[发明专利]一种基于遗传算法的超声传感器阵列参数的分析方法

摘要

本发明公开了一种基于遗传算法的超声传感器阵列参数的分析方法，用于对GIS壳体焊缝内部缺陷进行检测，属于无损检测领域。该方法以全聚焦成像法则为目标函数，通过遗传算法对超声传感器阵列的中心频率和孔径尺寸进行优化。该方法的优势在于通过与优化算法相结合对超声传感器阵列参数进行优化，可以在全局范围内找出最佳的检测参数组合，克服以往根据经验来多次调整阵列参数，且未必得到最优的阵列参数下的检测结果。由于焊缝中缺陷要比各向同性材料中的缺陷检测难度大，通过该方法找到最优的检测参数，更有利于焊缝内缺陷的检出；因此，此方法具有很强的实用性，并可提高GIS壳体焊缝内部缺陷的检出率。

主权项

1.一种基于遗传算法的超声传感器阵列参数的分析方法，其特征在于：首先，确定超声传感器阵列的优化参量即中心频率和孔径尺寸，目标函数即全聚焦成像法则；然后，构建N个初始种群，确定复制、交叉和变异因子，设定迭代终止条件；当遗传算法不满足迭代终止条件时，根据遗传算法规则产生新的种群，当遗传算法满足终止条件时，则迭代截至，最后发现中心频率和孔及尺寸会收敛于它们的最优解，从而确定两者的最优组合；假设一维线性传感器阵列的阵元个数为N，i表示激励阵元，j表示接收阵元；由激励阵元i激励的声束到达待测试件成像区域聚焦点坐标(x,z)处，然后由此聚焦点反射为接收阵元j所接收；对于x‑z平面内采用线阵相控阵超声换能器直接耦合试件的检测，假设在试件内部坐标为(x,z)处存在一点状缺陷，则全矩阵数据中由第i个阵元激发，第j个阵元接收得到的信号表示为其中，D(x_i,x,z,ω)和D(x_j,x,z,ω)是分别表示激励阵元和接收阵元的指向性函数，E(x_i,x,z,ω)和E(x_j,x,z,ω)分别表示声波由激发阵元传播至缺陷以及由缺陷传播至接收阵元的幅值衰减量的频谱，A(ω)是接收信号的频谱，S(x_i,x_j,x,z,ω)是缺陷的散射系数；D(x_i,x,z,ω)和E(x_i,x,z,ω)分别表示为式中a为阵元晶片的宽度，c为材料声速，k为超声波的波数，r_i表示激励阵元到缺陷的距离，θ_i表示激励阵元到缺陷的连线与竖直方向的夹角；S(x_i,x_j,x,z,ω)表示缺陷的散射系数，由解析法获得；全聚焦成像算法针对试件成像网格区域内的每一个离散坐标点采用阵列超声换能器上的所有阵元进行虚拟聚焦，在虚拟聚焦所得回波数据中选择与该坐标点相对应时间的回波幅值进行成像，其表达式如式(4)所示：I(x_i,x_j,x,z,ω)＝|∑H(x_i,x_j,x,z,ω)exp(‑jω(r_i+r_j)/c)|    (4)在使用超声检测焊缝内部缺陷时，由于焊缝内部的晶粒粗大，这使得超声在焊缝内部传播时衰减较大，由于激励信号频率越高，在介质中传播时的衰减越大，而当频率较小时则由于对缺陷的分辨率不够，而使得有些焊缝内部实际存在的缺陷得不到很好的检测效果；同时，孔径尺寸的选择对超声阵列的检测效果也有较大的影响作用；因此，有必要通过遗传算法选择出最佳的中心频率和孔径尺寸的组合参数；进而，在遗传算法当中选择激励信号的中心频率f和阵列的孔径尺寸N_A作为遗传算法的输入变量；中心频率f的和孔径尺寸N_A的取值范围分别为3—7MHz和0.6—19.1mm。