详情

原文传递基于贝叶斯学习的Lamb波频散消除方法及其系统

专利名称：	基于贝叶斯学习的Lamb波频散消除方法及其系统
摘要：	本发明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)]T，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′，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，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。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	西安交通大学
发明人：	翟智;许才彬;陈雪峰;杨志勃;乔百杰;田绍华
专利状态：	有效
申请日期：	2019-03-11T00:00:00+0800
发布日期：	2019-07-23T00:00:00+0800
申请号：	CN201910178145.3
公开号：	CN110045014A
代理机构：	北京中济纬天专利代理有限公司
代理人：	覃婧婵
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	710049 陕西省西安市咸宁西路28号
主权项：	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。 4.根据权利要求1所述的方法，其中，第一步骤(S1)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。 5.根据权利要求1所述的方法，其中，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。 6.根据权利要求1所述的方法，其中，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。 7.一种实施权利要求1-6中任一项所述方法的检测系统，所述检测系统包括，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。 8.根据权利要求7所述检测系统，其中，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。 9.根据权利要求7所述检测系统，其中，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。 10.根据权利要求7所述检测系统，其中，激励器和采集器均为PZT压电陶瓷片；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。
所属类别：	发明专利