封面文章 COVER STORY

基于超声导波的航空航天结构
*
损伤诊断成像技术研究进展
郑跃滨 1，武湛君 1，雷振坤 1，高东岳 2，周 凯 1，张佳奇 1，杨正岩 1，邹建超 1
（1. 大连理工大学工业装备结构分析国家重点实验室，大连 116024；
2. 中山大学航空航天学院，广州 510275）

[ 摘要 ] 超声导波损伤诊断成像技术是近年来无损检测 / 结构健康监测领域的研究热点，它能够直观反映航空航
天结构上的损伤位置及严重程度。概述了超声导波诊断成像技术的一般流程，介绍了 8 种具有代表性成像算法的
研究现状，包括相控阵成像、空间 – 波数滤波器成像、逆时偏移成像、时间反转成像、延迟叠加成像、基于模型成像、
层析成像和概率成像，对比了这些成像算法的应用范围和优缺点，最后结合实际工业应用需求讨论了超声导波诊断
成像技术面临的挑战和发展方向。
关键词：超声导波；损伤诊断成像；健康监测；无损检测；航空航天结构；复合材料结构
DOI:10.16080/j.issn1671-833x.2020.18.024

现不易察觉的损伤。同时，超出最初 超声导波技术通过捕捉损伤引
设计寿命的飞行器面临着老化问题， 起的导波信号变化对结构的损伤
其结构可靠性有所下降 [1]。当前应 状况进行评估，适用于不同类型损
用新型材料（如高性能轻质合金 [2] 和 伤，包括金属结构的断裂、变形、腐
复合材料 [3]）的新一代航空航天飞 蚀，复合材料结构的层间分层和基
行器处于高速发展中，如何评估材料 体开裂，热防护材料的脱粘，接头结
内部损伤仍存在挑战 [4]。因此，发展 构的连接失效等 [5,11]。采用成像技
应用于航空航天结构的损伤诊断技 术，综合考虑损伤对结构全局的影
术一直备受关注。凭借对损伤敏感， 响，能 够 直 观 地 定 位 损 伤 及 反 映
传播范围远的优点，超声导波技术成 损 伤 严 重 程 度 [12]。近年来，超声导
为无损检测（Non-destructive testing， 波损伤诊断成像技术已从实验室探
NDT）和结构健康监测（Structural 索逐步迈向大型真实结构（如全尺
郑跃滨
health monitoring，SHM）领域的一 寸 复 合 材 料 尾 翼 [13–14] 和 复 合 材 料
博士研究生，研究方向为超声导 个研究热点 [5–6]。该技术以导波作为 机身壁板 [15]）应用，并取得了良好
波、结构健康监测、传 感 器 优 化 与 设 损伤信息的传递媒介，先用激励传感 效果。根据不同成像原理及计算过
计。
器在结构上激发导波，再用接收传感 程，有多种导波诊断成像技术，如相
器采集与损伤相互作用后的导波响 控阵（Phased array）成像方法、空间
航空航天飞行器在实际服役过 应信号，随后分析信号获取金属或复 – 波数滤波器（Spatial–wavenumber
程中要长期承受复杂的载荷条件，甚 合材料结构上的损伤情况，从而保证 filter）成 像 方 法、逆 时 偏 移 成 像
至可能遭受意外的冲击载荷，容易出 结构的可靠性和完整性 [7–10]。 （Reversal-time migration）方法、时间
反转（Time reversal）成像方法、延迟
* 基金项目：国家重点研发计划（2018YFA0702800）；国家自然科学基金（11772081、51805068）。 叠加（Delay–and–sum）成像方法、基

24 航空制造技术·2020年第63卷第18期
 ∂2u
µ Δ 2
u + (λ + µ )
⋅u = ρ 2 ΔΔ
∂ 2 u ∂t
µ 2u + (λ + µ )
Δ =ρ 2
⋅ u封面文章 ΔΔ
COVER STORY ∂t 2
∂ u
µ 2u + (λ + µ )
Δ ⋅u = ρ 2 ΔΔ
1
∂t– ±兰姆
于模型成像（Model–based imaging） （1）首先将传感器预先布置于 自由边界条件，可得到瑞利 
tan ( k s h )  4k kl k s±1 
2
方 法、层 析 成 像（Tomography）方 结构选定位置，组成传感器阵列或网 （Rayleigh-Lamb） = −频散方程   2
法以及基于概率的损伤图像重建 络；（2）经激励器激发信号，导波在 tantan ( ks(hk)l h )  4k 2kk2l k−s ks2 ±1 ( )
=−  
算法（Reconstruction algorithm for
结构中传播，遇到损伤等结构空间不 tantan( k(l hks)h ) =−k2 −4kk2s2kl2ks  （2） ( )
tan ( kl h )   k 2 − k 2 2 
probabilistic inspection of defects）。
连续处发生散射（包括反射、折射、衍
 ω 
2
µ  2
u + ( λ 
s
+
ω µ 2
) ⋅ u = ρ (
Δ∂2u ) ΔΔ
针对超声导波诊断成像技术，本 射、模态转换等现象），经传感器采集 kl2 =   − k 2 , k s2 =   − k 2 ∂t 2

ω  2 c 2
l  ω  2  c
2
s 
文在分析和总结近 20 年国内外研究 得到； （3）利用相应信号处理技术， k 2 =∂ 2 u ω − k 2 , k 2 =  ω − k 2（3）
µ 2u + (λ + µ ) ⋅ u = lρkl2 =2cl   − k 2 , s k s2 =cs   − k 2
Δ ΔΔ
成果的基础上，梳理出其中应用广泛 提取散射波中如能量、波速、相位、频 ∂t  cl   cs  ±1
（4）将所提取信  
的成像技术并做简要综述。 谱等信号变化特征； λ + 2µ tan ( ks hµ)  4k k k 
2

号特征代入成像算法； （5）融合多组 cl = , cs = = − （4） l s 2 

基本原理 ±1 λ + λ 2+µ2µ
ρ tan ( k
µl µ h )
ρ 2
 k − k s 
2
( )
数据，输出诊断图像。  c 
c= = , c , c= =
tan ( k s h )
l h
ρ ρ s 上标
2 l s
 4k k其中， l ks 
为板厚一半， ρ “+” ρ 和“–”
超声导波通常是指有限介质中 1 板状结构中的超声导波 = − 2 ω
tan ( kl h )
传播的超声波。当结构在某一个或 飞行器结构中的关键构件多为
µ (n)   u
2
2 k( n ) −
+
分别表示对称模态和反对称模态；
k s2 ( n ) ( n )
 +
和λ k 分别是角频率和波数。由于上µ 2 u ⋅ Δ ( ()
(n )ω = ( n ) ∂ u
2 2 (n)
) ( )
ρ− k 2 ,2 (k2n )2 = (nω =1, −2,k 
Δ Δ 2
2
k =   ∂ u  
2 (un ) + (述频散方程很难求得解析解， n ) ) ( ⋅ (⋅nu) =c )
几个方向有限时，超声波在结构边界 薄壁板壳结构，如机身壁板、 l ( n) ( n2) ( n∂ )t s
µ( n()机翼尾
n) 2 ( n) + ( n)
n ) + + (µ
( n) = ∂ u c =
(λ
( ρ
) ( ) ( n 1, 2, 
Δ Δ Δ
µ u λ µ u ρl ( n ) 通常使 2 ( n =1, s 2, , N
Δ Δ Δ
间多次反射并相互叠加后将形成超 翼、贮箱等，研究人员已给出一些此 2 ∂t
∂t
( )
2 2
ω  ω 
用数值方法求解频散曲线。 A ω, k , λ , µ , h ( n ) ( n )
=0
kl2 =   − k 2 , k s2 =   − k 2 A ω , k , λ ( n ) , µ ( n ) , h ( n ) = 0
声导波。超声导波传播载体称为波 类结构中导波传播问题的解。本节
N ( )
c c 对于 层各向异性的复合结构
( )
(n)
 l  s A ω , k , λ ( n ) , µ ( n )λ, h+( n2) µ = 0
导结构，包括板类、管类、杆类等。超 主要简述各向同性和各向异性板中 µ
板，导波传播时更加复杂。用位移场 cl = ,c =
声导波通过捕捉导波与损伤作用后 的导波传播问题，常用求解方法可选 N N −1 j N −2 ρ N −1 N s ρ NN
= ∑ppi −− ∑ ∑ppipp j −− ∑每一层满足 ∑ ∑ pipp jppk −− ∏ppi
N
描述复合材料板中导波， N −1 j N − 2 N −1 N
P=
µN∑ i N −∑ 1i =j1∑ ∑ ∑< j ∑ i j kN ∏ i
的散射信号实现诊断，以是否需要激 择势函数法和子波法，详细求解过程 P i j p
λ + 2µ Navier i =11 位移方程， i <j j 即N − 2i N i =1−11i <iN j <kk i =11
c c ∑ ∑ ∑ ∑ ∑ ∑ pk − ∏ pi
i= i =1 i < j j<
励装置分为主动式和被动式两种。 可参考文献 [11]。 l = , s =
P = p i − p i p j −
=
p i p j
i=
ρ ρ i =1 ∂ 2 u ( n )
( ) ( )
i =1( n ) 2 i =(1n )i < j i =1 i < j j < k
被动式超声导波技术无激励， 仅采集外 各向同性板中传播的超声导波 µ u + λ ( n) + µ ( n) ⋅u ( n ) = ρ ( n)
Δ Δ Δ
部作用（如撞击）引起的结构响应 [16]。 满足 Navier 运动位移方程：
NN ∂t 2
PP==∏ ppi
2 2 (n) ∏1 i
主动式成像算法经改进后，可用于被
动撞击的诊断成像 [17–18]
。图 1 是主
µ2( n ) 2 ( n ) +
µ u + (λ + µ )
u λ ( n ) + ( n )∂ u
µ
⋅ u = ρ 2 （1）
∂t
Δ ⋅u ( n) = ( n) ∂ u
Δ
ρ (
ΔΔ
∂t 2
( ) (
n
Δ Δ =
P = ∏ piA, N
1, 2,
N i=
)
 i =1
ω ,)k , λ（5） (n)
, µ ( n ) , h( n ) = ( )
i =1 N
(n) n n 1 N
动式超声导波诊断成像技术的一般 其中，ρ 为密度；λ 和 μ 为拉梅常数； 其中，ρ 、λ 和 μP = 分别代表第 1 ∑ pi n层
流程。 u 表示位移；t 表示时间。引入应力
(n) (n)
A ω , k , λ , µ 密度和拉梅常数。将各层边界条件 , h( n ) = 0 ( N P = N −i∑ N 1=1 j pi ) N − 2 N −1 N
±1 P = ∑ p1i − NN ∑ i =∑1 p p − ∑ ∑ ∑ p p
  Pi =1= ∑i p
=1 ii < j
i j i
tan ( k s h )  4k k k 
2
N i =1 i < j j < k
N ∑ 
i =S1 n =0
结构上布置传感器 = −  N l sN2−1 j
激励/采集 信号处理与特征提取
N − 2 N −1 N 
tan ( kl h ) P =
传感器
 ∑ i s ∑∑ i j ∑ ∑ ∑ i j k ∏ 
k 2

i =1
p
− k−2

i =1 i < j
p p −
i =1 i < j j < k
( p p )p − p∑ i
S n =0

∑ Sn =0
i =1N −1 N
• 去噪
z (t ) = ∑ wn f n (t − ∆ Ptn=)∏ pi
• Hilbert
2 2 • FFT nN
=0−1 i =1
肋条
ω  ω 
kl2 =   − k 2 , k s2 =   − k 2 N
z (t ) =
• SAFT、DWT、CWT ∑
wn f n (t − ∆tn )
N −1 n = 0
缺陷  cl   cs  P = ∏ pi z (t ) = ∑ wnAf n (t − ∆tnP) = 1 N

板
i =1
n =0
f n (t ) =  e
j (ω t − kn ⋅rn )
N
∑ pi
i =1
rn  
λ + 2µ µ 1 N A j (ωt − kn ⋅rn )
f n (t ) =  e
cl =
ρ
, cs =
ρ
P= ∑ pi 
A r ∑ Sn =0
 
