基于贝叶斯学习的Lamb波频散消除方法及其系统技术方案

本发明专利技术公开了一种基于贝叶斯学习的Lamb波频散消除方法及其系统，所述方法包括以下步骤：获取目标频散Lamb波信号的模态特征信息，并将时域信号转换至频域以得到频散的多模态Lamb波信号R(ω)，离散化后将其特定频带内的信号写成列向量的形式r＝[R(ω1)，R(ω2)，…，R(ωN)]

Lamb Wave Dispersion Elimination Method and System Based on Bayesian Learning

【技术实现步骤摘要】
基于贝叶斯学习的Lamb波频散消除方法及其系统
本专利技术属于信号处理
，特别是一种基于贝叶斯学习的Lamb波频散消除方法及其系统。
技术介绍
Lamb波是存在于薄板结构中的超声导波，能在结构中传播较远的距离而衰减小、对结构表面及内部损伤均敏感等特点，已成为结构健康监测和无损检测的领域重要工具。基于Lamb波的无损检测或结构健康监测系统因自身包含信号激励和接收模块，因此是一种主动式的系统。这类系统通过在被测结构中激励一个特定波形的Lamb信号，Lamb波信号在结构中传播事遇到散射源时会发生信号的散射，这些散射信号会被结构中预先布置的采集器采集到，从而可根据这些响应信号对结构的健康状态进行评估。频散效应指的是超声导波的传播速度是频率的函数，从而导致不同频率成分的分量传播速度不一致，从而出现信号波包随着时间和距离的增大而扩散的现象。频散效应增大了相邻两个波包容易混叠的难易程度，使得信号的分辨率下降甚至无法有效分辨。频散去除或者频散补偿技术就是利用信号处理手段，将信号波包恢复至非频散状态的手段。现有的频散补偿方法主要包括时间-距离域映射法、时间反转法、波数线性插值法、弯折频率变换法及常规稀疏重构法。时间反转法需要进行二次激励，且最终得到的信号失去了重要的波包飞行时间信息，而飞行时间信息是重要的特征参数，是进行损伤定位的前提；时间-距离域映射法、波数线性插值法、弯折频率变换法只能对单一模态导波信号进行频散补偿，而对多模态信号不适用；而常规稀疏重构法虽能对多模态信号进行补偿，但需要人为确定正则化参数，而该参数往往难以准确获取。所以，以上算法均存在一定的不足，在实际工程应用难以直接应用。在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
技术实现思路
本专利技术的目的是为了克服现有技术中不能对多模态Lamb波进行频散补偿、需要人为确定正则化参数的缺点，提供了一种基于贝叶斯学习的Lamb波频散消除方法及检测系统，在无需人为调节参数下，可实现多模态Lamb波的频散消除。本专利技术的目的是通过以下技术方案予以实现，一种基于贝叶斯学习的Lamb波频散消除方法包括以下步骤：第一步骤中，获取目标频散Lamb波信号的模态特征信息，并将时域信号转换至频域以得到频散的多模态Lamb波信号R(ω)，离散化后将其特定频带内的信号写成列向量的形式r＝[R(ω1)，R(ω2)，…，R(ωN)]T，其中ω1，ω2，…，ωN为对应的离散频率点，N为点数，上标T表示向量或矩阵的转置；第二步骤中，基于所述模态特征信息，依据Lamb波传播模型分别构造多模态频散传播字典Φ和非频散传播字典Φ′，其中，S2a)根据频散Lamb波信号的最大传播距离xM、最小传播距离x1，采用距离域网格均匀划分法对传播距离域等间隔划分为M个值x1，x2，…，xM，用下式计算任一传播距离下的多模态Lamb波频散响应信号，式中，ωi为角频率，xj为传播距离，S(ωi)为激励信号在频率ωi下的值，表示虚数单位，km(ωi)为第m个模态下频率为ωi时的波数；S2b)根据频散Lamb波各模态在中心频率ωc下的群速度，用下式生成任一传播距离下的多模态Lamb波非频散响应信号，式中：为第m个模态下的Lamb波分量在中心频率ωc下的群速度；S2c)将所述多模态Lamb波频散响应信号与非频散响应信号分别按以下次序放到矩阵中，得到多模态频散传播字典和非频散传播字典：Φ＝[R(xj，ωi)]ij，i＝1，2，…，N；j＝1，2，…，M，Φ′＝[R′(xj，ωi)]ij，i＝1，2，…，N；j＝1，2，…，M，式中，[·]ij表示矩阵中的第i行、第j列的元素为中括号中的值；第三步骤中，将频散多模态Lamb波信号r在所构造的频散字典Φ下进行稀疏表示，r＝Φw+n式中，w为信号r在字典Φ下的稀疏表示系数，n为噪声；用稀疏模型求解算法对上式进行噪声自适应估计并求解，得到稀疏表示系数W；第四步骤中，将非频散字典Φ′与所得稀疏表示系数w相乘，得到信号r′＝Φ′w，r′即为对应于原始信号r的去除频散效应后的信号。所述的方法中，步骤S2a)中所述的模态m包括Lamb波的任一单模态及其组合。所述的方法中，第三步骤中，所述的采用稀疏模型求解算法求解稀疏表示模型r＝Φw+n时，将频域中的复数域数据通过如下转化为实数域数据模型：式中，Re(·)表示括号中的实数部分，Im(.)表示括号中的虚数部分；这时的实数模型为：利用稀疏贝叶斯学习算法对实数模型进行求解，得到系数向量后，通过如下转化回原始的复数域系数向量w：式中表示的第1至第M个元素，表示的第M+1至2M个元素。所述的方法中，第一步骤中，所述的特定频带包括与原始信号R(ω)对应的激励信号的6dB带宽。所述的方法中，步骤S2a)中所述的最小传播距离x1不大于原始信号采集时激励点到采集点之间的距离值。所述的方法中，步骤S2a)中所述的最大传播距离xM不小于原始信号时长Tmax乘以所得Lamb波传播的最大传播速度vmax。根据本专利技术的另一方面，实施所述方法的检测系统包括，被测结构，其被提供以传播Lamb波，被测结构上设有激励Lamb波的激励器和采集经被测结构传播的lamb波的采集器，信号激励单元，配置成能发出特定波形信号，信号放大单元，配置成放大所述波形信号的放大单元一端连接信号激励单元，另一端连接被测结构中的激励器，信号采集单元，配置成采集Lamb波响应信号的信号采集单元一端连接被测结构中的采集器，另一端连接信号处理单元，信号处理单元，其基于所述Lamb波响应信号以获得对应的去除频散的信号。所述检测系统中，信号处理单元包括，频散特性信息生成单元，其配置成依据被测结构的声学特性参数生成不同模态下的频散曲线；频散字典及非频散字典生成单元，其配置成生成多模态频散传播字典Φ和非频散传播字典Φ′；信号预处理单元，其配置成对采集到的原始信号截断、去均值后从时域转换至频域，并至保留对应频散内的信号；计算单元，其配置成采用稀疏贝叶斯学习算法计算模型并计算以及r′＝Φ′W。所述检测系统中，被测结构为铝合金板，尺寸为1000mm×1000mm×2mm，其材料的参数为密度ρ＝2690kg/m3，弹性模量E＝70GPa，泊松比σ＝0.33。所述检测系统中，激励器和采集器均为PZT压电陶瓷片。所述检测系统中，所述信号处理单元为数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA，所述信号处理单元包括存储器，所述存储器包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。有益效果本专利技术能够实现单模态及多模态Lamb的频散去除，且不需要人为调节正则化参数，实际上该参数是算法自动从原始信号中学习而得到。多模态频散去除技术有助于混叠模态的分离，并提高波包的分辨率，有助于提高Lamb波损伤检测的精度。附图说明通过阅读下文优选的具体实施方式中的详细描述，本专利技术各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯学习的Lamb波频散消除方法，所述方法包括以下步骤：第一步骤(S1)中，获取目标频散Lamb波信号的模态特征信息，并将时域信号转换至频域以得到频散的多模态Lamb波信号R(ω)，离散化后将其特定频带内的信号写成列向量的形式r＝[R(ω1)，R(ω2)，…，R(ωN)]

