超声无损检测缺陷定位与稀疏信号重构方法

发布时间：2018-05-07 04:24

本文选题：超声无损检测 + 噪声　；参考：《哈尔滨工业大学》2017年博士论文

【摘要】：在土木工程领域,超声无损检测在建筑结构、桥梁、管道等结构损伤检测中已经有着广泛的应用。借助于超声无损检测技术,可以有效检测结构中是否存在缺陷或损伤、进行缺陷定位并测量缺陷大小,方便人们对结构的安全状况进行及时评估。与结构健康监测的整体监测和少量局部监测技术相比,超声无损检测技术可以更好地检测结构局部微小损伤,是对结构健康监测技术的有益补充。将无损检测技术与结构健康监测技术相融合于一体,可以实现结构局部损伤至整体损伤的全尺度监测,将有效提高结构安全评估的准确性,因此,开展土木工程超声无损检测技术研究具有重要意义。尽管超声无损检测技术已经日趋成熟,但是其在实际工程中的应用仍存在许多问题需要解决,其中之一是超声无损检测的信号处理方法,比较突出的难题包括超声检测信号中的噪声处理问题、导波检测中由于导波的频散和多模式导波混叠等导致的信号处理难题等。本文基于脉冲回波检测方法,对以上问题展开研究,主要研究内容如下:(1)从数学模型的角度出发,对超声检测中缺陷反射信号和噪声信号进行了详细分析,揭示了由于缺陷和材料自身微观结构对入射声波的作用规律不同而引起的频率响应上的差异性。同时还揭示了超声信号数学模型与信号稀疏性之间的关联性,并介绍了本文后续章节中用于超声检测信号处理的鲁棒稀疏贝叶斯学习(RSBL)算法。(2)针对体波超声检测中难以处理的结构噪声问题,利用瑞利散射条件下缺陷反射信号与噪声信号的频域特征差异性,提出了基于缺陷反射信号频域响应模型的模板匹配缺陷检测方法。利用缺陷反射信号已知的频域表达作为模板,通过将其与超声信号的局部频谱进行相似度计算,检测结构缺陷。通过模拟信号的研究,定量化分析了其对于含噪声体波检测信号进行缺陷检测的准确性,并通过多工况下的体波检测实验信号对本方法进行了验证。(3)在稀疏贝叶斯学习框架下,提出了适用于体波超声检测信号去噪、缺陷反射信号重构的超声检测信号处理方法,包括基于Gabor信号模型的过完备字典优化设计、基于稀疏贝叶斯学习的信号稀疏分解和针对缺陷反射信号重构的后处理方法。通过对模拟信号的研究发现,本方法在强噪声条件下依然能够对缺陷反射信号进行准确重构。此外,本文还通过模拟检测信号和实验信号定量比较了本方法与另外两种信号稀疏表示方法在体波检测信号处理方面的性能,显示出本文方法优于其他方法的良好性能。(4)研究基于鲁棒稀疏贝叶斯学习(RSBL)算法的信号稀疏表示方法,应用于窄带导波信号处理。窄带导波信号常见于利用PVDF传感器进行导波检测的应用中,由于窄带导波信号的频散特性很小,因此仍然基于Gabor信号模型来设计字典矩阵,然后借助于RSBL算法来实现信号的稀疏分解。本文根据不同模式的导波信号在结构中的传播规律,设计了一种基于图形表示的导波模式识别、同时实现缺陷定位的方法。数值模拟和实验研究结果显示,即便对于信噪比较低的信号,本方法依然可以精确重构导波信号,并且能够准确定位缺陷。(5)针对频散、多模式的导波检测信号,提出了基于Chirp信号模型的导波信号稀疏缺陷检测与定位方法。从Chirp模型与导波频散之间的关联性出发,详细介绍了Chirp字典矩阵设计、导波信号重构、导播模式识别与缺陷定位方法。系统的数值模拟研究显示,本方法在不同噪声水平下均可对信号进行准确重构。本文提出利用不同模式导波的时间延迟进行缺陷定位,并通过实验研究验证了本文中所采用的3个传感器进行缺陷定位的方法可以实现缺陷的有效、精确定位。
[Abstract]:In the field of civil engineering , ultrasonic nondestructive testing has been widely used in the detection of structural damage such as building structure , bridge and pipeline . ( 4 ) The signal sparse representation method based on robust sparse Bayesian learning ( RSBL ) algorithm is used in the narrow band guided wave signal processing .

【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TU317

【相似文献】