N
诊断图像 数据融合
i =1
算法生成 f n (t ) =  enj (ωt − kn ⋅rn )
rn r − rn

∂ 2u ( n) ∑ Sn =0    N −1
µ (n) Δ 2 ( n)
u (
+ λ ( n) +µ ( n)
) ( Δ Δ ⋅u ( n)
∂t 2
) =ρ ( n)
r−−rzr(nt ) = ∑ wn f n (t − ∆tn )
(n =1, 2,  , N )
r
∆tn =  n
c n =0
N −1 r − rn 
( )
A ω , k , λ ( n ) , µ ( n ) , h( n ) z (t=) 0= ∑ wn f n (t − ∆tn ) 
r  rS−
∆tn = n
rn
n =0
c
 r −rn f n (t ) =
A j (ωt − kn⋅rn )
∆t =
n r ≈ rn
 e
N N −1 j N − 2 N −1 N N  c  rn
P = ∑图1pi −主动式超声导波诊断成像技术流程图
∑ ∑ pi pimaging
j − ∑ ∑ ∑ pi p j pk − ∏ pi   r  S
   n
Fig.1 Flowchart of activei =damage
1 idiagnostic
=1 i < j i < j j < k based onAultrasonic
i =1 approach i =1 j (ωt − kguided
n ⋅rn ) waves φ = rr
f n (t ) =  e r  Sn 
r2020年第63卷第18期·航空制造技术
n r ≈ rn  25  
 ∆t = φ ⋅ Sn r − rn
N
r ≈ rnn  c
P = ∏ pi φ= r r
i =1          
r − rn DAi + DiS r − rn
 λ + 2µ µ
cl = , cs =
ρ ρ
封面文章 COVER STORY

2 (n)
u
) ∂层各向异性
2 ( n)
u (
+ λ ( n ) +带入方程 ) (
µ ( n) （5）
Δ Δ
) ⋅u中，
( n ) 得到= ρ ( nN
∂t 2
(n =1, 2, 器布置方式可扩展至整个结构形成
, N) 率 – 波 数 联 合 分 析。 近 年 来，稀 疏
的复合结构板的频散方程为 网络。网络中两个相邻传感器的间 表示理论中的匹配追踪（Matching
距较大，通常为分米级，称为稀疏的 pursuits，MP）算 法 已 被 用 来 对 导
( )
A ω , k , λ ( n ) , µ ( n ) , h( n ) = 0 （6）
分布式传感器网络。 波 信 号 进 行 去 噪 和 特 征 提 取 [40]。
通常采用转换矩阵法、全局矩阵 3 信号处理与特征提取 Raghavan 等 [41] 改进 MP 算法，弥补
N 法、 N −1 j
有限元及半解析有限元求解方程 N − 2 N −1 N N 由 于 导 波 的 多 模 态 和 频 散 特 频散效应，分离多模态反射波，从而
P = ∑ pi − ∑ ∑ pi p j − ∑ ∑ ∑ pi p j pk − ∏ pi [31]
i =1
（6）， 此外需特别注意复合材料结构
i =1 i < j i =1 i < j j < k i =1
性 ，加 上 噪 声、环 境 变 化 以 及 边 简化了导波信号的特征提取难度。
[11]
中导波的衰减问题 。 界反射等多种因素，造成传感器所 此外，多重信号分类（Multiple signal
2 传感器布置 接收信号波形复杂。信号处理技术 classification，MUSIC）方法可以有
N
传感器是P NDT/SHM = ∏ pi 中数据采 对诸如去噪、数据压缩、特征提取等 效去噪并提取特征信号 [42]，该方法
集 系 统 的 关 键 组i =件。 1 有 多 种 类 型 数据预处理过程至关重要 [32]。常用 基于特征值分解技术，其中大特征值
的 传 感 器 可 实 现 超 声 导 波 的 激 励 信号处理方法包括可用于提取包络的 指向声源信号，小特征值对应噪声
或 接 收，包 括：锆 1钛 N 酸铅压电陶瓷 希尔伯特变换（Hilbert Transform）[33]、 可 源。He 等 [43] 将 MUSIC 与时间反转
P = ∑ pi [19]
（Piezoelectric，PZT） N i =1传感器 、光纤 用 于 去 噪 的 快 速 傅 里 叶 变 换（Fast 结合，实现了高定位精度的多损伤
光栅（Fiber grating）传感器 [20]、聚偏二 fourier transform）[34]、可 用 于 时 频 成像。
氟乙烯（Polyvinylidene  difluoride）传 分析的短时傅里叶变换（Short-time 4 损伤成像算法
[21] ∑ Sn =0
感器 、磁致伸缩（Magnetostrictive） Fourier transform，STFT）和小波变 常用损伤成像算法主要有 8 种，
[22] [35]
传感器 、空气耦合（Air-couple）传 换（Wavelet transform） 。 其 中， 包括相控阵、空间 – 波数滤波器、时
N −1
感器 [23]、脉冲激光仪（Pulsed-laser） [24]
小波变换克服了 SFTF 窗口大小不 间反转、延迟叠加成像、逆时偏移成
z (t ) = ∑ wn f n (t − ∆tn )
和激光多普勒测振仪 n =0 （Scanning laser 随频率变化的缺点，可实现多分辨 像、基于模型成像、层析成像以及基
doppler vibrometer，SLDV）[25]。前 率处理，是信号时频分析的重要工 于概率成像，根据传感器布置密度可
3 种类型可用于在线监测，其中 PZT 具。 小 波 变 换 分 为 离 散 小 波 变 换 分为密集阵列成像与稀疏阵列成像，
 
由于成本低、 功耗小， A j且兼具激励和 (ωt − kn ⋅rn ) （Discrete wavelet transform，DWT） 根据算法求解过程可分为反演求解
f n (t ) =  e [19]
接 收 信 号 功 能，因 rn 此 应 用 广 泛 。 和连续小波变换（Continuous wavelet 与正向求解。
PZT 可通过粘贴方式安装在结构表 transform，CWT），Yu 等 [36] 采 用 4.1 密集阵列成像与稀疏阵列成像
面，也可以嵌入至复合材料结构的内 DWT 对 信 号 去 噪，Qiu 等 [37] 使 用 采用密集传感器阵列的成像算
[26–27]   [35,38]
部 。后 4 种类型属于离线测量， r − rn CWT 提取单频分量。Pai 等 对比 法能实现导波回波信号的聚焦，提高
其中 SLDV 的时空分辨率高，但操作 并讨论了 STFT、希尔伯特 – 黄变换 信噪比，比如相控阵 [44]、空间 – 波数
复杂，能量转化率低  [6]。  （Hilbert-Huang transform）和共轭对 滤波器（相控阵的变种形式）[45]、时
r − rn
导波中主要有两种激励 ∆tn = / 接收 分解（Conjugate-pair decomposition） 间反转 [46] 以及逆时偏移成像 [47] 等
c
形式：脉冲回波（Pulse-echo）[28–29] 和 等时频域分析方法。除时频域分析 方法。密集传感器阵列可以方便地
单发单收（Pitch-catch）   [28,30]。以 PZT 外，Yu 等 [39] 使用二维 FFT 得到波 对结构中不可达区域实现损伤检测。
r  Sn
为例，如图 2 所示，图 2（a）中是脉 数域信息，对损伤引起的入射波、反 由于阵列相对损伤是非对称分布，采
冲回波形式，传感器均布置在损伤的   射波和模态转换波实现了空间 – 频 集不到完整的散射波信息，若反射回
r ≈ rn
同一侧，选择一个激励器（Actuator）
  
激 发 导 波 信 φ号， = r 其r 他 接 收 传 感 器 Sensor Sensor
（Sensor）采集回波信号。阵列形式
 
不局限于线型，也可以是其他形状的 φ ⋅ Sn Damage Damage
∆tn =
阵列。阵列中两个相邻传感器的间 c
距较小，通常为毫米级，  是一种密集 
DAi + DiS Actuator/Sensor Actuator Sensor
的传感器阵列。图 2（b）中是单发
τ p ( x, y ) =
单收形式，或单发多收，损伤在传感 cg
（a）密集阵列，采用脉冲回波的 （b）稀疏网络，采用一发一收的
器围成的凸包区域内部，选择一个激 激励 / 接收形式 激励 / 接收形式
励器（Actuator）激发导波信号， N
其他 图2 传感器布置方案
接收传感器 P（Sensor） (
( x, y ) = ∑采集， ) ( x, y )
Si τ p 这种传感 Fig.2 Configuration of sensor arrangement
i =1
26 航空制造技术·2020年第63卷第18期
M
yi = ∑ x j D{x(t ), Ti , p j , Ri } + ei
j =1
 l ρ ρ
λ + 2µ ρ µ s ρ
cl = , cs =
ρ ρ ∂ 2u ( n)
Δ
(
µ ( n) 2u ( n) + λ ( n) + µ ( n) ) (
Δ Δ
∂2 2 u( n()n )
)
⋅u ( n ) = ρ ( n)
∂t 2
(n =

(( )) (( ))
( n) 2 ( n) + ( n) + ( n) ( n )
⋅u( n ) = ρ( n) ∂ u 封面文章( n )
µ u λ µ (n =1, 2,  , N )
Δ Δ Δ
µ ( n) 2u ( n) + λ ( n) + µ ( n) ⋅uCOVER =ρ
2 ( n )STORY∂2t
2 (n =1, 2,  , N )
Δ Δ Δ

(
µ ( n) 2u ( n) + λ ( n) + µ ( n)
Δ
) ( )
⋅u ( n ) = ρ ( n)
Δ Δ ∂ u
( n (
=1, 2,  , N ) )
∂At ω , k , λ ( n ) , µ ( n ) , h( n ) = 0

(( ))
2
, λ( n()n∂) ,tµ( n()n ) , h( n ) = 0
[58]
波特征不明显，则成像结果往往不够 相控阵、延迟叠加以及基于概率 A据ωP , k的通用公式可分别表示为 ：
A ω , k , λ , µ , h( n ) = 0
理想。 的成像算法在求解时通常不涉及到 ( n ) ( n )
稀疏传感器网络适用于带有加 复杂的波动方程反演，属于正向算 (
A ω , k , λ , µ , h( n ) N = 0 N −1 j )
P = ∑ pi − ∑ ∑ pi p j − ∑ ∑ ∑ pi p j pk −
N − 2 N −1 N

N N −1 j N − 2 N −1 N N

∑∑ ∑∑∑∑ ∑∑∑∑∑∑ ∏
i =1 i =1 i < j i =1 i < j j < k
筋肋等特征的复杂结构，经扩展后， 法。相控阵可看作是密集阵列的延 P = N pi −N −1 j pi p j −N − 2 N −1 N pi p j pk − N pi
可以覆盖整个待测区域 [12]。采用一 N
迟叠加，二者均仅涉及简单的时移和
P =N −1i =1jpi − i =1 iN<−jp2iNp−j1 −N i =1 i < j j < kpiNp j pk − i =1pi ∏
发一收形式，获取散射信号后，采用
P=
求和运算，计算效率高， 实现简单。 ∑
pi − i =1 pi pi =j1−i < j ∑∑ ∑ ∑∑ ∏
i =1 i < j j < k
pi p j pk − pi i =1
N
（7）
i =1 i =1 i < j i =1 i < j j < k i =1
如时间反转 [48]、延迟叠加 [49]、基于模 概率成像方法背后的物理模型是，损 N
P= pi ∏
∏
N i =1
型成像 [50] 以及基于概率成像 [12] 等 伤距离传感路径越近，则损伤对该传 P= p
方法均能够有效地实现损伤诊断。 感路径及其散射信号影响越大，使用
N
P = i =1pi i ∏ （8）
P= pi i =1
∏ 1 N
若在单个凸包的包围线（图 2（b）虚 概率量化这种影响，映射于离散化结 i =1 P =
N i =1
pi ∑
1 NN
∑∑
线）上布置足够多传感器，能够采集 构作为网格节点幅值，待融合所有路 P =1 p （9）
P = N i =1pi i
到近乎全向的损伤散射信息，那么采 径后作归一化处理，所得每个网格节 1 N N i =1 
用层析成像方法可以获得高精度的 点处的图像幅值大小可有效反映该 N
P= p ∑
式 中，iN 为 数 据 总 条 数，p i 代Sn表 =0第 ∑
i =1 
诊断图像 [51]。但随着传感器数量增 处存在损伤的概率 [53]。该方法计算 i 条路径的感知信息。析取融合可
∑∑ S =0
Sn n=0
多，对导波系统软硬件带来的负担也 复杂度为 O（n），因此计算效率高， 能“悲观地”夸大了损伤的存在可  
越大。 且在复杂结构中避免了对信号传播 能性，而合取融合可能
∑ Sn =0
z ( t )
“乐观地”=
N −1
∑ wn f n缩(t − ∆tn )
N −1
z (t ) = ∑ wn f n (t − ∆tn )
N −1 n =0
4.2 反演求解与正向求解 历程进行解释。 小了损伤的存在可能性。折衷融合
z (t ) = ∑
N −1则平衡了所有传感路径的贡献，
w f (t − ∆tn )
n =0 n n
算法求解过程是诊断成像中的 采用时间反转方法进行成像时， 提
z (t ) = ∑ wn f n (t − ∆tn )n =0
[58]
关键步骤，可以分为反演和正向求 通常须与其他成像算法结合。例如，n =0高了数据鲁棒性和可靠性 A，但缺  
ωt − kn ⋅rn )
解。从反演波动方程出发的逆向求 与延迟叠加成像结合 [37]，或与概率 点在于有时会出现明显的伪像 f (t ) =  e[59]j (。
 n
A j (ωt − k ⋅r ) rn
成像结合 [54]，均属于正向求解。需 Lu f (t ) = [60]
A ej (ωt − kn⋅nrn )n
解，多 数 情 况 下 的 解 不 唯 一，而 正 f n n(t等) = 在数据融合时结合逻辑运
rne
A 消除了边界反射波造成的伪像。
f n (t ) =  e j (ωt − krnn⋅rn[61]
向时解是唯一的，二者差异主要体 注意的是，成像前有两种实现时间反 算， )

