本发明专利技术提供了一种多模态超声Lamb波复杂缺陷层析成像方法，包括以下步骤：通过预设敏感度阈值THs和敏感度死区dz，计算得到A0和S0两种模态Lamb波合适的工作频率；分别使用A0波EMAT阵列和S0波EMAT阵列，在各自工作频率条件下进行A0波跨孔层析成像和S0波跨孔层析成像；通过图像融合，将两种结果有机结合，得到最终的缺陷图像重建结果。该方法的优势在于，可以充分利用不同模态Lamb波的敏感区域不同的特点，进行敏感区域的互补，从而扩大层析成像方法的整体敏感区域，降低噪声的影响，有效减少从慢度分布图中提取缺陷特征信息的难度，提高对复杂缺陷的识别效率和成像精度，具有广阔的应用前景。
【技术实现步骤摘要】
本专利技术涉及，属于无损检测技术 领域。
技术介绍
利用超声Lamb波缺陷层析成像技术可以快速、有效地获得缺陷的轮廓和尺寸等 具体信息。该技术继承了传统超声Lamb波检测的诸多优点。Lamb波走时（Time-of-flight， T0F，指Lamb波在收发换能器对之间的传播时间）跨孔层析成像技术，利用线性换能器阵列 进行扇束投影和成像，是一种基于迭代法的高效、快速的层析成像方法。该成像方法的直接 输出结果为Lamb波的慢度（速度的倒数）分布，其通过不同区域中慢度的变化情况来反映 缺陷的分布情况。通常，在成像过程中，多选择使用单一模态Lamb波，这种方法操作简单， 收发环境纯净，对于形状参数较为简单的缺陷，如单圆孔缺陷的图像重建，不但计算快速而 且成像精度高。然而，当遇到含有深度逐渐变化的复杂缺陷时，其求得的慢度分布上会叠加 有较多的噪声，缺陷导致的慢度变化在一定程度上会被噪声所掩盖，进而会使得从慢度分 布图中提取缺陷特征信息的难度和误差增大，从而影响到成像结果。中国专利文献公开了 一种"一种射线追踪式超声Lamb波缺陷层析成像方法"该技术涉及一种错板缺陷超声Lamb 波在线检测方法，采用EMT (电磁声换能器）阵列收发单一 Lamb波，通过联合迭代重建算 法及射线追踪修正算法重建层析图像，可较为精确地实现对铝板单圆孔缺陷的全面检测及 缺陷分析，但该技术局限于深度统一的规则缺陷，而对深度变化的复杂缺陷的具体尺寸和 轮廓并不能达到十分精确的估计，存在一定的局限性。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。 为此，本专利技术的目的在于提出。 为了实现上述目的，本专利技术一方面的实施例公开了一种多模态超声Lamb波复杂 缺陷层析成像方法，包括如下步骤：1)在待测板材上选择一个矩形区域作为缺陷层的成像 区域，将所述成像区域横纵分割成&乂队个网格；在所述成像区域的一侧设置M个发射电磁 声换能器，在所述成像区域与所述发射磁声换能器的相对侧设置M个接收电磁声换能器； 其中，Np N2、M为自然数；2)使用射频功率放大器分两次激励所述M个发射电磁声换能器， 其中，第一次全向激发AO模态Lamb波，所述M个接收电磁声换能器依次接收所述AO模态 Lamb波；第二次全向激发SO模态Lamb波，M个接收电磁声换能器依次接收所述AO模态 Lamb波；3)利用伪Wigner-Ville分布对MXM个AO模态电磁声换能器检测波形和MXM个 SO模态电磁声换能器检测波形进行时频分析和模态识别；4)提取所述MXM个AO电磁声换 能器检测波形的时频分析结果并记录对应的走时T 1 (AO)~Tmxm(AO);提取所述MXM个SO 电磁声换能器检测波形的时频分析结果并记录对应的走时!\ (SO)~Tmxm(SO) ;5)使用联合 迭代重建算法确定所述AO模态和所述SO模态下所述NixN2个网格中每个网格的慢度： 其中，Sj为待求的第j个网格的慢度；L ^为第i条投影射线在第j个网格中的长 度；Ti为第i条投影射线的实测走时；η为正整数，且n = N1XN2;!!!为正整数，且m = MXM ; 6)使用图像融合方法将所述AO模态和所述SO模态下得到的两组慢度分布结果转化为板厚 分布结果，再进行叠加，并求取平均，从而得到最终的缺陷分布结果。 根据本专利技术实施例的，使用AO波 EMT阵列和SO波EMT阵列，在不同频率下进行AO波跨孔层析成像和SO波跨孔层析成像， 并通过图像融合，得到最终的图像重建结果。该方法的优势在于，可以充分利用不同模态 Lamb波的敏感区域不同的特点，进行敏感区域的互补，从而扩大层析成像方法的整体敏感 区域，降低噪声的影响，有效减少从慢度分布图中提取缺陷特征信息的难度，提高对复杂缺 陷的识别效率和成像精度，具有广阔的应用前景。 另外，根据本专利技术上述实施例的， 还可以具有如下附加的技术特征： 进一步地，步骤1)中，所述发射电磁声换能器和所述接收电磁声换能器直径范 围均为20~60mm，相邻所述发射电磁声换能器和所述接收电磁声换能器的中心间距均为 30 ~90mm。 进一步地，步骤2)中，所述射频功率放大器的激发频率为（100~1000) kHz ;第一 次激发的Lamb波为纯净单一的AO模态Lamb波；第二次激发的Lamb波为纯净单一的SO模 态Lamb波。 