相控阵超声监测成像与直方图匹配图像增强实验研究*

2015-05-09孙亚杰薛瑶环蔡岩松相高峰

传感技术学报 2015年1期

关键词：灰度级相控阵压电

孙亚杰,高艺,薛瑶环,蔡岩松,相高峰

(1.南京信息工程大学,江苏省网络监控中心,南京 210044;2.南京信息工程大学,江苏省大气环境与装备技术协同创新中心,南京 210044)

相控阵超声监测成像与直方图匹配图像增强实验研究*

孙亚杰1,2*,高艺1,2,薛瑶环1,2,蔡岩松1,2,相高峰1,2

(1.南京信息工程大学,江苏省网络监控中心,南京 210044;2.南京信息工程大学,江苏省大气环境与装备技术协同创新中心,南京 210044)

相控阵超声监测成像是通过控制Lamb波发射与接收的时间延迟而控制其指向,当特定方向的Lamb波指向结构中损伤时形成反射信号,由此监测结构中损伤;将监测结构扫描范围内不同方向上Lamb波信号的归一化幅值用二维灰度图像显示,实现结构损伤成像。由于相控阵监测所得原始图像并不完美,因此,利用直方图匹配图像增强方法对原始图像进行处理,通过划分损伤图像的灰度级、统计各灰度级的分布情况、计算各灰度级的概率密度函数,得到直方图匹配处理的最终灰度变换关系,利用原始图像与输出图像各灰度级的映射关系,修改原图像的灰度级,获得增强图像。该方法在铝板、玻璃纤维复合材料结构与碳纤维复合材料结构中进行实验分析,验证方法的正确性和有效性。

结构健康监测;相控阵;时间延迟;损伤图像;图像增强;直方图匹配

结构健康监测技术利用集成在结构中的传感/驱动元件,在线实时获取与结构健康状态相关的信息,结合先进的信号处理方法,提取结构损伤特征参数,识别结构的状态,包括损伤,对结构的不安全因素,在其早期就加以控制以消除安全隐患或控制安全隐患的进一步发展,从而实现结构健康的自诊断,保证结构的安全和降低维修费用[1-3]。结构内部的各种损伤会引起应力集中、裂纹扩展,这些以及损伤周围的边界都会引起在结构中传播的Lamb波信号的散射和能量的吸收,因此,Lamb波可以作为一种在线监测方法被用于检测结构中的损伤[4-7]。相控阵超声监测成像技术是结构健康监测成像领域一个新的发展方向,超声相控阵结构健康监测技术[8-11]是通过控制相控阵传感器阵列中各传感阵元发射与接收Lamb波信号的时间,而使Lamb波波束指向得以控制,从而对结构进行定向扫描的一种技术。

然而,由于基于Lamb波的结构健康监测中Lamb波的传播较为特殊,目前Lamb波相控阵超声技术在结构健康监测领域的应用研究还较浅显,从已发表的研究成果来看,研究过程中还存在难点和问题:①在基于损伤散射信号的主动Lamb波监测中,激励器与传感器位置固定,激励器在结构中激发出的Lamb波沿着板结构平面各方向传播,传感器得到的Lamb波信号不仅来自损伤散射,还包括了来自激励器的信号和边界反射信号,且从幅值上看损伤散射信号要小的多。因此,直接引入相控阵超声技术时,由于损伤散射信号很微弱,即使实现了聚焦其幅值也会因为小于边界反射和直接传播信号而无法提取。如何应用超声相控阵技术获得损伤散射信号需要研究。②按照相控阵超声技术对Lamb波波束指向的控制,可以实现对结构扫描结果的图像显示。虽然监测图像能够较为直观的表征损伤,但传感器接收的Lamb波信号中模式混叠,对损伤散射信号的成像造成一定的影响,使得图像质量不高。

本文通过分析结构损伤时散射信号的特点,采用相控阵原理控制信号的延迟聚焦,实现对结构的扫描,识别结构中损伤。将监测范围不同角度的Lamb波信号幅值对应的灰度值采用图像的形式显示,实现对结构中目标损伤的成像。针对原始监测图像的不完美,利用直方图匹配图像增强方法对其进行处理,提高图像的可识别度。该方法在铝板、玻璃纤维复合材料和碳纤维复合材料结构中进行实验分析,验证方法的正确性和有效性。