现在求解的计算效率、难易程度和 转的方式，一种是涉及到两次激励 / Leonard rn 等 提出 3 种数据均值合  

准确性。 [55]
接收过程的硬件实现方式 ；另一 成方案，改善了层析成像的重建图 r − rn
 
将损伤成像过程看作反问题时， 种是采用传递函数的虚拟软件实现 像质量。r r−−r rn   
n  
方式 [56]。
已 知 测 量 数 据 y、模 型 与 测 量 数 据   r − rn
r − rn   ∆tn =
之 间 的 关 系（即 波 动 方 程 D），根 据
5 数据融合 超声导波诊断成像技术 r −rn c
 ∆tn = r − rn
方 程 y=Dx 反 演 出“最 佳”模 型 x， 采用稀疏传感器网络的成像算 t =
∆早期损伤检测中通常采用几何 c  
r − rnn c r  Sn
求解算法称为反演算法，其中逆时 法还涉及到成像融合过程。由于单 ∆tn = 的声源定位方法，   包括三角测量法、
c  
r  S 通过提取飞行时间
偏移成像、模型成像以及层析成像 条传感路径的信号数据中除包含损 四点圆弧法等，  
r  Sn n
属于此类。反问题涉及求解病态方 伤散射波外，还有其他干扰数据，如 （Time-of-flight，   TOF）组成非线性 r ≈ rn
r  Sn  
（1）优化方法， 噪声、边界的多次回波以及其他无关 方程，求解后得到目标声源位置 r ≈r [62]
程，常用反演方法有：
r ≈ rn n    。
即寻找最佳模型，使其模拟数据在 模态波等，融合多条传感路径的图  此类几何定位法通常得到确定的目  φ= r r
r ≈ rn      
一定范数条件下尽可能接近测量数 像，可以保留与损伤相关的信息，抑 标声源特征参数如声源的几何坐标 φ= r r  
φ= r r
据，如基于模型成像的求解，此时将 制无关信息，增强信噪比。聚合多角 φ =（x，   y） ， 与之相比， 诊断成像方法使用 φ ⋅ Sn
r r   ∆ t n =
φ ⋅ S c
反演问题转换为最优化问题 [50] ； （2） 度的散射信息还可以更好地勾勒出 概率化的图像幅值 ∆tn =φ ⋅ Sn n p（x，y）来表征
  ∆tn = c ， 
代数方法，将方程 y=Dx 使用级数展 损伤全貌 [57]。因此，数据融合处理 特征参数， φ ⋅ Sn 例如， c 当 p（x1，y1）>p（x D2Ai + DiS
开法进行线性化，再迭代求解，如用 过程综合考虑了损伤对全局的影响， ∆tyn 2） = 时，认为损伤位于
c
 （x
 Ai +
 τ ， ( xy, ）
y )处的概
=
D DiS p1 1 cg
[52]
于层析成像的代数重建技术 。基 可减少损伤识别的不确定性、不完整 率大于其位于 (
τ p x, y )= （xD +
Ai 2，y2）D iS 处的概率。考
τ p ( x, y ) =
于波动方程反演的成像方法往往具 性，从而提高成像的鲁棒性和可靠 虑真实应用场景下客观的损伤全貌 DAi + DiS ccg g
τ p ( x, y ) = N
往往无法达到， cg 采用带“概率”含义
有高分辨率和高精度的优势，但计 性。最后，将融合后数值赋予结构中
算效率也不可忽视，计算时间过长 对应的所有离散化网格节点当作图 的损伤识别参数去描述或许更符合 N
P ( x , y ) = ∑ Si τ p ( x , y ) ( )
(( ))
P ( x, y ) = N∑ Si τ p ( x, y )
i =1
不利于现场的实时测量，甚至可能 像像素值，像素值大小指示损伤存在 检测损伤的本质。 PN( x, y ) = ∑ S
i =1 i
τ p ( x , y )
会影响后续与诊断结果相关的具体 的概率值。通常有 3 种数据融合范 P ( x, y ) = ∑在损伤成像算法中，
Si τ p (i =x1, y ) y = 根据成像算
i ∑
M
( )
x j D{x(t ), Ti , p j , Ri } + e
决策实施。 式，析取、合取和折衷融合，融合后数 法的求解过程将导波诊断成像技术 i =1 M
y = ∑ x j D{x(t ), Ti , p j , Ri } + ei
M j =1
yi i= ∑ x D{x(t ), Ti , p j , Ri } + ei
j =1 j
M 2020年第63卷第18期·航空制造技术 27
yi = ∑ x j D{xj(=t1), Ti , p j , Ri } + ei
j =1 y ∈ RN D ∈ R N ×M e
y ∈ RNN D ∈ RNN×M
×M
e ∈ RNN
y ∈R D∈R e∈R
 ρk 2 =  ω 
ρ ( k2l h ) ω  −k 2k −2 ks2  ∑=n=0ns npi c  n
  − k , ks =
2tan
l   ( ) l
λ
 
+cl2µ n= 0 ∏
P
iµ
N  s 
 cl  2  ω  A ωcs,2k, λ ( n2) , µ( nω , Pcs==1 ∑
( )
2 2 =1
, h( n ) =2 0 cl =
) 
ρ ρ
pi ∑ Sn =0
kl =   − k , k s =   − k λ + 2 µ µ A Nj (ωi =t1− kn ⋅rn )   
 cl 2  cs 2cl = ,f nc(st )==  e N   A j (ωt − kn⋅rn )

封面文章 COVER STORY kl2N =  N−1∂−2jku2 ,(2n)ks2 =N −2 N −1 N− k 2 ω   ω  ρ ρ
λ f+n 2(rP 1 A f
 (
 t ) =  e
tnµ) =, A ∑ j (eωpµti − kn ⋅rn )
j (ωt −nkn ⋅rn )

( ) ( )
λ + 2 µ µ ∂ u c = f ( t ) = 
c   
= e Nr−1
cc(ln⋅=u  cs= 1, 2,  , N ) ρ ∑ SN r=0
N
µ (n) 2 ( n) +
λ ( n) + µ ( n) µ cl2 u=⋅u+((Pnλ)=+ρ∑ µ=) p,ρ ) ρ l n s
u s ∑=∑ )( n2∑
in=1 ∂ρ2 u ( n )z (t ) = n w f (t − ∆t )
∑1, 2,n n , N ) n
Δ ΔΔ Δ
ρ∂tp∂2it 2p jµ−( n∑ u ( n )∑ + pλi (pnj) p+k µ−( n∏ ( ) ( )
ΔΔ
i − Δ ) pi ⋅u ( n ) =rnnρ ( n)
Δ Δ
(n =
分为两类：一类是反演求解；另一类 i =1 iλ=1 +i <2j µ
技术被开发出来用于雷达定位和跟 i =1µi < j j < k i =1 是目标 P（r， 2 ( n ) θ） ∂ 2
处振子的位移振幅。
t n =0
cl = ,c = ∂ u 
是正向求解。在初期的导波诊断成 踪，并很快在声纳技术、 µρ( n ) 2 us( n ) + ρλ ( n) + 医学影像、
Δ
µ ( n)( 地 ) (Δ Δ
)
⋅u ( n ) = ρ( n)  
当前阵元 r− N −r1∑ S2 =0 相对于阵列原点的波程 (n =1, 2,  , N)

(( ) )
像技术研究中，研究人员通过借鉴医 A ω , k , λ ( n ) c ( n=)震学、海洋学以及工业
, µ , h
λ + 2 µ
,=∂±c12s0=
u
µ
( n ) µ ( n ) 2 uNDT ( n ) + 等领域
λ
Δ ( n ) + A (ω
µ ( ( ) ( )
nz)(,tk), =
( n ) n∂t(
λ ∑⋅,uµw( nnr) f
Δ Δ n )n 
− r ) 2 (n)
,nh=((tnρ−) ( n∆)=t∂n 0) u r (−n r= n 1, 2,  , N )

) (
l
⋅u ( n) 2 (=nρρ) ( n) n = 0r  − rn ，则时间延迟
N
( n) 2 ( n) + ( n) + ( n) ρ(n =1, 2,  , N ) ( n ) 差即为 n 2 Δt A n 为：  
µ u λ µ( ks h )  4得到快速发展。近年来， k kl k s  P∂t=2 ∏ pi 2 基于导波的 ( )  ∂ t
Δ Δ Δ
j (ωt − kn ⋅rn )
学影像及地震勘探技术， tan
发展了导波 A ω , k , λ , µ ( n )
, h = 0 f ( t ) = 
   e
= − ( n) (n) r (N− n )−1rn n
( n ) i==1 ( n ) ∂ u
的层析成像和逆时偏移成像等反演 µ ( n ) tan u ( kl h )λ ( n ) + µk相控阵成像技术已成功实现了多种
2 ( n) + Δ 2 ( ( ) () )
 ( n ) − k(sn ) 
2 2 ⋅u
Δ Δ
ρ N ( n =N1,−12,j∆
( tzn (,t=)N=) ∑ N − (2wnN
A ω , k ,cλ r −,rµr− r,nh( n ) ∆t= 0=
 (n )
)n−f1n (
N t − ∆
) t n ) Nr r− n rn

( )
2
2P (=n )∑ pi − ∑ ∑ pi p j − ∑
n = ∑ ∑ 

A ω , k , λ 结构的损伤识别， , µ , h( n ) = 0 包括各向同性金属 ∂ t pip j pk − ∏ pc（12） n
∆−tn1∆t=
算法。此类涉及波动方程的反演算 n = 0 n i
) ∂N u Ni =−11 j = i =1 i < jN − 2 N
N N −1( n )j 2 ( n ) + (N
µ u λ n ) −+2 N( n−)1 N
Δ
µ ( ) ( ⋅ )
u ( n ) = N( nNΔ Δ
1 ρ ( n 1, 2,  ,
 N ) NiA
 = 1 i < c jj ( ω cj t
< − k k n ⋅rn )
N i =1
∑ ∑∑ ∑ ∑∑ ( −,∑ p∑ i0=1 ∑ ∏) pi p j − ∑ f ( t
r ∑
) =
∑nrpi Np− e
j pk − ∏ pi 
[44,64–66]
P=
法具有较高的精度， pi − 但计算效率有所 pi p j 2− 结构 A ω , kp2,iPλp(=以及各向异性复合材料
n ) P( =
j ,N pµk∑ n ) p p 2−
hi( n )∂it = n
 S  N
 ω   ω
[67–71]
 N N i−=11 ji < 若
 n  3（a） 2 N −1 iN r r S−n ，有
  p p p − rn p
欠缺。随后研究人员发展了能够用 结构 。 i = 1 i = 1 i i < j j j < k图 中=1
k −1 N−( nk) ( n ) i =N1 P = ∑ pi − ∑ ∑ pri p
 (t ) = Nj A−S∑
r  Sn ∑ ∑
ne j (ωt − kn ⋅rn ) i j k ∏ i
i =1 2 2
i =1 ik<lNj =  N−1−jki =,1 ik<s jN=−j< 2 2N 2
于实时成像的正向算法， P = ∑ 如延迟叠加 cl ∑
pi −  ∑ i j ∑ ∑ p p − A ωc , (
s  ∑ i j k ( n∏
k ,
波束成型基于以下假设： λ p , µ
p p , h − ) =p i
0 （ 1） )
i =1 阵 f
i =1rni <≈j r
P =n ∏ ， 时 i =1 i < j j < k 
认 为 检 测 目 标处 i =1
i =1 i =1 i < Nj N −i1=1 j i < j j < k N  − 2N −1 Ni =1 N 此 rnpi r ≈ r  于远 
pi p j −∑∑
成像和基于概率成像方法， 大大提高 Sn（n=0，
=0 1， N）位 
P = ∑ pi −列中所有阵元 ∑ ∑ ∑ ∑ pi p…， j pk − ∏ pi 场
N [72] ir=1≈r
  r

， ≈ r
每个阵元到目标的方向矢量 n
n r − rn
iN=1P = ∏
r − nrn ∆t =
了诊断效率和灵活性，只是成像精度 iN=1
N 于同一平面上， Ni =−11 i <j j Ni − Ni <−1j jN< k
=12并作为点状的全向 φ= p ri r N
 n  c
近似平行，   
波阵面可近似为平面， φ= r r 成
Pλ =+ ∑ 2µ p − ∑N∑
= 射 源p和
µ i p j − ∑ ∑ ∑ pi p j pk − ∏ pi i = 1

