一种基于分形的超声相控阵无损检测方法技术

本发明专利技术公开了一种基于分形的超声相控阵无损检测的方法，方法包括贝叶斯信息融合算法和信号分形处理两部分，其中，贝叶斯信息融合算法有以下步骤：取出超声相控阵探头各阵元依次单独采集信号的中位数和上、下四分位数，得四分位离散度，求淘汰点，得到有效数据融合集，求各有效数据的特征函数和决策函数，得到风险函数，提取决策函数的贝叶斯风险，得出参数的最优估计值；信号分型处理有以下步骤：通过小波分解系数图分析图像分形特性，确定无标度区，计算分形维数，根据分形维数判断有无缺陷以及缺陷类型，在使用贝叶斯信息融合算法来提高信息利用率的基础上，本发明专利技术使用分形技术处理非线性的现代信号，从而判断出复合材料有无缺陷以及缺陷的类型。

【技术实现步骤摘要】
一种基于分形的超声相控阵无损检测方法
本专利技术属于现代超声信号处理领域，特别涉及一种基于分形的超声相控阵无损检测方法。
技术介绍
超声相控阵技术在上世纪八十年代被提出，初期主要是应用于医学超声成像诊断。近年来国内外超声相控阵技术发展很快，在医学诊断和工业检测等方面的研究很热门。随着超声相控阵系统设计、系统模拟以及实际应用的不断发展，相控阵技术慢慢走上数字化。随着超声相控阵技术开发和应用的不断发展，相控阵技术已被用于复合材料等的无损检测。然而，由于复合材结构多种多样，使用要求也不尽相同。由于超声相控阵各阵元得到的回波信息具有不同的信号特征，单个信息不能够全面描述被测体；超声波在复合材料中幅值衰减大，所以超声阵列得到的回波幅度很小，后续信息不容易处理；当多个阵元同时发射时，各阵元的发射波、回波之间会发生干涉作用，当各波相位不同时，信号强度会减弱。所以存在以下难点：仅仅利用超声相控阵方法还难以胜任其质量的检测与评定，实际检测工作中往往需要针对不同检测对象和要求，采用不同的检测技术和方法。根据上述技术难点，中国专利技术专利申请号201310152221.6通过只采用一种线性探头，运用超声相控阵技术可对不同形状及尺寸的轴类进行无损检测，提高了检测效率，解决了轴类传统超声波检测中检测不同的轴需要不同型号的探头,并配备不同的轴类对比试块进行对比试验的问题,大大减少了人力和物力的投入。然而，此专利技术只是针对轴类对象，而对于平面的复合材料并不适用。中国专利技术专利申请号201310166560.X提出一种钢箱梁U肋角焊缝的超声相控阵检测方法，本专利技术方法解决了钢箱梁U肋角焊缝熔深和内部缺陷检测的难题,使钢箱梁U肋角焊缝的焊接质量得到有效控制。可是，此专利技术不仅需要超声相控阵探头还需要对比试块，而且灵敏度的调节在试块上，不好操作，灵敏度误差大。国家专利技术专利申请号201310209297.8提出一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法，解决了厚板电子束焊缝缺陷无损检测与识别问题。然而，此专利技术需要构造三个基于支持向量机的子模型，只要一个子模型出现错误，就会影响整个识别结果。中国专利技术专利申请号200510124212.1提出使用相控阵超声自动检测系统对焊缝横向裂纹进行检测的方法，解决了检测焊缝横向裂纹的难题，且检测结果准确可靠。可是，此专利技术要使用四支超声相控阵探头一焊缝为对称轴呈十字对称排列，所以进行检测前必须要知道横向焊缝的位置，而对于一般要检测的对象，我们事先并不知道焊缝在哪里。要实现对未知缺陷情况的复合材料进行无损检测，通过硬件实现成本较高，实现比较困难。在近一个世纪内，信号处理研究领域不断发展，人们已开始把研究的焦点从传统的信号处理到现代信号处理上来。现代信号主要是非线性和非平稳性等复杂信号。分形理论就是处理现代信号的一种手段，并为人们解决非线性问题开辟了新的途径。小波变换与分形算法具有深刻的内在联系。分形是一种几何语言，小波变换是一种分析工具，小波变换的平移不变性与分形变换的尺度不变性相一致。分形的定义是不规则几何体在动力学演化过程中，在一定的标度尺度范围内，相应的测度不会随尺度改变而发生变化，也就是系统或整体中每一个元素或局部都能在一定程度上体现整个系统的特性和信息，这称为自相似性。所以，通过从大到小不同尺度的变换，可以在越来越小的尺度上观察到越来越丰富的细节。把分形算法和贝叶斯信息融合算法结合起来用于超声相控阵的无损检测，既可以充分利用相控阵各阵元得到的信息，又可以快速准确的判别多种被测对象的未知缺陷。而目前尚未有文献记载此类技术。
技术实现思路
为解决上述技术难点，本专利技术的目的是提供一种基于分形的超声相控阵无损检测的方法。该方法不仅能够提高各超声相控阵阵元所采集信息的利用率，得到对现实环境更为准确、可靠的描述，还可以快速准确的判别复合材料的未知缺陷。本专利技术是通过下述技术方案加以实现的，一种基于分形的超声相控阵无损检测方法，包括以下步骤：(一)采用超声相控阵设备，设计设备参数让超声相控阵探头的各个阵元依次单独发射，1号阵元单独发射时，2号阵元采集回波信号；2号阵元单独发射时，3号阵元采集回波信号，以此类推，最后将采集到的所有信号组成一个数组，得到多个数组；(二)对得到的数组采用分位图法，得到参加信息融合的最少融合数据，组成最佳融合新数组；(三)得到最佳融合新数组后进行最后的信息融合，从而得到最优结果，贝叶斯估计的建立：1)经过分位图法可以得到新的数组，求出每个新数组的m个元素彼此之间的置信距离测度dij(i,j＝1,2,...,n)，组成置信矩阵D，其中pi(x|xi)是在第i个样本值取xi的条件下的概率密度，σi是第i个样本值的方差；令经过数学推导得，其中，Φ(b)是标准正态分布的概率，b表示变量t的上限；2)求出关系矩阵R，R是由rij组成，其中，其中，rij是第i个样本与第j个样本的相关系数，βij是置信距离测度dij的界线值；3)由关系矩阵R，得到每个数组参加信息融合的最佳融合数据集；4)依新数组各元素的pdf(概率密度)曲线作为各特征函数，记为p(x)；5)求出决策函数d(x1,x2,...,xn)，其中x1,x2,...,xn是来自总体X的样本值；6)由决策函数求出风险函数R(u|d)＝E{L(u,d(x1,x2,...,xn))}，其中u是参数，即所要求的融合结果，L(u,d(x1,x2,...,xn))是损失函数的二次式；7)对风险函数求平均，得到决策函数d(x1,x2,...,xn)的贝叶斯风险B,其中，h(u)是参数u的先验分布密度；8)若有d*(x1,x2,...,xn)使得B(d*)＝min{B(d)},d∈Φ，则称d*为参数u的贝叶斯估计量，也称为最优估计；9)损失函数取二次式L(u,d)＝[u-d(x1,x2,...,xn)]2，则u的贝叶斯估计量为要想求出估计量，只要求出p(u|(x1,x2,...,xn))即可；其中，令其中，α是正则化因子，则其中σk是第k个样本的标准差，σ0是所有样本的整体标准差，u0是样本均值；由于我们采集的数据波形并不是标准的正态分布，特征函数p(x)很难直接求出，所以我们采用以下步骤推导出所要求的最优估计；10)假设p(u|(x1,x2,...,xn))服从正态分布其中uN是正态分布的均值，是正态分布的方差；所以，由以上两式比较，得11)通过以上推导，得到参数u的贝叶斯估计为即也就是超声相控阵阵元得到的最优融合结果；其特征在于，还包括：(四)分形过程的建立1)得到贝叶斯信息融合算法的最优融合结果，共有M个点，画出M个最优融合点的波形图；2)选取标度网格长度δ(只能取整数，且不小于1)，横坐标被分成个网格；3)在横坐标的第i区间内，波形最高值减去波形最低值，再除以δ，也就是说，使该区间内波形与网格相交的盒子数目，若余数不等于零，则盒子数加1；4)将所有区间的盒子数目相加，得到盒子总数N(δ)；5)取不同的δ，重复上述2)到4)，得到相应的盒子总数N(δ)；6)画出N(δ)和δ的双对数曲线；7)取出曲线线性关系好的一段，用最小二乘法做一元线性回归拟合出直线的斜率，作为盒维数的估计值Dim；8)根据盒维数的估计值Dim，判断复合材料有无缺陷以及缺陷类型。本本文档来自技高网...

