伤程度识别的准确性。以下以层状管道为例进行描述，其他单层结构的管道具体实施方式基本相同，在此不再赘述。
作为一种示例，当待检测层状管道为多层结构时，其结构可以是由结构层与外包层，外包层根据待检测管道的实际应用需求设定，在此不做具体限定。例如，若外包层包括保温层以及防腐层时，待检测层状管道的结构由结构层、保温层以及防腐层组成，参照图2，图2为层状管道的结构示意图，其中，1为结构层，具体为钢管；2为保温层，由聚氨酯硬质泡沫塑料制得；3为防腐层，由高密度聚乙烯制得。需要说明的是，多层结构的管道还可以是其他层组成，根据实际应用上的管道确定，其具体实施方式基本相同，在此不做具体限定。
具体步骤如下：
步骤S100，获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；
作为一种示例，在管道损伤程度识别过程中，需要接收传感信号，该传感信号是对待检测层状管道施加一定周期的单音频信号，激励出导波，该导波是经过损伤处反馈回来的信号，因此，通过传感信号能够识别出损伤处的损伤程度。
作为一种示例，待检测层状管道上安装有作动器和传感器，其中，作动器是实施振动主动控制的关键部件，是主动控制系统的重要环节，作动器又名激振器，用于进行动力学试验，是动力学试验的出力装置。在本发明中，作动器可以激励出用于检测损伤的导波。传感器是用于接收导波从损伤处反馈回的信号的装置。
通常情况下，将作动器安装在靠近待检测层状管道端部的位置，传感器安装于作动器远离待检测层状管道端部的一侧。并且，作动器和传感器均由压电元件组成，可以理解，压电元件是一种具备压电效应的材料，既能激励导波，又能接收导波，被广泛应用于结构健康检测中的元件，如PZT压电陶瓷，以下以PZT组成的作动器和传感器进行描述。
需要说明的是，待检测层状管道结构是中心对称的，只有一条对称轴，因此，可以以管道左侧为端部，也可以定义为右侧为端部。以下以待检测层状管道的左侧为端部进行描述，即压电元件组成的作动器、传感器所在的一端为端部，在实际应用中，根据实际需求可选择另一端为端部，在此不再赘述。
作为一种示例，待检测层状管道上安装作动器和传感器，以及获取待检测层状管道上作动器工作时反馈的传感信号的具体过程如下：
步骤1：将16个压电元件组成的作动器装配耦合在距离待检测层状管道端部30mm处，将4个压电元件组成的传感器装配耦合在同向的距离待检测层状管道端部600mm处。其中，压电元件均周向均匀装配，且压电元件使用粘结剂耦合在待检测层状管道中钢管的外壁上。
步骤2：对待检测层状管道结构进行网格划分，其中对压电元件而言，以12mm为网格长度来划分单元；对钢管(结构层)、聚氨酯硬质泡沫塑料(保温层)、高密度聚乙烯(防腐层)而言，以5mm为网格长度来划分单元。
步骤3：对压电元件组成的作动器施加经过处理的主瓣信号高、旁瓣信号低的具有一定周期的单音频信号，激励出传播速度快、频散小的导波。
步骤4：在压电元件组成的传感器处提取传感信号，并将其导入时间序列中。该传感信号的采样频率为1E6，采样时长为0.0015s，采样点数为1500个。
在本实施例中，安装后作动器、传感器之后，对作动器施加一定周期的单音频信号，激励出压电超声导波，导波经过待检测层状管道中损伤处返回，传感器接收反馈的传感信号。对该传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，以对传感信号中的低频信号以及高频信号进行多层分解，新的二级近似分量和细节分量由上一级近似分量和细节分量分解得到，从而实现在较短的时间窗内检测较窄的频带和对信号的完全分解，提高了高频段频率分辨率和低频段时间分辨率，进而提高传感信号的时域分辨率。基于分解后的信号进行能量计算，计算出待检测层状管道的损伤处的损伤指数，以便后续通过损伤指数进行损伤程度的识别。
其中，小波包分解后的信号具有精细识别特点，提高了损伤识别的精度，并且方法简单，适合用于层状直管结构的损伤程度识别。
作为一种示例，所述获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，包括：
步骤S110，获取所述待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号；
步骤S120，对所述传感信号的时间序列添加符合正态分布的白噪声后进行EEMD分解处理，并对分解后的传感信号进行重构，得到重构后的传感信号；
步骤S130，对所述重构后的传感信号进行小波包分解，得到分解后各节点的子集时域图；
步骤S140，基于所述子集时域图进行能量计算，得到损伤指数。
作为一种示例，在压电元件组成的传感器处获取待检测层状管道上作动器工作时反馈的传感信号，该传感信号是对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的信号，将接收到的传感信号导入时间序列中。
