一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法技术

本发明专利技术公开一种基于用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法，该方法适用于板结构中疲劳损伤评价，属于无损检测领域。本发明专利技术步骤：首先利用Ritec–SNAP专用非线性超声检测系统对不同疲劳周期的金属板结构进行检测，通过多组重复测量获得超声回波信号，利用共识自组织模型，对两两板之间的超声回波信号进行频谱比较，得到一个海林格距离矩阵，从而得到z分数、p统计量、T统计量与疲劳周期的关系，最后通过不同分布模型的拟合获得金属板疲劳损伤评价模型。可以通过典型超声数据分析说明该方法对疲劳损伤评价的有效性。

【技术实现步骤摘要】
一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法
本专利技术涉及一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法，该方法适用于板结构中疲劳损伤检测与评价，属于无损检测领域。
技术介绍
作为一种常见的结构形式，金属板结构因具有良好成形性与可焊性，而广泛应用于各类重大基础设施中，如船舶的壳体、飞机的机身和舱门、大型石油储罐的外壳、桥梁等。在长期使用过程中，这些金属板构件要长期承受多种外界因素的综合作用，例如，飞机机身和舱门长期承受风荷载的反复作用，船舶壳体长期承受风、海浪及潮涌等复杂交变外力的作用，等等；在交变载荷的长期作用下，这些金属板结构中会产生不同程度的疲劳损伤，导致其承载能力下降。在结构的早期性能退化阶段(又称早期疲劳阶段)，疲劳损伤在初始阶段发展缓慢、难以察觉，但裂纹萌生后，会在短时间内迅速扩展导致结构突然断裂。对于设计良好的构件，早期疲劳阶段通常占据结构整个疲劳寿命的80％～90％。因此，有必要发展一种金属板结构疲劳损伤定量评价方法。疲劳损伤评价跟系统故障或剩余寿命预测类似，可以分成两类：物理模型方法和数据驱动方法。物理模型方法是首先分析试件或者系统的失效机理，其次建立其失效模型，最后基于该模型来预测试件或者系统的故障或损伤程度，但在实际生产运用中建立准确的失效模型是非常困难的。而数据驱动方法则能绕过上述困难，它不是通过建立失效物理模型，而是利用系统自身的数据集，将损伤程度和检测概率联系起来。然而大多数数据驱动的方法都是概率性的，获取损伤数据或者经验知识需要大量的实验数据来构建参考曲线或预设的特征阈值。针对数据驱动方法需要大量数据集的技术不足，本专利技术提出了一种超声信号共识自组织分析模型，即没有任何经验知识，也不需要大量实验数据，仅通过对完好材料与损伤材料超声检测数据进行分析处理，就可以建立超声特征参数和疲劳周期的关系模型，进而可以实现疲劳损伤的定量评价。
技术实现思路
本
技术实现思路
在于提出一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析模型。首先利用Ritec–SNAP专用非线性超声检测系统对不同疲劳周期的金属板结构进行检测，通过多组重复测量获得超声回波信号，利用共识自组织模型，对两两板之间的超声回波信号进行频谱比较，得到一个海林格距离矩阵，从而得到z分数、p统计量、T统计量与疲劳周期的关系，其次通过典型分布模型分析获得金属板疲劳损伤评价模型。本专利技术提出的一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析模型，其基本原理在于：共识自组织模型首先要比较两种声信号之间的差异，通过计算两种声信号之间的海林格距离dp,q来表示：其中，pi和qj表示两个声信号的功率谱密度，m为每个声信号采样点的个数。对所有的这些声信号均计算海林格距离，得到对称矩阵D：在对称矩阵D中，距离和最小的一行被选为最中心c，代表该组中最典型的测试样本。则计算不同疲劳周期k下的z分数：一组测量样本不同疲劳周期k下的z分数的均值可近似为均值为1/2，标准差为(1/12n)1/2的正态分布，此时n表示重复测量n组数据，即：p统计量定义为从参数的正态分布中选取的各个试件通过计算得到的z分数落在区间的概率，计算公式为：为了更直观对疲劳损伤曲线进行分析，引入T统计量，T统计量式由p统计量变换而来：T＝-10*lg(p)(6)本专利技术提出的用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法的具体实现步骤如下：1)在待测金属板两端分别设置信号激发位置和信号接收位置；2)利用Ritec–SNAP专用非线性超声检测系统进行实验，激励信号参数设置：包括载波信号幅度、宽度，门控放大器放大等级，调制激励信号类型、频率、幅值、相位、直流偏置；3)选择合适的激励、接收压电超声探头分别完成对N个不同疲劳周期的金属板的一组测量后，将斜楔与压电超声探头拆开，用纸巾将斜楔、压电超声探头和钢板上的耦合剂擦洗干净，然后重新涂抹耦合剂，组合实验装置继续实验，重复操作多次，得到多组超声回波信号的采集数据；4)利用共识自组织模型，计算两两超声回波信号之间的海林格距离dp,q，对所有的超声回波信号两两之间均计算海林格距离以得到对称矩阵D；5)找出对称矩阵D中行最小的一行记为c，由于距离和最小的典型一行c中已经涵盖了不同疲劳周期下的典型特征，第一组数据中第一个疲劳周期下z(1)的值，即所在列中(求z(1)就是第一列)所有满足大于等于dc,i的值的个数再除以金属板疲劳周期的个数N，计算出多组数据不同疲劳周期k下的z分数，进而得到p统计量和T统计量；6)对5)中得到的离散T统计量分别进行指数分布、威布尔分布、正态分布、伽马分布模型的拟合来获得金属板结构疲劳损伤评价模型；7)利用典型超声检测数据验证该方法对疲劳损伤评价的有效性。附图说明图1实验系统示意图图2S1-S2模态对z分数图3S1-S2模态对p统计量图4S2-S4模态对z分数图5S2-S4模态对p统计量图6S1-S2模态对T统计量拟合曲线图7S2-S4模态对T统计量拟合曲线图8a)S1-S2模态对指数分布拟合结果图8b)S1-S2模态对威布尔分布拟合结果图8c)S1-S2模态对正态分布拟合结果图8d)S1-S2模态对伽马分布拟合结果图9a)S2-S4模态对指数分布拟合结果图9b)S2-S4模态对威布尔分布拟合结果图9c)S2-S4模态对正态分布拟合结果图9d)S2-S4模态对伽马分布拟合结果具体实施方式以下实施例以本专利技术技术方案为前提进行实施，给出了具体的实施方案和操作过程，但本专利技术保护的范围不限于下述的实施例。1)按照图1连接各实验仪器，本实验中选用的待测试件8个不同疲劳周期的45#钢材料，其尺寸为长300mm、厚4mm。其各自的疲劳周期(/万次)分别为0，5，10，15，20，25，30，35。2)在待测金属板两端分别设置信号激发位置和信号接收位置；3)利用Ritec–SNAP专用非线性超声检测系统进行实验，激励信号设置为中心频率为1MHz，10周期汉宁窗调制的正弦信号；4)选用激励探头为1MH接收探头为2.25MHz(S1-S2模态对)，在换能器和有机玻璃斜楔之间以及斜楔和钢板的接触面上均匀涂抹耦合剂，并用力挤压，确保耦合剂中不存在气泡；5)完成对8个不同疲劳周期的金属板的一组测量后，将斜楔与压电超声探头拆开，用纸巾将斜楔、压电超声探头和钢板上的耦合剂擦洗干净，然后重新涂抹耦合剂，组合实验装置继续实验，重复操作5次，得到5组超声回波信号的采集数据；6)利用共识自组织模型，计算前4组数据中两两板之间超声回波信号的海林格距离dp,q，对前4组数据中超声回波信号两两之间均计算海林格距离以得到对称矩阵D；7)找出对称本文档来自技高网...