【技术保护点】
一种基于分形的超声相控阵无损检测方法，包括以下步骤：(一)采用超声相控阵设备，设计设备参数让超声相控阵探头的各个阵元依次单独发射，1号阵元单独发射时，2号阵元采集回波信号；2号阵元单独发射时，3号阵元采集回波信号，以此类推，最后将采集到的所有信号组成一个数组，得到多个数组；(二)对得到的数组采用分位图法，得到参加信息融合的最少融合数据，组成最佳融合新数组；得到最佳融合新数组后进行最后的信息融合，从而得到最有结果，贝叶斯估计的建立：1)经过分位图法可以得到新的数组，求出每个新数组的m个元素彼此之间的置信距离测度dij(i,j＝1,2,...,n)，组成置信矩阵D，其中dij=2∫xixjpi(x|xi)dx,]]>pi(x|xi)=12πσiexp{-12(x-xiσi)2},]]>pi(x|xi)是在第i个样本值取xi的条件下的概率密度，σi是第i个样本值的方差；令经过数学推导得，其中，Φ(b)是标准正态分布的概率，b表示变量t的上限；2)求出关系矩阵R，R是由rij组成，其中，rij=1;dij≤βij0;dij≥βij,]]>其中，rij是第i个样本与第j个样本的相关系数，βij是置信距离测度dij的界线值；3)由关系矩阵R，得到每个数组参加信息融合的最佳融合数据集；4)依新数组各元素的pdf(概率密度)曲线作为各特征函数，记为p(x)；5)求出决策函数d(x1,x2,...,xn)，其中x1,x2,...,xn是来自总体X的样本值；6)由决策函数求出风险函数R(u|d)＝Eu{L(u,d(x1,x2,...,xn))}，其中u是参数，即所要求的融合结果，L(u,d(x1,x2,...,xn))是损失函数的二次式；7)对风险函数求平均，得到决策函数d(x1,x2,...,xn)的贝叶斯风险B,其中，B(d)=E(R(u|d))=∫θ∈ΦR(u|d)h(u)d(u)=∫ΦE{L(u,d(x1,x2,...,xn))|u}h(u)d(u),]]>h(u)是参数u的先验分布密度；8)若有d*(x1,x2,...,xn)使得B(d*)＝min{B(d)},d∈Φ，则称d*为参数u的贝叶斯估计量，也称为最优估计；9)损失函数取二次式L(u,d)＝[u‑d(x1,x2,...,xn)]2，则u的贝叶斯估计量为d*(x1,x2,...,xn)=E(u|(x1,x2,...,xn))=∫Φup(u|(x1,x2,...,xn))du;]]>要想求出估计量，只要求出p(u|(x1,x2,...,xn))即可；其中，p(u|(x1,x2,...,xn))=p(u;x1,x2,...,xn)p(;x1,x2,...,xn),]]>令α=1p(x1,x2,...,xn),]]>其中，α是正则化因子，则p(u|(X1,X2,...,Xn))=αΠk=1n12πσkexp{-12(Xk-uσk)2}·12πσ0exp{-12(u-u0σ0)2}]]>其中σk是第k个样本的标准差，σ0是所有样本的整体标准差，u0是样本均值；由于我们采集的数据波形并不是标准的正态分布，特征函数p(x)很难直接求出，所以我们采用以下步骤推导出所要求的最优估计；10)假设p(u|(x1,x2,...,xn))服从正态分布其中uN是正态分布的均值，是正态分布的方差；所以，p(u|(x1,x2,...,xn))=12πσNexp{-12(uN-u0σ0)2},]]>由以上两式比较，得uN=Σk=1nxkσk2+u0σ02Σk=1n1σk2+1σ02;]]>11)通过以上推导，得到参数u的贝叶斯估计为即也就是超声相控阵阵元得到的最优息融合结果；其特征在于，还包括：(四)分形过程的建立1)得到贝叶斯信息融合算法的最优融合结果，共有M个点，画出M个最有融合点的波形图；2)选取标度网格长度δ(只能取整数，且不小于1)，横坐标被分成个网格；3)在横坐标的第i区间内，波形最高值减去波形最低值，再除以δ，即使该区间内波形与网格相交的盒子数目，若余数不等于零，则盒子数加1；4)将所有区间的盒子数目相加，得到盒子总数Nδ(F)；5)取不同的δ，重复上述2到4，得到相应的盒子总数Nδ(F)；6)画出Nδ(F)和δ的双对数曲线；7)取出曲线线性关系好的一段，用最小二乘法做一元线性回归拟合出...

