CN112903953B - 一种金属板结构损伤类型识别系统和方法 - Google Patents

Abstract

本发明公开了一种金属板结构损伤类型识别系统和方法，该系统包括：多个传感器，设置在金属板的待测区域的边界上，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号；信息获取模块，获取激励信号和接收信号；信号处理模块，获取波信号的飞行时间和激励信号的时间参数，并计算目标时间段；特征提取模块，结合目标时间段对接收信号进行特征提取得到特征参数；损伤识别模块，根据特征参数识别金属板结构损伤类型。本发明通过多个传感器之间所传输信号的处理、特征参数的提取，并根据获取的信息和参数识别金属板结构的损伤类型，降低了结构损伤监测的难度，具有准确性高、分析速度快、监测系统简单等优点。

Description

一种金属板结构损伤类型识别系统和方法

技术领域

本发明涉及金属板结构健康监测技术，具体涉及一种金属板结构损伤类型识别系统和方法。

背景技术

结构健康监测技术综合运用了传感器技术、信号处理和分析技术、腐蚀损伤理论和概率统计理论等，是一种对结构的实际情况进行实时监测的技术，能够为大型关键结构的安全性、可靠性和耐久性提供重要参考。作为航空复杂关键结构最为普遍的失效机理，腐蚀损伤失效对结构的耐久性有很大影响，所以腐蚀损伤定性和定量的诊断和预测成为结构健康监测的重要部分。在金属(例如，铝合金)损伤监测领域，已有线性极化法、光学传感器技术、声发射技术、智能涂层技术等，但存在难以实时监测、精确定位、定量以及虚警率高等问题。

航空复杂关键结构的损伤类型多种多样，主要有腐蚀面积扩展损伤、腐蚀深度加深损伤、裂纹扩展损伤等，这些损伤与高强度交变载荷共同作用加速了结构损伤和力学性能退化，从而最终导致结构腐蚀失效，降低结构寿命。

发明内容

本发明的目的在于提供一种金属板结构损伤类型识别系统和方法，用以解决对金属板结构损伤实现实时、定性和定量监测的问题。

为实现上述目的，本发明提供了一种金属板结构损伤类型识别系统，该系统包括：多个传感器，设置在所述金属板的待测区域的边界上，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号；信息获取模块，获取所述激励信号和所述接收信号；信号处理模块，对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；特征提取模块，结合所述目标时间段对所述接收信号进行特征提取得到特征参数；以及损伤识别模块，根据所述特征参数识别所述金属板结构损伤类型。

优选地，所述信号处理模块还用于：根据所述波信号的飞行时间、所述波信号的周期T₀和发射所述激励信号的起始时间T₁，计算得到接收到所述接收信号的起始时间T_start和结束时间T_end；其中，所述T_start至所述T_end为所述目标时间段，所述波信号为Lamb波信号的基础模态信号。

优选地，所述特征提取模块提取的所述特征参数包括所述接收信号在所述T_start与所述T_end期间的最大峰值，即损伤最大峰值；所述损伤识别模块还用于：在所述基础模态信号为基础对称模态信号的情况下，若所述损伤最大峰值小于预先已知的第一健康最大峰值，则识别所述金属板结构损伤类型为裂纹损伤；或者在所述基础模态信号为基础反对称模态信号的情况下，若所述损伤最大峰值大于预先已知的第二健康最大峰值，则识别所述金属板结构损伤类型为腐蚀损伤。

优选地，所述损伤识别模块还用于：在所述基础模态信号为基础对称模态信号且所述损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为裂纹扩展损伤；或者在所述基础模态信号为基础反对称模态信号且所述损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀深度加深损伤。

优选地，所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及所述信息获取模块还用于：获取所述k个传感器对的激励信号和接收信号；或获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。

相应地，本发明还提供了一种金属板结构损伤类型识别方法，在所述金属板的待测区域的边界上设置多个传感器，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，该方法包括：获取所述激励信号和所述接收信号；对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；结合所述目标时间段对所述接收信号进行特征提取得到特征参数；以及根据所述特征参数识别所述金属板结构损伤类型。