图1 相控阵监测原理图

1 相控阵监测原理与成像方法

压电元件发射信号时,远场区点A(R,θ)接收到的信号为各个激励信号在板中传播一定距离后信号的累加,那么点A接收到的信号为:

(1)

式中,K1为发射过程中信号传播一定距离后幅值的衰减系数;Se(t)表示激励信号;R/c为信号从坐标原点传播到点A所需要的时间;c为超声波在板中的传播速度;δi(θ)为第i个压电元件相对于坐标原点到达点A的时间差,其中,δi(θ)=xicosθ/c,i=0～M-1,该时间差是由第i个压电元件相对于坐标原点到达点A的波程差ξi(θ)=xicosθ所引起的。

由于各压电元件到达点A的时间存在一定差异,则需对各压电元件激发的激励信号在时间上进行一定的补偿,使各激励信号同时到达点A。那么,若对每个压电元件激励附加Δti(θ)的时间延迟,则点A接收到的信号为:

(2)

式中,如果时间延迟Δti(θ)与时间差δi(θ)相等,即:Δti(θ)=δi(θ)=xicosθ/c,i=0～M-1,那么点A(R,θ)接收到的信号幅值达到最大,即此时波束的最大值指向为θ,点A信号为:

(3)

要求波束指向为θ,则各阵元激发的激励信号的时间延迟为:

(4)

由互易性可知,在相同条件下,接收和发射是一致的,即通过控制时间延迟,各传感器可以接收预定偏转角度方向上的目标信息。

信号波束在监测角度范围内进行扫描时,利用接收到的回波信号幅值进行角度测量,当波束对准目标时,回波信号幅值最强,当目标偏离波束时,回波信号减弱。根据接收回波信号最强时的波束指向,就可确定监测目标的方向。

根据相控阵超声结构健康监测扫描原理,通过控制信号的时间延迟,使其在一定范围内扫描,扫描过程中,当Lamb波波束指向损伤目标时产生损伤散射信号并反射回各压电元件,因此压电元件接收的反射信号中,损伤方向的信号幅值最大。以信号幅值为参数,把扫描范围内不同角度上的传感器响应信号的幅值按照其对应的角度用图像的方法显示出来,即将传感器响应信号各点幅值映射为图像矩阵中各点的像素值,则相控阵超声扫描结果可以用图像的方法显示出来,图像最亮处即为损伤所在处。这就是相控阵成像监测方法的基本原理。

2 基于直方图匹配的图像增强

在实际应用中,需要突出图像中我们感兴趣的灰度级范围,有针对性地增强某个灰度级分布范围内的图像,因此,可以修改图像的直方图,使其具有所要求的形状,这种方法称为直方图匹配或直方图规定化[12-13]。

设原始图像f(x,y)的灰度级范围为[min,max],r为此灰度范围内的任一灰度级,P(r)为这幅图像中灰度级为r的像素出现的频率,即P(r)为r的概率密度函数,该函数的图像成为这幅图像f(x,y)的直方图。为研究方便,将图像灰度级r归一化在[0,1]之间,即0≤r≤1。

对于离散图像,灰度级rk的概率值为:

(5)

式中,n表示图像中像素的总数,nk表示在图像中出现某种灰度级的次数,L表示灰度级的总数目,p(rk)为第k级灰度级的概率。

对离散图像进行直方图匹配处理的过程如下:

①对原始图像做灰度变换:

(6)

②对输出图像做灰度变换:

(7)

③对原始图像的每个灰度级rk选择一个输出图像的灰度级zk,选择规则是使sr(rk)与sz(zk)最接近,从而得到直方图匹配处理的最终灰度变换关系。

④利用rk和zk的映射关系,修改原图像的灰度级,获得增强图像。

3 实验研究

3.1 实验系统

实验中使用的采集系统为多通道压电结构健康监测系统[14-15],图2为系统框图。该实验采集系统由数字I/O控制模块、高速数据采集模块、激励波形产生模块、高频宽带功率放大模块、电荷放大模块、多通道扫查切换模块组成。该扫查系统具备I/O控制、数据采集、波形产生、信号放大控制等功能,实现数据的采集与传输。

