CN113777166A - 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 - Google Patents
一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 Download PDFInfo
- Publication number
- CN113777166A CN113777166A CN202111037523.XA CN202111037523A CN113777166A CN 113777166 A CN113777166 A CN 113777166A CN 202111037523 A CN202111037523 A CN 202111037523A CN 113777166 A CN113777166 A CN 113777166A
- Authority
- CN
- China
- Prior art keywords
- defect
- ultrasonic
- plane wave
- signal
- imaging
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 79
- 238000003384 imaging method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 239000013598 vector Substances 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000009659 non-destructive testing Methods 0.000 claims description 11
- 230000005284 excitation Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 11
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001902 propagating effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 239000000956 alloy Substances 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical group [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- 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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- 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
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4481—Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明是一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法。本发明通过超声线性相控阵向被测工件发射一组平面波,利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声;通过边缘提取方法取出扫描图像中各个缺陷的边缘信息,作为被测工件内部缺陷的基本信息,基本信息包括缺陷的位置信息、形状信息和大小范围信息;利用时间反转算子的特征向量对缺陷信号进行自动聚焦,在得到的各块缺陷区域进行精确成像,对整个被测工件缺陷的进行精确定位。
Description
技术领域
本发明涉及缺陷无损检测技术领域,是一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法。
背景技术
在不损伤物质材料性能的基础上,对复杂几何形状的材料进行微小缺陷的检测与成像是一个非常困难的问题。尤其对于金属材料的无损检测更是极为重要的质量控制技术手段,以GH4169合金为例,其广泛应用于航空发动机涡轮盘、压气机鼓筒、机匣等关键部件中,对于这些关键部件即使存在微小缺陷和疲劳损伤都可能导致灾难性的后果,因此对其进行高精度的无损检测至关重要。超声波检测因其具有成本低、检测快速、对物质材料性能无损等优点是所有无损检测方法中应用最广泛的检测方法之一,特别是在航空、船舶、核工业等工业领域中,更是不可缺少的检测手段。随着工业检测中对检测可靠性要求的不断提高,对超声波检测也要求其检测速度更快、检测精度更高、对缺陷的描述更准确,因此如何在无损检测方面提高超声的上述性能的技术越来越受到重视,并且成为研究热点。
通用电气公司提出一种方案(Methods of non-destructive testing andultrasonic inspection of composite materials。美国专利公开号:US20170199160A1),首先定位超声换能器相对于被测件的位置,然后从至少一次B扫中收集被测件的B扫数据,再从至少一次C扫中收集被测件的C扫数据,接下来根据预先确定的被测件的几何形状去除数据的随机噪声和相干噪声,得到滤波后的数据,最终生成V扫描图像,从而确定被测件的多个损伤指数。该方法存在的问题在于:需要预先确定被测件的几何形状,而且需要对被测件进行B扫和C扫,无法满足快速检测。
大连理工大学提出一种基于合成孔径聚焦与模式转换波的超声TOFD盲区抑制方法(基于合成孔径聚焦与模式转换波的超声TOFD盲区抑制方法。公开号:CN110243945A)。该方法采用由超声探伤仪、TOFD探头、倾斜有机玻璃楔块和扫查装置组成的TOFD检测系统,沿待测工件表面实施扫查与图像采集,获得不同扫查位置处的A扫描信号集合。根据费马定理求解各位置处的模式转换波最短传播声时,并对所有A扫描信号进行时间延迟和幅值叠加处理,通过逐点聚焦实现TOFD扫查图像重建,削弱横向冗余信号,改善成像质量。该方法能够在抑制TOFD盲区的同时,提高缺陷定量精度。该方法存在的问题在于:缺陷定位精度与A扫描的扫查精度有关,而且需要步进扫描和逐点聚焦来完成图像重建,扫描时间较长,无法满足快速扫描的要求。