对传感信号进行EEMD(Ensemble Empirical Mode Decomposition的缩写，集合经验模态分解)进行分解处理，并对分解后的传感信号进行重构，得到重构后的传感信号。具体的过程如下：
在原始的传感信号基础上添加符合标准正态分布的白噪声，其具体表达式如式(1)所示：
xi(t)＝x(t)+ni(t) (i＝1，2，…，M) (1)
其中，x(t)为初始传感信号；ni(t)为第i次添加的白噪声；xi(t)为第i次产生的包含附加白噪声的新传感信号；M为几何平均运算次数。
需要说明的是，M值是根据加入的白噪声的幅值范围，结合学者提出的统计规律确定的。该统计规律的公式为(式子中的ε为加入白噪幅值标准差与原始信号幅值标准差的比值；e为设定期望分解误差的值，取1％)。
对添加白噪声的新传感信号进行EMD分解(empirical mode decomposition，经验模态分解)，其具体表达式如(2)所示，得到IMF和余项。
其中，xi(t)为第i次产生的包含附加噪声的新传感信号；ci，j(t)为第i次形成的新传感信号分解后的第j个IMF，ri，j(t)为分解后的余项，J为分解得到的IMF的总个数。
基于阙值对IMF进行筛选及集合平均运算，得到EEMD分解的IMF(表达式如3所示)：
其中，Fj(t)为EEMD分解后第j个IMF信号集；ci，j(t)为EMD分解的第j个IMF的信号集；M为集合平均运算次数。
为将幅值变化较小但真实的IMF保留，基于所有分解得到的本征模式分量与初始信号，得到与二者有关的相关系数rj，其函数表达式如(4)所示：
其中，rj为第j个IMF与初始传感信号y(t)的相关系数，y(n)与xi(t)均为第i次产生的包含附加白噪声的新传感信号；t为初始信号的采样点，其取值范围为t＝1，2，…，N。
基于相关系数得到本发明所需的阙值TH，其计算公式如(5)所示：
当rj＞TH时，保留第j个IMF；反之则去除第j个IMF。对本发明而言，取阙值TH＝0.2(即阙值为0.2倍的各IMF标准差)。去噪后的传感信号为IMF的叠加，但该IMF为经过rj与TH筛选后的。
对筛选后的IMF信号集进行信号重构处理，其计算公式如(6)所示：
其中，Y(t)为重构后的信号；Fj(t)为筛选后剩余的EEMD的IMF信号集；N为筛选后剩余的IMF的总个数。
本发明研究的对象为超声导波，以db5作为母小波，将EEMD分解重构后的传感信号进行5层小波包分解。参照图3，经过5层分解后，可得到32个节点及各节点对应的子集时域图。该子集时域图中的横坐标表示时间，纵坐标表示能量，通过子集时域图反映。
基于32个节点中一个节点的子集时域图，进行损伤指数的计算，具体过程如下：
首先，基于小波包分解后得到的节点子集时频域信号，进行节点子集能量的计算，其计算公式如(7)所示：
其中，m为该频带的信号采样总数；Xi，k为第i个子集中的第b个采样数对应的频域信号；Ei为结构第i个子集信号的能量。
然后，将得到的无损及损伤状态下的子集能量代入损伤指数值I的计算公式，从而得到相应状态下的损伤指数值I，其计算公式如(8)所示：
其中，k为结构状态，当k＝1时，结构为健康状态；E1，i为结构健康状态下第i个子集信号的能量；Ek，i为管道结构损伤状态下的小波包能量。
步骤S200，将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
作为一种示例，预设的损伤识别模型是指用于管道损伤程度识别的模型或函数，该损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。也即该损伤识别模型通过在ABAQUS中模拟不同预设损伤位置、以及预设损伤位置对应的多个损伤深度数据组成的工况后得到的。
可以理解，计算出不同模型工况的损伤指数后，对多组工况与损伤指数进行数据拟合，得到拟合后的曲线与公式，即损伤识别模型。在实际检测时，将就传感信号计算得到的损伤指数输入至损伤识别模型中，该损伤识别模型中单位时间增量对应的损伤指数以及损伤趋势识别出损伤程度。需要说明的是，损伤趋势表示基于不同模型工况与其对应的损伤指数，分析出的损伤增加或衰减的规律，能够用于识别损伤程度。
作为一种示例，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，包括：
步骤S210，将所述损伤指数输入至预设的损伤识别模型中，计算出损伤处的实际损伤深度；
步骤S220，基于所述实际损伤深度以及所述损伤识别模型对应的损伤趋势，分析出所述待检测层状管道的损伤程度。
作为一种示例，在现场检测中，将获得的传感信号进行小波包分解处理，并计算其损伤指数I，将损伤指数属于损伤位置对应的损伤识别模型中，由于全壁厚固定不变，所以可以得到一个具体的损伤径向深度值，即损伤处的实际损伤深度，从而可以实现损伤程度的判别。
根据损伤识别模型可知，管道损伤趋势为损伤指数值随着损伤径向深度与壁厚之间比值(x)的增大而呈先减后增趋势。因此，在得到实际损伤深度，可以结合管道损伤趋势分析出损伤的变化趋势，例如损伤指数增加或衰减，从而得到待检测层状管道的损伤程度信息。
