高声阻层下指纹的高频超声成像实验

分析了高频超声波垂直透过5层不同厚度介质的传播特性,利用传递矩阵推导出超声波在此多层结构的零界面处反射系数与各层介质厚度关系的解析表达式,用解析解做数值模拟,并用COMSOL有限元仿真验证,得到了超声回波在时域上的声学特征.使用高频超声换能器激发与采集分层介质中的超声宽频信号,得到玻璃层和模拟指纹层间反射回波中带有指纹特征的信息,形成了高精度超声指纹图像.     

“多通道数字成像超声探伤设备”项目简介

高波阻介质下面多层低波阻抗介质的界面脱粘检测是长期以来国内外一直没有解决的世界性难题，称为“二界面问题”。困难主要有两点：其一、高波阻介质与低波阻介质之间的界面两侧波阻抗相差较大，前一介质表面上接收到的界面脱粘反射信号相对入射信号而言是经过了4次镜面屏蔽作用之后的十分微弱的信号；其二、声波在高波阻介质内的多次反射强信号淹没了低波阻介质表面反射的信号。对于高低波阻介质界面间脱粘的超声检测，犹如光学中兽看到一个双面镜子后面的物体一样。     

超声液位检测频率选择的理论计算和实验研究

非介入式超声液位检测中,中间层介质对反射回波强度有着显著的影响,为得到较强的检测回波信号,发射频率的选择是非常必要的。本文采用传输矩阵方法,对非介入式超声液位检测中声波在多层介质中的传播进行了研究,给出了反射回波声强与入射声波频率之间的关系,从理论上计算得到了最佳入射声波频率。实验结果与理论计算一致,由此为非介入式超声液位检测的频率选择提供了一有效的技术途径。     

高炉炉墙测厚的信号处理

超声波反射法应用于高炉炉墙测厚时,高炉内部环境高温高噪声的特点,造成超声回波信号被噪声湮没的问题;针对这一问题,研究了超声波在金属介质中传播的机理,分析了超声回波信号信噪比下降的原因以及实验数据时域和频域的特征,设计改进了高炉炉墙测厚的超声波发射电路和信号调理电路;采用加热炉模拟高炉200~1 000 ℃温度环境,对直径40 mm、长度1.2 m的铁棒进行测厚实验;经实测,改进的发射电路发射的超声信号强度增大,回波处理电路处理后超声回波信号信噪比明显提高、峰值清晰可辩,解决了噪声湮没回波信号的问题,提高了高炉炉墙测厚的测量精度,对高炉的高产、顺产和延长炉龄具有实际意义。     

脱粘界面超声检测信号的小波多分辨率分析与重构

针对钢－橡胶分层粘接结构的超声检测回波信号,利用小波变换的多分辨率时频特性提出了小波特征参数提取算法,据此在对检测信号进行的时间－尺度分布分析基础上,重构出脱粘界面回波信号的时域和频域特征。实验检测结果表明本文方法在现代工业ＮＤＴ＆Ｅ中的应用有着可喜的前景。     

电磁超声多界面检测信号去噪方法研究

为了解决传统压电超声换能器检测方式耦合不稳定的问题,将电磁超声应用于多层粘接结构界面检测。针对电磁超声界面检测信号噪声高和盲区大的问题,在电磁声换能原理和盲区成因分析的基础上,用小波阈值滤波和自适应抵消滤波方法对检测信号进行了处理,达到了降低信号噪声和减小盲区的目的。对钢板和双层橡胶粘接样品的回波信号处理结果表明:小波阈值滤波将信噪比提高了约12 dB,自适应抵消滤波有效地减小了由感生信号产生的盲区。     

基于超声散射回波功率谱的热疗无损测温模型

在随机起伏介质超声散射理论下，基于组织超声散射问波功率谱，提出一种无损获取组织温度信息的新方法。组织中声速及密度的随机起伏引起超声散射，散射回波声压谱的均方值与组织中声速ｃ、声速对温度的梯度ｄｃ／ｄｔ和组织的平均温度Ｔ等有关。分析组织散射超声回波信号平均归一化功率谱与组织温度的关系，可以从超声散射回波中有效提取组织温度信息。理论分析和模拟实验为医学上肿瘤热疗提供了一种新的无损测温的方法和思路。     

基于分数阶傅里叶变换的水下目标宽带回波精确提取

线性调频信号可能将成为水下目标强度宽带测试的一种主要信号形式。本文在分析水中目标回声构成特点的基础上,探讨了一种滤除界面反射精确提取目标回波的方法。利用线性调频信号在一定分数阶傅立叶域呈现高度聚集的特性,将线性调频信号作为收发合置换能器的发射信号,在适当的分数阶傅立叶域中,目标回波和界面反射波如果表现为两个可分离的谱峰,就可以用窄带滤波的方法去除界面反射。本文给出了算法仿真及水池试验结果,即使对于和线性调频回波相距很近的界面反射,仍然可以有效去除,精确提取出目标回波。     

基于双高斯衰减模型的超声回波处理方法

信号降噪与特征提取是超声检测数据处理的关键技术.基于超声信号有特定结构而噪声和超声信号的结构无关,本文提出一种旨在解决强噪声背景下超声回波的参数估计和降噪问题的方法.该方法将超声回波的参数估计和降噪问题转换为函数优化问题,首先根据工程经验建立超声信号的双高斯衰减数学模型,然后根据观测回波和建立的超声信号模型确定目标函数,接着选择人工蜂群算法对目标函数进行优化从而得到参数的最优估计值,最后由估计出的参数根据建立的超声信号数学模型重构出无噪的超声估计信号.通过仿真和实验表明本文方法可以准确估计出信噪比大于-10 dB的含噪超声回波中的无噪信号,且效果优于基于自适应阈值的小波降噪方法和经验模态分解方法;此外相比常用的指数模型和高斯模型,本文提出的双高斯衰减超声信号模型与实测超声信号更接近,其均方误差为9.4×10~(-5),波形相似系数为0.98.     

基于深度学习的材料超声回波衰减预测方法

材料超声回波衰减是评价材料均匀一致性的常用方法, 针对具有复杂结构的航空发动机盘件难以进行材料底面超声回波衰减评价的问题, 本文提出了利用超声背散射波信号直接预测底面回波衰减的方法。采用10MHz聚焦探头进行超声背散射波数据的采集, 利用深度学习技术构建和训练模型,建立了基于深度学习的材料底面回波衰减预测方法, 同时讨论了采用不同信号形式的超声波信号分类识别模型的准确率差异。研究发现：基于深度学习技术可实现通过超声背散射波预测材料的底面回波衰减, 预测结果和实际底面回波衰减试验结果具有良好的一致性。