∏
往往不如反演算法。面对不同的结  φP=N= rr ∏ r pi
cl = P =ρi =1 , icPps发 接N 收 −1 器； （2）不 考 虑 导 波 为图φ3（b） =1 r   
i=i =1∏ ρzjp(it ) = i =w1 if< j (tj <−k ∆t ) P = φ ⋅r∑  。经过阵列原点处可以
构特点和损伤形式，除了要权衡成像 的频散和多模态， i<
∑ N n n波在指定方向上
i =1
S− −pi r=i1
n nn r  S n
i =1 i =1 n
∆t∆ntn= =
N
1得到一条垂直于偏转方向的伪激励 N i = 1   φ ⋅ Sn
精度和计算效率，还需要明确各成像 以恒定波速 P n=c=0∏ p
传播i 。当检测目标 [36] P = ∑ pi c cφ ⋅φS⋅ Sn   ∆tn =
iN=1 N线， 图 3（b）
i =1 ∆tn =n 1 N
∆t  =可看出伪阵元位置是当 n  c
方法所采用的模型、适用范围及优缺 处于近场时， 
   r − r c r ≈ rn
( n) 2 ( n) + ( n) + ( n)
( ⋅ ( n ) 1= ( n ) ∂Pu=
) (
N 2 (
)
n
∏
)
传播波阵面为曲面，
p =
此
∆ ∑

t
P
D S=
= 
=0 + ∑c
D
n p i   
µ u λ
点，从而选取合适的成像算法。 1 P =时需要为每个超声元件分配单独的 µ u N ∑ pi ∂t 2 iA=1N j (ωt −k⋅r )
ρ ( n 1, 2,  , N ) 前阵元 r  在伪激励线的投影，
S N 因此
Δ Δ Δ
i n n
Ai n ci =1 iS
τ p ( x, y ) =    D + D
1 相控阵 P= N
pi f n (t ) = 1 e
i = 1
∑  n n
∑ S =0
在偏转方向单位矢量 cD
D  
+
Ai +
τ
D D ( x, yφ)==r r 的投
iS
Ai iS

r∑ i τ pτ(pNxr,(−1yx≈r,) y
N =1( n方向矢量 Prn=，如图 p
3（a） 。阵列原点 n  ) = g Ai p
iS
cg
A ω , k ,i λ )
(
, µ(n ) , h( n ) =N0niN=1 ) r=n Sn 相对于阵列原点的波 cg
相控阵是一种由多个独立换能
1 影长度即为
P z (t ) = ∑ wn f n (t − ∆tn )
∑ n g S =0c  
器元件（通常为 PZT 元件）组成的阵 ∑ Sn =0 ， = ∑ pi
P在各阵元对波束指向处
Ni=1 N − 1 程差，  N 
 
根据波程差和传播速度可计算  ∆ t =
φ ⋅ Sn
( )
n = 0
 （r，θ）的响应 z (t ) = P∑ ( x,wyn) f=nφ(∑ t r−rS∆
= ≈irtnrτn)pN(Δt x, y ) nN
c
N − 2 N −1 N ∑S
列，可通过电子控制系统实现各元件 f （t）
N −1 j
S =0 ∑
n n =0  上首先施加对应 得到时间延迟 P为： ( x , y ) (
= ∑ )
Si τ p ( x , y )
(( ))
N N i =1 N −1 N
=∑ ( yxt ,) )y ) i =1  
n
= ∑ pi − ∑ ∑ pi np j N−的时间延迟 −1∑ ∑ ∑ pΔt r −p，再乘以权系数
r w n， P (zP
n = 0
x(,(t )yx,)=y=)∑ Si (tτ(−px,∆
jn k n− ∏ pi ∑
的精准时序控制， P形成新的波阵面， i p w S n1i fτ np n DAi + DiS
实现缺陷检测 。主要原理是将各 [63] i =1 i =1 i < zj (t ) = ∑i =w 1 n if<nj (tj <−k ∆
N 个阵元叠加后成为相控阵输出为 ∑
N −1 
S
tn ) n =0

i =1
z M ∆ φtA φ
= rn==i =0r1 n  
j
i
(
⋅ =
ω
S
t − k ⋅ r ) τ p ( x, y ) =
（13）
n =0 yi = ∑ f ( t )
n x j D{x (= n e
t), T , cp j , Ri } + ei
n n
M cg
单元发射超声波至某聚焦点或扫查 （t），上述过程可表示为 z (t ) = ∑ wrn f−n (rtn− ∆tn ) j =A
M  i
1 Mj (ωt −rnkn ⋅rn )  y i = ∑ x j D{x(t ), Ti , p j , Ri } + ei
∑∑
∆ t = f n (t ) = y y=i e= 如果阵列是图 x j{Dx {(tφx),(⋅tTS),n,T p, jRj=,1}R+i }e+ ei
方向的波程差转为相位差，相位差再 N −1 Nnn=−10 c xjD pi ,j 3（b）所示的线
∑ j =1∆tn =D
N i +i D i i
由时序控制弥补，从而控制总声场的 z (t ) = wnPf =n (∏ t −zp(i∆ t ) t=n ∑ ) wn f n (t − ∆tn ) （10） τ阵， r
(
n j 则这样的投影过程可解释为将阵
f =1
x ,
( t y
) ) = =
A Ai iS
ce j (ωt − kn ⋅rn )
 
N
A j (ωt −nkn=⋅0rn )   
( )
p n
声束焦点和轴线。相控阵波束成形 n = 0f n (t ) = i =1 e r  Sn N 列旋转至伪激励线。基于平行射线  
N r ×n
M g
c  P ( x, y )N= ∑ Si τ p ( x, y )
y ∈R D∈R D + D
rn A j (ωt − kn⋅rn ) r − rn yAi∈ R N iSe ∈ R D ∈ i =1 N × M
R
可以看作是一种时空滤波过程，由一 f (t ) = e y 近似原理，
∈ τNR
N
( x , y ) =伪激励线到远场目标的波 NR× M
N ×M e∈R
1 N n   （11） 
y ∈r R− r 
p  D∈R c D ∈
e ∈ e R∈NR N
系列来自不同方向的波经过相移加 P = ∑ pi rA ≈rn rn   程一致， n  N 
因此所有伪阵元在偏转方向 g M

权后聚焦，使各阵元激励的波阵面发
N i =1f n (t ) =  e j (ωt − kn ⋅rn )
      
 
P ( x, y ) =2r ∑
min上的波阵面将发生相干干涉，x-Gx i+=1rλ −n yrn
−  Sr i  ( τ )
p (yxi , =y )∑ x j D{x(t ), Ti , p j , Ri } + ei
其他形
A 式中， j (rω− t −rknn 为波数，⋅rn )φ = rrn rω 为角频率，rn 为阵 x  ∆tn= 2 cN 21 min
j =1
x - Gx
2
+λ y 1
生同相叠加（In-phasefstacking） n (t ) = ， 可 e  r − min rn x-Gx
状阵列同理。波束成型后的合成信 2 + λ y 2
x
( y
)
x
  ∆tn = Pmin M(xx, y ) = ∑2Si τ
x - Gx + 2 λ p (1x, y ) 1
显著提高信噪比。1940 年代相控阵 rn ∑ 元 Sn至目标 =0  P（r， r − rnθ） 的方向矢量，
 A 号再根据波速映射为扫查区域的诊
y= =x1∑ c x D{ x i =t1),
( r T−,rpn , R } + e
x i + r xj  + S  + x
i M j iN i
r − rn
∆ t =φ ⋅ Sn 
1
j =1

∆2 tn =n y∈ xR = x1 + x2D+∈ R+N ×xMM e
∆tn = 目标 r − rn c
n x = x + x c+  +1 x 目标
c r − rn 伪阵元位置 r  x S =
N 1 n  1  2N
M1 x + 1 x + 2  + x M
M
N −1 P(r, θ) yi p= (∑ yrx, ≈y x)jrD  {x(t  ), T , p , R } +P(r,
n= ∑ DI iiWi [jRNi (ix, y ) ]i
e θ) N
∑
当前阵元位置 y
z (t ) = ∑ t
波束聚焦点 ∆ =    P ( x , y ) =
w f ( t − ∆ n t ) N r  S
P( xN, ×NyM) = ∑ pi ( x, y ) N=2∑ DI iWi [ Ri ( x,
 n  n n  c  当前阵元位置 i N
  DAi + DiS   波束偏转
n
j = 1 n
N N
其他阵元位置 =r0  S
nτ ( x, y )r=− rn yPxr∈( iyx≈=R,)1yr= ) = ∑
n∑  (pxD i ,(∈
i=
x,)1R y= )=∑ DI Wie[x∈
1ii [ R (R-xiGx =]1λ y 1
,( yx,) ]2yi)+
R
r − rn p∆tn =  c 其他阵元位置 P ( ,
φ = i
p
=r1
i
r
y

方向
 ∑iDI = 1
iiW=min
x i
  r  Scn g
  
i = 1
r ≈≈ rn
i = 1

r ≈ rn φ = r r N  β − Ri
  y ∈ R   φD ,R
∈ Ri N<×Mβ e∈βxR−N+ Ri + x

rn 
f n (t ) =   e 
A  j (ω t − k 
nr n S
⋅ r ) Nn
W i [ R min
i ] =
∆ 
tx - βGx
= −


1 β
⋅2
S +−β
n λR − R
y i
x 1 = x1 +
 2 , Ri <Mβ
−φ =rrnn r P( x,ry)≈=r∑
r 曲面波阵面 φ = r r
 i , RWi i<[iRβi ] =  β − 1 , R < β
( ) x  2 1
n
Si τ p ( x , y ) W [nR 0, ] = R c ≥ β β
− 1

Wφφi[⋅ R Siin] =i  β i − 1  0, R N≥ β
r
∆tnd =  
r ≈ ri =1 ∆ tn =
d 平面波阵面 N
β pi (x, y ) = i∑ DI iWi [ Ri (

Sn c   φ = r r n S n x = x + x min c x - Gx


D 2
2P(0,
0, +
φ ⋅+
+ Rx 
λ
D

S
, R
≥
yi) ≥
i nx 1 y =
β ∑
1 x1 ∆  t2nAi+ =  iS M i =1 i =1
x φ ⋅ SnM
∆tn =y =  x D{x(t ), T , p , R } + e τ p ( x
, y ) =
D + D c x
  
N   r − rni c ∑φ = rj r φ ⋅  i j i i D + DiS cg  
Ri=(NxN, yAi) =伪激励线
Ai
  N
iS
 DAi + DiS
r  Sn S τ p( x , y ) =px1( x+, yx)2D  
DAi+ + 
RMiSiD([iSxR, y( x) ,=y)β] − 
（a）近场
j =1
 ∆ tn =
 c 
n
P( x, y ) =x（b） ∑ 1 远场
R Rcixi g,( yx,) y=) ==i∑
(
D +DAi  DI iD
Ai +

xW DiiS i

R
Dii , Ri < β
 DAi  + DiS φ ⋅ S i =τ1 i ( x, y ) = i =1 D iWi [ Ri ] =  β − 1
NDci g
p
 τ p ( x, y )r=− rn 图3 ∆tn 相控阵示意图 = n 
N
( )
∑
N

∆tn = y ∈ R N g c D∈cAiR + N ×D M iS P( xN, y ) N= ∑ pi ( x, y ) = ∑ DI)iWi [ Ri ( x, y ) ]0, Ri ≥ β
P ( x , y ) = S i τ p ( x , y 
r ≈ rn cτ p ( x, y ) =
Fig.3 Illustration D of phased array e ∈ R i = 1
 c 
g
P ( x, y ) = ∑ Si =i 1 τ p (xβ, y−)Rii =, 1R < β ( ) i
28 航空制造技术·2020年第63卷第18期   DAi + DiS W
i=M1i [ Ri ] =  β − 1
N
 
   r  Sn p ( ) N τ x , y = P ( x
∑ j   βi0,=i1−RRi ≥ , y ) = ∑ (S τ )( x+, ey ) DAi + DiS
φ = r P(rx, y) = ∑ Simin τ p (xx-,Gx (
y ) 2 +cgλ y ) M
y i =
j = 1
x D { x ( t

