基于期望最大化算法的兰姆波信号参数估计方法

　　在基于兰姆波技术的结构健康监测或无损检测系统中，从信号中提取的波包的准确有效特性是评估损伤的关键因素。然而，弹性波的色散效应和多模特性使得数据提取困难，分辨率降低，从而进一步阻碍了兰姆波损伤检测的有效性。在这项研究中，我们提出了一种基于模型的方法来从噪声信号中提取有效特性。以窄带Gabor脉冲为入射脉冲，考虑一般非线性频散（二次频散），建立了具有五个参数的频散波包模型，并通过期望最大化（Em）算法得到了每个波包的参数向量。模型中的参数反映了信号的特点，可进一步应用于结构损伤的定位和评估。为了研究信号的收敛性，考虑了不同采样率和噪声强度的合成信号。利用各向同性铝板的实验数据验证了该方法的有效性。

　　兰姆波是在板状结构中传播的导波，又称板状波。对于大型板状结构的损伤诊断，具有传播距离长、能量损失小、对内部和表面缺陷不敏感、结构健康监测（SHM）或无损检测等优点。基于兰姆波的无损检测（NDE）技术被广泛认为是一种有前途的技术，对于主动兰姆波技术而言，初始超声弹性波通常是由安装在监测结构上或嵌入监测结构中的执行器产生的。弹性波遇到损伤或边界时会发生反射/散射，这可以通过信号分析来揭示。利用提取的波包到达时间，采用椭圆法、三角法等经典方法对损伤进行定位，利用模式信息进行散射分析，进行损伤识别，对大型结构的损伤诊断，利用激励器在表面上产生导波。测试结构的表面（或内部），而不是通过常规超声波测试扫描整个表面。兰姆波的传播介质是具有自由上下边界的板状结构，通过对信号的分析，可以定位和分析缺陷对结构的影响。利用兰姆波技术可以实现对监测结构的快速检测。

　　然而，在兰姆波测试中，色散的性质增加了信号的持续时间，降低了振幅。由于损伤与结构之间的相互作用，反射波包可能在所获得的信号中严重重叠。在实际应用中，背景噪声会导致信噪比（SNR）变弱，使问题更具挑战性。因此，所有这些因素都使得信号不那么简单和难以读取。作为另一个主要问题，多模特性还没有通过应用来解决。即使在低频厚度积下，a0和s0模也能在结构中传播，并且随着频率厚度积的增加，更多的模可能使信号复杂化。由于这些原因，在测试中，通常是激发频率限制在相对非色散区的单模。即使如此，模态转换也会引起与激励不同的其它模态，因此多模特性问题是不可避免的。实际上，识别不同于激励的模态可以用来识别损伤类型，帮助理解入射波和损伤之间的相互作用。