优选地，该金属板结构损伤类型识别方法还包括：根据所述波信号的飞行时间、所述波信号的周期T₀和发射所述激励信号的起始时间T₁，计算得到接收到所述接收信号的起始时间T_start和结束时间T_end；其中，所述T_start至所述T_end为所述目标时间段，所述波信号为Lamb波信号的基础模态信号。

优选地，该金属板结构损伤类型识别方法还包括：提取的所述特征参数包括所述接收信号在所述T_start与所述T_end期间的最大峰值，即损伤最大峰值；识别所述金属板结构损伤类型包括：在所述基础模态信号为基础对称模态信号的情况下，若所述损伤最大峰值小于预先已知的第一健康最大峰值，则识别所述金属板结构损伤类型为裂纹损伤；或者在所述基础模态信号为基础反对称模态信号的情况下，若所述损伤最大峰值大于预先已知的第二健康最大峰值，则识别所述金属板结构损伤类型为腐蚀损伤。

优选地，识别所述金属板结构损伤类型还包括：在所述基础模态信号为基础对称模态信号且所述损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为裂纹扩展损伤；或者在所述基础模态信号为基础反对称模态信号且所述损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀深度加深损伤。

优选地，该金属板结构损伤类型识别方法还包括：所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及获取所述激励信号和所述接收信号还包括：获取所述k个传感器对的激励信号和接收信号；或获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。

本发明通过多个传感器之间所传输信号的处理、特征参数的提取，并根据获取的信息和参数识别金属板结构的损伤类型，降低了结构损伤监测的难度，具有准确性高、分析速度快、监测系统简单等优点。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明提供的金属板结构损伤类型识别系统的框图；

图2是本发明提供的多个传感器的试验样品布局示意图；

图3是本发明提供的采用6个传感器的布局和配对示意图；

图4是本发明提供的金属板结构损伤类型识别过程的示意图；以及

图5是本发明提供的金属板结构损伤类型识别方法的流程图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明的范围。

图1是本发明提供的金属板结构损伤类型识别系统的框图，如图1所示，该系统包括传感器组10(包括多个传感器)、信息获取模块20、信号处理模块30、特征提取模块40、损伤识别模块50，其中，为了使图1的展示更加容易理解，将多个传感器通过传感器组10来表示，应当说明的是，这仅仅是示意，而并不是用于限制本发明。本发明的目的是对金属板，特别是铝合金板进行结构损伤类型的识别。

多个传感器设置在金属板的待测区域的边界上，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号。待测区域可以是整个金属板，也可以是金属板的一部分。发射激励信号的传感器可以称为激励传感器，接收到接收信号的传感器可以称为接收传感器，需要说明的是，激励传感器和接收传感器并不是固定的，在下文中将对激励传感器和接收传感器的设置进行详细阐述。

图2是本发明提供的多个传感器的试验样品布局示意图，图2中以6个传感器为例，示意了多个传感器的一种布局，如图2所示，多个传感器包括传感器11、传感器12、传感器13、传感器14、传感器15和传感器16，图2中的多个传感器的布局方式仅仅是以示意为目的的，并不用于限制本发明，任意传感器的数量以及任何传感器的布局方式均属于本发明的保护范围。

信息获取模块20获取激励信号和接收信号。信息获取模块20从激励传感器获取激励信号，从接收传感器获取接收信号。

信号处理模块30对激励信号和接收信号进行信号处理，获取波信号的飞行时间和激励信号的时间参数，并计算目标时间段。飞行时间(time of flight，即TOF)是波信号从激励传感器到接收传感器的时间，可以用来表示信号传递的距离和速度，通过时间窗可以清晰地展现信号的幅值、相位和到达接收传感器的时间等各项参数。对于目标时间段，可以理解为，为了能够实施识别金属板结构损伤类型，发射了激励信号，从而能够接收到接收信号，所以，目标时间段是为了识别金属板结构损伤类型而接收到接收信号的时间段。