), T , pi
j β
i
,
,
R
R
p
i
i
}
< Rβi (i x, y ) = 
Di
∑
N 2 1
 i =1 x y x D { x W( t ), [ R
T ,] p = , R β } − 1e
r ≈ rn P ( x, y ) = ∑ Si τ p ( x, y ) i j =1 j ( =
) i ii
M
j 
 
i +

i

i =1  0, Ri ≥ β
 COVER STORY
封面文章
断图像。 的偏斜效应，进而影响导波相控阵 D 作为一个关键参数，一般须根据结
波束成型方式可分为 3 种，包括： 的声束转向性能。选择具有准各向 构类型和关键缺陷位置来仔细选择。
阵元移动或阵列位置改变的物理波 同性性质及其邻域的导波模态可抑 另外，由于 SH0 具有非频散特性，是
束成型 [64]、模拟电路延迟的电子波 制各向异性影响，后续试验中 Yan 近年来研究热点，Huang 等 [86] 采用
束成型 [29] 以及数字信号处理的虚拟 等 [69] 使 用 相 控 阵 分 别 在 [(0/90) s ]2 全向 SH 波压电元件实现了 SH0 相
波束成型 [44,65–71]。第 1 种物理波束 和 [(0/45/90/–45) s ]2 两种铺层形式的 控阵高分辨率成像，成功识别了直径
成型技术的灵活性较差，后两种是 碳纤维环氧复合材料板上实现了损 2mm 的通孔损伤。
常用的波束成型技术。电子波束成 伤 诊 断 成 像。Vishnuvardhan [67] 和 2 空间 – 波数滤波器
型在各阵元上针对每个偏转方向独 Rajagopalan [68] 等发展了频域相位叠 波数是在传播方向上单位长度
立地延迟，再被同步激励，并遍历所 加的相控阵算法，采用一种单发多收 内的波长数量，即波动的空间频率，
有偏转方向，因此聚焦效果最强，信 （Single transmitter multi–receiver）的 包含了波动的传播速度、方向和波长
噪比最高。而在虚拟波束成形中，通 环形阵列，针对准各向同性石墨 – 环 等物理信息。采用空间 – 波数滤波
常是一个阵元激发，所有阵元接收， 氧树脂复合材料板的撞击分层损伤 器，当滤波器波数谱的方向与目标声
重复以上操作，完成遍历所有阵元 和复合材料层合板的钻孔损伤均取 源波数谱的方向一致时，声源的阵列
的全矩阵采集（Full matrix capture， 得良好检测效果。然而上述方法均 空间采样信号可以通过，否则无法
FMC）。虚拟波束成形避免了昂贵 仅限于探测无严重偏斜角的方向。 通过，此处考虑声源处于远场（图 3
且复杂的硬件系统，如电子移相器或 Tian[75] 和 Yu 等 [76] 考虑了偏斜效应， （b）[45]）。针对近场盲区，刘彬 [87] 优
脉冲移位器和多路复用器等，且每个 允许在各向异性复合材料中形成相 化空间 – 波数滤波器的权重，在近场
阵元每次仅需激励一次，大大减少了 控阵波束，并通过非接触式的 SLDV 损伤识别情形下取得良好效果。
扫查时间。 系统实现了 CFRP 复材板中多损伤 通过空间 – 波数滤波器可以对
采 用 虚 拟 波 束 成 型 方 法， 的相控阵诊断成像，使用 SLDV 可以 结构上的空间波场提取特定波数信
Giurgiutiu 等 [44] 开 发 了 一 种 线 看作是对物理波束成型方式的发展。 息 [35,88–90]。Yu 等 [89] 使用 SLDV，结
型 相 控 阵，嵌 入 式 超 声 结 构 雷 达 为保证损伤诊断准确性，提高波 合空间 – 频率 – 波数联合分析方法，
（Embedded-ultrasonics structural 束成型质量，工作集中于优化波束指 获取由损伤引起的反射波、透射波以
radar，ESR），可以实现 0°~180° 的大 向性 [73]，研究内容包括： 及模态转换波。由于空间 – 波数滤
面积损伤探测。对于各向同性结构， （1）最小化主波束（主瓣）宽度， 波器是在波数域中解构信号，因此具
若阵列元件表面激励均一且所有元 主瓣方向的宽度会影响最终损伤图 备分离特定波数模态、提取微弱散射
件频率响应一致，远场处由全向声 像的分辨率，主瓣越锐利，意味着能 信号的能力，还能够有效抑制复材
源阵列产生的位移场可认为是平面 量更精确地集中于偏转方向，周向分 结构由各向异性引起的模态混叠现
波阵面 [73]。而对于各向异性结构， 辨率就越高； 象 [70,90–92]。在复合材料结构上，Sohn
尤其是多层复合板，不能再将声源 （2）消除栅瓣，栅瓣是除偏转方 等 [90] 用 SLDV 获得空间波场后，从
视为全向型，但解析计算分析和有 向外其他方向上出现的强次级信号， 波场中用空间 – 波数滤波器分离出
限元模拟结果表明，点状声源传播 会导致图像出现重影，应完全消除； 损伤引起的驻波成分，成功识别分层
[74]
在远场中仍为平面波阵面 。基于 （3）抑制旁瓣，出现旁瓣表明超 和脱粘损伤。Michaels 等 [91] 使用空
上述，Leleux 等 [71] 使用相控阵探头 声能量向除偏转方向以外的方向发 间 – 波数滤波器从全波场信息中去
在带加筋肋的碳环氧复材板上检测 生了泄漏，应尽可能抑制旁瓣。 除入射波场，并分别提取 A0 和 S0 模
损伤，激励 0.5MHz（12 周期）S0 导 通过调整以下参数可以优化波 态的损伤散射波场。然而 SLDV 不
波模态，控制波束探查方向，成功识 束指向性 [77–78] ：阵列形状 [65,79–81]、阵 适用于实施现场的在线监测，为此，
别出板的结构特征（边缘、加筋肋、 元直径 D（由阵元个数 N 与阵元间 研究人员发展了基于压电阵列的空
制孔）及撞击损伤并定位，最大定位 距 d 决定，通常与波长 λ 一同考虑， 间 – 波数滤波损伤成像方法 [70,93–95]。
误差为 ±10mm。各向异性复合材料 用 D/λ 表 示）[72]、幅 值 权 重 w n [82–85] 王 瑜 等 [93] 改 进 了 空 间 – 波 数 滤 波
的慢度（速度的倒数）与角度相关， 等。通常，增加阵元直径 D（线阵时 器，使用线型压电阵列获得损伤的角
Yan 和 Rose [69] 认为非圆形的慢度图 称为孔径），会提高远场分辨率，进而 度 – 时间诊断图像。在对声源成像
（Slowness map）导致波矢方向与能 改善成像效果。然而增加直径 D 将 时，采用空间 – 波数滤波器仅能获得
量流方向不一致，可能会引起严重 导致近场区域扩大。因此，阵元直径 声源的角度或方位信息，与相控阵类

2020年第63卷第18期·航空制造技术 29
 封面文章 COVER STORY

似还需借助波速或布置多阵列才能 （3）应用成像条件对损伤成像。 是基于波动方程的时反不变和空间

实现距离定位。在飞机复合材料油 有多种成像条件用来确认损伤引起 互易原则 [108]。互易原则意味着对
箱上，Qiu 等 [95] 布置十字压电阵列 散射的发生时刻，常用的激励时刻成 于每个由声源发射，被不均匀介质反
实现了损伤成像和定位。类似相控 像条件的定义为 [47,99–100] ：入射波场 射、折射或散射的波，理论上都存在
阵的波束指向性问题，研究人员还研 遇到损伤边界的同一时刻产生散射 一组能够精确回溯所有这些复杂路
究了基于空间 – 波数滤波器压电阵 波场，因此在这两个波场时间相同、 径的波， 并与原始声源同步。Ing 等 [46]
列的波束优化方法 [96–97]。Engholm 相位一致之处就是损伤边界位置。 基于该原则研制了密集阵列组成的
等 [96] 提 出 了 基 于 空 间 – 波 数 滤 波 前两个步骤中入射波场和散射 时间反转镜（Time reversal mirror，
器的最小方差无失真响应波束成 波场均可通过模拟或波动方程实现 TRM），用于聚焦传播的超声信号，
形（Minimum variance distortionless 外推偏移。外推算法中的数值方法 提高了传感信号的信噪比，减少了有
response beam forming，MVDRBF） 可分为 3 类：有限差分法，求和法和 限结构边界的杂散反射效应。TRM
方法，模拟和试验结果验证了该方法 变换法 [100]。除选取激励时刻，还可 可以应用于检测异常反射，特别是医
能够抑制导波多模态，减小旁瓣，提 以采用最小熵原理 [102] 和零延迟互 学成像领域。在导波领域中，最初
高成像分辨率。此外，Qiu[17] 和 Ren 相关 [101,103] 等作为成像条件，获取空 时间反转技术是作为一种信号处理
等 [18] 使用空间 – 波数滤波成像方法 间波场的缺陷信息。 工具引入的，用以补偿导波频散引
分别实现了对单撞击源和多撞击源 时间偏移过程可以在堆叠图 起的信号失真现象，提高导波信号
的在线监测。 像 之 后 完 成，称 为 叠 后 RTM，若 在 的 质 量 [46,109–110]。 当 导 波 在 介 质 中
3 逆时偏移成像 堆叠之前完成偏移过程则称为叠
传播时，波包中速度快的频率分量先
逆时偏移成像（Reversal–time 前 RTM。 早 期 方 法 主 要 应 用 叠 后
达，速度较慢的后达，导致接收信号
migration，RTM）源于石油勘探和地 RTM，但叠后 RTM 缺点是仅能精确
在时域中相对于激发信号加宽，峰值
球 物 理 学 等 领 域 [98]，Lin 等 [47,99–100] 减小。在 TR 过程中，接收信号先在
识别具有小倾斜角直至与阵列水平
等将 RTM 应用于板结构的损伤检 的损伤 [104]。为兼顾其他倾斜角的损
时域中反转（即频域中取共轭），然后
测，数值模拟和试验结果表明 RTM 伤，研究人员发展了叠前 RTM，并通 从接收位置重新发射。反转后，初次
能够准确评估单个或多个微小损伤 过数值模拟和试验验证了该方法的 激励 / 接收过程中速度慢后达的波
的位置及严重程度。RTM 基本原理 有效性 [100,105]。在 RTM 过程中考虑 分量在第 2 次激励 / 接收过程中将
是：根据惠更斯原理，将散射波场逆 材料各向异性带来的影响，RTM 也可 首先到达初始激励位置。因此，波包
推偏移（与时间反转概念类似）至损 应用于复合材料的损伤成像 [102,104–106]。 中所有以不同速度传播的分量将在
伤作为次级波源发出散射波的时刻， 其中， 通常用 Mindlin 板理论近似复 初始激励位置精确回归并同时收敛，
此时空间波场的振幅、相位等特征 合材料板结构中波传播的波动方程， 从而减弱信号失真，补偿导波的频散
信息，将为损伤评估提供有效依据。 将损伤处设为非均匀区域，降低损伤 效应 [111]。
RTM 包括 3 个步骤 [47,99–100]： 区域的弯曲刚度和横向剪切刚度，模 由于 TR 过程中无需结构先验
（1）从激励源外推生成前向波 拟波传播时遇到分层损伤的散射行 知识和基准信号，因此还被当作逆推
场。材料属性和结构信息作为先验 为 [102,104–106]。 工具，用于导波损伤检测 [55,112–113]，其
知识，利用激励信号，根据波动方程 由于 RTM 需捕获波场信息，因 中 TR 实现通常涉及两次激励和接
在每个时间步和网格点上生成前向 此传感器阵列中两个相邻阵元间距 收过程 [114]。首先，一个传感器 A 激
的波场并存储为外推的入射波场。 应小于激励波长的一半，以满足空间 励出信号 f（t），导波在结构传播，并
（2）根据散射信号外推生成散 奈奎斯特采样率。实际应用中可通 由另一个传感器 B 接收，记为 v（t）。
射波场。首先将传感器所获取的散 过适当的插值获取无传感器位置的 然后，将接收到的信号在时间上反
射信号在时域上反转，分配至每个传 散射场，既减少传感器密度，也能一 转，记为 v（–t），重新发送到传感器
感器上重新激励，随后在每个时间步 定程度上保证成像分辨率 [100,105]。用 B 作再次激励。最后，对比 A 接收
和网格点上作为波动方程的边界值 激光多普勒测振仪采集波动场信息 到的重构信号 f （t） ' 与原始激励 f（t）
[107]
条件，生成反向的波场，最后存储为 是一种替代方案 ，但用于在线监 的一致性。当传播路径或其附近有
[101]
外推的散射波场 。此步骤类似于 测的现场实施有一定困难。 缺陷时，非线性被引入 TR 过程，线
时间反转法，可以自适应补偿导波信 4 时间反转技术 性互易原则遭到破坏，因此 f （t） ' 与
号的频散效应。 时间反转（Time reversal，TR） f（t）出现偏差，否则二者应保持一

30 航空制造技术·2020年第63卷第18期
 ∑ i ∑∑ i j ∑ ∑∑ i j k ∏ i  
i =1 i =1 i < j i =1 i < j j < k i =1 N r − rn
1 N P = ∏ pi ∆tn =
P=
N
∑ pi i =1
c
i =1
N  
P = ∏ pi N
r 
COVER Sn
STORY
封面文章
 1
i =1
∑ Sn =0 P = ∑ pi
致。由于复材结构中的分层损伤容 延迟后的信号叠加实现聚焦， N i之后 =1 播到时域激励起点，   如图 4（b）。对
r ≈ rn o
[49]
易引入非线性，因此 TR 技术成为无 1 N Michaels 等 将其进一步发展为延 于图 4（a） 其他非损伤处，如 p（x， y），
P = ∑ pi N −1    
基准复合材料 NDT/SHM 的有效手 迟叠加（Delay and sum）成像方法。 τ p o，
N i =1 = ∑ wn f n (t − ∆tn ) ∑ Sn =0
由式（14） φ =求得波包时域平移量
r r
[55,113,115–118]
z (t )[117]
段 。在 TR 过程中影响重 Liu 等 n提出一种使用传递函数的 =0 反向传播 τ p o 后，波包将滞后于时域
包括
  