【技术特征摘要】
1.一种基于贝叶斯学习的Lamb波频散消除方法，所述方法包括以下步骤：第一步骤(S1)中，获取目标频散Lamb波信号的模态特征信息，并将时域信号转换至频域以得到频散的多模态Lamb波信号R(ω)，离散化后将其特定频带内的信号写成列向量的形式r＝[R(ω1)，R(ω2)，…，R(ωN)]T，其中ω1，ω2，…，ωN为对应的离散频率点，N为点数，上标T表示向量或矩阵的转置；第二步骤(S2)中，基于所述模态特征信息，依据Lamb波传播模型分别构造多模态频散传播字典Φ和非频散传播字典Φ′，其中，S2a)根据频散Lamb波信号的最大传播距离xM、最小传播距离x1，采用距离域网格均匀划分法对传播距离域等间隔划分为M个值x1，x2，…，xM，用下式计算任一传播阳离下的多模态Lamb波频散响应信号，式中，ωi为角频率，xj为传播距离，S(ωi)为激励信号在频率ωi下的值，表示虚数单位，km(ωi)为第m个模态下频率为ωi时的波数；S2b)根据频散Lamb波各模态在中心频率ωc下的群速度，用下式生成任一传播距离下的多模态Lamb波非频散响应信号，式中：为第m个模态下的Lamb波分量在中心频率ωc下的群速度；S2c)将所述多模态Lamb波频散响应信号与非频散响应信号分别按以下次序放到矩阵中，得到多模态频散传播字典和非频散传播字典：Φ＝[R(xj，ωi)]ij，i＝1，2，…，N；j＝1，2，…，M，Φ′＝[R′(xj，ωi)]ij，i＝1，2，…，N；j＝1，2，…，M，式中，[·]ij表示矩阵中的第i行、第j列的元素为中括号中的值；第三步骤(S3)中，将频散多模态Lamb波信号r在所构造的频散字典Φ下进行稀疏表示，r＝Φw+n式中，w为信号r在字典Φ下的稀疏表示系数，n为噪声；用稀疏模型求解算法对上式进行噪声自适应估计并求解，得到稀疏表示系数W；第四步骤(S4)中，将非频散字典Φ′与所得稀疏表示系数w相乘，得到信号r′＝Φ′w，r′即为对应于原始信号r的去除频散效应后的信号。2.根据权利要求1所述的方法，其中，优选的，步骤S2a)中所述的模态m包括Lamb波的任一单模态及其组合。3.根据权利要求2所述的方法，其中，第三步骤(S3)中，所述的采用稀疏模型求解算法求解稀疏表示模型r＝Φw+n时，将频域中的复数域数据通过如下转化为实数域数据模型：式中，Re(.)表示括号中...

【专利技术属性】
技术研发人员：翟智，许才彬，陈雪峰，杨志勃，乔百杰，田绍华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61