目錄
前言
第1章 超聲導(dǎo)波基礎(chǔ)理論 1
1.1 導(dǎo)波的概念 1
1.1.1 超聲導(dǎo)波的類型 1
1.1.2 相速度與群速度 2
1.1.3 頻散、模態(tài)與波結(jié)構(gòu) 3
1.2 板中的超聲導(dǎo)波 5
1.2.1 自由邊界條件的板 5
1.2.2 頻散方程的求解 6
1.3 管中的超聲導(dǎo)波 9
1.3.1 軸向?qū)Р?9
1.3.2 周向?qū)Р?14
1.3.3 螺旋導(dǎo)波 17
1.4 桿中的超聲導(dǎo)波 19
1.4.1 桿中的縱向模態(tài) 20
1.4.2 桿中的扭轉(zhuǎn)模態(tài) 22
1.4.3 桿中的彎曲模態(tài) 23
1.5 各向異性介質(zhì)中的超聲導(dǎo)波 24
1.5.1 復(fù)合材料板頻散方程 24
1.5.2 導(dǎo)波的偏斜效應(yīng) 31
參考文獻(xiàn) 34
第2章 超聲導(dǎo)波傳感與檢測技術(shù) 36
2.1 壓電超聲傳感器 36
2.1.1 原理及特性 36
2.1.2 傳感器設(shè)計與控制 37
2.2 空氣耦合超聲傳感器 39
2.2.1 原理及特性 39
2.2.2 傳感器傾角對模態(tài)的影響 41
2.3 電磁聲傳感器 43
2.3.1 原理及特性 43
2.3.2 結(jié)構(gòu)設(shè)計與應(yīng)用 51
2.4 激光超聲檢測技術(shù) 54
2.4.1 原理及特性 54
2.4.2 導(dǎo)波場激光探測方法 57
2.4.3 探測參數(shù)影響 58
參考文獻(xiàn) 60
第3章 超聲導(dǎo)波成像技術(shù)概述 62
3.1 導(dǎo)波模態(tài)選擇 62
3.1.1 基于波結(jié)構(gòu)考慮 62
3.1.2 基于頻散特性考慮 63
3.2 信號處理技術(shù)與蘭姆波信號特征 64
3.2.1 信號處理技術(shù) 64
3.2.2 蘭姆波信號特征 64
3.3 缺陷成像算法 67
3.4 智能導(dǎo)波成像技術(shù) 70
3.4.1 支持向量機(jī) 71
3.4.2 貝葉斯方法 71
3.4.3 神經(jīng)網(wǎng)絡(luò) 73
3.4.4 進(jìn)化算法 74
參考文獻(xiàn) 75
第4章 超聲導(dǎo)波稀疏陣列成像技術(shù) 76
4.1 成像原理與算法實現(xiàn) 76
4.1.1 損傷概率成像方法 76
4.1.2 橢圓成像方法 79
4.1.3 圓弧成像方法 80
4.1.4 雙曲線成像方法 83
4.2 基于損傷概率成像方法的稀疏陣列成像 85
4.2.1 電磁聲傳感器稀疏陣列鋁板中缺陷成像 85
4.2.2 雙匝OSH-MPT陣列復(fù)合材料板中缺陷成像 93
4.2.3 PPM EMAT陣列U型截面起重臂中缺陷成像 106
4.3 基于橢圓成像方法的稀疏陣列成像 118
4.3.1 電磁聲傳感器稀疏陣列鋁板中缺陷成像 118
4.3.2 雙匝OSH-MPT陣列鋁板中缺陷成像 121
4.3.3 雙匝OSH-MPT陣列復(fù)合材料板中缺陷成像 129
4.3.4 激光超聲稀疏陣列鋁板中缺陷成像 133
4.3.5 壓電傳感器陣列復(fù)合材料板中缺陷成像 140
4.4 基于圓弧成像方法的稀疏陣列成像 148
4.5 基于雙曲線成像方法的稀疏陣列成像 152
參考文獻(xiàn) 153
第5章 超聲導(dǎo)波密集陣列成像技術(shù) 155
5.1 陣列布置與信號采集 155
5.1.1 傳感器陣列指向性 155
5.1.2 線型傳感器陣列的指向性影響 156
5.1.3 密集型矩形傳感器陣列的指向性影響 158
5.1.4 十字型傳感器陣列的指向性影響 162
5.2 基于密集型矩形傳感器陣列的成像方法 164
5.2.1 幅值全聚焦成像 165
5.2.2 符號相干因子算法成像 165
5.2.3 基于壓電傳感器陣列的缺陷定位檢測成像 167
5.2.4 基于激光傳感器陣列的缺陷定位檢測成像 172
5.3 基于線型傳感器陣列的成像方法 180
5.3.1 多重信號分類成像方法 180
5.3.2 基于壓電傳感器陣列的缺陷定位檢測成像 186
5.3.3 基于激光傳感器陣列的缺陷定位檢測成像 191
5.4 基于十字型傳感器陣列的成像方法 197
5.4.1 2D-MUSIC成像方法 197
5.4.2 2D-MUSIC成像方法導(dǎo)向矢量 199
5.4.3 2D-MUSIC阻尼系數(shù) 201
