[发明专利]一种窄带Lamb波检测数据稀疏压缩优化重建方法

摘要

本发明公开了一种窄带Lamb波检测数据稀疏压缩优化重建方法，在待测材料检测区域两侧分别设置发射EMAT阵列和接收EMAT阵列，令发射阵列中的各个EMAT按照预设的顺序分别以窄带频率激发所需模态Lamb波，对侧接收阵列接收Lamb波，并对接收到的Lamb波检测信号进行窄带滤波处理，形成窄带Lamb波检测数据；得到检测数据后，经离散傅里叶变换，再采用教与学优化算法TLBO重构原始数据，最优化测量向量和恢复矩阵，并将低维测量向量传输到上位机；本发明解决了大面积板件电磁超声Lamb波层析成像数据量大、传输时间长导致检测效率低的问题，实现了快速、大比例和高质量的数据压缩和传输，为大面积板件Lamb波实时层析成像打下坚实基础，具有广阔的应用前景。

主权项

1.一种窄带Lamb波检测数据稀疏压缩优化重建方法，其特征在于，包括以下操作：1)在待测材料检测区域两侧分别设置发射EMAT阵列和接收EMAT阵列；其中EMAT阵列采用圆形回折线圈设计，通过工作频率和导线间距的匹配关系，激发和接收所需模态的窄带Lamb波；2)发射阵列中的各个EMAT按照预设的顺序分别以窄带频率f_c激发所需模态Lamb波；对侧的接收阵列接收Lamb波，并对接收到的Lamb波检测信号进行窄带滤波处理，滤波中心频率同样为f_c，形成窄带Lamb波检测数据x(n)，其中n＝1,2，…，N，N为正整数；3)利用离散傅里叶变换对窄带Lamb波检测数据进行分析，得到原始检测数据的稀疏表示及其稀疏度K，根据稀疏度K和原始数据长度N确定低维测量数的初始值M；其中，K、M为正整数；4)采用高斯随机矩阵Φ测量原始数据向量x(n)，得到测量向量y(m)；其中高斯随机矩阵Φ的维度为M×N，测量向量的维度为低维测量数的初始值M，且M<<N，并得到恢复矩阵A；5)根据测量向量和恢复矩阵，利用教与学优化算法TLBO重构窄带Lamb波原始检测数据向量，并计算出重构误差；6)判断重构误差是否小于设定值，若是则进行步骤7；若不是判断该方法目前的迭代次数是否大于设定值，若是则进行步骤7，若不是对测量数M加1，并返回步骤4；7)重构完成，提取此时的低维测量向量y(m)，并将其传输到上位机进行存储和处理。