基于多域关联与图谱融合稀疏层析重构的THz-TDS无损检测技术研究

批准号:
61901007
项目类别:
青年科学基金项目
资助金额:
24.0 万元
负责人:
邢砾云
依托单位:
学科分类:
F0114.探测与成像
结题年份:
2022
批准年份:
2019
项目状态:
已结题
项目参与者:
--
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
微信扫码咨询
中文摘要
复合材料及其夹层结构的广泛应用,提出了新的无损检测需求。THz技术独特的优势为技术革新提供了新的发展机遇。本项目基于前期研究基础,创新性地应用多域关联无掩模压缩感知并行稀疏层析局域重构,突破光栅扫描成像在大尺度应用中检测效率低、准确性差、缺乏直观鉴别力问题。基于THz-TDS高光谱特性,重点研究多域特征辨识、稀疏表征与多域关联准则,在此基础上,优化无掩模压缩感知拓扑分布与局域重构并行策略,改善检测效率;依信号奇异性度量结合时间门控技术,利用回波模式多域关联分析,揭示局域层析与全局定位本质联系,提高反射层析下目标定位准确性;应用小波域隐马尔可夫模型,研究多尺度多分辨率图谱融合机理,提升直观鉴别力,进而发展基于多域关联与图谱融合稀疏层析重构的THz-TDS无损检测新方法。本项目的实施为THz-TDS无损检测在大尺度复杂目标中的应用提供了理论支撑与实践基础,拓展了新的无损检测理论与研究途。
英文摘要
The extensive application of composite materials and sandwich structures raises new requirements for nondestructive testing. The unique advantages of THz technology provide new opportunities for technological innovation. Based on the previous researches, this project innovatively applies multi-domain correlation maskless compressed sensing parallel sparse tomography local reconstruction to break through the problems of low detection efficiency, poor accuracy and lack of visual discrimination in large-scale applications of raster scanning imaging.This project takes full advantages of the THz-TDS hyperspectral characteristics, focusing on multi-domain feature identification, sparse representation and multi-domain association criteria. On this basis, the parallel strategy of maskless compressed sensing Topology Distribution and local reconstruction is optimized to improve detection efficiency.According to the theory of signal singularity analysis, the time-gated technique is introduced, and the multi-domain correlation analysis of echo mode is used to reveal the essential relationship between local tomography and global localization, so as to improve the accuracy of target localization under reflection tomography.The wavelet domain Hidden Markov model is applied to study the image and spectrum fusion mechanism in multi-scale and multi-resolution, improve the visual discrimination, and develop a new THz-TDS non-destructive detection method based on multi-domain correlation and image and spectrum fusion sparse tomography reconstruction.The implementation of this project provides theoretical support and practical basis for the application of THz-TDS nondestructive testing in large-scale complex targets and will expand the new theory and research approach of nondestructive testing.
本研究以大尺度复合材料及其夹层结构THz-TDS无损检测技术中亟待解决的瓶颈问题为导向,基于CS理论框架,提出基于信号奇异性度量稀疏表征的无掩模CS成像模式,克服硬件性能制约,在保障信息获取完整性的同时实现信号快速表征及辨识,进而改进大尺度下复杂目标无损检测效率。针对THz-TDS信号对缺陷的高效、准确表征的关键即信号特征的有效提取,在综合分析光谱分析中常用的特征提取方法优缺点的基础上,基于信号奇异性度量,给出了信号压缩与降噪的并行方案,提出基于交互投影信号重构验证基于小波域模极大值的信号奇异性检测的稀疏表征有效性的方法,同时确保了目标特征表征的有效性与辨识的准确性。进而基于小波域模极大值的信号奇异性检测的稀疏表征结果指导CS拓扑分布优化,基于结构化思想的分块随机CS拓扑优化方案,最后给出了具体实现方案以及软件流程图,为提升大尺度下检测效率奠定了基础。.为验证基于信号奇异性度量的稀疏表征的无掩模CS方法的有效性,本项研究首先模拟设计了某运载火箭的PMI-GFR夹层结构,预置了直径和深度不同的8个空洞和2个裂纹。基于信号奇异性表征和重构验证了稀疏表征的有效性。以此稀疏表征向量为指导,基于FPGA开发实现了无掩模CS,并对该方法的运行效率、数据获取准确率、压缩率和整体性能进行了分析。其中运行效率83.33%和压缩率达到93.86%,数据获取准确率达到78.01%,系统整体性能良好。.针对现有THz-TDS成像方法缺乏对目标与太赫兹波相互作用的关联性研究的问题,本研究基于无掩模CS获取数据,引入泡沫复合材料内部微结构对THz波的散射改进了点扩散函数进而优化了图像退化模型进行部分空洞的超分辨率重构效果比较,成像质量明显提升。结合局域变分差模型和非局域自适应稀疏表征模型,实现了THz-TDS反射层析下的三维稀疏重构,并进行缺陷定性、定量分析,结果表明基于信号奇异性THz-TDS信号去噪与解卷积的空洞直径大于3mm的深度定位平均准确率可达94.65%;裂纹由于宽度较小,对应误差也偏大,裂纹深度定位准确率达80%。深度整体准确率达87.33%,基本达到预期研究目标。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Design of a Dynamic Sparse Circulant Measurement Matrix Based on a New Compound Sine Chaotic Map
基于新型复合正弦混沌映射的动态稀疏循环测量矩阵设计
DOI:10.1109/access.2022.3142535
发表时间:2022-01-01
期刊:IEEE ACCESS
影响因子:3.9
作者:Jin, Jiliang;Xing, Liyun;Zhou, Zhenxiong
通讯作者:Zhou, Zhenxiong
Research on Deterministic Measurement Matrix of Power Line Carrier Compressed Sensing
电力线载波压缩感知确定性测量矩阵研究
DOI:10.1088/1742-6596/2095/1/012017
发表时间:2021-11
期刊:Journal of Physics: Conference Series
影响因子:--
作者:Jiliang Jin;Liyun Xing;Miao Yang;Jianqiang Shen;Yuqi Dong
通讯作者:Yuqi Dong
Dynamic corrosion mechanical properties of magnesium alloys with Erbium in the chloride ions environment
含铒镁合金在氯离子环境中的动态腐蚀力学性能
DOI:10.1051/matecconf/202235501006
发表时间:2022
期刊:MATEC Web of Conferences
影响因子:--
作者:Miao Yang;Liyun Xing;Xiaobo Liu;Yuqi Dong;Jiliang Jin
通讯作者:Jiliang Jin
Distributed generation parameter optimization method based on fuzzy C-means clustering under the Internet of Things architecture
物联网架构下基于模糊C均值聚类的分布式发电参数优化方法
DOI:10.1016/j.egyr.2021.10.049
发表时间:2021-11
期刊:Energy Reports
影响因子:5.2
作者:Xin Yao;Liyun Xing;Ping Xin
通讯作者:Ping Xin
DOI:--
发表时间:2021
期刊:智慧电力
影响因子:--
作者:姚欣;邢砾云;辛平
通讯作者:辛平
国内基金
海外基金