特征提取模块40结合目标时间段对接收信号进行特征提取得到特征参数。这里的接收信号是信息获取模块20从接收传感器获取到的，在本实施方式中，特征提取模块提取的是目标时间段内的特征参数，特征参数包括幅值、峰值、时间、频率等参数。

损伤识别模块50根据特征参数识别金属板结构损伤类型。

多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，k为正整数；信息获取模块20还用于：获取k个传感器对的激励信号和接收信号；或获取k个传感器对中预先设定的传感器对的激励信号和接收信号。

图3是本发明提供的采用6个传感器的布局和配对示意图，如图3所示，多个传感器包括6个传感器11、12、13、14、15、16，需要说明的是，本发明中的多个传感器可以包括任意数量的传感器，图3示出的多个传感器包括6个传感器的实施方式仅仅是为了便于描述本发明的原理。下面，为了使本发明更加清楚，仍以6个传感器为例对本发明的技术方案进行描述。

多个传感器两两之间进行配对，具体来说，即为多个传感器中任意两个传感器之间均进行一次配对，以图3所示的实施方式为例，6个传感器两两之间进行配对，那么共形成15个传感器对，分别为：

第1个传感器对：传感器11和传感器12；

第2个传感器对：传感器11和传感器13；

第3个传感器对：传感器11和传感器14；

第4个传感器对：传感器11和传感器15；

第5个传感器对：传感器11和传感器16；

第6个传感器对：传感器12和传感器13；

第7个传感器对：传感器12和传感器14；

第8个传感器对：传感器12和传感器15；

第9个传感器对：传感器12和传感器16；

第10个传感器对：传感器13和传感器14；

第11个传感器对：传感器13和传感器15；

第12个传感器对：传感器13和传感器16；

第13个传感器对：传感器14和传感器15；

第14个传感器对：传感器14和传感器16；

第15个传感器对：传感器15和传感器16。

在多个传感器为6个传感器的情况下，上述k值为15。在每一个传感器对中，一者作为激励传感器发射激励信号，另一者作为接收传感器获取接收信号，例如，在第1个传感器对中，可以将传感器11作为激励传感器，并将传感器12作为接收传感器，当然，也可以将传感器12作为激励传感器，并将传感器11作为接收传感器，其它传感器对同理。

激励传感器发射的波信号(即，激励信号)可以是Lamb波信号，对于激励信号的设计，可以通过对信号的中心频率、调制窗函数、信号幅值、放大倍数等进行调制来得到最优的激励信号。

在图3所示的实施方式中，6个传感器呈对称分布，但这仅仅是一种优选的实施方式，传感器的分布方式可以是任意的。传感器的类型可以根据实际情况进行选择，在本实施方式中，选用的是压电传感器。