发明内容
本发明解决被测工件缺陷无损检测速度慢、检测精度低的问题,从而提高工业生产中的质量控制技术,本发明提供了一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,本发明提供了以下技术方案:
一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,包括以下步骤:
步骤1:通过超声线性相控阵向被测工件发射一组平面波,利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声;
步骤2:通过边缘提取方法取出扫描图像中各个缺陷的边缘信息,作为被测工件内部缺陷的基本信息,基本信息包括缺陷的位置信息、形状信息和大小范围信息;
步骤3:利用时间反转算子的特征向量对缺陷信号进行自动聚焦,在得到的各块缺陷区域进行精确成像,对整个被测工件缺陷的进行精确定位。
优选地,所述步骤1具体为:
步骤1.1:通过超声线性相控阵向被测工件发射一组平面波,其中各个平面波的偏转角度αi满足:
其中λ为超声波的波长,p为超声相控阵相邻阵元的距离;
步骤1.2:然利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声;设置扫描平面,计算扫描像素点与相控阵各阵元的距离,利用超声在被测工件中的传播声速计算各像素点信号返回到各阵元的时间t1满足:
其中,(x(j,k),y(j,k),z(j,k))为扫描平面内像素点的位置坐标,(xn,yn,zn)为第n个阵元的位置坐标,c为超声波的声速;
步骤1.3:计算各个发射平面波到各个像素点的时间t2:
t2=(x sin(αi)+z cos(αi))/c (3)
得到超声波在被测工件中传播的总时间,接收波形中任意相邻两点之间的信号满足线性关系,则根据线性插值原理有:
利用各个阵元接收到的平面波回波数据得到扫描平面内各像素点的信号强度,实现对扫描平面进行逐次成像,计算各个平面波的成像结果的相干性,进行像素信号相干叠加:
其中,sij,m和sij,n分别为利用第m次发射的平面波和利用第n此发射的平面波进行成像得到的第i行和第j列像素的强度值。
优选地,所述步骤3具体为:
利用时间反转算子的特征向量对缺陷信号进行自动聚焦,根绝得到的各块缺陷区域进行精确成像,对整个超声检测系统而言,输入信号为Ne个阵元的激励信号,输出信号为Ne个阵元的接收回波信号,将超声检测系统作为MIMO系统,系统的输入输出关系满足:
r(t)=K(t)e(t) (6)
其中,e(t)为Ne个阵元的发射信号,r(t)为Ne个阵元的接收信号;
令T(w)=K*(w)K(w)为时间反转算子,通过特征分解,得到其对应的特征值和特征向量,对各个缺陷位置进行逐次聚焦,则要利用时间反转算子的对应各个缺陷的各个特征向量,利用其幅值和相位信息对阵元的发射信号进行处理,从而实现对被测工件中的缺陷位置的精准聚焦。
优选地,特征向量算子计算方法如下:利用在平面波成像过程中由发射角度αi=0的平面波得到的回波信号作为r(t),对其进行傅里叶变换得到R(w),各阵元的发射信号已知为e(t),进行傅里叶变换为E(w),利用半张量矩阵的原理计算得到系统的传递矩阵,根据发射信号的中心频率选择对应频率的传递矩阵,再通过传递矩阵计算系统的时间反转算;
利用特征分解得到时间反转算子的特征值和特征向量,对缺陷位置进行逐次聚焦成像,从而实现被测工件缺陷的精确定位。
本发明具有以下有益效果:
本发明首先利用超声相控阵发射多角度平面波的方法对被测工件内部进行粗成像,粗略确定被测工件内部的结构特征,由于平面波成像的快速性,所以此方法实现了超快缺陷粗定位,然后利用数字图像处理技术进行边缘提取,初步确定了缺陷的位置信息和大小范围信息,从而大大减小了后续的精扫范围,进一步提高检测速度,最后利用时间反转算子的特征向量对被测工件中的缺陷位置进行高精度聚焦,此方法的优势在于即使对非均匀介质也可以实现完美聚焦,不仅可以提高检测信号的信噪比,而且可以通过精确聚焦提高缺陷的成像精度。最终实现对被测工件的缺陷更快速、更高精度、描述更准确的检测。
附图说明
图1为基于卷积神经网络的高效高分辨力缺陷无损检测方法流程图;
图2为超声相控阵示意图;
图3为超声平面波示意图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
根据图1至图3所示,本发明提供一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,具体步骤如下:
步骤1,通过超声线性相控阵向被测工件发射一组平面波,其中各个平面波的偏转角度αi满足:
其中λ为超声波的波长,p为超声相控阵相邻阵元的距离。
然后利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声。设置扫描平面,计算扫描像素点与相控阵各阵元的距离,利用超声在被测工件中的传播声速计算各像素点信号返回到各阵元的时间t1满足:
其中(x(j,k),y(j,k),z(j,k))为扫描平面内像素点的位置坐标,(xn,yn,zn)为第n个阵元的位置坐标,c为超声波的声速。
然后再计算各个发射平面波到各个像素点的时间t2:
t2=(x sin(αi)+z cos(αi))/c (3)
从而得到超声波在被测工件中传播的总时间,假设接收波形中任意相邻两点之间的信号满足线性关系,则根据线性插值原理有:
利用各个阵元接收到的平面波回波数据得到扫描平面内各像素点的信号强度,实现对扫描平面进行逐次成像,因为是利用平面波成像对被测工件位置和范围进行粗扫,所以扫描平面的像素精度设置较低,减少成像时间。接下来计算各个平面波的成像结果的相干性,进行像素信号相干叠加:
其中sij,m和sij,n分别为利用第m次发射的平面波和利用第n此发射的平面波进行成像得到的第i行和第j列像素的强度值。
