一种基于分形的超声相控阵无损检测方法

一种基于分形的超声相控阵无损检测方法技术领域本发明属于现代超声信号处理领域，特别涉及一种基于分形的超声相控阵无损检测方法。背景技术超声相控阵技术在上世纪八十年代被提出，初期主要是应用于医学超声成像诊断。近年来国内外超声相控阵技术发展很快，在医学诊断和工业检测等方面的研究很热门。随着超声相控阵系统设计、系统模拟以及实际应用的不断发展，相控阵技术慢慢走上数字化。随着超声相控阵技术开发和应用的不断发展，相控阵技术已被用于复合材料等的无损检测。然而，由于复合材结构多种多样，使用要求也不尽相同。由于超声相控阵各阵元得到的回波信息具有不同的信号特征，单个信息不能够全面描述被测体；超声波在复合材料中幅值衰减大，所以超声阵列得到的回波幅度很小，后续信息不容易处理；当多个阵元同时发射时，各阵元的发射波、回波之间会发生干涉作用，当各波相位不同时，信号强度会减弱。所以存在以下难点：仅仅利用超声相控阵方法还难以胜任其质量的检测与评定，实际检测工作中往往需要针对不同检测对象和要求，采用不同的检测技术和方法。根据上述技术难点，中国发明专利申请号201310152221.6通过只采用一种线性探头，运用超声相控阵技术可对不同形状及尺寸的轴类进行无损检测，提高了检测效率，解决了轴类传统超声波检测中检测不同的轴需要不同型号的探头,并配备不同的轴类对比试块进行对比试验的问题,大大减少了人力和物力的投入。然而，此发明只是针对轴类对象，而对于平面的复合材料并不适用。中国发明专利申请号201310166560.X提出一种钢箱梁U肋角焊缝的超声相控阵检测方法，本发明方法解决了钢箱梁U肋角焊缝熔深和内部缺陷检测的难题,使钢箱梁U肋角焊缝的焊接质量得到有效控制。可是，此发明不仅需要超声相控阵探头还需要对比试块，而且灵敏度的调节在试块上，不好操作，灵敏度误差大。国家发明专利申请号201310209297.8提出一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法，解决了厚板电子束焊缝缺陷无损检测与识别问题。然而，此发明需要构造三个基于支持向量机的子模型，只要一个子模型出现错误，就会影响整个识别结果。中国发明专利申请号200510124212.1提出使用相控阵超声自动检测系统对焊缝横向裂纹进行检测的方法，解决了检测焊缝横向裂纹的难题，且检测结果准确可靠。可是，此发明要使用四支超声相控阵探头一焊缝为对称轴呈十字对称排列，所以进行检测前必须要知道横向焊缝的位置，而对于一般要检测的对象，我们事先并不知道焊缝在哪里。要实现对未知缺陷情况的复合材料进行无损检测，通过硬件实现成本较高，实现比较困难。在近一个世纪内，信号处理研究领域不断发展，人们已开始把研究的焦点从传统的信号处理到现代信号处理上来。现代信号主要是非线性和非平稳性等复杂信号。分形理论就是处理现代信号的一种手段，并为人们解决非线性问题开辟了新的途径。小波变换与分形算法具有深刻的内在联系。分形是一种几何语言，小波变换是一种分析工具，小波变换的平移不变性与分形变换的尺度不变性相一致。分形的定义是不规则几何体在动力学演化过程中，在一定的标度尺度范围内，相应的测度不会随尺度改变而发生变化，也就是系统或整体中每一个元素或局部都能在一定程度上体现整个系统的特性和信息，这称为自相似性。所以，通过从大到小不同尺度的变换，可以在越来越小的尺度上观察到越来越丰富的细节。把分形算法和贝叶斯信息融合算法结合起来用于超声相控阵的无损检测，既可以充分利用相控阵各阵元得到的信息，又可以快速准确的判别多种被测对象的未知缺陷。而目前尚未有文献记载此类技术。发明内容为解决上述技术难点，本发明的目的是提供一种基于分形的超声相控阵无损检测的方法。该方法不仅能够提高各超声相控阵阵元所采集信息的利用率，得到对现实环境更为准确、可靠的描述，还可以快速准确的判别复合材料的未知缺陷。