信息获取模块20在获取到激励信号和接收信号之后，信号处理模块30对信息获取模块20获取到的激励信号和接收信号进行处理，计算目标时间段，并且特征提取模块40对处于目标时间段的接收信号进行特征提取。本发明提供的技术方案中具有多个传感器，这多个传感器两两之间进行配对之后具有k个传感器对，因而，信息获取模块20会获取到k组信号(每组信号包括一个激励信号和一个接收信号)。在本发明提供的技术方案中，信息获取模块20获取激励信号和接收信号具有以下两种情况：第一种情况，设置在金属板上的多个传感器两两配对形成k个传感器对，这k个传感器对均用于识别金属板结构损伤类型，也就是说，信息获取模块20会获取到k组信号，这种情况下，信号处理模块30对k组信号中的每一个激励信号和每一个接收信号进行信号处理，计算得到分别与k组信号对应的k个时间段(一组信号对应一个时间段)，特征提取模块40也分别对与k个时间段对应的k个接收信号进行特征提取，得到k个特征参数，损伤识别模块50根据k个特征参数来识别金属板结构损伤类型，更具体地，只要k个特征参数中的任意一个特征参数满足预先设定的条件(具体满足怎样的条件将在下文中进行阐述)，就可以识别金属板结构损伤类型；第二种情况，设置在金属板上的多个传感器两两配对形成k个传感器对，这k个传感器对中的一部分传感器对用于识别金属板结构损伤类型，本实施方式中，采用m(m小于k，m为正整数)个传感器对用于识别金属板结构损伤类型，也就是说，信息获取模块20会获取到m组信号，这种情况下，信号处理模块30对m组信号中的每一个激励信号和每一个接收信号进行信号处理，计算得到分别与m组信号对应的m个时间段(一组信号对应一个时间段)，特征提取模块40也分别对与m个时间段对应的m个接收信号进行特征提取，得到m个特征参数，损伤识别模块50根据m个特征参数来识别金属板结构损伤类型，更具体地，只要m个特征参数中的任意一个特征参数满足预先设定的条件(具体满足怎样的条件将在下文中进行阐述)，就可以识别金属板结构损伤类型，m个传感器对一般是预先选定的，优选情况下，可以选择配对形成的传感器对中的两个传感器距离较远的传感器对，特定情况下，m可以为1。所采用的m个传感器对例如可以包括传感器12和传感器15形成的传感器对、传感器13和传感器16形成的传感器对，在m为1的情况下，可以采用传感器12和传感器15形成的传感器对。

信号处理模块30还用于：根据波信号的飞行时间、波信号的周期T₀和发射激励信号的起始时间T₁，计算得到接收到接收信号的起始时间T_start和结束时间T_end；其中，T_start至T_end为目标时间段，波信号为Lamb波信号的基础模态信号。

Lamb波是导波的一种，在薄板结构中传导一定距离后会以多个模态同时存在，例如，对称模态有S0、S1、S2等模态，反对称模态有A0、A1、A2等模态，Lamb波在传播时会伴随这频散现象，即在不同的激励频率下Lamb波在介质中的传播速度不一样。在不同的频厚积下，薄板内会存在多种Lamb波的模态，频厚积越大产生的模态也就越多，这给波包的分析也带来了极大的不便，而且高阶模态有截止频率，因而，本实施方式选用基础模态信号，包括基础对称模态信号S0和基础反对称模态信号A0。

接收传感器接收到接收信号的起始时间T_start可由以下公式计算：

在公式(1)中，T_start表示接收传感器接收到接收信号的起始时间；T₁表示激励传感器发射激励信号的起始时间；T₀表示波信号的周期(即激发信号的周期或接收信号的周期)，在波信号为预先已知的情况下，波信号的周期也是已知的，例如，基础对称模态信号S0和基础反对称模态信号A0的周期是确定的；TOF表示波信号从激励传感器传播到接收传感器的时间，在波信号为预先已知的情况下，波信号的传播速度也是已知的，波信号的传播距离为配对的传感器对中的两个传感器之间的距离，本发明提供的实施方式中传感器的位置是固定的，所以任何一个传感器对中的两个传感器之间的距离都是已知的，因而，TOF在波信号的传播速度和传播距离已知的情况下是可以计算得到的。

接收传感器接收到接收信号的结束时间T_end可由以下公式计算：

公式(2)中的T_end、T₁、TOF、T₀均已在上文中进行阐述，于此不与赘述。

特征提取模块40提取的特征参数包括接收信号在T_start与T_end期间的最大峰值，即损伤最大峰值；损伤识别模块50还用于：在基础模态信号为基础对称模态信号的情况下，若损伤最大峰值小于预先已知的第一健康最大峰值，则识别金属板结构损伤类型为裂纹损伤；或者在基础模态信号为基础反对称模态信号的情况下，若损伤最大峰值大于预先已知的第二健康最大峰值，则识别金属板结构损伤类型为腐蚀损伤。

