-
公开(公告)号：CN110542723B
公开(公告)日：2020-04-24
申请号：CN201910877753.3
申请日：2019-09-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法，涉及超声无损检测领域。本发明是为了解决稀疏表示在超声导波信号重叠波包识别中存在的字典设计方法和信号稀疏分解算法不够完善，进而导致超声导波信号分析得到的结果不够精确的问题。本发明利用惩罚项使系数向量尽可能稀疏，大大降低了噪声与字典原子匹配的可能性；利用导波的传播模型设计字典矩阵，其中考虑导波的频散、多模态和模态转换问题，以线性分解的形式识别重叠波形，相比常规的信号处理方法更具有优势；采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理稀疏表示这类欠定线性问题方面具有独特的优势，对噪声的鲁棒性也更好。
-
Patent Agency Ranking
公开(公告)号：CN110542723A
公开(公告)日：2019-12-06
申请号：CN201910877753.3
申请日：2019-09-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法，涉及超声无损检测领域。本发明是为了解决稀疏表示在超声导波信号重叠波包识别中存在的字典设计方法和信号稀疏分解算法不够完善，进而导致超声导波信号分析得到的结果不够精确的问题。本发明利用惩罚项使系数向量尽可能稀疏，大大降低了噪声与字典原子匹配的可能性；利用导波的传播模型设计字典矩阵，其中考虑导波的频散、多模态和模态转换问题，以线性分解的形式识别重叠波形，相比常规的信号处理方法更具有优势；采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理稀疏表示这类欠定线性问题方面具有独特的优势，对噪声的鲁棒性也更好。
-
公开(公告)号：CN115032283B
公开(公告)日：2025-03-25
申请号：CN202210633550.1
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于复数稀疏贝叶斯学习的超声导波频散曲线反演方法，涉及超声无损检测技术领域。本发明是为了解决超声导波在板状薄壁结构中传播时，由于频散特性产生波包畸变导致难以准确提取导波信号里的损伤信息的问题。本发明根据导波频率响应模型转化为稀疏线性模型，并将复数稀疏线性模型转换为实数线性模型且采用相同的超参数控制稀疏向量的实部和虚部，保证实部和虚部稀疏一致性，从而提高稀疏贝叶斯学习效果。本发明进行复数稀疏贝叶斯学习时对未知权重系数采用Laplace先验，促进了波数权重向量的稀疏性，提高导波波数识别的精度。基于随机布设的传感器识别频散曲线，克服了超声导波在薄壁结构中传播时由于频散特性产生波包畸变的问题。
-
公开(公告)号：CN110907540B
公开(公告)日：2020-09-11
申请号：CN201911228473.6
申请日：2019-12-04
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法，所述方法布置三个传感器进行超声导波信号采集,对每个传感器信号分析获得M个损伤直接散射的M个传播时间ToF，并获得各可能组合方式对应的M个3×1的ToF向量；对基于导波传播时间的非线性损伤定位模型中的参数进行线性化处理；然后利用贝叶斯定理求每个参数的条件后验概率分布，利用吉布斯采样对各参数的条件后验分布进行采样，对每个可能组合方式对应的多个ToF向量数据进行吉布斯采样，最终判定样本点离散程度最小且速度参数合理的分组方式为最后识别的损伤位置。本发明可以基于三个传感器ToF信息自动实现超声导波多损伤精确定位。
-
公开(公告)号：CN110907540A
公开(公告)日：2020-03-24
申请号：CN201911228473.6
申请日：2019-12-04
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法，所述方法布置三个传感器进行超声导波信号采集,对每个传感器信号分析获得M个损伤直接散射的M个传播时间ToF，并获得各可能组合方式对应的M个3×1的ToF向量；对基于导波传播时间的非线性损伤定位模型中的参数进行线性化处理；然后利用贝叶斯定理求每个参数的条件后验概率分布，利用吉布斯采样对各参数的条件后验分布进行采样，对每个可能组合方式对应的多个ToF向量数据进行吉布斯采样，最终判定样本点离散程度最小且速度参数合理的分组方式为最后识别的损伤位置。本发明可以基于三个传感器ToF信息自动实现超声导波多损伤精确定位。
-
公开(公告)号：CN115032283A
公开(公告)日：2022-09-09
申请号：CN202210633550.1
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于复数稀疏贝叶斯学习的超声导波频散曲线反演方法，涉及超声无损检测技术领域。本发明是为了解决超声导波在板状薄壁结构中传播时，由于频散特性产生波包畸变导致难以准确提取导波信号里的损伤信息的问题。本发明根据导波频率响应模型转化为稀疏线性模型，并将复数稀疏线性模型转换为实数线性模型且采用相同的超参数控制稀疏向量的实部和虚部，保证实部和虚部稀疏一致性，从而提高稀疏贝叶斯学习效果。本发明进行复数稀疏贝叶斯学习时对未知权重系数采用Laplace先验，促进了波数权重向量的稀疏性，提高导波波数识别的精度。基于随机布设的传感器识别频散曲线，克服了超声导波在薄壁结构中传播时由于频散特性产生波包畸变的问题。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