本发明是通过下述技术方案加以实现的，一种基于分形的超声相控阵无损检测方法，包括以下步骤：（一）采用超声相控阵设备，设计设备参数让超声相控阵探头的各个阵元依次单独发射。1号阵元单独发射时，2号阵元采集回波信号；2号阵元单独发射时，3号阵元采集回波信号，以此类推，最后将采集到的所有信号组成一个数组，得到多个数组；（二）对得到的数组采用分位图法，得到参加信息融合的最少融合数据，组成最佳融合新数组；（三）得到最佳融合新数组后进行最后的信息融合，从而得到最有结果，贝叶斯估计的建立：1）求出每个最佳融合新数组m个元素彼此之间的置信距离测度ijd（i,j=1,2,...,n），组成置信矩阵D，nnnnddddD1111；其中dxxxpdjixxiiij)(2，})(21exp{21)(2iiiiixxxxp,)(iixxp是在第i个参加数据融合的样本值取ix的条件下的概率密度，i是第i个样本值的方差；令2tx，经过数学推导得，1()2ijdb，其中，()b是标准正态分布的概率，b表示变量t的上限；2）求出关系矩阵R，R是由ijr组成，nnnnrrrrrR1111，其中，ijijijijijddr;0;1，其中，ijr是第i个样本与第j个样本的相关系数，ij是置信距离测度ijd的界线值；3）由关系矩阵R，得到每个数组参加信息融合的最佳融合数据集；4）依新数组各元素的pdf（概率密度）曲线作为各特征函数，记为p(x)；5）求出决策函数),...,,(21nxxxd，其中nxxx,...,,21是来自总体X的样本值；6）由决策函数求出风险函数))},...,,(,({)(21nuxxxduLEduR，其中u是参数，即所要求的融合结果，)),...,,(,(21nxxxduL是损失函数的二次式；7）对风险函数求平均，得到决策函数),...,,(21nxxxd的贝叶斯风险B,其中，)()(})),...,,(,({)()()())(()(21uduhuxxxduLEuduhduRduREdBn，h(u)是参数u的先验分布密度；8）若有),...,,(21nxxxd使得ddBdB)},(min{)(，则称d为参数u的贝叶斯估计量，也称为最优估计；9）损失函数取二次式221)],...,,([),(nxxxduduL，则u的贝叶斯估计量为*121212(,,...,)((,,...,))((,,...,))nnndxxxEuxxxupuxxxdu；要想求出估计量，只要求出)),...,,((21nxxxup即可；其中，121212(;,,...,)((,,...,))(;,,...,)nnnpuxxxpuxxxpxxx，令),...,,(121nxxxp，其中，是正则化因子，则12((,,...,))npuXXX})(21exp{21})(21exp{21200012uuuXnkkkk})(21)(21exp{2002uuuXkk，其中k是第k个样本的标准差，0是所有样本的整体标准差，0u是样本均值；由于我们采集的数据波形并不是标准的正态分布，特征函数p(x)很难直接求出，所以我们采用以下步骤推导出所要求的最优估计；10）假设)),...,,((21nxxxup服从正态分布),(2NNuN，其中Nu是正态分布的均值，2N是正态分布的方差；所以，2012011((,,...,))exp{()}22NnNuupuxxx,由以上两式比较，得nkknkkkNuxu12021200211；11）通过以上推导，得到参数u的贝叶斯估计为uˆ，即12ˆ((,,...,))nNuupuxxxduu，也就是超声相控阵阵元得到的最优息融合结果；其特征在于，还包括：（四）分形过程的建立1）得到贝叶斯信息融合算法的最优融合结果，共有M个点，画出M个最有融合点的波形图；2）选取标度网格长度（只能取整数，且不小于1），横坐标被分成-（M1）个网格；3）在横坐标的第i区间内，波形最高值减去波形最低值，再除以，即使该区间内波形与网格相交的盒子数目，若余数不等于零，则盒子数加1；4）将所有区间的盒子数目相加，得到盒子总数()NF；5）取不同的，重复上述2到4，得到相应的盒子总数()NF；6）画出()NF和的双对数曲线；7）取出曲线线性关系好的一段，用最小二乘法做一元线性回归拟合出直线的斜率，作为盒维数的估计值imD；8）根据盒维数的估计值imD，判断复合材料有无缺陷以及缺陷类型。