本發(fā)明屬于智能檢測(cè)木材構(gòu)件膠縫缺陷領(lǐng)域，涉及一種超聲波智能檢測(cè)木材構(gòu)件膠縫缺陷方法。
背景技術(shù)：
：當(dāng)前，我國(guó)的大多的建筑結(jié)構(gòu)主材如混凝土、鋼材以及磚砌體均屬于高耗能材料，形勢(shì)迫使我們需要尋找更加節(jié)能以及環(huán)保的建材，木材作為古老而又現(xiàn)代的主材進(jìn)入選擇視線。木材具有強(qiáng)度高、密度小、可再生和彈性好等優(yōu)點(diǎn)，擁有良好的抗壓、抗彎和抗拉的特性。同時(shí)木材是一種綠色的環(huán)保健康建材，在任何氣候環(huán)境中均可適用，可展現(xiàn)形式豐富多樣的建筑風(fēng)格，被業(yè)界公認(rèn)為賞心悅目和美觀大方的建筑材料。因此，研究木材構(gòu)件建筑是否符合我國(guó)的節(jié)能和環(huán)保政策顯得尤為重要和迫切。然而，木材構(gòu)件在膠合過(guò)程中可能會(huì)存在膠縫缺陷或者木構(gòu)件本身含有死節(jié)等缺陷，極大的影響了木結(jié)構(gòu)的安全性能。目前大多采用傳統(tǒng)的目視鑒別與簡(jiǎn)單敲擊的辦法對(duì)木結(jié)構(gòu)的安全性能進(jìn)行評(píng)價(jià)，其主要依靠檢測(cè)者的經(jīng)驗(yàn)，具有較大的人為因素，判斷的準(zhǔn)確率相對(duì)較低。如何在不破壞原有木結(jié)構(gòu)的基礎(chǔ)上，較為科學(xué)地檢測(cè)木構(gòu)件是否存在膠縫缺陷，從而確定木構(gòu)件是否需要加固還是更換，是當(dāng)前木結(jié)構(gòu)勘察設(shè)計(jì)和制定木結(jié)構(gòu)方案時(shí)需要解決的難題。在不破壞被檢測(cè)對(duì)象內(nèi)部和外觀結(jié)構(gòu)以及使用性能的前提下，無(wú)損檢測(cè)是利用材料的不同物理力學(xué)或化學(xué)性質(zhì)，對(duì)目標(biāo)物體的相關(guān)特性進(jìn)行有效的測(cè)試與檢驗(yàn)。目前應(yīng)用于木材及木結(jié)構(gòu)方面的損傷識(shí)別技術(shù)主要有射線檢測(cè)技術(shù)、應(yīng)力波無(wú)損檢測(cè)技術(shù)和超聲波無(wú)損檢測(cè)技術(shù)。隨著無(wú)損檢測(cè)技術(shù)、計(jì)算機(jī)技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，木材的無(wú)損檢測(cè)技術(shù)沿著小型化、智能化、聯(lián)合化、自動(dòng)化方向發(fā)展。近年來(lái)，隨著人工神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，它也較多的應(yīng)用于木材科學(xué)領(lǐng)域。國(guó)外方面，很多文獻(xiàn)研究了應(yīng)用貝葉斯方法、K近鄰法及神經(jīng)網(wǎng)絡(luò)分類器方法分析聲-超聲波法檢測(cè)木材中腐朽的有效性。國(guó)內(nèi)方面，很多文獻(xiàn)提出對(duì)木質(zhì)復(fù)合材料的振動(dòng)無(wú)損檢測(cè)時(shí)，不同的檢測(cè)目的應(yīng)選擇相應(yīng)的振動(dòng)信號(hào)處理方法。分析國(guó)內(nèi)外研究人員的現(xiàn)狀，木材檢測(cè)還存在著諸多問(wèn)題，如：射線檢測(cè)結(jié)果需要通過(guò)膠片成像來(lái)展現(xiàn)，容易增加檢測(cè)成本和檢測(cè)時(shí)間，大批量檢測(cè)不適用，且不適合于在線檢測(cè)與野外檢測(cè)；而應(yīng)力波檢測(cè)技術(shù)雖然具有操作簡(jiǎn)單、方便的優(yōu)點(diǎn)，但是最后的檢測(cè)結(jié)果的準(zhǔn)確性往往會(huì)被施加機(jī)械應(yīng)力的大小和位置以及被測(cè)物的狀態(tài)等影響。根據(jù)超聲無(wú)損檢測(cè)原理，聲波在材料中傳播過(guò)程中首先要受到材料介質(zhì)吸收和散射的影響而起衰減，從而在不同材料介質(zhì)分界面引起折射和反射。