论文部分内容阅读
随着声波理论的发展以及雷达技术的进步,超声波在无损检测领域也得到了广泛的应用。利用超声Lamb波对结构进行损伤检测,可以系统地了解到结构内部是否有损伤,从而对结构进行维护,使结构的运行更加安全,并降低维护成本。因而在航空航天、船舶、基础设施建设等诸多领域的损伤检测中,均广泛应用了超声Lamb波技术,需要利用超声Lamb波来对损伤进行成像以实现对于损伤的精确判断。利用超声Lamb波进行损伤成像的方法有很多。其中,超声相控阵成像以其灵活性好、检测效率高、成像精度高等优点,在超声成像领域受到各界广泛关注。现有的超声相控阵成像方法中,应用较为广泛的方法是对采用固定加权值的时域信号进行延时叠加的算法。该方法虽然成像的效率高,但是由于无法对于非扫查方位的噪声进行有效地抑制,故而会产生旁瓣伪影,且成像的分辨率不高。其他的还有时间反转、椭圆定位等损伤检测方法,但这些方法都因为无法突破瑞利极限而无法实现对于损伤的超分辨率成像。为此,本文在超声Lamb波相控阵成像的基础上,发展出了多重信号分类算法。在这种方法中,通过多个相控阵检测损伤,并通过特定算法处理接收到的信号以获得超分辨率成像。信号由M个激励元激励,然后由N个接收元接收。总信号可以形成一个M×N的矩阵。对采集到的信号矩阵进行奇异值分解后,可以获得T个显著的特征值,显著特征值的个数代表了损伤的个数。奇异值分解后的奇异矢量包含噪声空间的信息。利用噪声子空间的随机性,制定成像指标来恢复大于2K的空间频率以实现超分辨率成像。该方法中只要M和N的最小值大于损伤个数,就可以在超分辨率下成功区分每个损伤。因此,应针对不同的损坏情况选择适当数量的矩阵元素。为了验证该方法在成像效果上是否可以达到超分辨率,本文又针对该方法进行了数值模拟和实验。先在COMSOL上建立Lamb波在各向同性材料板中传播的基本模型。由激励元发出激励信号后,利用排布均匀的线阵接受回波信号。将接收到的回波信号剔除直达波和边界反射波后组成协方差矩阵,再对该矩阵进行多重信号分类算法处理,以得到成像结果。然后将得到的成像结果和传统成像结果进行比较,验证了多重信号分类算法可以实现超分辨率。而后又搭建了PZT-SLDV的混合检测实验平台,对预置了单损伤和双损伤的板分别进行了损伤检测。对于实验采集到的响应信号剔除了直达波和边界反射波后组成协方差矩阵,也通过多重信号分类算法再最终的损伤成像图上分辨出了两个小于半波长的损伤,成功实现了超分辨率的损伤成像。以上研究结果均表明,多重信号分类算法通过利用噪声子空间的随机性,克服了瑞利极限所带来的成像分辨率的限制,对实现超分辨率损伤成像提供了一种新的方法。