本发明的优点在于：1）将分位图法联合贝叶斯估计一起使用，可以减少离异值的干扰，有很强的抗干扰性；2）排除一些没用的或者具有干扰性的信号后，减少了参与计算的量，提高计算速度；3）把分形算法用于超声相控阵的无损检测，计算简单，可以采用此方法的被测对象范围广；4）此发明用于被检测对象时，能很明确未知缺陷的位置和类型。附图说明图1：实现本发明的流程图；图2：实现本发明贝叶斯信息融合算的流程图；图3：实现本发明分形算法的流程图；图4：实施例1超声相控阵1#阵元单独发射的波形图；图5：实施例1超声相控阵2#阵元单独发射的波形图；图6：实施例1超声相控阵3#阵元单独发射的波形图；图7：实施例1超声相控阵4#阵元单独发射的波形图；图8：实施例1超声相控阵5#阵元单独发射的波形图；图9：实施例1超声相控阵6#阵元单独发射的波形图；图10：实施例1超声相控阵7#阵元单独发射的波形图；图11：实施例1超声相控阵8#阵元单独发射的波形图；图12：实施例1本发明通过贝叶斯信息融合算法实现的波形图；图13：实施例1本发明通过分形算法实现的()NF和双对数曲线；图14：实施例2超声相控阵1#阵元单独发射的波形图；图15：实施例2超声相控阵2#阵元单独发射的波形图；图16：实施例2超声相控阵3#阵元单独发射的波形图；图17：实施例2超声相控阵4#阵元单独发射的波形图；图18：实施例2超声相控阵5#阵元单独发射的波形图；图19：实施例2超声相控阵6#阵元单独发射的波形图；图20：实施例2超声相控阵7#阵元单独发射的波形图；图21：实施例2超声相控阵8#阵元单独发射的波形图；图22：实施例2本发明通过贝叶斯信息融合算法实现的波形图；图23：实施例2本发明通过分形算法实现的()NF和双对数曲线。具体实施方式：为了更清楚的理解本发明，结合附图和实施例详细描述本发明：实施例1：如图1至图13所示：实施例1的被测对象是没有缺陷的不锈钢快，超声相控阵各阵元1#—8#单独发射的波形图如图4—图11,能看出八个图形并不完全相同，即各阵元采集的信号特征有差别，为了综合利用各信号提供的有用信息特征，摒除错误信息特征，采用贝叶斯信息融合算法。实施例1的具体算法出图1—图2的流程图。实施例1的步骤如下：（1）把1#—8#阵元单独发射得到的文本数据导入到MATALB中，组成8个1088维1列的数组A1、A2、A3、A4、A5、A6、A7、A8；（2）由分位图法分别求出8个数组的有效融合元素，组成矩阵X；（3）贝叶斯估计的建立把矩阵X每一列得到的有效数据利用贝叶斯估计进行融合，每一列最后都得到一个最有估计，各列最有估计组成1维1088列的数组u，使用MATLAB进行仿真，得到图12。（4）分形算法的建立选取标度网格长度为1，取最优估计结果的前300个点做仿真，横坐标被分成1087个网格，在横坐标的每个区间内求-1波形最高值波形最低值网格长度，即使该区间内波形和网格相交的盒子数，若余数不为0，则盒子数加1；把所有区间的盒子数目相加得到总盒子数()NF；取不同的网格长度，重复上述步骤，得到相应的()NF；最后做出()NF和网格长度的双对数曲线，图13。由于超声相控阵的各阵元单独发射得到的回波信息特征不同、八个阵元同时发射时各回波信息会发生干涉，当相位不同时信号强度会减弱以及被测对象的多种类和缺陷的未知性，所以为了综合利用各信号的有用信息、避免回波信息之间的