對(duì)于帶有缺陷的構(gòu)件，缺陷的具體位置、形狀和大小等性質(zhì)的區(qū)別會(huì)引起反射回波所含頻率成分的不同。因此，超聲波測(cè)試儀所接收到的超聲回波信號(hào)是通過(guò)聲波在材料傳播的過(guò)程當(dāng)中由于遇到聲阻抗不連續(xù)而反射的各個(gè)反射超聲回波按時(shí)間先后迭加而生成，因此這類缺陷信號(hào)的振幅會(huì)隨著時(shí)間而發(fā)生變化，是一種非線性、非平穩(wěn)性的周期震蕩信號(hào)。奇異譜分析(SingularSpectrumAnalysis,簡(jiǎn)稱SSA)是Karhunen-Loeve分解理論的發(fā)展與應(yīng)用，能從含隨機(jī)波動(dòng)的有限尺度時(shí)間序列中有效地提取信息，適合用于超聲波回波信號(hào)這類具有非線性、非平穩(wěn)特征的周期振蕩行為的分析。因此利用奇異譜分析算法的多尺度分析能力對(duì)超聲回波信號(hào)進(jìn)行周期數(shù)據(jù)重建，從而提取回波信號(hào)的特征參數(shù)，表征木材構(gòu)件的特征信息，進(jìn)行信噪分離，使得工程技術(shù)操作人員依據(jù)這些特征信息對(duì)木材構(gòu)件的膠縫缺陷類別進(jìn)行辨識(shí)分類，從而在不破壞被檢測(cè)對(duì)象內(nèi)部和外觀結(jié)構(gòu)以及使用性能的前提下準(zhǔn)確診斷缺陷，是一個(gè)值得研究的課題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題是用超聲波測(cè)試儀檢測(cè)木材試件得到超聲回波信號(hào)，利用奇異譜分析算法的多尺度分析能力對(duì)超聲回波信號(hào)進(jìn)行周期數(shù)據(jù)重建，提取回波信號(hào)的特征參數(shù)，表征木材構(gòu)件的特征信息，進(jìn)行信噪分離，使得工程技術(shù)操作人員依據(jù)這些特征信息對(duì)木材構(gòu)件的膠縫缺陷類別進(jìn)行辨識(shí)分類，從而在不破壞被檢測(cè)對(duì)象內(nèi)部和外觀結(jié)構(gòu)以及使用性能的前提下準(zhǔn)確診斷缺陷。發(fā)明的技術(shù)解決方案如下：一種超聲波智能檢測(cè)木材構(gòu)件膠縫缺陷方法，包括以下步驟：步驟一、用超聲波檢測(cè)儀測(cè)量木材試塊，得到表示木材構(gòu)件膠縫缺陷的包含隨機(jī)波動(dòng)的超聲波回波時(shí)間序列信號(hào)，將其送入計(jì)算機(jī)分析系統(tǒng)；步驟二、計(jì)算機(jī)分析系統(tǒng)對(duì)包含隨機(jī)波動(dòng)的超聲波回波時(shí)間序列信號(hào)進(jìn)行分析處理：(1)將包含隨機(jī)波動(dòng)的超聲波回波時(shí)間序列信號(hào)進(jìn)行中心化處理，記為xt，xt＝{x1,x2,x3,…,xN}，其中N為序列長(zhǎng)度，1≤t≤N；(2)將超聲波回波時(shí)間序列信號(hào)映射到高維歐氏空間，得到延遲矩陣，記為X，式中，X的行數(shù)為M，列數(shù)為K，[]表示取整，K＝N-M，X中的元素用xij表示，xij＝xi+j,xi+j為中心化處理后的超聲波回波時(shí)間序列信號(hào)xt的元素，M＞＝i＞＝1,K＞＝j(luò)＞＝1；(3)構(gòu)造X的延時(shí)-協(xié)變矩陣(Lagged-CovarianceMatrix)Tx：Tx=ρ(0)ρ(1)...ρ(M-1)ρ(1)ρ(0)...ρ(M-2)............ρ(M-1)ρ(M-2)...