[发明专利]基于频率融合的非线性超声导波无参损伤识别方法及系统在审
申请号: | 202210072049.2 | 申请日: | 2022-01-21 |
公开(公告)号: | CN114414659A | 公开(公告)日: | 2022-04-29 |
发明(设计)人: | 贾磊;腾飞宇;姜明顺;张法业;张雷;隋青美 | 申请(专利权)人: | 山东大学 |
主分类号: | G01N29/04 | 分类号: | G01N29/04;G01N29/46 |
代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 祖之强 |
地址: | 250061 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 频率 融合 非线性 超声 导波 损伤 识别 方法 系统 | ||
本发明提供了一种基于频率融合的非线性超声导波无参损伤识别方法及系统,获取目标检测区域最佳激励频率;根据最佳激励频率,得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号;根据各个响应信号的二次谐波和三次谐波,得到每个激励频率对应的非线性损伤指数;使用概率检验重建成像方法得到各个激励频率的概率图;将所有的概率图像叠加,得到最终成像结果,以最终成像结果中概率最大的点为损伤定位点;本发明利用频率融合弱化最佳激励频率对算法的影响,补偿外界干扰,以高次谐波特征参数为损伤指数,将概率检验重建算法方法应用到非线性成像领域,实现了对结构损伤的更高精度成像和定位识别。
技术领域
本发明涉及损伤识别技术领域,特别涉及一种基于频率融合的非线性超声导波无参损伤识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术,并不必然构成现有技术。
目前,大型工业设备和高端装备在冶金化工、高端制造业、航空航天、轨道交通、船舶等领域得到广泛的使用。它们大多的运行环境始终伴随着交变载荷、气动压力、振动冲击、变温变湿等恶劣工况,极容易产生疲劳裂纹、腐蚀、磕碰缺口等各类损伤,严重影响安全性和可靠性,危及财产和生命安全。因此,对结构损伤的定位识别具有极为重要意义。
目前应用中的无损检测方法大多需要停运检修,存在灵敏度差、检查盲区等问题,成本高昂且检测效率低下。基于超声导波的无损检测由于具有成本低、传播距离远、对损伤敏感、便于在线监测等优势,成为结构无损检测领域的热点研究方向。超声导波检测技术的原理为:利用超声导波换能器向被测结构发送超声导波激励信号,结构中的损伤会与信号发生相互作用,这个过程可以通过对采集信号进行一定的信号处理来提取,结合具体算法实现对结构损伤的定位、尺度计算、形状估计等识别。超声导波法通常分为线性超声法和非线性超声法,二者的区别在于,线性超声从时域提取线性特征参数,如散射波、信号差异,飞行时间等,而非线性超声从频域提取非线性特征参数,如高次谐波、能量衰减、共振频率偏移等。
基于非线性的超声导波无损检测能够精确识别微小损伤,是一个比较新颖和具有研究前景的研究方向。非线性特征对激励信号的要求比较严格,不同频率的激励信号会使检测结果大不相同,最佳检测结果往往需要稳定的环境和精确的激励信号选择。目前大多数非线性无损检测通过提取非线性特征来识别损伤存在或定量估计尺度,而基于材料损伤非线性响应的成像技术还处于起步阶段。基于概率检验重建算法是一种在线性超声检测中常用的成像方法,它具有不需要结构先验知识、适用性好、计算量少、计算速度快等优点。此外,目前的损伤识别算法大多依赖完整结构的基线信号,但是外界环境因素对超声导波的传播具有较大的影响,使得基于基线信号的损伤识别方法很难在实现长期的结构监测。
发明内容
为了解决现有技术的不足,本发明提供了一种基于频率融合的非线性超声导波无参损伤识别方法及系统,利用频率融合弱化最佳激励频率对算法的影响,补偿外界干扰,以高次谐波特征参数为损伤指数,将概率检验重建算法方法应用到非线性成像领域,实现了对结构损伤的更高精度成像和定位识别。
为了实现上述目的,本发明采用如下技术方案:
本发明第一方面提供了一种基于频率融合的非线性超声导波无参损伤识别方法。
一种基于频率融合的非线性超声导波无参损伤识别方法,包括以下过程:
获取目标检测区域最佳激励频率;
根据最佳激励频率,得到最佳频率正负区间内对称的多个频率作为激励频率时的响应信号;
根据各个响应信号的二次谐波和三次谐波,得到每个激励频率对应的非线性损伤指数;
使用概率检验重建成像方法得到各个激励频率的概率图;
将所有的概率图像叠加,得到最终成像结果,以最终成像结果中概率最大的点为损伤定位点。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210072049.2/2.html,转载请声明来源钻瓜专利网。