构信号准确度的因素有多种， 新 VTR 方法，结合基于概率的损伤 激励起点，ps（x， φ y）
⋅ Sn则相反。满足精
∑ S n =0 N − 1 ∆tn =
激励信号类型、激励模态、结构边界 检测重构算法，对 CFRP
 
∑ wn f n (t − ∆确反向传播的损伤轨迹是一个椭圆，
z (t ) =复材板中的 tn ) c
影响等内容 [55,112,119–120]
。为提高 TR 分层损伤实现了诊断成像。 A j (ωt − kn ⋅rn ) n =0 激励器和接收器是椭圆的两个焦点，  
f n (t ) =  e
信 号 的 聚 焦 能 力，PoddarN等 −1 [121]
和 5 延迟叠加成像 rn 如图 4（a）。融合 DAiN+条路径，DiS 图像幅
[122]
z (t ) = ∑ wn f n (t − ∆tn ) τ p ( x, y ) =
Agrahari 研究了诸如频率、 n =0脉冲频 延 迟 叠 加 （Delay–and–sum， 值
 
P（x， y） 由各路径散射信号在飞 c g
A
带宽度、传感器尺寸、粘接层厚度、板 DAS）是一种经典有效且应用广泛 f n (t ) =  e j (ωt − kn ⋅行时间处的幅值叠加得到
rn )

厚等多个参数，这些实施 TR 过程中 的损伤成像算法。   rn [127]

r − rn 最初 Wang 等 N
所涉及到的参数会影响重构信号的 f n (t ) =  e
 
A j (ωt − kn提出一种合成时间反转成像方法，
⋅rn ) P ( x , y ) = ∑ ( )
Si τ p ( x, y ) （15）
质量。 rn 用时间延迟代替时间反转中“先达   i =1
r − rn  
复合材料结构上通常带有加筋 后发、后至先发”原则， ∆tn = 再将延迟后 r − rn 上述原理与椭圆三角定位类似，
M
c
肋、隔框等非对称型结构特征，导波 的 信 号 叠 加 实 现 聚 焦。M i c h a e l s 因此i =DAS y ∑ x成像方法有时也被称为椭
j D{x (t ), Ti , p j , Ri } + ei
 
 [49,128–130]  Wang 等 [127] 
 j = 1
在其中传播时容易发生模态转换， r − rn 等 扩展了
r  Sn − rn 圆成像方法。需注意的是，椭圆三角
r 的方
又由于能量耗散现象，散射信号往 法， 将其进一步发展为DAS成像方法。 ∆tn = 定位依赖于两个不确定参数，即波速
c
 
  

损伤在散射信号 S（t）中显示 和飞行时间， 而 DAS
往振幅较小，常容易被边界反射、噪
r − rn r ≈ rn   y ∈ RN D∈ R N ×成像方法中飞
M
e ∈ RN
声等干扰所淹没。将损伤当作二次 ∆tn = 为波包，其飞行时间 τ p 取决于从激 r  Sn 行时间由式（14）计算，减少了提取
c   
散射源，由互易原则，各传感器发出 励器到损伤处再由损伤处到接收器 φ= r r 飞行时间时的误差不确定性。
   
的 TR 信号能够同时到达散射源处， 的距离之和。如图 4（a）所示， r ≈ rn 第 i DAS
min 仅需在结构上布置稀疏传
2
x-Gx + λ y
r  Sn   y）处的导波 感器的网络， x 2 1
同相叠加，形成自适应聚焦，而非散 条路径相对于损伤 φ ⋅ S（x， 且算法简单，计算效率
∆tn = n   
射源处无法聚焦。由于具备聚焦能   飞行时间 τp 为： φ= r r 高，具备在实时监测中快速定位损伤
r ≈ rn c
x 1 = x1 + x2 +  + xM
力，TR 能 有 效 提 高 复 合 材 料 结 构   的优点， 有着广泛研究和应用。但
     
中散射信号的信噪比。结合其他成 DAi + DiS φ ⋅ S 这些优点也伴随着成像性能上的短
φ= r r τ p ( x, y ) = ∆tn （14）= n N N
像方法，近年来研究人员发展了基 cg c P (板， x, y由于) = ∑DAS , y ) = ∑ DI iWi [ Ri ( x, y ) ]
pi ( x仅简单地融合信号时
   
i =1 i =1
于 TR 的复合材料结构诊断成像技 φ ⋅ Sn 域特征，导致重建图像容易出现光斑
∆tn = 式中，c g 是导波模态的群速度，DAi + DiS
术 [37,102,117–118,123–126]
。TR 过程有两种 c N τ p ( x, y ) = 大，信噪比差及伪像严重等问题 [131]。
实现方式，一种是硬件，一种是软件。 是成像点（x，y）到激励器 Ai 的距离，cg 为解决上述问题，
  P( x, y ) = ∑ Si τ p ( x, y ) ( )  β −研究人员开发了

Ri
, Ri < β
硬件实现中传感器需轮流激励 –D传 Ai + DiS 是成像点 （x，i =1 y）到传感器 Si 的距
将单点 WiTOF  β −1
[ Ri ] =振幅替代为时间窗内
τ p ( x, y ) =  0, R ≥[128] β
感，两次激励 / 接收过程增加了检测 cg 离。如果在时域中波包的时域平移M N 信 号 能 量 作 成像 幅 值 i ，时 域 信
时间。Watkins 等 [120]
提出了一种改 量等于飞行时间 yi = ∑ j x D { x ( t
τ ),
p，
T , Pp
它将完全反向传
i
(
j
x
, ,
R y
i
)
} =
+ ∑
e i
S i( τ p ( x
号加窗 , y )
) [129]
，融合多频率图像 [49]，加
j =1 i =1  
进的 TR 方法，对于任何信号路径， N DAi + DiS
激励器始终作为激励器， (
x , y ) = ∑ Si τ p ( x , y )
P (而传感器始 ) 
p(x, y)
Mpo(x, y)
yi = ∑ x j D{x(t ), Ti , p j , Ri } + ei
Ri ( x, y ) =
τpo

Di
i =1
终作为传感器，相比传统 TR 提高了 y ∈ RN DAiD ∈ R N × M j =1 N
 e ∈ R
检测效率。在一块对称交叉铺层的碳 M DiS τp
– 环氧复材板上，Watkins yi = ∑ 等x [120]
j D{ x
用改 ( t ), Ti , p j , R i } +A ei i
j =1 N N ×M τps
进 TR 方法有效评估了不同严重程 min x-Gx 2y +∈λR yps1(x, y) D ∈ R
2
e ∈ RN
x
度的撞击损伤。TR 的软件实现方法
又被称为虚拟时间反转方法 Si
y ∈ R N （Virtual D ∈ R N ×M e∈ R+Nx +  + x
time reversal，VTR），VTR 能降低 x 1
= x1 2 min
2
M x-Gx + λ y
x 2 1 t0 t
TR 的操作复杂程度，并提高检测效 N N
率。Wang 等 [127] 提 出 一 x-Gx 方+ λP (yx, y ) = ∑ pi ( x, y ) = ∑x DI=iWxi [+Ri x( x, +y
种 VTR )]
2 （a）成像轨迹 （b）反向时移的散射波包
min 2 1 + x
x i =1 i =1 1 1 2 M
法，用时间延迟代替了时间反转的 图4 DAS成像原理
“先 达 后 发、后 达 先 发”原 则，再 将 N
Fig.4 PrincipleNof DAS imaging
x 1 = x1 + x2 +  + xM Pβ( x−, yR)i = ∑ pi ( x, y ) = ∑ DI iWi [ Ri ( x, y ) ]
 , Ri < β i =2020年第63卷第18期·航空制造技术 31
Wi [ Ri ] =  β − 1 i =1 1
N N  0, R ≥ β
P( x, y ) = ∑ pi ( x, y ) = ∑ DI iWi [ Ri ( x, y ) ] i
i =1 i =1  β − Ri
 , Ri < β
W [R ] =  β −1
 A j (ωt − kn ⋅rn )
f n (Nt )−1= N  −1 eN −1
z (t ) = z∑ (t ) =zn ∑
w fr t −n∑
(tn)n(=w f∆nt(w
nt)n−f∆
n (tnt )− ∆tn )
n =0 n =0 n =0

封面文章 COVER STORY  

A r − rn      
[50,153–154]e j (A ωt − kn ⋅jrA
nω)t − k nj⋅(rω
n )t − k n ⋅rn )
入边界反射波信息 [132] 及使用匹配 考虑传播时群速度的角度相关性， f n 建 (t ) =f n (t 
)=f n (等 = e法(
t )方 进e行 求 解。 其 中
rn rn  rn
追踪补偿多模态信号频散 [133] 等多 即慢度图，数值模拟和试验研究结 应用较广泛的是稀疏重建方法， r − rn 该方
种改进算法，抑制噪声或不必要边 果 表 明 当 所 选 模 态 及 其 对 应 的 慢 法基于近年来信息领域重要成果 ∆tn = –
c[155–156]
界回波的干扰，从而改善成像质量。 度图已知时，该方法可实现损伤的 压缩感知理论    。 
r−  r r 
Croxford [134] 和 Lu 等 [135] 引 入 双 曲 准确定位 [27,37,131,136,142–145]。Qiu [146] 和 n S− rnr − rn
下文以稀疏重建的求解方法为
r  n
线算法，两个接收传感器成对，分组 Shan[147] 等通过将结构划分为多个子 例，简述基于模型的导波诊断成像过
    
接收同一个激励源的散射信号后作 区域，开发多损伤监测策略和流程， 程。首先通过波的传播 rr ≈− rrnnr − rnr − rn – 散射模型
∆tn = ∆tn =∆tn =
互相关，损伤落在由恒定时间差形成 证实了 DAS 算法同样适用于复杂 建立字典库 c D。假设 c cD{x(t)，T，p，R}
  
的双曲线轨迹上，以此获得更多路径 结构上的多损伤情况。Qiu 等 [37] 使 为波的传播  φ = r –r 散射模型函数， 结构离

 
信息，提高定位精度。提取散射信号 用 Shannon 连续复小波变换提取窄 散化为 r MSr个网格点， n S r n  Sn结构上布置传
 
时环境变化的影响不应忽视，为此科 带信号，根据慢度图修正 DAS 算法， 感器网络，  ∆t 共有 φ ⋅ SNn 条传感路径。选
n =
 
研人员还研究了温度 [130,136]、应力 [137] 对碳纤维层合板结构进行撞击损伤 择其中一条传感路径 r ≈ r nr ≈ rnrc≈ rn Ti –R i， 现有一
等环境条件变化时使用 DAS 诊断成      x（t）
   
监测和定位。根据导波在空心球体 个激励波形 ， 从结构上的激励
像时的补偿策略和方法。Yu 等 [138] 和圆柱体中的传播理论，Yang 等 [148] 点 τTφi=处被激发， r rφ = r D r +r DiS
φr =Ai传播至某一潜在散
p ( x, y ) =
通过弹性动力学有限积分模拟方法 采用坐标变换改进 DAS 算法，对储 射源点 p j 处，  经散射再传播至接收
cg
    
和试验展示了 DAS 算法定量裂纹损 氢容器的圆柱箱体区域和顶盖区域 点 R∆ φ ⋅ Sn φ ⋅ Sn φ D ⋅ Si{x(t)， Ti，pj，
i 后生成的波形为
tn = ∆tn = ∆tn = n

伤的能力。 另外，最小方差（Minimum 的损伤实现了有效定位。 R i }。假定传感路径 c c T c

–R 真实的散
N i i

variance，MV）成像作为 DAS 成像 6 模型成像 射信号是波被所有P ( x, y ) = 

DAi
∑  S τpP(
i  x个网格点上潜
 (
,y )  )
i =1 +DD AiiS +DD AiiS+ DiS
的一种重要变种形式，可以大幅度减 导波在传播过程中，遇到结构边 τ在散射源散射后波形的线性叠加， p ( x,τyp) (=x,τyp)(= x, y ) = 即
cg c c
少伪像问题 [139–141]。这种自适应算 界、加筋肋、损伤等不连续处会发生 M g g