需要说明的是，损伤识别模型中数据变化形成一元二次抛物线，由于一元二次抛物线轴对称性质，一个因变量值对应着两个自变量数值。在实际工程检测中，由于损伤的径向深度是逐渐加深且不可逆的。因此，只需测定损伤检测前后两个时间的I值是上升还是下降，就能确定其对应的自变量在对称轴的左侧还是右侧，能够精确的获得实际工程检测中结构的损伤深度的计算值。
在本实施例中，将通过传感信号计算出的损伤指数输入至损伤识别模型中，计算出损伤指数对应的损伤深度，从而通过损伤深度得到待检测层状管道的损伤程度。
作为一种示例，损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。因此，不同的损伤位置对应有不同的损伤识别模型，例如，损伤位置为1.35m处的损伤识别模型为：
y＝3.491x2-3.380x+1.01
损伤位置为2m处的损伤识别模型为：
y＝0.761x2-0.903x+0.516
其中，上述损伤识别模型中，x为自变量，其是损伤径向深度与全壁厚之比；y为因变量，即损伤指数I值。
因此，在实际使用时，需要先确定待检测层状管道中损伤发生的位置，该损伤位置是指在损伤处距离待检测层状管道端部的轴向位置。
作为一种示例，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
步骤A1，基于脉冲回波法对所述传感信号进行处理，确定出所述待检测层状管道的损伤位置；
步骤A2，获取所述损伤位置对应的层状管道的损伤识别模型。
作为一种示例，由于不同的损伤位置对应有不同的损伤识别模型，因此，在通过损伤识别模型进行损伤识别之前，先确定待检测层状管道上损伤发生的位置，通过该位置选择所需的损伤识别模型。具体的，基于常规的脉冲回波法对压电元件组成的传感器接收的传感信号进行处理，得到待检测层状管道中损伤处的位置信息，即损伤位置。
通过该基于脉冲回波法对传感信号进行处理后得到的损伤位置选择具有多个损伤识别模型的模型集中，与损伤位置对应的损伤识别模型。
需要说明的是，损伤位置与损伤识别模型属于映射关系，在基于损伤位置选择损伤识别模型中，先确定通过传感信号得到的损伤位置与具有多个损伤识别模型的模型集中损伤位置是否对应。若是，则选择损伤位置对应的损伤识别模型；若否，则通过在ABAQUS中模拟该损伤位置、以及该损伤位置对应的多个损伤深度数据组成的工况，以创建该损伤位置对应的损伤识别模型，在创建完成后，基于该损伤识别模型以及实际得到的损伤位置进行损伤程度识别，以提高识别的高效性与准确性。
作为一种示例，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述方法还包括：
步骤B1，获取所述待检测层状管道内运输物质的属性信息，结合预设的运输规范要求以及所述损伤程度，确定出是否更换所述待检测层状管道。
作为一种示例，本发明涉及的层状管道可应用于石油、天然气、供热管网和自来水管道，应用广泛。尤其本发明分析层状管道结构的损伤程度，属于精细研究，可以发现损伤初期的微小的非贯穿损伤，具有较强的预见性，在损伤程度即将到达泄漏的临界值时，及时进行更换，防止层状管道结构产生贯穿损伤，可应用于日常管道结构健康监测，从根本上减少或杜绝管道结构泄漏事故，同时兼顾保障安全运行和节约经济成本，起到防灾减灾的作用。同时，本发明也可以应用于层状管道已产生贯穿损伤，即管道泄漏突发事故的快速处理，提高泄漏事故现场应急处置效率，起到应急处置排头兵的作用，做好应急技术支撑工作。
因此，在识别出待检测层状管道的损伤程度后，需要根据规范要求确定是否需要更换层状管道结构。具体的，获取待检测层状管道内运输物质的属性信息，例如待检测层状管道内输送的物质为水、石油、天然气等，结合不同输送物质对应的预设的运输规范要求以及所述损伤程度，确定出是否更换待检测层状管道。需要说明的是，运输规范要求根据实际运输中行业标准或要求为准，在此不做限定。
损伤识别模型的拟合曲线是开口向上的二次抛物线图形，拟合公式也是一元二次抛物线公式，自变量是损伤径向深度与全壁厚之比(X轴)，因变量是损伤指数I(Y轴)。拟合曲线的最小值对应的自变量值为损伤径向深度与全壁厚之比，经计算该损伤深度为全壁厚的一半。根据预设的运输规范要求，若运输物质为水，则损伤深度为全壁厚的1/2时，需要更换待检测层状管道，以保证管道的正常输送工作；若运输物质为石油，则损伤深度为全壁厚的1/3时，需要更换待检测层状管道，以保证管道的正常输送工作，其他物质的具体实施方式基本相同，在此不再赘述。
因此，在本实施例中，现场检测后将传感信号进行分解处理并计算得出的损伤指数I值，将I值带入损伤识别模型的拟合公式中，计算出实际损伤深度。基于管道应用状态(供水、输油)，结合规范要求，判断此时的管道结构是否需要更换，以提高管道的使用安全性与损伤预见性。
