一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法技术

本发明专利技术公开了一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，所述方法包括：利用超声B型扫查系统采集车窗待检测位置处缺陷的反射波信号，利用采集得到的超声信号进行原始分解，获得最佳模态分量值K；根据得到的K值对采集得到的反射波信号进行VMD分解，选取最优IMF分量；提取最优IMF分量中不同位置声程特性和幅值特性进行成像分析，判断缺陷大小。小。小。

【技术实现步骤摘要】
一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法


[0001]本专利技术涉及一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，属于胶粘无损检测


技术介绍

[0002]随着轨道交通运输业的蓬勃发展，我国的高铁和动车组有了很大的发展空间和潜力，而列车在运行中的安全性也成为了日益关注的焦点问题。车窗是动车的重要组成部分，其通过粘接与车体保持齐平，来减小列车运行过程中的阻力，因而动车车窗的粘接质量直接关系到了运行中的安全性，粘接强度不够会直接导致车窗开胶甚至脱落，对行车安全构成极大的威胁。动车车窗的胶接接头主要由玻璃、聚氨酯粘接剂以及铝合金车体构成的胶接结构，受环境和工艺因素的影响，其在生产过程中易出现缺胶、不完全固化和部分粘接等缺陷；在服役过程中会出现老化、裂纹和内聚破坏等问题，由此破坏粘接结构的完整性能。如果不能及时发现这些缺陷和准确判断缺陷的危害性，将会导致巨大的损失。因此，如何在无损情况下快速定量检测车窗胶接部位的缺陷尤为重要。
[0003]目前传统的超声检测定量方法如当量法，缺陷比较接近其真实尺寸，但不同检测目标需要选择相应的标准试块进行对比，以底波为基准的定量只能得到缺陷的相对大小，结果误差很大；以传统的
‑
6dB定量方法得到的缺陷大小误差也往往较大。这些方法都是通过A扫信号来对缺陷进行定量，而扫描超声纵波的方法可采集不同位置处的超声信号，将携带缺陷的信号提取，通过分析声程、幅值变化与缺陷类型之间的对应关系，实现定量识别。因此B扫描检测被用于检测不同长度的缺陷。成像式超声检测缺陷类型识别是在线超声检测定量分析的重要基础，研究具有高可靠性的成像超声检测缺陷类型识别方法，对于实现在线的自动超声检测与评价、提高超声无损检测的效率和质量都具有重要的意义。