在本发明中，损伤最大峰值指的是在对金属板结构损伤类型进行识别的情况下，与一配对的传感器对(这里假设为第n个传感器对，n为正整数，且n小于或等于m)对应的波信号在T_start与T_end期间所获取到的最大峰值，损伤最大峰值即为在目标时间段所获取到的最大峰值。第一健康最大峰值指的是在对已知金属板健康的情况下，与第n个传感器对对应的基础对称模态信号在T_start与T_end期间所获取到的最大峰值，第一健康最大峰值是与基础对称模态信号对应的且是预先已知的。第二健康最大峰值指的是在对已知金属板健康的情况下，与第n个传感器对对应的基础反对称模态信号在T_start与T_end期间所获取到的最大峰值，也就是说，第二健康最大峰值是与基础反对称模态信号对应的且是预先已知的。在本实施方式中，基础对称模态信号指的是Lamb波的对称模态信号S0，基础反对称模态信号指的是Lamb波的对称模态信号A0。

损伤识别模块50还用于：在基础模态信号为基础对称模态信号且损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为裂纹扩展损伤；或者在基础模态信号为基础反对称模态信号且损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为腐蚀深度加深损伤。

对于基础模态信号为基础对称模态信号的情况下，在本实施方式中，可以每隔一段时间获取一次损伤最大峰值，每一个损伤最大峰值均可以通过本发明上文中所描述的技术方案获取，这样会获取到多个损伤最大峰值，在已经识别金属板结构损伤为裂纹损伤的情况下，再对多次获取的损伤最大峰值进行对比分析，判断在后时间段获取的损伤最大峰值是否小于在先时间段获取的损伤最大峰值，具体来说，例如先后获取了5个时间段的损伤最大峰值，5个时间段分别用D11、D12、D13、D14、D15表示，按时间先后顺序为D11、D12、D13、D14、D15，在这5个时间段获取的损伤最大峰值分别为A11、A12、A13、A14、A15，其中在D11时间段获取的损伤最大峰值为A11，在D12时间段获取的损伤最大峰值为A12，在D13时间段获取的损伤最大峰值为A13，在D14时间段获取的损伤最大峰值为A14，在D15时间段获取的损伤最大峰值为A15，若满足A11>A12>A13>A14>A15，那么可以识别金属板结构损伤为裂纹扩展损伤。

对于基础模态信号为基础反对称模态信号的情况下，在本实施方式中，可以每隔一段时间获取一次损伤最大峰值，每一个损伤最大峰值均可以通过本发明上文中所描述的技术方案获取，这样会获取到多个损伤最大峰值，在已经识别金属板结构损伤为腐蚀损伤的情况下，再对多次获取的损伤最大峰值进行对比分析，例如先后获取了5个时间段的损伤最大峰值，5个时间段分别用D21、D22、D23、D24、D25表示，按时间先后顺序为D21、D22、D23、D24、D25，在这5个时间段获取的损伤最大峰值分别为A21、A22、A23、A24、A25，其中在D21时间段获取的损伤最大峰值为A21，在D22时间段获取的损伤最大峰值为A22，在D23时间段获取的损伤最大峰值为A23，在D24时间段获取的损伤最大峰值为A24，在D25时间段获取的损伤最大峰值为A25，若满足A21<A22<A23<A24<A25，那么可以识别金属板结构损伤为腐蚀面积扩展损伤，若满足A21>A22>A23>A24>A25，那么可以识别金属板结构损伤为腐蚀深度加深损伤。

