超声全矩阵数据联合稀疏重构的多测量向量模型应用

针对单测量向量模型等传统压缩感知方法处理超声全矩阵捕捉数据时,存在重构精度低和重构耗时长等问题,该文研究了多测量向量模型应用的可行性。针对铝合金试块中不同深度的Ф2mm横通孔,分别使用多测量向量模型中的多测量稀疏贝叶斯算法和单测量向量模型中的稀疏贝叶斯算法进行超声全矩阵数据重构,并实施全聚焦成像。随后,引入归一化均方误差和阵列性能因子评价图像和信号的重构效果。实验结果表明,稀疏贝叶斯算法在25%采样率时的归一化均方误差为1.9%,而多测量稀疏贝叶斯算法仅需15%采样率即可达到相似效果且耗时更少。

基于全模式全聚焦方法的裂纹超声成像定量检测

利用超声成像方法对关注区域成像,对获取缺陷形状、尺度和取向等特征具有重要意义。考虑了21种不同声束路径的模式波,复合叠加各重建点能量最强信号,提出全模式全聚焦方法(FTFM)。利用一组探头楔块,通过一次信号采集实现未知裂纹的轮廓重建与定量检测。针对厚度40 mm碳钢中长度4 mm,中心深度25 mm,取向角度分别为0°、±20°、±50°和±80°的裂纹,采用64阵元、中心频率5 MHz线阵探头配合45°纵波楔块实施全矩阵捕捉(FMC)和FTFM成像,仿真和实验均重建了裂纹完整轮廓,裂纹长度、取向和中心深度定量误差分别不超过0.60 mm、2.39°和0.73 mm。最后,为保证FTFM成像质量,检测时应合理选择相控阵探头参数,并移动探头至最佳位置处采集FMC信号。