技术实现思路

[0004]本专利技术的目的在于提供一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，以解决传统定量方法得到的缺陷大小误差较大的缺陷。
[0005]一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，所述方法包括：
[0006]利用超声B型扫查系统采集车窗待检测位置处缺陷的反射波信号；
[0007]利用采集得到的超声信号进行原始分解，获得最佳模态分量值K；
[0008]根据得到的K值对采集得到的反射波信号进行VMD分解，选取最优IMF分量；
[0009]提取最优IMF分量中不同位置声程特性和幅值特性进行成像分析，判断缺陷大小。
[0010]进一步地，其特征在于，所述超声B型扫查系统包括：
[0011]超声脉冲发射/接收器产生激励电压，激励电压加载到纵波直探头，在压电效应的作用下产生纵波信号，纵波信号在样品内部传播，通过自发自收的方式接收振动信号，回波信号经过超声脉冲/接收器内置调理电路后由A/D采集卡采集存储于计算机中，通过上位机
软件得到纵波回波数据。
[0012]进一步地，获得最佳模态分量值K的方法包括：
[0013](1)设置初始分解个数K＝k1；
[0014](2)将原始信号进行VMD分解；
[0015](3)获得分解后通过FFT变换后的频域特性，观察各IMF分量主要频域是否有相同的部分；
[0016](4)若各IMF分量中的主要频段有混叠的部分，则令K＝k1
‑
1，重复(2)(3)，直到各IMF分量中的主要频段没有混叠成分的时候，采用此时的分解个数K；
[0017]若各IMF分量中的频段没有混叠的部分，则令K＝k1+1继续进行分解，直到主要频段出现混叠成分，采用分解个数K
‑
1。
[0018]进一步地，根据得到的K值对采集得到的反射波信号进行VMD分解包括：
[0019]设对于任意的超声信号y(t)，则可以构造如下约束变分问题：
[0020][0021]其中{y
k
}＝{y1，y2，y3，...，y
k
}和{w
k
}＝{w1,w2,w3,...,w
k
}分别为IMF分量和中心频率的集合；y
k
为分解后的第k个IMF分量；k为第k个IMF分量的中心频率，K为分解的个数(正整数)，δ(t)为狄拉克分布函数；
[0022]使用拉格朗日因子λ(t)和二次惩罚因子α将以上约束变分问题转化为无约束变分问题，其增广的拉格朗日形式可表示如下：
[0023][0024]通过交替方向乘子(alternate direction method of multipliers，ADMM)求解增广拉格朗日的“鞍点”，交替寻优迭代后的y
k
，w
k
和λ；则变分问题的解在频域内的表示如下：
[0025][0026]其中纳滤波器，各IMF分量的时域信号通过对滤波后的信号作傅里叶逆变换取实部求得；
[0027]更新后各IMF分量的中心频率通过下式求得：
[0028][0029]进一步地，选取的最优IMF分量的方法包括：
[0030]选取自适应函数，即信噪比如下：
[0031][0032]其中A
signal
定义为纵波回波信号的最大幅值，A
noise
定义为图中局部噪声幅值的平均值；
[0033]计算原始信号与不同IMF分量对应的自适应函数的最大值；
[0034]对比各IMF分量间计算得到的自适应函数值，选取自适应函数值中的最大值即为最优的IMF分量。
[0035]进一步地，提取不同位置的声程特征和幅值特征进行成像具体为：
[0036]将各个扫查位置采集到的超声信号放置于同一坐标轴中，得到二维成像图；
[0037]进一步对成像结果采用三维视图处理，转换到三维可视化图；
[0038]在图像上寻找缺陷信号出现的开端与末端，进而判断缺陷的大小。
[0039]与现有技术相比，本专利技术所达到的有益效果：
[0040]本专利技术能够减少普通技术人员对不同长度超声缺陷错误判断，实现精准的定量；
[0041]本专利技术的方法不需要纠缠于复杂的超声散射建模，具有较好的通用性和实用性；
[0042]本专利技术对于实现轨道车窗胶接结构在线的自动超声检测与评价、提高超声无损检测的效率和质量具有重要的意义。
附图说明
[0043]图1为超声实验系统结构示意图；
[0044]图2为试件的外形和尺寸示意图；
[0045]图3为实验原始信号示意图；
[0046]图4为VMD分解后不同分量信号的示意图；
[0047]图5为VMD分解后最优IMF分量信号的示意图；
[0048]图6为原始信号二维成像图；
[0049]图7为原始信号三维成像图；
[0050]图8为VMD分解后二维成像图；
[0051]图9为VMD分解后三维成像图。
具体实施方式
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，其特征在于，所述方法包括：利用超声B型扫查系统采集车窗待检测位置处缺陷的反射波信号；利用采集得到的超声信号进行原始分解，获得最佳模态分量值K；根据得到的K值对采集得到的反射波信号进行VMD分解，选取最优IMF分量；提取最优IMF分量中不同位置声程特性和幅值特性进行成像分析，判断缺陷大小。2.根据权利要求1所述的基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，其特征在于，所述超声B型扫查系统包括：超声脉冲发射/接收器产生激励电压，激励电压加载到纵波直探头，在压电效应的作用下产生纵波信号，纵波信号在样品内部传播，通过自发自收的方式接收振动信号，回波信号经过超声脉冲/接收器内置调理电路后由A/D采集卡采集存储于计算机中，通过上位机软件得到纵波回波数据。3.根据权利要求1所述的基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，其特征在于，获得最佳模态分量值K的方法包括：(1)设置初始分解个数K＝k1；(2)将原始信号进行VMD分解；(3)获得分解后通过FFT变换后的频域特性，观察各IMF分量主要频域是否有相同的部分；(4)若各IMF分量中的主要频段有混叠的部分，则令K＝k1
‑
1，重复(2)(3)，直到各IMF分量中的主要频段没有混叠成分的时候，采用此时的分解个数K；若各IMF分量中的频段没有混叠的部分，则令K＝k1+1继续进行分解，直到主要频段出现混叠成分，采用分解个数K
‑
1。4.根据权利要求1所述的基于变分模态分解的轨道车辆车窗脱粘超声定量检测方法，其特征在于，根据得到的K值对采集得到的反射波信号进行VMD分解包括：设对于任意的超声信号y(t)，则可以构造如下约束变分问题：其中{y
k
}＝{y1，y2，y3，...，y
k
}和{w
k<...

【专利技术属性】
技术研发人员：张国旺，魏培欣，宗艳，丁柏妍，梁雯雯，王国平，杨晓云，吴金洋，胡凤翠，郑云昊，王超，吴惠惠，
申请(专利权)人：南京中车浦镇城轨车辆有限责任公司，
类型：发明
国别省市：