本发明提供一种层状管道损伤程度识别方法，与目前层状管道损伤程度识别准确性低相比，在本发明中，获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。也即，首先在PZT片组成的作动器施加压电超声导波在层状直管结构传播，在PZT片组成的传感器获得振动响应。然后，将提取的时间序列添加正态分布的白噪声后，经过EEMD分解、小波包分析方法对底层传感信号的低频和高频信号多层分解，提高传感信号的时域分辨率，并计算结构的损伤指数。随后，根据不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度及其对应的损伤指数，建立工况广泛且判断精确的损伤识别模型；最后，利用损伤识别模型进行损伤程度识别，根据单位时间增量对应损伤指数值以及损伤趋势判断损伤程度，提高了层状管道损伤程度检测识别的准确性。本发明所述模型克服了层状管道外包层导致的传感信号难以识别的问题，提高了损伤识别的精度与准确性，能够在产生非贯穿损伤之前精确判断损伤深度，及时提出更换层状管道结构建议，具有较强防灾减灾的预见性。
基于上述第一实施例，提出层状管道损伤程度识别方法的第二实施例。
作为一种示例，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
步骤C1，获取所述待检测层状管道预设的模型工况，所述模型工况包括不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度数据组成的工况；
步骤C2，对多个所述预设损伤位置对应的模型工况进行遍历，对遍历到的模型工况执行以下步骤：
步骤C3，在当前的所述模型工况下，获取所述待检测层状管道上作动器工作时反馈的模拟传感信号；
步骤C4，对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数；
步骤C5，基于多组所述模型工况与所述损伤指数的数据，创建所述损伤识别模型。
作为一种示例，利用有限元模拟软件ABAQUS建立层状管道结构模型。参照图2，该模型由钢管(结构层)、聚氨酯硬质泡沫塑料(保温层)、高密度聚乙烯(防腐层)组成，模型各层材料及管长等参数，详见表1。
表1材料属性：
在钢管(结构层)上设置一个周向损伤，其损伤长度为3/16外管径周长，损伤宽度为4mm，损伤径向深度的取值范围为0至4mm。基于损伤在结构层上轴向位置、损伤径向深度的多样性，本发明列举两种损伤位置对应的15种预设模型工况，其中，预设模型工况包括不同预设损伤位置、以及预设损伤位置对应的多个损伤深度数据组成的工况，详见表2。
表2管道结构损伤模型工况
在有限元模拟软件ABAQUS中对不同预设损伤位置的传感信号进行分析，以得到该预设损伤位置对应的损伤识别模型。具体过程如下：
对多个预设损伤位置对应的模型工况进行遍历，对遍历到的模型工况执行以下步骤：
获取当前预设损伤位置对应的待检测层状管道的预设模型工况，获取当前的预设模型工况下，待检测层状管道上模拟的作动器工作时反馈的模拟传感信号；对模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数。
其中，对模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数的过程与上述实际检测中，获取待检测层状管道上作动器工作时反馈的传感信号，对传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数的具体实施方式基本相同，在此不再赘述。由此，得到预设损伤位置对应的多个模拟损伤指数，根据多个损伤深度数据以及损伤深度数据对应的多个模拟损伤指数进行曲线拟合，以创建当前预设损伤位置对应的损伤识别模型，模型的工况进行了试验验证。
例如，将损伤径向深度1mm至3.5mm范围内的模拟损伤指数值I进行曲线拟合，得到以损伤深度数据与壁厚之比为自变量、以模拟损伤指数值I为因变量的损伤指数拟合曲线，如图4和图5所示。当损伤轴向距离为1.35m时，拟合曲线公式为y＝3.491x2-3.380x+1.01；当损伤轴向距离为2m时，拟合曲线公式为y＝0.761x2-0.903x+0.516)，从而将有限个点连接为一个平滑的曲线，即已知有限的损伤程度情况及其相应的I值变成了无限的损伤程度情况及其相应的I值。需要说明的是，其他损伤位置的损伤识别模型创建过程相同，根据实际需求可模拟出不同损伤位置的多种损伤程度对应的多个损伤识别模型。
在实际使用时，对基于脉冲回波法对传感信号进行处理，确定出待检测层状管道的损伤位置。将获得的传感信号按照步骤S110，至步骤S140的处理过程进行小波包分解并计算其损伤指数I。将I值带入损伤位置对应的拟合公式中(即I值，是因变量)，从而计算出公式中的损伤径向深度与全壁厚的比值(即x值，是自变量)。由于全壁厚固定不变，所以可以得到一个具体的损伤径向深度值，从而可以实现损伤程度的判别。
作为一种示例，所述对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数之后，所述方法包括：
