【《面扫查激光超声检测原理及算法综述》1600字】

面扫查激光超声检测原理及算法综述目录TOC\o"1-3"\h\u9014面扫查激光超声检测原理及算法综述 153211.1面扫查激光超声检测原理 1287661.2VMD算法 2192401.3Sobel边缘检测算法 31.1面扫查激光超声检测原理激光超声表面波与裂纹相互作用时会发生反射和透射，如图3.1A所示。假定有一个长度为D的表面裂纹样本，激光超声激励的表面波为R，R在传播过程中与表面裂纹相遇，R波的一部分被裂纹阻挡，形成反射波Rr，另一部分R波沿裂纹表面继续传递，形成透射波Rt。此外，R波的散射程度与裂纹尺寸D和波长λ有关。当D<<λ时，R波几乎完全绕过裂纹，透射强，反射弱；当D>>λ时，R波几乎完全反射，透射微弱。上述单点激励模式只能得到表面裂纹的部分信息，为了获得更多的表面裂纹形貌信息，需要对样品表面进行面扫描激光超声检测，如图3.1B所示。脉冲激光由等间隔时间ΔT和等间隔位移Δx连续激励。激励点有n行n列，检测点固定，用于接收信号。以第r行为例，由于裂纹的干扰，每个激励点接收到的信号会不同。在时域图F(x,t)中，振幅发生变化，到达时间也不同，如图3.1C所示。对于整个扫描面信号而言，FT(x,y,t)是一个与时间、位置、幅度有关的三维信息。通过对FT(x,y,t)的时间维度进行切片，可以得到激光表面声波在扫描区域各扫描点处的信号幅度，即不同时刻激光声表面波的波场，切片平面大小对应扫描区域。如果将每个时刻的切片面按时间顺序连接起来，如公式（3.1），就可以构建出扫描区域内的可视化图像M，可以用来识别扫描区域内的表面裂纹，如图3.1C。（3.1）图3.SEQ图3.\*ARABIC1面扫描激光超声表面波可视化检测原理1.2VMD算法激光超声信号的非平稳性严重影响了裂纹信息的分析和识别。VMD在克服模态混合和增强滤波效果方面比其他技术更有优势，这是由于其预先设定的尺度和自适应能力，并采用非递归分解模型，利用乘子交替方向法迭代求解约束变分问题的最优解。同时，VMD能够确定各模式的中心频率和带宽，从而获得更详细的信号分量及其交互信息。为了提高信号的信噪比，更好的提取信号特征，本节提出采用VMD分解算法对信号进行处理。VMD算法是一种非递归性质的信号分解算法，其优点是可以自适应的将信号分解为基于不同中心频率与有限带宽滤波后的信号，即IMF分量，且不存在模态混叠。各IMF分量的中心频率和带宽不断地在求解时伴随迭代过程自动更新ADDINNE.Ref.{5C18CAF6-B85A-4C2A-9A23-D8FE74879ABC}[162]。1.变分问题的构造(1)将各IMF信号进行Hilbert变换，得到具有单边频谱的解析信号。(2)在解析信号中加入混合预估中心频率，各模态频谱变化被调制到基频带。(3)计算以上解调信号梯度的平方L2范数，即高斯平滑处理。这样，约束变分问题可以通过如下公式表示：(3.2)其中，yk为第k个模态，{yk}={y1,y2,y3,...,yk}；wk为第k个模态的中心频率，{wk}={w1,w2,w3,...,wk}的集合。2.变分问题的求解通过引入二次惩罚因子α，朗格朗日因子λ(t)能简化上述约束优化问题，将其转化为无约束优化问题进行求解，其扩增的拉格朗日变换式可以表示为：(3.3)使用交替方向乘子方法求解公式(3.3)，即通过交替更新ykn+1,wkn+1,λ(t)n+1求公式(3.3)的‘鞍点’。变分问题中求解所得的在频域的表示如下：(3.4)其中，，分别代表y(t),yi(t),的傅里叶变换结果。通过傅里叶逆变换变换滤波后的信号，之后取变换后的实部求得对应各模态的时域信号。更新后的各IMF分量的中心频率为:(3.5)VMD分解的具体步骤如下：（1）初始化，，和n=0；（2）n=n+1，执行下一步操作；（3）由公式(3.4)和(3.5)更新、；（4）由公式(3.6)更新(3.6)（5）重复步骤（2）、（3）、（4），直到满足，输出各模态信号。1.3Sobel边缘检测算法在所有的边缘检测中，最常见的方法是Sobel算子边缘检测。该方法属于一阶离散差分算子方法。通过Sobel方程计算，通过计算图像灰度近似值的变化来监测图像的边缘位置。由于这种平滑噪声的方法，能获得相对准确的图像边界信息。它虽然简单，但在实际应用中比Canney算子更有效果ADDINNE.Ref.{DC2EFA54-A0EC-4153-9511-A155ADB6157B}[163,164]，该算法的实现过程步骤如下：（1）输入原始RGB图像P；（2）将原始RGB图像P转换成灰度值：（3.7）（3）原始灰度图像与Sobel算子X方向卷积的计算：（3.8）（4）原始灰度图像与Sobel算子Y方向卷积