[发明专利]一种基于变分模态分解的GFRP内部缺陷特征提取方法

说明书

本发明公开了一种基于变分模态分解的GFRP内部缺陷特征提取方法，包括步骤：GFRP超声回波信号采集、分析、特征提取和C扫成像。本发明以每个本征模态函数是其中心频率附近的窄带信号为准则构造变分模型，通过替方向乘子算法在其傅里叶频域进行迭代求解，进而将输入信号分解为一组本征模态函数的线性组合，将表征缺陷信息的信号与噪声信号完全进行分离，实现GFRP缺陷信号降噪，使缺陷信号成像更接近实际缺陷大小，大大提高了缺陷识别的正确率。本发明基于变分模态分解算法，可以有效的将缺陷波进行分解，模态分解个数的合理选取，可以有效的避免过分解和欠分解，提高对玻璃纤维复合材料内部夹杂缺陷的识别准确性。

技术领域

本发明涉及信号处理技术领域，特别涉及一种基于变分模态分解的GFRP内部缺陷特征提取方法。

背景技术

玻璃纤维增强复合材料(GFRP)具备高的比模量、比强度、良好的抗疲劳性、良好的吸音隔音吸能等特性，因而玻璃纤维增强复合材料在汽车、航空、航天等行业使用的十分普遍。在材料形成或使用中会产生各种缺陷，严重影响着产品的使用性能和安全隐患。例如发动机界面的分层与否对于发动机的性能和发射安全起着至关重要的作用，如果界面之间发生了分层，会导致火箭发动机结构不稳定，很容易引起火箭发动机的爆炸，造成不可挽回的后果。所以在材料的使用过程中必须进行检测。GFRP的失效检测与普通复合材料的无损检测相比，它的复杂性更强。玻璃纤维增强复合材料的组成材料特性和多层结构特性，使纤维增强复合材料具备较高的声衰减和均致性导致的高结构噪声，从而造成成像结果的可分析性正确性较差。

变分模态分解(VMD)是一种信号处理理论，该方法认为任意信号都可以分解为一系列带宽有限的模态函数的线性组合，将需要解决的信号处理问题，转换成变分模型求解问题，由迭代搜索变分模型的极值去确定每个模态的中心频率和带宽，从而实现信号的分解。变分模态分解因其有严密的数学理论推导，克服了经验模态分解(EMD)缺乏理论支撑、出现模态混叠和端点效应等不足，在如音频检测和分离，地震信号分析和机械故障诊断等领域VMD得到了广泛的应用。

发明内容

本发明目的是：为解决由于玻璃纤维复合材料内部结构的复杂性导致超声缺陷回波信号提取困难，检测识别精度不够的矛盾，本发明提出一种基于变分模态分解的和相关系数分析超声信号处理的方法，利用该方法对GFRP超声回波信号进行处理。能够获得更为平滑、低频的回波信号，使得玻璃纤维复合材料缺陷回波数据更为准确。从而有效的提高检测的精度，获得更好的检测效果。

本发明的技术方案是：

一种基于变分模态分解的GFRP内部缺陷特征提取方法，包括步骤：

S1、GFRP超声回波信号采集：使用超声脉冲回波法，采集GFRP材料内部缺陷的A扫超声回波信号；

S2、GFRP超声回波信号分析：对采集的超声回波信号进行成分分析，找到表征缺陷信号的回波信号；

S3、GFRP超声回波信号的特征提取：对回波信号采用基于变分模态分解和相关系数分析的信号处理方法提取特征；

S4、GFRP回波信号C扫成像：最后对处理后的玻璃纤维复合板材料回波信号进行超声C扫描成像。

优选的，步骤S1中GFRP超声回波信号采集的方法为：

将超声波探头发出的脉波发送到GFRP试件被测定部位，然后在试件中传播超声波，遇到非均匀界面时，就会出现反射现象；观察来自内部缺陷或被试件的下表面、前表面的反射波来检测试件；

被测试件中有缺陷存在，当声波在被测试件内传播过程中遇到缺陷时，发生反射作用而出现缺陷回波，然后根据缺陷回波的出现时间和幅值来判断被测试件内缺陷的特征。

优选的，步骤S2中GFRP超声回波信号分析的方法为：