步骤D1，根据所述预设损伤位置、所述损伤深度数据以及所述模拟损伤指数，建立三维损伤指数矩阵；
步骤D2，基于所述三维损伤指数矩阵中单位时间增量对应的所述模拟损伤指数，分析出损伤趋势，其中，根据所述三维损伤指数矩阵得到的所述损伤趋势用以与所述损伤识别模型结合识别出所述待检测层状管道的损伤程度。
作为一种示例，当损伤位于不同的轴向位置时，其拟合曲线和拟合公式不同(即损伤识别模型不同)，所以在前述二维的关于损伤指数的拟合曲线中扩展出三维损伤指数矩阵，也即根据所述预设损伤位置、所述损伤深度数据以及所述模拟损伤指数，建立三维损伤指数矩阵。具体的，参照图6，图6为不同损伤位置的损伤指数矩阵，即第一维度(X轴)表达含义为损伤轴向距离；第二维度(Y轴)表达含义为表2中不同工况对应的损伤径向深度；第三个维度(Z轴)所表达的含义为损伤指数值。研究发现在三维损伤指数矩阵中，损伤轴向位置的改变，对损伤指数值的变化趋势没有影响，损伤指数值随着损伤径向深度的加深而呈先减后增再减的趋势，即为损伤趋势。
因此，在本实施例中，基于损伤识别模型(即损伤指数拟合曲线的函数表达式)以及时间增量曲线变化趋势，不仅可以确定实际损伤深度，而且可以预判损伤未来发展的趋势，进而判断是否需要更换管道，以提高管道的使用安全性与损伤预见性。
下面对本发明提供的层状管道损伤程度识别装置进行描述，下文描述的层状管道损伤程度识别装置与上文描述的层状管道损伤程度识别方法可相互对应参照。
本发明还提供一种层状管道损伤程度识别装置，所述装置包括：
信号分解模块，用于获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；
损伤识别模块，用于将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
和/或，所述信号分解模块还包括：
信号获取子模块，用于获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号；
信号分解子模块，用于对所述传感信号的时间序列添加符合正态分布的白噪声后进行EEMD分解处理，并对分解后的传感信号进行重构，得到重构后的传感信号；
信号处理子模块，用于对所述重构后的传感信号进行小波包分解，得到分解后各节点的子集时域图；
数据计算子模块，用于基于所述子集时域图进行能量计算，得到损伤指数。
和/或，所述装置还包括：
第一信号处理模块，用于基于脉冲回波法对所述传感信号进行处理，确定出所述待检测层状管道的损伤位置；
模型获取模块，用于获取所述损伤位置对应的损伤识别模型。
和/或，所述损伤识别模块还包括：
模型计算子模块，用于将所述损伤指数输入至预设的损伤识别模型中，计算出损伤处的实际损伤深度；
损伤分析子模块，用于基于所述实际损伤深度以及所述损伤识别模型对应的管道损伤趋势，分析出所述待检测层状管道的损伤程度。
和/或，所述装置还包括：
工况获取模块，用于获取所述待检测层状管道预设的模型工况，所述模型工况包括不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度数据组成的工况；
工况遍历模块，用于对多个所述预设损伤位置对应的模型工况进行遍历，对遍历到的模型工况执行以下步骤：
信号获取模块，用于在当前的所述模型工况下，获取所述待检测层状管道上作动器工作时反馈的模拟传感信号；
第二信号处理模块，用于对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数；
模型创建模块，用于基于多组所述模型工况与所述损伤指数的数据，创建所述损伤识别模型。
和/或，所述装置还包括：
数据处理模块，用于根据所述预设损伤位置、所述损伤深度数据以及所述模拟损伤指数，建立三维损伤指数矩阵；
趋势分析模块，用于基于所述三维损伤指数矩阵中单位时间增量对应的所述模拟损伤指数，分析出损伤趋势，其中，根据所述三维损伤指数矩阵得到的所述损伤趋势用以与所述损伤识别模型结合识别出所述待检测层状管道的损伤程度。
和/或，所述装置还包括：
信息确定模块，用于获取所述待检测层状管道内运输物质的属性信息，结合预设的运输规范要求以及所述损伤程度，确定出是否更换所述待检测层状管道。
图7示例了一种层状管道损伤程度识别仪的实体结构示意图，如图7所示，该层状管道损伤程度识别仪可以包括：处理器(processor)810、通信接口(CommunicationsInterface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行层状管道损伤程度识别方法，该方法包括：获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的层状管道损伤程度识别方法，该方法包括：获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的层状管道损伤程度识别方法，该方法包括：获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种层状管道损伤程度识别方法，其特征在于，所述方法包括：