图2 结构健康监测系统框图

为了验证针对相控阵结构健康监测成像的图像增强方法的有效性与普适性,实验对象采用3种不同材料结构,分别为铝板结构、玻璃纤维复合材料结构与碳纤维复合材料结构。损伤形式则设计为孔洞,质量块加载与专用加载装置加载。图3为实验试件,图3(a)与图3(b)为LF-21M防锈铝板结构,图3(a)为铝板实物图,图3(b)为铝板结构示意图,结构尺寸为:1 200mm×2 000mm×1.5mm;图3(c)与图3(d)为玻璃纤维复合材料结构,图3(c)为玻璃纤维复合材料实物图,图3(d)为玻璃纤维复合材料结构示意图,结构尺寸为:2 000mm×1 000mm×3mm;图3(e)、图3(f)与图3(g)为碳纤维复合材料结构,图3(e)为碳纤维复合材料实物图,图3(f)为加载装置与CDLG-1高精度S形拉压力传感器,图3(g)为碳纤维复合材料结构示意图,结构尺寸为:1 800mm×1 000mm×2.84mm。

图3 实验试件(单位mm)

组成压电线阵的各压电元件直径为8mm,厚度为0.48mm。监测结构中坐标系以压电阵列中心位置为坐标原点,线阵所在直线为横轴,压电元件标号由小到大的方向为x坐标轴正方向,与之垂直方向为y坐标轴。

铝板结构(图3(a)与图3(b))中压电线阵由8个压电元件组成,相邻两个压电元件的中心距离为12mm,8个压电元件从上而下的标号依次为0号～7号。实验损伤形式为圆孔,图3图(b)中标记8mm的圆为钻孔位置,钻孔的圆心坐标为:(105°,210mm)。

玻璃纤维增强复合材料结构(图3(c)与图3(d))中压电线阵由9个压电元件组成,相邻两个压电阵元的中心间距为12mm,压电元件的标号从上而下依次为0～8号。损伤形式是质量为0.5kg的质量块加载,其位置为:(78°,125mm)。

碳纤维复合材料结构(图3(e)和图3(g))中压电线阵由11个压电元件组成,相邻两个压电元件的中心间距为10mm,压电元件的标号从左至右依次为0～10号。实验利用加载装置加载,利用CDLG-1高精度S形拉压力传感器监测加载的载荷大小,碳纤维复合材料结构利用加载装置加载35kg的载荷位置为:(140°,85mm)。

3.2 相控阵监测成像信号处理

图4 激励信号

驱动器激发的激励信号为5波峰窄带正弦调制信号,中心频率为40kHz,峰峰值为±5V。实验的采样频率为1.6MHz,激励信号的到达时刻为0.196ms,如图4所示。每个驱动器在不同方向上激发的激励信号是通过基准激励信号经过时间延迟得到的,控制时间延迟即控制各个驱动器在不同监测角度激发激励信号的触发时间。时间延迟是根据作为驱动器的压电元件的标号与监测角度计算得到,将不同驱动器不同方向计算得到的时间延迟附加于基准激励信号中得到每个驱动器在不同方向的激励信号。

在结构健康状态和损伤状态下采集数据,得到结构健康状态下传感器响应信号和损伤状态下的传感器响应信号。结构健康状态下的传感器响应信号作为参考信号,损伤状态下的传感器响应信号与之相比较得到损伤散射信号,损伤散射信号是由于损伤的存在而产生的。

图5 碳纤维复合材料结构中Lamb波波速

图6 损伤监测结果原始图像

每个角度上经过时间延迟的损伤散射信号累加得到该方向的合成信号。把0～180°范围内归一化合成信号绝对值包络的幅值按照其角度用灰度的形式表示在同一个图上得到损伤图像,如图6所示。图中横、纵坐标代表位置,不同点的灰度对应该点信号的相对幅值,灰度的从暗到亮代表信号幅值的从弱到强,图中亮点表示损伤,幅值最大处为损伤位置的中心点。图6(a)为铝板钻孔监测图像,监测结果为:(107°,217 mm),实际钻孔位置为:(105°,210 mm),角度误差和距离误差为:(2°,10 mm);图6(b)为玻璃纤维复合材料加载质量块监测图像,监测结果为:(77°,122 mm),实际损伤位置为:(78°,125 mm),角度误差和距离误差为:(1°,4 mm);图6(c)为碳纤维盒段结构利用加载装置加载监测图像,监测结果为:(139°,84 mm),实际加载载荷位置为:(140°,85 mm),角度误差与距离误差为:(1°,3 mm)。