步骤2:因为被测工件缺陷处回波信号增强,则在扫描成像图中有缺陷位置会呈现亮斑,所以利用数字图像处理技术中的边缘提取方法可以提取出扫描图像中各个缺陷的边缘信息,作为被测工件内部缺陷的基本信息,此基本信息包括缺陷的位置信息、形状信息和大小范围信息。
步骤3:利用时间反转算子的特征向量对缺陷信号进行自动聚焦,在前述过程中得到的各块缺陷区域进行精确成像,从而实现对整个被测工件缺陷的精确定位。时间反转算子的基本原理如下:对整个超声检测系统而言,它的输入信号为Ne个阵元的激励信号,它的输出信号为Ne个阵元的接收回波信号,因此可以将超声检测系统作为MIMO系统(多输入多输出系统)。系统的输入输出关系满足:
r(t)=K(t)e(t) (6)
其中e(t)为Ne个阵元的发射信号,r(t)为Ne个阵元的接收信号。
令T(w)=K*(w)K(w)为时间反转算子,通过特征分解,可以得到其对应的特征值和特征向量,若想要实现对各个缺陷位置进行逐次聚焦,则要利用时间反转算子的对应各个缺陷的各个特征向量,利用其幅值和相位信息对阵元的发射信号进行处理,从而实现对被测工件中的缺陷位置的精准聚焦。特征向量算子计算方法如下:利用在平面波成像过程中由发射角度αi=0的平面波得到的回波信号作为r(t),对其进行傅里叶变换得到R(w),各阵元的发射信号已知为e(t),对其进行傅里叶变换为E(w),利用半张量矩阵的原理计算得到系统的传递矩阵,然后根据发射信号的中心频率选择对应频率的传递矩阵,再通过传递矩阵计算系统的时间反转算子。利用特征分解得到时间反转算子的特征值和特征向量,然后对缺陷位置进行逐次聚焦成像,从而实现被测工件缺陷的精确定位。
在常温条件下,被测对象为铝试块,其为各向同性材料,超声纵波在其内部传播的速度为6300m/s,最大检测深度是为100mm,利用64阵元,中心频率为5MHz的超声相控阵进行检测,相控阵阵元间距为0.5mm,超声纵波的波长为1.26mm,根据公式计算发射超声平面波的偏转角度,然后在超声相控阵控制系统中设置每一个阵元的激励延迟,保证相控阵可以发射具有指定偏转角度的平面波,相控阵的所有阵元同时接收脉冲回波。设定平面波成像的目标检测范围,然后利用飞行时间法与单次平面波发射得到的回波数据进行成像,得到所有偏转角度的平面波成像结果,然后将多幅成像结果进行线性叠加,得到最终的粗扫结果。接下来利用基于Canny算子的边缘提取算法,确定被测对象内部的缺陷数量,同时对缺陷位置进行粗定位,对缺陷大小进行粗预估。最终,利用平面波发射得到的回波数据估计相控阵检测系统的时间反转算子,计算时间反转算子的特征向量,然后根据特征向量的幅值信息和相位信息计算每一个激励阵元的延迟时间,实现对被测对象内部缺陷的精准聚焦,进而得到高精度的聚焦图像,对被测对象内部缺陷进行高精度的定位与尺寸表征。
本发明提出的一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,利用超声平面波的超快成像优势,实现对被测对象内部结构的粗扫描,然后通过边缘提取算法每一个缺陷的大致位置和尺寸,最后利用时间反转算子的特征向量对内部缺陷进行逐次的精准聚焦,得到高分辨的聚焦成像结果,从而完成对被测对象内部缺陷的高精度定位于尺寸表征。
以上所述仅是一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法的优选实施方式,一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。
Claims (4)
1.一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,其特征是:包括以下步骤:
步骤1:通过超声线性相控阵向被测工件发射一组平面波,利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声;
步骤2:通过边缘提取方法取出扫描图像中各个缺陷的边缘信息,作为被测工件内部缺陷的基本信息,基本信息包括缺陷的位置信息、形状信息和大小范围信息;
步骤3:利用时间反转算子的特征向量对缺陷信号进行自动聚焦,在得到的各块缺陷区域进行精确成像,对整个被测工件缺陷的进行精确定位。
2.根据权利要求1所述的一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,其特征是:所述步骤1具体为:
步骤1.1:通过超声线性相控阵向被测工件发射一组平面波,其中各个平面波的偏转角度αi满足:
其中λ为超声波的波长,p为超声相控阵相邻阵元的距离;
步骤1.2:然利用超声相控阵采集各个平面波的反射回波数据,对回波数据进行时域滤波,滤除信号中的随机噪声;设置扫描平面,计算扫描像素点与相控阵各阵元的距离,利用超声在被测工件中的传播声速计算各像素点信号返回到各阵元的时间t1满足:
其中,(x(j,k),y(j,k),z(j,k))为扫描平面内像素点的位置坐标,(xn,yn,zn)为第n个阵元的位置坐标,c为超声波的声速;
步骤1.3:计算各个发射平面波到各个像素点的时间t2:
t2=(xsin(αi)+zcos(αi))/c (3)
得到超声波在被测工件中传播的总时间,接收波形中任意相邻两点之间的信号满足线性关系,则根据线性插值原理有:
利用各个阵元接收到的平面波回波数据得到扫描平面内各像素点的信号强度,实现对扫描平面进行逐次成像,计算各个平面波的成像结果的相干性,进行像素信号相干叠加:
其中,sij,m和sij,n分别为利用第m次发射的平面波和利用第n此发射的平面波进行成像得到的第i行和第j列像素的强度值。
3.根据权利要求2所述的一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,其特征是:所述步骤3具体为:
利用时间反转算子的特征向量对缺陷信号进行自动聚焦,根绝得到的各块缺陷区域进行精确成像,对整个超声检测系统而言,输入信号为Ne个阵元的激励信号,输出信号为Ne个阵元的接收回波信号,将超声检测系统作为MIMO系统,系统的输入输出关系满足:
r(t)=K(t)e(t) (6)