图4是本发明提供的金属板结构损伤类型识别过程的示意图，如图4所示，该过程包括：

步骤401，获取激励信号和接收信号；

步骤402，对步骤401获取的激励信号和接收信号进行信号处理，获取到波信号的飞行时间TOF、波信号的周期T₀和发射激励信号的起始时间T₁；

步骤403，计算接收到所述接收信号的起始时间T_start和结束时间T_end；

步骤404，对T_start至T_end期间的接收信号进行特征提取，得到接收信号在步骤T_start与T_end期间的最大峰值，即损伤最大峰值；

步骤405，在波信号为基础对称模态信号的情况下，判断损伤最大峰值是否小于预先已知的第一健康最大峰值，若判断结果为是，则执行步骤406，否则，执行步骤415；

步骤406，识别金属板结构损伤类型为裂纹损伤；

步骤407，判断在不同时间段多次分别获取的多个损伤最大峰值中，在后时间段获取的损伤最大峰值是否小于在先时间段获取的损伤最大峰值，若判断结果为是，则执行步骤408，否则，执行步骤415；

步骤408，识别金属板结构损伤类型为裂纹扩展损伤；

步骤409，在波信号为基础反对称模态信号的情况下，判断损伤最大峰值是否大于预先已知的第二健康最大峰值，若判断结果为是，则执行步骤410，否则，执行步骤415；

步骤410，识别金属板结构损伤类型为腐蚀损伤；

步骤411，判断在不同时间段多次分别获取的多个损伤最大峰值中，在后时间段获取的损伤最大峰值是否大于在先时间段获取的损伤最大峰值，若判断结果为是，则执行步骤412，否则，执行步骤413；

步骤412，识别金属板结构损伤类型为腐蚀面积扩展损伤；

步骤413，判断在不同时间段多次分别获取的多个损伤最大峰值中，在后时间段获取的损伤最大峰值是否小于在先时间段获取的损伤最大峰值，若判断结果为是，则执行步骤414，否则，执行步骤415；

步骤414，识别金属板结构损伤类型为腐蚀深度加深损伤；

步骤415，无法确定金属板结构损伤类型。

对于在步骤407、步骤411、步骤413中在不同时间段多次分别获取多个损伤最大峰值的过程，可以是重复步骤401至步骤404而得到的，但是应当理解，在步骤405和步骤407中获取的损伤最大峰值是在波信号为基础对称模态信号的情况下获取的损伤最大峰值，在步骤409、步骤411和步骤413中获取的损伤最大峰值是在波信号为基础反对称模态信号的情况下获取的损伤最大峰值。

图4所示的金属板结构损伤类型识别过程的已经在上文中进行具体阐述，于此不与赘述，需要说明的是，在获取了2组或2组以上的信号(每组信号包括一个激励信号和一个接收信号))的情况下，只要其中有一组信号存在步骤405、步骤407或步骤409、步骤411、步骤413的情况，就可以识别金属板结构损伤类型，这里步骤405、步骤407、步骤409、步骤411、步骤413就是上文所描述的预先设定的条件。

本发明可以用于实操，也可以用于实验验证，在实验验证中，还需要对金属板制造面积腐蚀损伤，由于本发明尤其适用于具有通孔等典型铝合金结构，所以本实施方式以具有铝合金含孔结构的铝合金板为例阐述制造面积腐蚀损伤的过程。首先，在制造腐蚀面积扩展损伤时，可以在铝合金板内孔位置用401胶固定耐腐蚀PVC管，待401胶固化后使用医用注射器吸收15ml的氢氟酸并将其完全注入PVC管的腐蚀性溶液罐中，静待氢氟酸在在铝板表面上形成蚀刻液槽。为防止腐蚀性液体从预定的孔中流出，还需用401胶将试件固定在腐蚀性孔的背面。通过使用不同直径的PVC管重复以上操作来控制氢氟酸溶液与试件接触的面积，控制腐蚀的面积，为了模拟不同时间段的腐蚀，可以多次进行该腐蚀过程。其次，在制造腐蚀深度加深损伤时，可以采用制造腐蚀面积扩展损伤同样的方法，只是在多次进行腐蚀时所使用的PVC管直径固定，但每次腐蚀时间依次延长，以此来控制腐蚀深度逐渐增加。最后，在制造裂纹损伤时也可以采用制造腐蚀面积损伤同样的方法，先在铝合金板孔边缘制造一定大小和深度的腐蚀，再用疲劳试验机施加载荷制造裂纹。