其中,监测结果的角度误差是监测损伤位置与真实损伤位置的角度相减,而距离误差是通过余弦定理计算得出的,即:

(7)

式中,Δθ为监测损伤与真实损伤之间的角度误差,θm为监测损伤位置的角度,θr为实际损伤位置的角度,Δr为监测损伤与真实损伤之间的距离误差,rm为监测损伤位置的距离,rr为真实损伤位置的距离。

图7 直方图匹配对比度增强后铝板损伤监测图像

3.3 直方图匹配图像增强实验分析

由各监测结构的相控阵扫描成像结果图6可以看到,图像的对比度低,噪声信号的幅值较大,图6(a)监测图像对比度尤其低,虽然没有使损伤的定位出现错误,但使得超声相阵扫描识别图像的显示不突出,因此,利用直方图匹配图像增强方法对其进行图像处理,提高图像的可识别度,使监测结果显示清晰,为使图像增强前后的对比形象化,同时说明直方图匹配图像增强方法的有效性,利用该方法处理后的图像如图7所示。

以图6(a)铝板结构损伤监测图像为例说明直方图匹配图像增强过程。图6(a)是一幅181×886的图像(181为扫描角度个数,886为每个方向归一化合成信号绝对值包络参与成像的数据点数),归一化图像灰度值为0～1,图像中像素的灰度值可能为[0,1]范围内任意值,为统计方便,将[0,1]范围的灰度值进行划分,每隔0.1划分为一个灰度级,将灰度级附近的灰度值归类,其中灰度级的划分如下:0(0～0.05)、0.1(0.05～0.15)、0.2(0.15～0.25)、0.3(0.25～0.35)、0.4(0.35～0.45)、0.5(0.45～0.55)、0.6(0.55～0.65)、0.7(0.65～0.75)、0.8(0.75～0.85)、0.9(0.85～0.95)、1(0.95～1)。

②按式(6)对原始图像做灰度变换的结果sr(rk)如表2所示。

③按式(7)对输出图像做灰度变换的结果sz(zk)如表2所示。

④根据使sr(rk)与sz(zk)最接近的规则,对原始图像的灰度级rk选择输出图像的灰度级zk,这个直方图匹配处理的变换关系如表3所示。

⑤根据表3中图像灰度级的变换关系,对原始图像的像素进行灰度变换,从而得到直方图匹配处理后的增强图像,结果显示如图7(a)所示。图像处理后,其灰度的概率密度函数如表4所示

玻璃纤维复合材料结构与碳纤维复合材料结构损伤监测原始图像图6(b)与图6(c)经过直方图匹配处理后的对比度增强的图像如图7(b)与图7(c)所示。

对比直方图匹配处理前后的图像图6与图7可以看出,经过直方图匹配处理后图像灰度级有所减少,使某些细节消失,但是图像的对比度明显加强,损伤监测结果显示也更加清晰,达到图像增强的目的。

表1 灰度分布情况

表2 灰度变换结果

表3 匹配的灰度变换关系

表4 增强后图像概率

4 结论

利用相控阵原理进行结构损伤识别,根据损伤散射信号特点,采用相控阵原理控制信号的延迟聚焦,实现损伤定位。采用二维灰度图像的形式直观显示监测结果,图像中灰度的从暗到亮对应信号幅值的从小到大,灰度最亮处即为结构损伤所在处。针对相控阵监测图像对比度不高的情况,采用直方图匹配图像增强方法将损伤图像进行对比度增强,通过划分损伤图像的灰度级,统计各灰度级的分布情况,计算各灰度级的概率密度函数,得到直方图匹配处理的最终灰度变换关系,利用原始图像与输出图像各灰度级的映射关系,修改原图像的灰度级,获得增强图像,提高损伤图像的可识别度。

[1]袁慎芳.结构健康监控[M].北京:国防工业出版社,2007.