获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，所述待检测层状管道的结构包括结构层与外包层；
将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，所述损伤识别模型是由多种工况中预设损伤位置、损伤深度数据以及模拟损伤指数确定的。
2.根据权利要求1所述的层状管道损伤程度识别方法，其特征在于，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度，包括：
将所述损伤指数输入至预设的损伤识别模型中，计算出损伤处的实际损伤深度；
基于所述实际损伤深度以及所述损伤识别模型对应的损伤趋势，分析出所述待检测层状管道的损伤程度。
3.根据权利要求1所述的层状管道损伤程度识别方法，其特征在于，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
获取所述待检测层状管道预设的模型工况，所述模型工况包括不同预设损伤位置、以及所述预设损伤位置对应的多个损伤深度数据组成的工况；
对多个所述预设损伤位置对应的模型工况进行遍历，对遍历到的模型工况执行以下步骤：
在当前的所述模型工况下，获取所述待检测层状管道上作动器工作时反馈的模拟传感信号；
对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数；
基于多组所述模型工况与所述损伤指数的数据，创建所述损伤识别模型。
4.根据权利要求3所述的层状管道损伤程度识别方法，其特征在于，所述对所述模拟传感信号进行小波包分解处理，基于分解后信号进行能量计算，得到模拟损伤指数之后，所述方法包括：
根据所述预设损伤位置、所述损伤深度数据以及所述模拟损伤指数，建立三维损伤指数矩阵；
基于所述三维损伤指数矩阵中单位时间增量对应的所述模拟损伤指数，分析出损伤趋势，其中，根据所述三维损伤指数矩阵得到的所述损伤趋势用以与所述损伤识别模型结合识别出所述待检测层状管道的损伤程度。
5.根据权利要求1所述的层状管道损伤程度识别方法，其特征在于，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之后，所述方法还包括：
获取所述待检测层状管道内运输物质的属性信息，结合预设的运输规范要求以及所述损伤程度，确定出是否更换所述待检测层状管道。
6.根据权利要求1所述的层状管道损伤程度识别方法，其特征在于，所述将所述损伤指数输入至预设的损伤识别模型中，根据单位时间增量对应的损伤指数以及损伤趋势识别出所述待检测层状管道的损伤程度之前，所述方法还包括：
基于脉冲回波法对所述传感信号进行处理，确定出所述待检测层状管道的损伤位置；
获取所述损伤位置对应的层状管道的损伤识别模型。
7.根据权利要求1所述的层状管道损伤程度识别方法，其特征在于，所述获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号，对所述传感信号的时间序列添加符合正态分布的白噪声后进行小波包分解处理，基于分解后信号进行能量计算，得到损伤指数，包括：
获取待检测层状管道上对PZT组成的作动器施加的压电超声导波经过非贯穿损伤时反馈的传感信号；
对所述传感信号的时间序列添加符合正态分布的白噪声后进行EEMD分解处理，并对分解后的传感信号进行重构，得到重构后的传感信号；
对所述重构后的传感信号进行小波包分解，得到分解后各节点的子集时域图；
基于所述子集时域图进行能量计算，得到损伤指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310243683.2A CN116465963B (zh) | 2023-03-14 | 2023-03-14 | 层状管道损伤程度识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310243683.2A CN116465963B (zh) | 2023-03-14 | 2023-03-14 | 层状管道损伤程度识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116465963A true CN116465963A (zh) | 2023-07-21 |
| CN116465963B CN116465963B (zh) | 2024-01-02 |
Family
ID=87176127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310243683.2A Active CN116465963B (zh) | 2023-03-14 | 2023-03-14 | 层状管道损伤程度识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116465963B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960171A (zh) * | 2021-10-26 | 2022-01-21 | 山东大学 | 一种基于超声导波的损伤识别方法及系统 |