法与相控阵中变迹（Apodization）的 散射，根据相互作用方式可能有反 yi = ∑ x j D{x(t ), Ti , p j , Ri } + ei （16）

j =1
原理类似 [82]，其引入反比于成像点 射、透射、折射和衍射等现象，对上述 N N N

与激励源及成像点与传感器两个距 过程建立传播 – 散射模型。根据模

P其中，
( x, yP ) (y=xi ∑ yP)S(=ix,∑
,表示真实测量散射信号； τyp) S(=ix∑ ( ( )( )
,τyp)S(i x,τyp)( x, y ) x i )
i =1 i =1 i =1
为图像幅值， 代表潜在散射源的概率
离间的乘积，作为视向矢量，通过矩 型可以生成包含散射信号的字典库， y ∈ R N D ∈ R N ×M e ∈ RN
大小； M eMi 为噪声或误差项。进一步将 M
阵求逆，得到能显著抑制图像伪影的 并作为模型数据库。数据库中包含
yi =N∑ yi x=j D ∑ y{ixx=
条传感路径组合成一个线性方程 ∑
(tj ),
D T{ixx,(jptD ),j {,TRxi ,(i }tp),+j T,eiRi,i p} j+, eRii } + ei
最佳权重，但需特别注意 MV 算法 结构中每个位置点作为潜在散射源 j =1 j =1 j =1
组为 2
对模型误差的敏感性 [139]，图 5[139] 为 时的模拟散射信号，与测量数据中的 min x-Gx 2 + λ y 1
y x=Dx+e （17）
原始数据相同时分别使用传统 DAS 散射信号比较或计算，得到每个位置
N
y ∈ RyN ∈DR∈N，
N ×M N ×M N ×M N
算法与 MVDR 算法所得成像结果 点作为散射源的概率大小，融合生成 y ∈ R式中， RD ∈ RD ∈ R ，e ∈ R e。通 ∈ ReN ∈ R N
x 1 = x1 + x2 +  + xM
的对比。 诊断图像，上述成像过程称为基于模 常 传 感 器 网 络 是 稀 疏 的，因 此 有
针 对 各 向 异 性 复 合 材 料 结 构， 型成像 [149]。该 成 像 技 术 使 用 互 相 N<M， 即该线性方程组为欠定的。此
N N
2
∑ ∑ λDIy+Wλ [ Ryi 1( x, y ) ]
2 2
DAS 算 法 中 在 计 算 延 迟 时 间 时 需 关 [150–151]
、反 卷 积 [152] P ( x , min
y )
以 及 稀 疏 重 类欠采样问题可加入先验信息如稀 = x -
minGx p i ( x ,
min
- + y
Gx λ
) =x y- Gx
+
x i =1 x 2
x 2 1 2i1i
i =1
疏假设进行求解，进而完成图像重
600 dB 600 dB x建。稀疏假设认为正常服役条件下
= xx1 += xx21 ++= xx + +x x ++x M + xM
1 1 1  β 21− RiM2
的结构，大部分区域是无损伤的，  , Ri < β 仅
–35 W [R ] =  β
N i Ni N
−1 [50]
有少量离散位置出现损伤 N N N 。采用
400
–35
400 P( x, yP) (=x∑ , yP)p(=xi (,∑ xy,)yp=)i (∑ =x∑ , yp0,)i DI
(=R x,i∑ Wy≥ [=βR∑
)i DI iiW( xiDI ]( xi [, Ry )i (] x, y )]
,[yR)iiW
–40 该假设的稀疏重建主要有两种求解
i =1 i =1 i =1i =1 i =1 i =1
mm

–40 方法 [50] ：迭代贪心算法和 l1 范数优

 
 β − RiβD1Ai
l 范数要比迭代贪
− R+iβ D
200 200 –45 化求解。最小化
R ( x , y ) = −iSR
–45 心算法有更好的重构性能 i   , R i <β
 , Ri <i ,[50] βRi， <这里 β
Wi [ Ri ]W=i [RiW β]= −
i [R
1
i ]β=−D 1 iβ − 1
–50
选择基于l1 范数优化的基追踪降噪
0 –50 0  0,  Ri ≥ 0, βRi ≥ 0, R βi ≥ β
200 400 600 200 400 600 （Basis pursuit denoising，BPDN），形
mm mm
式为：       
（a）传统 DAS 结果 （b）MVDR 结果 DAi +DDAiiS +DD
图5 DAS成像结果 2 Ai iS+ DiS
Ri (min
x, yR)iy(=–xD ,R yx)i (2=x
+, yλ) =x  （18）
Fig.5 Results of DAS imaging x Di D1i Di
32 航空制造技术·2020年第63卷第18期
 COVER STORY
封面文章
式中， x 1 = x1 + x2 +  + xM ，λ 是 型可以得到切面上密度分布的图像， 作高频近似 [180]。复合材料结构的早
正则化参数。BPDN 将模型转化为 从 而 显 示 出 密 度 异 常 的 组 织。 层 期缺陷尺寸通常较小，缺陷在投影方
二次规划问题，求解 x 可得到重建结 析成像的数学基础，Radon 变换，由 向的尺寸并不大于低频导波的波长，
果。为简化模型，通常假定散射体是 Radon 于 1917 年证明 [169]。CT 技术 采用射线假设将会出现较大误差。
点散射源 [50]。Levine 等 [131] 将模型 经 Hounsfield [170] 成功实现后，迅速 Mindlin 板理论可在低于 A1 模态截止
中散射体建模为点散射源线性组成 在医学临床上得到广泛应用，随后又 频率下准确表征 A0 模态 [103,183]。结合
的微小缺陷，提出使用分块稀疏重建 被扩展至地球物理勘探 [171] 和工业 Born 近似，研究人员利用 Mindlin 板
方法减少伪像，提高多损伤情况的诊 NDT [172]。导波层析成像技术类似于 理论发展了板结构中导波的散射模
断能力，该方法在复合材料结构上 医学 CT，仅把媒介 X 射线替换成导 型，为基于波动方程反演的衍射层析
取 得 良 好 效 果。Hua 等 [157] 在 建 立 波 [173]。在该方法中，通常在待测区 成像方法（Diffraction tomography）
字典库时将模型中点散射源扩展为 域包围线（图 2（b）虚线）上密集布 打下了理论基础 [183–184]。基于上述
占据一定物理范围的损伤散射源，基 置传感器，其原理是将导波的 TOF 理 论，Rohde 等 [185–186] 在 计 算 机 模
于扩展的字典库提出了一种改进的 （或能量衰减）作为投影数据，再与传 拟和试验中验证了该方法的有效
稀疏重建成像方法，复合材料结构损 播路径和结构的声速参数（或能量吸 性。Chan 等 [187] 进一步通过数值模
伤检测试验结果表明，改进方法提高 收参数）分布组成模型方程，求解后 拟和试验证实了衍射层析成像方法
了成像性能，同时可定量评估损伤轮 可对结构损伤情况进行评估 [174–175]。 能够有效评估复材板结构的分层损
廓。Xu 等 [158] 使用加权稀疏重建方 在 初 期 导 波 层 析 成 像 应 用 中， 伤。根据远场波束成型与衍射层析
法，有效减少了图像边缘的伪像。 多 直 接 引 入 医 学 CT 的 求 解 方 法， 成像之间的关系 [188]，Belanger 等 [189]
建立合理精确的传播 – 散射模 其理论依据为傅里叶切片定理 [176]。 开发了一种无基准导波衍射层析成
型，生成准确的字典库，有助于生成 20 世 纪 90 年 代 初，Hutchins [177] 和 像方法。由傅里叶衍射定理 [176]，通
准确的成像结果 [159]。为此， 研究人员 Levent 等 [178] 分别使用平行束投影 常使用滤波反投影（Filtered back–
建立了考虑频散特性 [160]、 多模态 [161]、 技术，通过所提取 A0 模态的 TOF 变 projection，FBP）算法和傅里叶插值
多频率 [162]、多径信号 [152,163]、幅值调 化来重构板结构缺陷。Jansen 等 [179] 法 [176] 求 解 衍 射 层 析 的 重 建 图 像。
制 [164]、模态转换 [165] 以及环境操作 分别将导波信号的 TOF 延迟和能量 从导波层析成像的实际应用角度出
条件（Environmental and operational 衰减当作投影数据，对复合材料结构 发，Zhao 等 [175] 对比了层析成像中
conditions，EOC）[166] 等因素的模型 的分层损伤实现了层析成像。然而， FBR 和 ART 求解算法在重构图像质
字典库。基于模型成像的计算复杂 X 射线波长范围在 0.01~10nm 之间， 量和效率等方面的差异。Zhao 等 [175]
度通常较高，计算效率远不如 DAS 其在物体内部以直线传播，比导波在 指出 FBR 须配置圆形环绕的传感器
算法 [149]。Nokhbatolfoghahai 等 [167] 结构中传播规律简单得多。这种直 阵列，要求数据量多且投影角度完
提出一种基于结合稀疏重建和 DAS 射线导波层析成像仅在缺陷特征尺 整，否则将出现更多伪影，而 ART 对
的算法，旨在提高计算效率、成像准 寸大于波长 λ 时适用，忽略了波场衍 数据量和投影角度要求不如 FBR 苛
确度和分辨率，数值模拟和试验结 射和折射的影响 [174]。Malyarenko[180] 刻，且在噪声干扰情况下性能更优，
果表明该方法在多损伤情形下尤其 引入弯曲射线追踪方法，适用导波 但主要缺点是求解过程需要迭代，导
有效。 发 生 强 散 射 的 情 形。 对 于 可 用 射 致计算速度较慢。
7 层析成像 线层析成像进行重建的最佳目标， 结 合 衍 射 层 析 和 射 线 层 析，
计算机层析成像（Computerized Williamson [181] 证明了其尺寸近似为 Huthwaite 等 [190] 提 出 了 一 种 鲁 棒
Tomography，CT）技 术 能 够 对 材 第 一 菲 涅 尔 区 的 宽 度 L/ λ ，其 中 L 性胸部超声层析成像的混合算法
料内部组成分布实现可视化检查。 是激励器到传感器的直接路径长度。 （Hybrid algorithm for robust breast
“Tomography”一词源自希腊语，其 射线层析成像的重建方法是以代数 ultrasound tomography，HARBUT），
中“tomo”表示切片， “graphy”表示 重建技术（Algebraic reconstruction 针对板结构中尺寸小、对比度高的
图像 [168]
。CT 技术的基本思想是：X technique，ART）[182] 和 同 步 迭 代 缺 陷，通 过 迭 代 HARBUT 进 而 提
射线通过体内组织的能力不同，更容 重 建 技 术（Simultaneous iterative 高重建精度。另外，为提高求解效
易通过密度小的软组织，而遇到密度 reconstruction techniques，SIRT）[51] 率，或 受 实 际 应 用 制 约，传 感 器 数
大的组织会被稍稍阻挡（“衰减”）， 为代表的迭代法。 量和投影角度可能不足，导致投影
反演求解组织密度与投影数据的模 采 用 射 线 假 设，是 对 波 场 方 程 数 据 处 于 欠 采 样 状 态。 通 过 扩 展

2020年第63卷第18期·航空制造技术 33
 N
∑ i
yi =M∑Nx×jMD{x(t ), Ti , p j , RNi } + ei
i =1
y ∈ RN D∈R e∈R
yi = ∑j =x1 j D{x(t ), Ti , p j , Ri } + ei
 2 j =1
∑ Sn =0
封面文章
min x-Gx 2 + λ y 1
x 2
COVER STORY min xy-∈
GxR N2 + λ y 1D ∈ R N ×M e ∈ RN
x N
y ∈R D ∈ R N ×M ∈R
e法 N
HARBUT [191–192] N −1 ，或开发结合压缩感 x 1 = x1 + x2 +  + xM
i 条传感路径对应的非负路径加权函 [197–198]
。RAPID 在成像过程中无
z (t ) = ∑ wn f n (t −[193] ∆tn )
知的层析成像方法 ，均可以补偿 数， x代表第 = x1 i+条传感路径受损伤影响
x2 +  + xM 2 需导波在结构中传播的先验知识，同
N x-Gx 2 + λ y 1
n =0 1 min
N
Wi [R
i i [+
欠采样引起的混叠，从而提高诊断图 y ) = ∑ pi ( x, y ) min
P( x, 的范围。此处将 =∑ x i ]W 2 R ( x, y ) ]
定义为随成 时避免了对真实结构中复杂时间历
N NxDI-Gx iλ y
2 1
= ∑ y）与第 pi ( x, y ) =i ∑
x
DI iWi [ Ri ( x, y ) ] 程的解释，计算效率高并且适合自动
像的鲁棒性和准确度。 i i
P( x像点
, y ) （x，
= 1 =条传感路径的相
1

8 概率成像 A j (ωt − kn ⋅rn )