[2]季赛,黄丽萍,孙亚杰.面向无线传感结构健康监测的压缩感知方法研究[J].传感技术学报,2013,26(12):1740-1746.

[3]谢建宏.压电智能结构损伤检测的最小二乘支持向量机方法[J].传感技术学报,2007,20(1):164-167.

[4]Fromme P.Structural Health Monitoring of Plates with Surface Features Using Guided Ultrasonic Waves[C]//Proc of SPIE 2009,7295:1-8.

[5]Liu Y,Wang Y M,Shen C J,et al.Damage Detection for Plate-Like Structure Based on Lamb Wave and Time-Reversal Theory[C]//2012 5th International Congress on Image and Signal Processing,2012:1778-1781.

[6]Zhang Xiaoyue,Yuan Shenfang,Liu Menglong,et al.Analytical Modeling of Lamb Wave Propagation in Composite Laminate Bonded with Piezoelectric Actuator Based on Mindlin Plate Theory[J].Journal of Vibroengineering,2012,14(4):1681-1700.

[7]Marcus Engholm,Tadeusz Stepinski.Adaptive Beamforming for Array Imaging of Plate Structures Using Lamb Waves[J].IEEE Transactions on Ultrasonics,Ferroelectrics,and Frequency Control,2010,57(12):2712-2724.

[8]Yu L Y,Bottai S G,Giurgiutiu V,et al.Shear Lag Solution for Tuning Ultrasonic Piezoelectric Wafer Active Sensors with Applications to Lamb Wave Array Imaging[J].International Journal of Engineering Science,2010,48(10):848-861.

[9]Giurgiutiu V.Development and Testing of High-Temperature Piezoelectric Wafer Active Sensors for Extreme Environments[J].Structural Health Monitoring,2010,9(6):513-525.

[10]孙亚杰,张永宏,袁慎芳,等.无参考Lamb波相控阵结构损伤监测成像方法[J].复合材料学报,2013,30(6):122-127.

[11]Purekar A S,Pines D J.Damage Detection in Thin Composite Laminates Using Piezoelectric Phased Sensor Arrays and Guided Lamb Wave Interrogation[J].Journal of Intelligent Material Systems and Structures,2010,21(10):995-1010.

[12]盛道清.图像增强算法的研究[D].武汉:武汉科技大学,2007.

[13]Acharya T,Ray A K.Image Processing Principles and Applications[M].Published by John Wiley and Sons,Inc.,Hoboken,New Jersey,2005:105-217.

[14]Qiu L,Yuan S F.On Development of a Multi-Channel PZT Array Scanning System and Its Evaluating Application on UAV Wing Box[J].Sensors and Actuators A,2009,151:220-230.

[15]邱雷,袁慎芳.集成压电结构健康监测系统的研制及其应用[J].压电与声光,2008,30(1):39-42.

Experimental Research on Phased Array Ultrasonic Monitoring Imaging and Histogram Matching Based Image Enhancement*

SUNYajie1,2*,GAOYi1,2,XUEYaohuan1,2,CAIYansong1,2,XIANGGaofeng1,2

(1.Jiangsu Engineering Center of Network Monitoring,Nanjing University of Information Science and Technology,Nanjing 210044,China;2.Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology,Nanjing University of Information Science and Technology,Nanjing 210044,China)

he Lamb wave can directionally monitor the structure.The time delay of the signal is controlled in the process of transmitting and receiving.The normalized amplitudes of the scanning signals are drawn on a two-dimensional gray image to get the structural damage image.The original damage image is not perfect.The histogram matching image enhancement method is used to improve the image recognition.Firstly,the gray level of the damage image is divided and the probability density function of the gray level is calculated.Secondly,the final gray transform relationship processed by histogram matching is gotten.Finally,the gray level of the original image is modified according to the gray level mapping relationship between the original image and the output image to obtain the contrast enhancement image.The method is conducted in the aluminum structure,the glass fiber-reinforced polymer and the carbon fiber-reinforced polymer to verify its correctness and effectiveness.

structural health monitoring;phased array;time-delay;damage image;image enhancement;histogram matching