| CN114813949A (zh) * | 2022-05-06 | 2022-07-29 | 南京邮电大学 | 一种基于有限传感器组的超声导波管道损伤扫描装置及检测方法 |
-
2023
- 2023-03-14 CN CN202310243683.2A patent/CN116465963B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960171A (zh) * | 2021-10-26 | 2022-01-21 | 山东大学 | 一种基于超声导波的损伤识别方法及系统 |
| CN114813949A (zh) * | 2022-05-06 | 2022-07-29 | 南京邮电大学 | 一种基于有限传感器组的超声导波管道损伤扫描装置及检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李赢 等: "层状管道结构损伤识别的数值模拟和试验验证", 沈阳建筑大学学报（自然科学版）, vol. 35, no. 6, pages 997 - 1003 * |
| 熊春宝 等: "基于EEMD-小波阈值去噪的桥梁结构模态参数识别", 天津大学学报（自然科学与工程技术版）, vol. 53, no. 4, pages 379 - 380 * |
| 赵冶 等: "在移动荷载作用下基于小波包变换的桥梁损伤识别", 天津城建大学学报, vol. 25, no. 2, pages 95 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116465963B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Croxford et al. | Strategies for guided-wave structural health monitoring | |
| Seshadri et al. | Structural health management of damaged aircraft structures using digital twin concept | |
| Li et al. | Estimation and warning of fatigue damage of FRP stay cables based on acoustic emission techniques and fractal theory | |
| Chiachío et al. | A multilevel Bayesian method for ultrasound-based damage identification in composite laminates | |
| Yoon et al. | Local damage detection with the global fitting method using mode shape data in notched beams | |
| Meeker et al. | Statistical methods for probability of detection in structural health monitoring | |
| Yu et al. | Application of Kernel Density Estimation in Lamb Wave‐Based Damage Detection | |
| Keulen et al. | Damage detection of composite plates by Lamb wave ultrasonic tomography with a sparse hexagonal network using damage progression trends | |
| Bogachev et al. | Identification of inhomogeneous elastic properties of isotropic cylinder | |
| Niu et al. | Simulation trained CNN for accurate embedded crack length, location, and orientation prediction from ultrasound measurements | |