其中,e(t)为Ne个阵元的发射信号,r(t)为Ne个阵元的接收信号;
令T(w)=K*(w)K(w)为时间反转算子,通过特征分解,得到其对应的特征值和特征向量,对各个缺陷位置进行逐次聚焦,则要利用时间反转算子的对应各个缺陷的各个特征向量,利用其幅值和相位信息对阵元的发射信号进行处理,从而实现对被测工件中的缺陷位置的精准聚焦。
4.根据权利要求3所述的一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法,其特征是:特征向量算子计算方法如下:利用在平面波成像过程中由发射角度αi=0的平面波得到的回波信号作为r(t),对其进行傅里叶变换得到R(w),各阵元的发射信号已知为e(t),进行傅里叶变换为E(w),利用半张量矩阵的原理计算得到系统的传递矩阵,根据发射信号的中心频率选择对应频率的传递矩阵,再通过传递矩阵计算系统的时间反转算;
利用特征分解得到时间反转算子的特征值和特征向量,对缺陷位置进行逐次聚焦成像,从而实现被测工件缺陷的精确定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037523.XA CN113777166A (zh) | 2021-09-06 | 2021-09-06 | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111037523.XA CN113777166A (zh) | 2021-09-06 | 2021-09-06 | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113777166A true CN113777166A (zh) | 2021-12-10 |
Family
ID=78841148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111037523.XA Pending CN113777166A (zh) | 2021-09-06 | 2021-09-06 | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777166A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487115A (zh) * | 2022-01-17 | 2022-05-13 | 哈尔滨工业大学 | 一种基于Canny算子与超声平面波成像相结合的高分辨缺陷无损检测方法 |
GB2610449A (en) * | 2021-09-06 | 2023-03-08 | Harbin Inst Technology | Efficient high-resolution non-destructive detecting method based on convolutional neural network |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181805A (zh) * | 2015-09-30 | 2015-12-23 | 中国计量学院 | 一种基于时反music的多滤波超声成像方法 |
CN109993741A (zh) * | 2019-04-03 | 2019-07-09 | 南昌航空大学 | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 |
CN112020646A (zh) * | 2018-04-23 | 2020-12-01 | 赛峰集团 | 对机械部件进行无损测试的方法和系统 |
-
2021
- 2021-09-06 CN CN202111037523.XA patent/CN113777166A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105181805A (zh) * | 2015-09-30 | 2015-12-23 | 中国计量学院 | 一种基于时反music的多滤波超声成像方法 |
CN112020646A (zh) * | 2018-04-23 | 2020-12-01 | 赛峰集团 | 对机械部件进行无损测试的方法和系统 |
CN109993741A (zh) * | 2019-04-03 | 2019-07-09 | 南昌航空大学 | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 |
Non-Patent Citations (4)
Title |
---|
A. EBRAHIMKHANLOU, S. SALAMONE: "Acoustic emission source localization in thin metallic plates: A single-sensor approach based on multimodal edge reflections", 《ULTRASONICS》 * |
R. GANGADHARAN 等: "Time reversal technique for health monitoring of metallic structure using Lamb waves", 《ULTRASONICS》 * |
李佳鑫: "基于时间反转算子的超声阵列无损检测方法仿真研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
陈昊 等: "基于图像光流的轴承滚子表面缺陷检测", 《仪器仪表学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2610449A (en) * | 2021-09-06 | 2023-03-08 | Harbin Inst Technology | Efficient high-resolution non-destructive detecting method based on convolutional neural network |