【技术保护点】
1.一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法，其特征在于，首先利用Ritec–SNAP专用非线性超声检测系统对不同疲劳周期的金属板结构进行检测，通过多组重复测量获得超声回波信号，利用共识自组织模型，对两板之间的超声回波信号进行频谱比较，得到一个海林格距离矩阵，从而得到z分数、p统计量、T统计量与疲劳周期的关系，最后通过不同分布模型的拟合获得金属板疲劳损伤评价模型，通过典型超声数据分析来说明该方法对疲劳损伤评价的有效性。/n

【技术特征摘要】
1.一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法，其特征在于，首先利用Ritec–SNAP专用非线性超声检测系统对不同疲劳周期的金属板结构进行检测，通过多组重复测量获得超声回波信号，利用共识自组织模型，对两板之间的超声回波信号进行频谱比较，得到一个海林格距离矩阵，从而得到z分数、p统计量、T统计量与疲劳周期的关系，最后通过不同分布模型的拟合获得金属板疲劳损伤评价模型，通过典型超声数据分析来说明该方法对疲劳损伤评价的有效性。


2.根据权利要求1所述的一种用于金属板结构疲劳损伤评价的超声信号共识自组织分析方法，其特征在于：
方法是通过以下步骤实现：
1)在待测金属板两端分别设置信号激发位置和信号接收位置；
2)利用Ritec–SNAP专用非线性超声检测系统进行实验，激励信号参数设置：包括载波信号幅度、载波信号宽度，门控放大器放大等级，调制激励信号类型、频率、幅值、相位、直流偏置；
3)选择...

【专利技术属性】
技术研发人员：焦敬品，刘芸，高翔，何存富，吴斌，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11