【技术特征摘要】
1.一种基于分形的超声相控阵无损检测方法，包括以下步骤：(一)采用超声相控阵设备，设计设备参数让超声相控阵探头的各个阵元依次单独发射，1号阵元单独发射时，2号阵元采集回波信号；2号阵元单独发射时，3号阵元采集回波信号，以此类推，最后将采集到的所有信号组成一个数组，得到多个数组；(二)对得到的数组采用分位图法，得到参加信息融合的最少融合数据，组成最佳融合新数组；(三)得到最佳融合新数组后进行最后的信息融合，从而得到最优结果，贝叶斯估计的建立：1)经过分位图法可以得到新的数组，求出每个新数组的m个元素彼此之间的置信距离测度dij(i,j＝1,2,...,n)，组成置信矩阵D，其中：变量“x”是指概率密度函数p(x)的自变量，取值范围是(xi,xj)；变量“xi”是指经过分位图法得到新数组的第i个样本值；pi(x|xi)是在第i个样本值取xi的条件下的概率密度，σi是第i个样本值的方差；令经过数学推导得，其中，Φ(b)是标准正态分布的概率，b表示变量t的上限；2)求出关系矩阵R，R是由rij组成，其中，其中，rij是第i个样本与第j个样本的相关系数，βij是置信距离测度dij的界线值；3)由关系矩阵R，得到每个数组参加信息融合的最佳融合数据集；4)依新数组各元素的pdf(概率密度)曲线作为各特征函数，记为p(x)；5)求出决策函数d(x1,x2,...,xn)，其中x1,x2,...,xn是来自总体X的样本值；6)由决策函数求出风险函数R(ud)＝E{L(u,d(x1,x2,...,xn))}，其中u是参数，即所要求的融合结果，L(u,d(x1,x2,...,xn))是损失函数的二次式；7)对风险函数求平均，得到决策函数d(x1,x2,...,xn)的贝叶斯风险B,其中，

【专利技术属性】
技术研发人员：詹湘琳，蔡玉杰，刘岱，刘涛，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12