我用abaqus仿真了lamb在一块板子上的传播,激励在中间,有四个接受点在激励周围呈环形布置,如图所示。
令STMR阵列中启动器的位置为坐标原点,则激励Lamb波包经损伤反射传达至传感器的时间teds可以表示为:
(1)
式中,(xd , yd)和(xs , ys)分别为损伤和传感器的位置坐标,ded和dds分别表示启动器与损伤以及损伤与传感器之间的距离,vLamb则表示Lamb波激励信号中心频率对应的群速度。值得注意的是,由于Lamb波分别沿E-D和D-S路径的传播方向一般不同,而对于各向异性材料而言,不同传播方向上的群速度会有差异,应用式(1)的过程中应加以区分,本文仅以各向同性材料中相同的群速度为例加以说明。
于是,利用式(1)得到的损伤反射信号传播时间teds可以从传感器的接收信号中提取由于损伤反射所致的Lamb波包Seds,k,可以表示为:
(2)
式中,Sk表示第k号传感器的接收信号,twin则表示原始激励Lamb波包的时间宽度。这个值通常与原始激励信号的时间宽度相同,但在实际应用过程中,考虑到Lamb波传播过程中的频散效应,twin的取值应比激励信号的时间宽度大一些。
进一步根据式(2)提取得到的损伤反射Lamb波包,对其进行傅里叶变换,则对应于第k号传感器的损伤指标(Damage Index,DI)可以表示为:
(3)
式中,W(t)为窗函数,通常选择能量较为集中在主瓣的诸如汉宁窗、高斯窗等等,FFT表示快速傅里叶变换,fc则表示原始激励信号的中心频率。
依次对STMR阵列中所有传感器重复进行式(1)-式(3)的损伤因子提取过程并求和即可得到整个STMR阵列对应于损伤位置(xd , yd)的诊断因子(Diagnostic Factor,DF):
(4)
由于实际诊断过程中,损伤发生的位置(xd , yd)并不已知,于是,就需要预先设置具有一定密度覆盖整个薄板表面的检测网络,并通过STMR阵列中传感器的接收信号逐点计算相应的DF值;将所有检测点对应的DF值立体映射到三维坐标系中形成结构整体的损伤诊断图像。可以预见,损伤或缺陷产生的区域所对应DF数值由于反射波包信号的影响,将会比其他无损区域对应DF的值高,反应在损伤诊断图像上即为相应位置奇异峰值的出现。同时,不同大小程度的损伤对应的DF数值大小也会有所差异,由于其反射波包信号的幅值会随着损伤程度的增加而增强,故通过比较不同工况下判定损伤处对应诊断因子的数值大小就可以对结构损伤的相对严重程度进行量化对比分析。
最终效果如图