5.4.4 基于壓電傳感器陣列的缺陷定位檢測成像 203
5.4.5 基于激光傳感器陣列的缺陷定位檢測成像 208
參考文獻(xiàn) 217
第6章 激光超聲波場掃描成像技術(shù) 219
6.1 波數(shù)分析方法 219
6.1.1 頻率-波數(shù)分析法 219
6.1.2 空間-頻率-波數(shù)分析法 220
6.1.3 局部波數(shù)分析法 221
6.1.4 瞬時波數(shù)分析法 223
6.2 窄板分層缺陷檢測 224
6.2.1 缺陷參數(shù)化建模 224
6.2.2 實驗系統(tǒng) 228
6.2.3 頻率-波數(shù)分析 231
6.2.4 空間-頻率-波數(shù)分析 233
6.2.5 局部波數(shù)分析 235
6.3 薄壁金屬環(huán)中分層缺陷的檢測 236
6.3.1 單個分層缺陷 236
6.3.2 薄壁金屬環(huán)中多個分層缺陷檢測 250
6.4 基于局部波數(shù)分析的鋁板中減薄缺陷檢測 256
6.4.1 缺陷參數(shù)化建模 256
6.4.2 不同深度減薄缺陷定量檢測有限元仿真 257
6.4.3 鋁板中減薄缺陷的定量檢測實驗 266
6.5 基于瞬時波數(shù)分析的鋁板中減薄缺陷檢測 269
6.5.1 缺陷參數(shù)化建模 269
6.5.2 波場仿真信號處理 270
6.5.3 缺陷量化檢測有限元仿真 272
6.5.4 缺陷量化檢測實驗 274
參考文獻(xiàn) 278
第7章 空耦超聲掃描成像技術(shù) 279
7.1 成像原理與算法實現(xiàn) 279
7.1.1 時間反轉(zhuǎn)方法 279
7.1.2 時間反轉(zhuǎn)損傷指數(shù) 280
7.1.3 虛擬時間反轉(zhuǎn)方法 281
7.1.4 基于虛擬時間反轉(zhuǎn)的損傷概率成像方法 282
7.2 復(fù)合材料板中蘭姆波傳播特性有限元仿真 283
7.2.1 復(fù)合材料板三維有限元模型 283
7.2.2 蘭姆波在復(fù)合材料板中的傳播特性 285
7.3 基于空耦傳感器的分層缺陷檢測實驗 292
7.3.1 蘭姆波與分層缺陷作用規(guī)律實驗 292
7.3.2 不同長度的分層缺陷檢測實驗 294
7.4 基于虛擬時間反轉(zhuǎn)的不同形狀分層缺陷成像 295
7.4.1 空氣耦合導(dǎo)波掃描檢測實驗系統(tǒng) 295
7.4.2 虛擬時間反轉(zhuǎn)方法實驗驗證 298
7.4.3 不同損傷指數(shù)成像結(jié)果比較 299
7.4.4 不同掃描方向和步進(jìn)對成像結(jié)果的影響 302
7.4.5 不同分層缺陷成像結(jié)果 305
參考文獻(xiàn) 307
第8章 超聲導(dǎo)波稀疏陣列智能成像技術(shù) 308
8.1 板中基于距離匹配的智能缺陷定位算法 308
8.1.1 成像算法基本原理 308
8.1.2 基于距離匹配的智能缺陷定位算法基本原理 312
8.1.3 有限元驗證 317
8.1.4 實驗驗證 323
8.1.5 參數(shù)值對檢測結(jié)果的影響 329
8.2 板中基于模糊控制參數(shù)的智能缺陷定位算法 334
8.2.1 包絡(luò)峰值提取算法 334
8.2.2 基于模糊控制參數(shù)的智能缺陷定位算法原理 334
8.2.3 實驗驗證 339
8.2.4 參數(shù)值對定位結(jié)果的影響 343
8.3 異形結(jié)構(gòu)中基于優(yōu)化策略的改進(jìn)智能缺陷定位算法 351
8.3.1 改進(jìn)智能缺陷定位算法 351
8.3.2 有限元仿真及實驗設(shè)置 353
8.3.3 螺旋導(dǎo)波傳播特性分析 357
8.3.4 有限元及實驗驗證 363
參考文獻(xiàn) 376
第9章 超聲導(dǎo)波密集陣列智能成像技術(shù) 378
9.1 強(qiáng)收斂智能缺陷定位成像 378
9.1.1 強(qiáng)收斂智能缺陷定位成像算法原理 378
9.1.2 有限元驗證 382
9.2 模糊智能缺陷定位成像 394
9.2.1 模糊智能缺陷定位成像算法原理 394
9.2.2 有限元驗證 397
9.2.3 實驗驗證 402
9.3 基于符號相干因子的搜索成像 408
9.3.1 基于符號相干因子的搜索成像算法原理 408
9.3.2 實驗驗證 414
9.3.3 成像分辨率及算法執(zhí)行效率討論 420
參考文獻(xiàn) 422