图5是本发明提供的金属板结构损伤类型识别方法的流程图，在金属板的待测区域的边界上设置多个传感器，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，如图5所示，该方法包括：

步骤501，获取激励信号和接收信号；

步骤502，对激励信号和接收信号进行信号处理，获取波信号的飞行时间和激励信号的时间参数，并计算目标时间段；

步骤503，结合目标时间段对接收信号进行特征提取得到特征参数；

步骤504，根据特征参数识别金属板结构损伤类型。

其中，本发明提供的金属板结构损伤类型识别方法还包括：根据波信号的飞行时间、波信号的周期T₀和发射激励信号的起始时间T₁，计算得到接收到接收信号的起始时间T_start和结束时间T_end；其中，T_start至T_end为目标时间段，波信号为Lamb波信号的基础模态信号。

其中，本发明提供的金属板结构损伤类型识别方法还包括：提取的所述特征参数包括接收信号在T_start与T_end期间的最大峰值，即损伤最大峰值；识别金属板结构损伤类型包括：在基础模态信号为基础对称模态信号的情况下，若损伤最大峰值小于预先已知的第一健康最大峰值，则识别金属板结构损伤类型为裂纹损伤；或者在基础模态信号为基础反对称模态信号的情况下，若损伤最大峰值大于预先已知的第二健康最大峰值，则识别金属板结构损伤类型为腐蚀损伤。

其中，识别金属板结构损伤类型还包括：在基础模态信号为基础对称模态信号且损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为裂纹扩展损伤；或者在基础模态信号为基础反对称模态信号且损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别金属板结构损伤为腐蚀深度加深损伤。

其中，本发明提供的金属板结构损伤类型识别方法还包括：多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射激励信号，另一者用于获取接收信号，其中，k为正整数；以及获取激励信号和接收信号还包括：获取k个传感器对的激励信号和接收信号；或获取k个传感器对中预先设定的传感器对的激励信号和接收信号。

需要说明的是，本发明提供的金属板结构损伤类型识别方法的具体细节及益处与本发明提供的金属板结构损伤类型识别系统类似，于此不予赘述。

为了验证本发明提供的技术方案的有效性和准确性，在3块400mm×200mm×2mm的2024-T3铝合金板试样上对本发明提供的技术方案进行验证。第一块2024-T3铝合金板试样在承受五次腐蚀后得到直径依次为19mm、22mm、31mm、40mm和49mm的腐蚀面积；第二块2024-T3铝合金板试样在承受五次腐蚀后得到深度依次为0.60mm、1.20mm、1.38mm、1.58mm和1.68mm的腐蚀深度；第三块2024-T3铝合金板试样在疲劳试验机上施加载荷后得到不同长度的裂纹。采用六边形压电传感器网络(即本发明实施方式中的示例实施方式)激励信号采集数据，最终得到在采样频率为24Ms/s，采样点为10000个的条件下，当出现腐蚀损伤时，损伤状态的Lamb波的A0波包最大峰值大于同样情况下的健康状态的最大峰值，随腐蚀面积扩大呈现逐渐递增的趋势，随腐蚀深度增加A0波包最大峰值逐渐递减，但始终大于健康状态的最大峰值；当出现裂纹损伤时，损伤状态的Lamb波的S0波包最大峰值小于同样情况下的健康状态的最大峰值，并且随裂纹损伤尺寸扩展，S0波包最大峰值逐渐递减。实验结果证明本发明提供的技术方案可以对面积扩展的腐蚀损伤进行准确定性和定量，从而证明了本发明提供的技术方案的有效性。

以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (4)