进一步地，步骤2)中，所述AO模态Lamb波和所述SO模态Lamb波的激发频率方 法进一步包括：201)定义Lamb波对板厚变化的敏感度函数： SEN (f, d, Δ d) = I Sthe (f, d- Δ d) -Sthe (f, d) | / Δ d 其中，Stte(f，d-Δ d)和Stte(f，d)分别为所用模态Lamb波在缺陷区域和基础板 厚区域的慢度值；f为所用模态Lamb波的工作频率；d为基础板厚；△ d为缺陷区域的板 厚相比于基础板厚的减小量；（Cl-Ad)为缺陷区域的板厚；202)设置Lamb波敏感度函数 SEN (f，d)的阈值 THs: THs = SNRnin X Snolse/dnin 其中，SNRnilJP (1_分别为层析成像所需的最小信噪比和板厚分辨率；Snc_为噪声 幅值；203)分别计算所述AO波和所述SO波的板厚变化敏感度函数SEN(f，d)随d变化的 曲线，得到两种模态波SEN(f，d)的幅值在f-d上的二维分布图；其中，工作频率f的取值 为（100~1000)kHz。204)在所述SO模态波的SEN(f, d)分布图上，找到SEN(f, d) = THs 对应的等高线；205)计算曲线fd = xs与直线d = d。的交点坐标，记为（d(j，fs)，取:^为SO 模态波的工作频率；其中，所述fd = Xs对应的虚线曲线是SO波工作区域的边界；d。为铝板 健康区域的板厚；206)计算直线f =匕与等高线SEN (f，d) = THs的交点（d ^ fs)，得到SO 波在工作频率匕下的工作区域为 ;207)在所述AO模态波的SEN (f，d)分布图上，找 到SEN(f，d) = THs对应的等高线；208)计算曲线fd = xJP SEN(f，d) = THs与直线d = Clddz的交点坐标（d Jdz，fal)和（c^+dz，fa2)，取f al和f a2中相对较小的一个作为AO波的工 作频率fa;其中，d z (dz>0)是为保证AO和SO波的敏感区域重叠而设置的一个死区，使得AO 波的敏感区域的上限值dH满足dH>c^+dz;fd = X a对应的虚线曲线是AO波工作区域的边界； 209)为提高对微小缺陷的检测灵敏度，取匕为SO模态波的工作频率，得到AO波在工作频 率匕下的工作区域为[0, c^+dj。 本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本专利技术的实践了解到。【附图说明】 本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变 得明显和容易理解，其中： 图1为本专利技术一个实施例的多模态超声Lamb波层析成像流程图； 图2为本专利技术一个实施例的含复杂缺陷铝板的结构示意图；图3a为本专利技术一个实施例的多模态Lamb波层析成像本文档来自技高网...
【技术保护点】
一种多模态超声Lamb波复杂缺陷层析成像方法，其特征在于，包括如下步骤：1)在待测板材上选择一个矩形区域作为缺陷层的成像区域，将所述成像区域横纵分割成N1×N2个网格；在所述成像区域的一侧设置M个发射电磁声换能器，在所述成像区域与所述发射磁声换能器的相对侧设置M个接收电磁声换能器；其中，N1、N2、M为自然数；2)使用射频功率放大器分两次激励所述M个发射电磁声换能器，其中，第一次全向激发A0模态Lamb波，所述M个接收电磁声换能器依次接收所述A0模态Lamb波；第二次全向激发S0模态Lamb波，M个接收电磁声换能器依次接收所述A0模态Lamb波；3)利用伪Wigner‑Ville分布对M×M个A0模态电磁声换能器检测波形和M×M个S0模态电磁声换能器检测波形进行时频分析和模态识别；4)提取所述M×M个A0电磁声换能器检测波形的时频分析结果并记录对应的走时T1(A0)～TM×M(A0)；提取所述M×M个S0电磁声换能器检测波形的时频分析结果并记录对应的走时T1(S0)～TM×M(S0)；5)使用联合迭代重建算法确定所述A0模态和所述S0模态下所述N1×N2个网格中每个网格的慢度：Ti=Σj=1nLij*Sj(i=1,2,...,m)]]>其中，Sj为待求的第j个网格的慢度；Lij为第i条投影射线在第j个网格中的长度；Ti为第i条投影射线的实测走时；n为正整数，且n＝N1×N2；m为正整数，且m＝M×M；6)使用图像融合方法将所述A0模态和所述S0模态下得到的两组慢度分布结果转化为板厚分布结果，再进行叠加，并求取平均，从而得到最终的缺陷分布结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：黄松岭，赵伟，王珅，魏争，李世松，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。