GB2610449B (en) * | 2021-09-06 | 2023-09-20 | Wuhu State Owned Factory Machining | Non-destructive defect edge detecting method based on convolutional neural network |
CN114487115A (zh) * | 2022-01-17 | 2022-05-13 | 哈尔滨工业大学 | 一种基于Canny算子与超声平面波成像相结合的高分辨缺陷无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113888471B (zh) | 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法 | |
CN107219305B (zh) | 一种基于环形阵列换能器的全聚焦成像检测方法 | |
US9638671B2 (en) | Systems and methods for damage detection in structures using guided wave phased arrays | |
Bulavinov et al. | Sampling phased array a new technique for signal processing and ultrasonic imaging | |
US20090048789A1 (en) | Optimized Embedded Ultrasonics Structural Radar System With Piezoelectric Wafer Active Sensor Phased Arrays For In-Situ Wide-Area Damage Detection | |
CN103969337B (zh) | 一种基于矢量全聚焦成像的超声阵列裂纹类缺陷方向识别方法 | |
US20130327148A1 (en) | Systems and methods for damage detection in plate-like structures using guided wave phased arrays | |
CN111122700B (zh) | 一种提高激光超声saft缺陷定位速度的方法 | |
Gao et al. | Damage characterization using CNN and SAE of broadband Lamb waves | |
CN102809610A (zh) | 一种基于改进的动态深度聚焦的相控阵超声检测方法 | |
CN104730146A (zh) | 一种用于板结构裂纹定量评价的超声阵列复合成像方法 | |
CN113777166A (zh) | 一种基于超声平面波成像和时间反转算子相结合的高分辨缺陷无损检测方法 | |
CN112305080A (zh) | 一种反t型叶根槽裂纹的相控阵超声检测方法 | |
Purcell et al. | Non-destructive evaluation of isotropic plate structures by means of mode filtering in the frequency-wavenumber domain | |
Lian et al. | Advances in postprocessing technology for laser ultrasound detection signals: a review | |
CN114487115B (zh) | 一种基于Canny算子与超声平面波成像相结合的高分辨缺陷无损检测方法 | |
Calmon et al. | Model based reconstruction of UT array data | |
Pasadas et al. | Guided Lamb wave tomography using angle beam transducers and inverse Radon transform for crack image reconstruction | |
Han et al. | Ultrasonic imaging through reverberation media | |
Bernieri et al. | Ultrasonic non destructive testing on aluminium forged bars | |
Fan et al. | Adaptive Beamforming and Multi-Wave Fusion for Precise Laser Ultrasound-Based Non-Destructive Evaluation | |
Aschy et al. | Enhancement of the total focusing method imaging for immersion testing of anisotropic carbon fiber composite structures | |
Dawson et al. | Challenges in the separation and analysis of scattered waves in angle-beam wavefield data | |
CN115508449B (zh) | 基于超声导波多频稀疏的缺陷定位成像方法及其应用 | |
Golato et al. | Extended defect localization in sparsity-based guided wave structural health monitoring |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |
|
RJ01 | Rejection of invention patent application after publication |