1.一种金属板结构损伤类型识别系统，其特征在于，该系统包括：

多个传感器，设置在所述金属板的待测区域的边界上，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号；

信息获取模块，获取所述激励信号和所述接收信号；

信号处理模块，对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；

特征提取模块，结合所述目标时间段对所述接收信号进行特征提取得到特征参数；以及

损伤识别模块，根据所述特征参数识别所述金属板结构损伤类型；

其中，所述信号处理模块还用于：根据所述波信号的飞行时间、所述波信号的周期T₀和发射所述激励信号的起始时间T₁，计算得到接收到所述接收信号的起始时间T_start和结束时间T_end；其中，所述T_start至所述T_end为所述目标时间段，所述波信号为Lamb波信号的基础模态信号；

其中，所述特征提取模块提取的所述特征参数包括所述接收信号在所述T_start与所述T_end期间的最大峰值，即损伤最大峰值；

所述损伤识别模块还用于：

在所述基础模态信号为基础对称模态信号的情况下，若所述损伤最大峰值小于预先已知的第一健康最大峰值，则识别所述金属板结构损伤类型为裂纹损伤；或者

在所述基础模态信号为基础反对称模态信号的情况下，若所述损伤最大峰值大于预先已知的第二健康最大峰值，则识别所述金属板结构损伤类型为腐蚀损伤；

其中，所述损伤识别模块还用于：

在所述基础模态信号为基础对称模态信号且所述损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为裂纹扩展损伤；或者

在所述基础模态信号为基础反对称模态信号且所述损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀深度加深损伤。

2.根据权利要求1所述的金属板结构损伤类型识别系统，其特征在于，

所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及

所述信息获取模块还用于：

获取所述k个传感器对的激励信号和接收信号；或

获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。

3.一种金属板结构损伤类型识别方法，其特征在于，在所述金属板的待测区域的边界上设置多个传感器，用于发射和接收波信号，其中，发射的波信号为激励信号，接收的波信号为接收信号，该方法包括：

获取所述激励信号和所述接收信号；

对所述激励信号和所述接收信号进行信号处理，获取所述波信号的飞行时间和所述激励信号的时间参数，并计算目标时间段；

结合所述目标时间段对所述接收信号进行特征提取得到特征参数；以及

根据所述特征参数识别所述金属板结构损伤类型；

其中，根据所述波信号的飞行时间、所述波信号的周期T₀和发射所述激励信号的起始时间T₁，计算得到接收到所述接收信号的起始时间T_start和结束时间T_end；其中，所述T_start至所述T_end为所述目标时间段，所述波信号为Lamb波信号的基础模态信号；

其中，提取的所述特征参数包括所述接收信号在所述T_start与所述T_end期间的最大峰值，即损伤最大峰值；

识别所述金属板结构损伤类型包括：

在所述基础模态信号为基础对称模态信号的情况下，若所述损伤最大峰值小于预先已知的第一健康最大峰值，则识别所述金属板结构损伤类型为裂纹损伤；或者

在所述基础模态信号为基础反对称模态信号的情况下，若所述损伤最大峰值大于预先已知的第二健康最大峰值，则识别所述金属板结构损伤类型为腐蚀损伤；

其中，识别所述金属板结构损伤类型还包括：

在所述基础模态信号为基础对称模态信号且所述损伤最大峰值小于预先已知的第一健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为裂纹扩展损伤；或者

在所述基础模态信号为基础反对称模态信号且所述损伤最大峰值大于预先已知的第二健康最大峰值的情况下，在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值大于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀面积扩展损伤；或在不同时间段多次分别获取的多个损伤最大峰值中，若在后时间段获取的损伤最大峰值小于在先时间段获取的损伤最大峰值，则识别所述金属板结构损伤为腐蚀深度加深损伤。

4.根据权利要求3所述的金属板结构损伤类型识别方法，其特征在于，该方法还包括：

所述多个传感器两两之间进行配对，得到k个传感器对，每个传感器对中的一者用于发射所述激励信号，另一者用于获取所述接收信号，其中，所述k为正整数；以及

获取所述激励信号和所述接收信号还包括：

获取所述k个传感器对的激励信号和接收信号；或

获取所述k个传感器对中预先设定的传感器对的激励信号和接收信号。

Images