【摘 要】
：
电磁超声换能器无需液体耦合介质而直接在待测金属材料内产生超声波，具有非接触检测的特点，可用于高温、移动或者表面粗糙结构的检测。电磁超声换能器工作过程依赖电磁耦合效应，能量转化效率较低，因而需建立正确的理论模型，并对其进行优化设计，以期提高换能器和检测系统性能。本文介绍一种全向电磁超声换能器的轴对称模型，用于在导体板内产生全向传播的Lamb波。以换能器模型为基础，将换能器模型中永磁体的结构参数作为优
【机 构】
：
清华大学电机系 北京100084 Univ Bristol, Dept Mech Engn, Br
【出 处】
：
2016年度全国检测声学与物理声学会议
论文部分内容阅读
电磁超声换能器无需液体耦合介质而直接在待测金属材料内产生超声波，具有非接触检测的特点，可用于高温、移动或者表面粗糙结构的检测。电磁超声换能器工作过程依赖电磁耦合效应，能量转化效率较低，因而需建立正确的理论模型，并对其进行优化设计，以期提高换能器和检测系统性能。本文介绍一种全向电磁超声换能器的轴对称模型，用于在导体板内产生全向传播的Lamb波。以换能器模型为基础，将换能器模型中永磁体的结构参数作为优化的设计变量而其他参数固定不变，优化目标是增强A0模式的发生而抑制S0模式的发生。板中观察点的位移分量幅度用于计算优化的目标函数。介绍三种获取位移幅度的方法，其一为求解时域仿真波形的包络峰值；其二为建立换能器的频域模型，对输入激励波形采用FT处理作为频域模型的输入，模型输出数据采用IFT进行处理以获得时域波形，而后求取包络峰值；其三为使用单频率的频域模型。对三种方法进行了分析和比较。尝试完成单目标和多目标优化，具体采用了遗传算法。单目标优化中仅减小S0模式与A0模式幅度之比，多目标优化还增强A0模式本身。多目标优化获得的Pareto front与设计变量离散网格上数据的估算结果进行了比较。分析具体数据可知，针对线性化处理的10 mm厚钢板材料，可选择S0/A0最小的数据点，此时多目标优化退化为单目标优化；对于3 mm厚的铝板材料，在没有进一步信息的条件下，难以简单地选取Pareto front上的某个具体点。
其他文献
通过雾化水样,使水中重金属形成微米级的气溶胶颗粒,再采用滤膜进行富集,进一步使用能量色散X射线荧光光谱技术进行检测分析,最终实现多种重金属的同时在线分析.实验通过对管压、管流以及分析时间等条件的选择,提高了分析结果的准确度和稳定性.通过测定浓度为0.1μg/mL的混合重金属溶液,11次测定结果的相对误差小于10％,RSD小于8％.长期稳定性通过与实验室配制溶液浓度相比,连续测定数据在±20％以内波
本文介绍我们研制的无膜电极法在线水中余氯测量和控制仪器，该仪器真正实现了水处理行业对余氯在线测量的要求，维护简便、快速，测量精度能够满足相关行业要求。
本文以中国分析仪器行业开展工程应用的视角，对[美]mks公司的可调谐滤波红外光谱仪(TFS)技术开展多领域工程应用的技术优势，进行针对性的综合分析。从其产品技术的成熟过程、技术系统的构建及深化设计、测试及验证的定量技术数据等方面，都可肯定该产品技术具有突破性创新的高端品质，实属21世纪的前沿技术。产品技术的成熟度也比较高，在满足特定领域的急需，例如燃气热值分析，天然气在线分析等方面，尤其具有特殊的
针对目前煤粉制备生产环节的消防安全隐患，提出一种基于传感器集成控制的一氧化碳含量检测装置，文章介绍了装置架构、原理和特点，并对装置稳定性和相对准确度做了实验和论证，通过与现有GMS气体分析系统的对比，该装置不但外型更为小巧、响应更为迅速，而且成本大幅节省，值得推广使用。
非线性超声检测技术是一种可以对材料性能退化进行早期评估的有效方法。考虑到超声波的非线性响应对材料结构健康状况更加敏感，本文研究了基于二阶谐波法的非线性超声导波技术对航空用复合材料层压板性能退化的评估。碳纤维/环氧树脂复合材料板试件承受循环热疲劳载荷用于模拟结构件在役工作环境，同时对试件进行水侵入作用，研究复合材料层压板在热疲劳和吸湿交互作用下，线性和非线性超声特征参数的变化。研究结果表明：随着加载
非线性超声在医学和工业领域的应用日益增多.超声在传播过程中由于波形畸变产生的高次谐波信号,可有效提高医学超声影像的成像分辨率,也可有效评价材料早期疲劳损伤.微扰法将非线性声波方程分解为两个线性方程,是处理微弱非线性效应的常用方法.在液体非线性研究中,考虑了材料非线性、衰减和声束衍射效应的KZK方程是具有代表性的模型,然而该模型在距离声源轴线较远的地方误差较大.为综合考虑非线性二次谐波测量中的影响因
超声相控阵成像检测具有直观等特点，已经在无损检测中较为广泛使用，但目前还是主要针对单一介质进行成像，对于分层固体结构的成像仅有少数研究。其中一种方法是将焦点置于第二层介质进行检检测成像，但成像分辨率在焦点深度附近最高，其他深度分辨率则变差。另外一种方法是采用TFM (Total focus method)进行声波的发射、采集和成像，在成像区域具有相同的分辨率，但该方法需要多个阵元同时采集波形，因而
厚度低于6 mm的薄板材在工业中应用最为广泛,然而薄板材在制造过程中不可避免的带来缺陷,因此需要对薄板材进行无损检测.但传统的无损检测技术易受外界环境干扰、对环境有污染等原因而限制他们在无损检测中的应用范围.而电磁超声检测技术(EMAT)由于无需耦合剂、检测速度快等优点而广泛应用于薄板材的无损检测.但是用于检测薄板的电磁超声兰姆波具有多模态和频散特性,从而限制了兰姆波的应用范围.为此,本文将研究影
城市供水管网实时监测数据具有大容量、多样性的特点，研究和利用先进的理论与方法，从监测声信号中挖掘有效信息，高效、准确地识别管网的运行状况，成为供水管网泄漏检测领域面临的新问题。深度学习理论作为模式识别和机器学习领域最新的研究成果，以强大的建模和表征能力在图像和语音处理等领域的大数据处理方面取得了丰硕的成果。本文结合供水管网声信号的特点与深度学习的优势，提出了一种新的管网泄漏声信号识别方法。该方法通