| Zhou et al. | Multi-mode fusion BP neural network model with vibration and acoustic emission signals for process pipeline crack location | |
| Tang et al. | Explainable deep learning based ultrasonic guided wave pipe crack identification method | |
| Zhao et al. | Probabilistic diagnostic algorithm-based damage detection for plates with non-uniform sections using the improved weight function | |
| AU2022234947A1 (en) | Pipeline anomaly detection method and system | |
| Chen et al. | Detection of the pipeline elbow erosion by percussion and deep learning | |
| Baneen et al. | A baseline-free modal strain energy method for damage localisation | |
| Zilidou et al. | Suppression of front and back surface reflections in ultrasonic analytic-signal responses from composites | |
| CN116465963B (zh) | 层状管道损伤程度识别方法 | |
| Zeng et al. | Guided wave-based characterisation of cracks in pipes utilising approximate Bayesian computation | |
| Peng et al. | One-dimensional residual convolutional neural network and percussion-based method for pipeline leakage and water deposit detection | |
| Owowo et al. | Finite element analysis and experimental measurement of acoustic wave propagation for leakage detection in an air-filled pipe | |
| Timashev et al. | Markov description of corrosion defects growth and its application to reliability based inspection and maintenance of pipelines | |
| Zhang et al. | Improved DS evidence theory for pipeline damage identification | |
| CN116482219B (zh) | 层状管道损伤位置分析方法 | |
| Khazanovich et al. | Quantitative ultrasonic evaluation of concrete structures using one-sided access |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231120 Address after: 065201 College of disaster prevention and technology, No. 465, Xueyuan street, Yanjiao Development Zone, Sanhe City, Langfang City, Hebei Province Applicant after: Institute of Disaster Prevention Applicant after: SHENYANG University Address before: 065201 College of disaster prevention and technology, No. 465, Xueyuan street, Yanjiao Development Zone, Sanhe City, Langfang City, Hebei Province Applicant before: Institute of Disaster Prevention |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |