聚焦传感器双模式检测法两种波的传播路径

4  Lamb检测法

超声Lamb作为一种有效的检测手段，具有准确、迅速检测大面积试样的能力，已用于检测复合板材结构的粘接质量问题。邓明晰等人采用二阶微扰近似和模式展开方法，对分层结构中兰姆波的二次谐波发生问题进行了深入研究，并就铝板/环氧粘接层/铝板结构中兰姆波的二次谐波声场进行了数值分析，结果表明，软粘接层性质对二次谐波声场的影响很大。随后，他们以三种不同粘接情形的复合板材为研究对象[15]，通过引入非线性Lamb波应力波因子，结合二次谐波幅频曲线峰值所对应的频率值，实现了对板材粘接层性质的表征。

超声检测只是—种检测方法，但要这种方法应用于实践，信号处理起着不可或缺的作用，解决粘接质量检测问题的关键在于超声特征信号的检出及信号的分析与处理。如何有效地提取和利用反映粘接界面缺陷的信息特征，在理论探索和工业应用两方面都有十分重要的意义。目前，许多新的信号处理技术在粘接质量检测领域中得到了广泛应用，主要包括人工神经网络[16]、解卷积技术[17]以及小波变换[18]等。

(1)人工神经网络  神经网络模式识别已经成为无损检测领域重要的信号分析与处理手段之一，在超声检测领域逐步应用到了复合材料特征信号的检测和识别。人工神经网络的输入矢量是信号的特征参量，对信号特征参量的正确选择与提取是采用神经网络智能判别成功的关键。在超声检测中信噪比较低的情况下有独特的效果。可把整个超声信号作为多层网络的输入，并采取适当措施减少信号偶然波动带来的影响。神经网络不仅可以实现对多种粘接缺陷的分类，具有识别准确度高的优点，而且对不完全、不够清晰的缺陷信息同样有效。

(2)解卷积分析技术  在多层粘接结构超声检测中，由于缺陷位置和大小、介质的衰减、耦合条件及超声换能器的相对位置等因素对回波信号的影响，直接从回波信号中难以分辨包含粘接界面缺陷信息的特征信号。解卷积分析技术能够去除噪声及其他因素的影响，突出缺陷散射的特征，进而较好的实现缺陷类型的准确识别，进行缺陷类型的定量评价。

(3)小波变换  小波变换(WT)是20世纪80年代由Morlet首创并发展起来的应用数学分支，它克服了短时傅立叶变换(SFT)窗函数一经选定，窗口大小和形状固定不变，即分辨率有限的缺点，实现了时频局部化分析。信号在高频时，时问窗很窄，即具有较高的时间分辨率；而信号在低频时，时间窗较宽，即具有较低的时间分辨率。换言之，小波变换实现了窗口的大小(面积)固定、形状可变的时频局部化。目前小波变换在瞬态信号检测、去噪声、语音图像分析处理、数据压缩、人工视觉和分形研究方面发展迅速[19]。文献针对钢/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，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。