ρ(0)]]>其中，Tx中每一個(gè)元素用ρ(h)表示，M-1＞＝h＞＝0，(4)計(jì)算Tx的特征根，按降序排列如下：λ1≥λ2≥…≥λM≥0，選取大于0.0004的特征根，記為λ1≥λ2≥…≥λq≥0，其中q為大于0.0004的特征根的個(gè)數(shù)，計(jì)算矩陣Tx的大于0.0004的特征根對(duì)應(yīng)的特征向量，記為時(shí)間經(jīng)驗(yàn)正交函數(shù)T-EOF(TimeEmpiricalOrthogonalFunction)，其中第m個(gè)特征根記為λm，λm對(duì)應(yīng)的特征向量記為Em，1≤m≤q；(5)計(jì)算延遲矩陣X在時(shí)間經(jīng)驗(yàn)正交函數(shù)T-EOF上的正交投影系數(shù)，即Tx的時(shí)間主成分T-PC(TimePrincipalComponent)，其中延遲矩陣X的第j列信號(hào)在第m個(gè)T-EOF上的正交投影系數(shù)，記為M＞＝i＞＝1,K＞＝j(luò)＞＝1；(6)用T-EOF和T-PC重新構(gòu)建長(zhǎng)度為N的新時(shí)間序列，其中第m個(gè)T-EOF和T-PC重建的第i個(gè)成分記為重建成分RC，xim=1MΣj=1Mai-jm′Em,M≤i≤N-M+11iΣj=1iai-jm′Em,1≤i≤M-11N-i+1Σj=i-N+MMai-jm′Em,N-M+2≤i≤N;]]>(7)將重建成分RC進(jìn)行線性疊加，得到新的超聲回波測(cè)量信號(hào)序列，記為1≤t≤N，新的超聲回波測(cè)量信號(hào)序列的第i個(gè)數(shù)據(jù)記為x~i=Σm=1qxim,i=1,2,...,N;]]>(8)將新的超聲回波測(cè)量信號(hào)序列輸送到顯示界面；步驟三、用戶檢查顯示界面的數(shù)據(jù)，根據(jù)新的超聲回波測(cè)量信號(hào)序列判斷木材構(gòu)件膠縫缺陷。其中顯示界面可以為液晶顯示器，顯示屏等。有益效果：本發(fā)明用超聲波測(cè)試儀檢測(cè)木材試件得到超聲回波信號(hào)，利用奇異譜分析算法的多尺度分析能力對(duì)超聲回波信號(hào)進(jìn)行周期數(shù)據(jù)重建，提取回波信號(hào)的特征參數(shù)，表征木材構(gòu)件的特征信息，進(jìn)行信噪分離，使得工程技術(shù)操作人員依據(jù)這些特征信息對(duì)木材構(gòu)件的膠縫缺陷類別進(jìn)行辨識(shí)分類，從而在不破壞被檢測(cè)對(duì)象內(nèi)部和外觀結(jié)構(gòu)以及使用性能的前提下準(zhǔn)確診斷缺陷。附圖說(shuō)明圖1為本發(fā)明中實(shí)施步驟框圖，圖2為實(shí)施例中奇異值分析圖，圖3為實(shí)施例中奇異譜分析圖。具體實(shí)施方式以下將結(jié)合附圖和具體實(shí)施例對(duì)發(fā)明做進(jìn)一步詳細(xì)說(shuō)明：實(shí)施例1：本試驗(yàn)采用的木材為興安落葉松，木材試塊總數(shù)為300個(gè)，其中單件木材名義尺寸為2100mm×150mm×30mm，為了測(cè)得數(shù)據(jù)，將該木材試件進(jìn)行膠合，分為2組試件：標(biāo)準(zhǔn)試件、膠縫試件。測(cè)得該批試件平均含水率為16％，平均密度為0.55g/cm3。儀器選用超聲波測(cè)試儀。首先，用超聲波檢測(cè)儀測(cè)量木材試塊，得到表示木材構(gòu)件膠縫缺陷的包含隨機(jī)波動(dòng)的超聲波回波時(shí)間序列信號(hào)，送入計(jì)算機(jī)，計(jì)算機(jī)分析系統(tǒng)將其中心化處理，記為xt，xt＝{x1,x2,x3,…,xN}，其中N為序列長(zhǎng)度，1≤t≤N；為了滿足后續(xù)計(jì)算的對(duì)稱性要求，取超聲回波時(shí)間序列信號(hào)的10個(gè)測(cè)量信號(hào)組成一組樣本數(shù)據(jù)，N＝10，分別取無(wú)缺陷樣本數(shù)據(jù)xt和有缺陷樣本數(shù)據(jù)三組，如下：然后，將超聲波回波時(shí)間序列信號(hào)映射到高維歐氏空間，得到延遲矩陣，記為X，X=(xij)M×K=x11x12...x1Kx21x22...x2K............xM1xM2...xMK]]>式中，X的行數(shù)為M，列數(shù)為K，[]表示取整，K＝N-M，X中的元素用xij表示，xij＝xi+j,xi+j為中心化處理后的超聲波回波時(shí)間序列信號(hào)xt的元素，M＞＝i＞＝1,K＞＝j(luò)＞＝1，這里M＝5，K＝5。不難看出矩陣X中xji與xij對(duì)應(yīng)著相同的測(cè)量時(shí)間序列的數(shù)據(jù)xj+i，又由于M＝K，因此X為對(duì)稱矩陣，如下所示：由于超聲回波測(cè)量信號(hào)時(shí)間序列存在隨機(jī)波動(dòng)，直接運(yùn)用奇異譜分解，可能造成主成分中引入隨機(jī)因素，因此構(gòu)造X的延時(shí)-協(xié)變矩陣(Lagged-CovarianceMatrix)Tx：Tx=ρ(0)ρ(1)...ρ(M-1)ρ(1)ρ(0)...ρ(M-2)............ρ(M-1)ρ(M-2)...ρ(0)]]>其中，Tx中每一個(gè)元素用ρ(h)表示，M-1＞＝h＞＝0，其中，Tx滿足如下兩個(gè)特征：(1)Tx為非負(fù)對(duì)稱矩陣；(2)Tx的特征根非負(fù)。本實(shí)施例中Tx如下：計(jì)算Tx的特征根，按降序排列如下：λ1≥λ2≥…≥λM≥0，選取大于0.0004的特征根，記為λ1≥λ2≥…≥λq≥0，其中q為大于0.0004的特征根的個(gè)數(shù)，計(jì)算矩陣Tx的大于0.0004的特征根對(duì)應(yīng)的特征向量，記為時(shí)間經(jīng)驗(yàn)正交函數(shù)T-EOF(TimeEmpiricalOrthogonalFunction)，其中第m個(gè)特征根記為λm，λm對(duì)應(yīng)的特征向量記為Em，1≤m≤q；；根據(jù)Horn&Johnson于1985提出的奇異值分解理論，第m個(gè)T-EOF對(duì)應(yīng)的特征根(對(duì)于方陣而言也是奇異值)的大小，恰好反映了其在重構(gòu)時(shí)對(duì)原始序列方差貢獻(xiàn)強(qiáng)度，越大表示重要程度越高。同時(shí)對(duì)無(wú)趨勢(shì)序列而言，奇異值序列λm將緩慢下降；而對(duì)趨勢(shì)序列而言，前面幾個(gè)奇異值遠(yuǎn)大于后面的奇異值，奇異值序列陡降后緩慢下降。根據(jù)實(shí)際計(jì)算，對(duì)于超聲回波測(cè)量信號(hào)序列，當(dāng)奇異值λm小于0.0004后，對(duì)原始序列方差已經(jīng)貢獻(xiàn)不大，因此取大于0.0004的奇異值，這里取前面兩個(gè)奇異值，q＝2。本實(shí)施例中奇異值分析圖如圖2所示。計(jì)算延遲矩陣X在時(shí)間經(jīng)驗(yàn)正交函數(shù)T-EOF上的正交投影系數(shù)，即Tx的時(shí)間主成分T-PC(TimePrincipalComponent)，其中延遲矩陣X的第j列信號(hào)在第m個(gè)T-EOF上的正交投影系數(shù)，記為M＞＝i＞＝1,K＞＝j(luò)＞＝1。用T-EOF和T-PC重新構(gòu)建長(zhǎng)度為N的新時(shí)間序列，其中第m個(gè)T-EOF和T-PC重建的第i個(gè)成分記為重建成分RC，xim=1MΣj=1Mai-jm′Em,M≤i≤N-M+11iΣj=1iai-jm′Em,1≤i≤M-11N-i+1Σj=i-N+MMai-jm′Em,N-M+2≤i≤N;]]>將重建成分RC進(jìn)行線性疊加，得到新的超聲回波測(cè)量信號(hào)序列，記為1≤t≤N，新的超聲回波測(cè)量信號(hào)序列的第i個(gè)數(shù)據(jù)記為i＝1,2,…,N。將新的超聲回波測(cè)量信號(hào)序列輸送到顯示界面，用圖形顯示即為奇異譜分析圖如圖3所示，顯示界面可以為液晶顯示器，顯示屏等。用戶根據(jù)顯示界面顯示的有缺陷樣本數(shù)據(jù)，與無(wú)缺陷樣本數(shù)據(jù)比較，即可以按照標(biāo)準(zhǔn)判斷木材構(gòu)件膠縫缺陷。本發(fā)明用超聲波測(cè)試儀檢測(cè)木材試件得到超聲回波信號(hào)，利用奇異譜分析算法的多尺度分析能力對(duì)超聲回波信號(hào)進(jìn)行周期數(shù)據(jù)重建，提取回波信號(hào)的特征參數(shù)，表征木材構(gòu)件的特征信息，進(jìn)行信噪分離，使得工程技術(shù)操作人員依據(jù)這些特征信息對(duì)木材構(gòu)件的膠縫缺陷類別進(jìn)行辨識(shí)分類，從而在不破壞被檢測(cè)對(duì)象內(nèi)部和外觀結(jié)構(gòu)以及使用性能的前提下準(zhǔn)確診斷缺陷。當(dāng)前第1頁(yè)1 2 3