 
对距离i =R1 i 线性递减的路径加权函数， x 1 = ix=11 + x2 +  + xM 处理，能够有效识别复材等各种复
f n (t ) =  e
之前的几种算法通常需要导波 rn 表示为：  β 1− RNi 1 x = x + x 2 +  + x M 杂结构上的损伤 [117,118,199–201]。此外，
 , Ri < β N
在结构中传播的先验知识，如导波 Wi [ RiP](=x,y)ββ =−∑ −1 Rpi i ( x, y ) =N∑ DI iWi [ RRAPID i ( x, y ) ] 技术还显示了识别飞行器管
  0,Ni R , Ri < β i =1
传播的模态、该模态传播的群速度、 WiP[ R( xi ,] y=) = ∑
β −pi1i ( x, y ) = ∑（20）
=1 ≥ β DI iWi [ Ri 路
( x,截 ] 损 失 [202–204] 和 多 损 伤 [205] 的
y )面
  等，由于理论近似  i =1 i =1
慢度图以及 rTOF − rn  0, Ri ≥ β 潜力。
误差或噪声干扰，这些先验知识与实    β − R i 为取得良好诊断效果，研究人员
D  , Ri < β
W Ai[ R+] D =  β
iS
 β
− −
R 1
际导波传播过程的先验知识有一定  
 Ri ( x, y ) =  i   i （21）
i 进行了一系列深入研究，相关研究
r [62]
− rn DRAi + D βiS −0,1 R, R≥ i <β
W i [ iD ] =  i β
程度上的偏差 ∆tn = ，这种偏差造成的 Ri ( x, y ) = i
 结果表明传感路径布设、路径加权函
c Di 0, Ri ≥ β
不确定性将影响诊断成像的效果。 其中，D i 是第 i 条传感路径中激励 数、激励中心频率、信号损伤指数 DI
   
然而真实结构（尤其是复合材料结 器 A i 到 传 感 器 S i 的 距 离，DAi 是 +成 D 及数据长度等是影响 RAPID 技术识
r  Sn  iS
构）的复杂性导致超声导波的传播 像点（x，y）到激励器 R i ( x , y )
A i 的距离，= 别效果的重要因素 [53,195,198,206–207]。其
DAi +DDiS
i
趋于复杂， 回波信号难以解释。为
 是成像点（x，y）R i ( x, y ) =
到传感器的距离 （图 中，在不同应用场景下如何选取对损
r ≈ rn Di
此，研究人员提出了一种基于概率的 6（a））。Wi [R i ] 的等值线是一组以 伤敏感的 DI 至关重要。为此，除了
   [194–195,206]
损伤检测重构算法 φ = r r （Reconstruction 激励器和传感器为焦点的椭圆（图 6 常用的信号相关指数 ，国内
[11,12,201]
algorithm for probabilistic inspection （b））。Wi [R i ] 也可以选用其他影响 外学者还发展了多种 DI ，包括
of defects，RAPID）  
[194–195]
： [56,117]
信息熵 [199,206]
、信号分形维数 [197]
、信
φ ⋅ Sn 形式的函数 。
（1）引入信号损伤指数 ∆tn = （Damage DI 号能量差异 [208]
等。另外， RAPID 技
c 以各条路径 i 值乘加权函数
index，DI）来表征损伤引起的信号变   的形式融合得到成像点（x，y）的幅 术的定位精度受传感路径布设和路
化程度，通常对基准信号和当前状态 D Ai + D iS 值，幅值越高，代表出现损伤概率的 径加权函数这两种因素综合影响（式
τ p ( x, y ) = [209]
之间的信号差异进行量化得到。当 cg 越大。尽管并非严格意义上的概率 （19））。Michaels 指出当传感路
某条传感路径距离损伤越近时，则损 值，但归一化后可有效衡量损伤存 径过少时，与同等条件下 DAS 算法
伤引起的该路径 DI 越大，反之当传 在的概率情况。很多文献中将它称 相比，RAPID 的诊断性能、抗噪能力
N
P( x, y ) = ∑ Si τ p则损伤引起的
感路径距离损伤越远， ( )
( x, y ) 为基于概率成像（Probability–based 会明显下降，并认为应用 RAPID 时
该路径 DI 越小； i =1
diagnostic imaging，PDI）方法，或者 需要布设足够多的传感器，如 8~16
（2）引 M 入 空 间 概 率 分 布 函 数 加 权 分 布 诊 断 成 像 方 法 [12,196]。 此 个传感器。更多的传感器，意味着更
= ∑ x j D{x(t ), Ti , p j , Ri用来表征
W[R]yi 作为路径加权函数， } + ei 外，也有文献将 RAPID 视为层析成 多的传感路径，布置纵横交错的路径
j =1
损伤对传感路径的影响程度，传感路 像（Tomography）的一种快速实现方 可以更好地满足传感器网络覆盖密
径与损伤的相对距离 R 越近，该传感
路径受影响越大， 则该路径在成像融
y ∈ RN D ∈ R N ×M e ∈ RN P(x, y)
合时的权值 W[R] 越大，反之当传感 
DAi
路径与损伤的相对距离 R 越远，该路 1.09
径的权值 min W[R] x-Gx 越小。 2
+λ y 1 Ai 
x 2 DiS
综合信号损伤指数 DI 和路径加  1.01
Di
权函数 W[R] 二者的影响，RAPID 公
式表示为： x 1 = x1 + x2 +  + xM
Si
N N
P( x, y ) = ∑ pi ( x, y ) = ∑ DI iWi [ Ri ( x, y ) ]
i =1 i =1
（a）相对距离 （b）等值线
（19）
式中，N 是总路径数；DI  β − R

i
< β i 条传
, Rii 是第 图6 RAPID算法示意图
Wi [ Ri ] =  β − 1 W [R ] 是第
感路径的信号损伤指数； Fig.6 Illustration of RAPID algorithm
i i
 0, R ≥ β
 i
34 航空制造技术·2020年第63卷第18期

 
DAi + DiS
Ri ( x, y ) = 
D
 COVER STORY
封面文章
度要求。但过多的传感路径又会增 权值差异，尽可能抑制“伪损伤”对 技术的飞速发展，为超声导波诊断成
加数据传输、采集和处理的负担，同 成像结果的影响，加筋肋复合材料板 像技术带来了新的契机。超声导波
时与在线测量系统轻量化小型化的 上的损伤诊断试验结果表明该方法 诊断成像技术在今后可能面临的挑
目标相背离。为此，Wang 等 [53] 提出 能有效提高定位精度。 战及其对应的发展方向概述如下：
一种虚拟路径（Virtual sensing paths） 9 成像技术对比 （1）应用对象方面。在飞行器
方法来增加路径数量，旨在提高定位 上述 8 种导波损伤诊断成像技 结构中，除板、管外，桁条 [210,214] 及起
精 度。 同 时，Wang 等 [53,206] 还 观 察 术的特点及优缺点比较见表 1。通 落架 [215] 等也可作为波导结构。针
到在多路径交叉点或传感器位置处 常对于不同的结构形式，应在综合考 对此类复杂波导结构问题，还需从理
容易出现“伪损伤”。Sharif–Khodaei 虑传感器可布置区域、待测损伤与导 论方法、数值模拟、试验研究等方面
等 [143] 在使用 RAPID 算法对一块复 波作用方式及各成像方法优缺点等 求解导波传播问题，为高质量成像奠
材板上进行缺陷诊断时也遇到了类 方面的基础上，选择合适的成像方法 定基础。
似情况。关于这个困扰 RAPID 技术 进行研究和应用。 （2）成像算法实现方面。真实
的“伪 损 伤”问 题，Liu 等 [12] 指 出， 飞行器结构不仅几何形式复杂，且待
在数据融合过程中，多路径交叉点的 主要挑战和发展方向 测区域面积大，现阶段单一的导波诊
权值会显著高于待测区域其他成像 基于超声导波的 NDT/SHM 技 断成像方法往往难以兼顾计算效率
点的权值，因此同样的损伤指数变 术在近年来取得了长足的进步，超声 和成像精度。需融合多种成像方法，
化下，诊断成像时映射到该点的几率 导波诊断成像技术作为其中一项重 在效率和精度二者之间寻找平衡点，
更大。为此，Liu 等 [12] 引入了同时 要研究热点，涉及到超声导波技术多 开发能够快速完成检测且提供高质
考量传感路径与路径加权函数影响 方面内容，包括导波传播理论和数值 量图像的混合诊断策略。
的单位权值分布函数，并提出一种路 求解 [210]、传感器激励问题 [211–212]、模 在飞行器结构的真实服役环境
径加权函数的优化选择方法，有助于 态选择与频散补偿方法 [133] 和先进 下，力热振噪等因素对导波信号和诊
降低选取参数时对人工经验的依赖。 导波信号处理技术 [213] 等，是超声导 断成像效果的影响不可忽视。发展
在此基础上，Liu 等 [196] 提出一种权 波技术的应用集大成者，但要在真实 无基准成像方法和带环境补偿的成
值补偿的加权分布诊断成像方法，在 飞行器结构上得到更广泛应用，仍面 像方法是两种可行的解决途径，部分
不增加传感器和传感路径数量前提 临不少问题。近年来，波动理论与建 相关研究已在实验室环境中取得良
下，补偿路径交叉点与其他成像点的 模方法、计算机信息科学、自动化等 好效果 [118,137]，但在工程真实环境下

表1 基于超声导波的不同损伤诊断成像技术
Table 1 Damage diagnostic imaging approaches based on ultrasonic guided waves

适用散射信号
技术 传感器布置形式 适用范围 优点 缺点
特征形式

前处理硬件复杂，
相控阵 密集阵列 反射 简单结构 具备聚焦能力，高精度
需保证时延剖面精确度
空间 – 波数
密集阵列 反射 简单结构 波数域处理 计算复杂，涉及多域转换
滤波器
消除频散效应， 需结构先验知识
逆时偏移成像 密集阵列 反射 简单和复杂结构
适用多损伤 及保证波场采集完整性
密集阵列 反射，透射， 具备聚焦能力，
时间反转成像 简单和复杂结构 依赖时反算子稳定性
或稀疏网络 折射，模态转换 适用无基准方法
算法简单易实现，
延迟叠加成像 稀疏网络 折射 大面积结构 依赖波速，受环境影响大
无需提取 TOF
适用多损伤， 依赖于模型建立合理性，
基于模型成像 稀疏网络 折射 简单和复杂结构
受外部环境因素小 涉及反演求解时计算效率低
工程应用有局限，
层析成像 密集网络 透射，折射，衍射 结构热点区域 高精度
反演求解计算用时长
复杂和 算法简单，无需提取 TOF 和 成像效果与参数选择相关，
基于概率成像 较密集网络 折射，模态转换
大面积结构 结构先验知识 成像精度受传感器网络密度影响

2020年第63卷第18期·航空制造技术 35
封面文章 COVER STORY

还有待验证。这两种途径的实现能 天工业应用需求，讨论了导波诊断成 [7] 武湛君 , 渠晓溪 , 高东岳 , 等 . 航空

航天复合材料结构健康监测技术研究进展 [J].
够降低误报率、漏报率，提高导波技 像技术面临的挑战并展望其发展趋
航空制造技术 , 2016, 59(15): 92–102.
术的工程适用性。 势。超声导波诊断成像技术是导波
WU Zhanjun, QU Xiaoxi, GAO Dongyue,
此外，随着复合材料结构在航空 技术的应用集大成者，深入研究各成 et al. Research progress on structural health
航天领域呈现规模化应用趋势，其材 像算法有利于导波技术提高工业应 monitoring technology for aerospace composite
料物理参数和损伤类型的多样化使 用成熟度，促进未来航空航天结构的 structures[J]. Aeronautical Manufacturing
Technology, 2016, 59(15): 92–102.
导波成像技术面临新的挑战。在大 智能化进程。
[8] 袁慎芳 , 邱雷 , 吴键 , 等 . 大型飞机
数据和人工智能快速发展的时代背
的发展对结构健康监测的需求与挑战 [J]. 航
景下，要提高导波诊断成像技术的诊 空制造技术 , 2009, 52(22): 62–67.
参 考 文 献
断精度和诊断规模，可以结合统计学 YUAN Shenfang, QIU Lei, WU Jian, et
习与模式识别等人工智能方法，挖掘 [1] GIURGIUTIU V, ZAGRAI A, BAO al. Challenge in structural health monitoring
J J. Piezoelectric wafer embedded active sensors of large aircraft development[J]. Aeronautical
缺陷与信号特征联系，构建数据与图
for aging aircraft structural health monitoring[J]. Manufacturing Technology, 2009, 52(22): 62–
像间多层级的机器学习模型，不断提
Structural Health Monitoring: an International 67.
高模型的泛化能力。 Journal, 2002, 1(1): 41–61. [9] REN Y, QIU L, YUAN S F, et al.
（3）工业应用方面。超声导波 [2] 吴凯 , 张铁军 , 姚为 , 等 . 航天新 Multi–damage imaging of composite structures
技术需要采集高质量的损伤信息，但 型高性能材料的研究进展[J]. 宇航材料工艺 , under environmental and operational conditions
2017, 47(6): 1–9. using guided wave and Gaussian mixture
仅有高质量数据可能不足以对结构
WU Kai, ZHANG Tiejun, YAO Wei, et model[J]. Smart Materials and Structures, 2019,
进行整体状态评估。理想情况下，诊
al. Research progress of new high performance 28(11): 115017–115031.
断效果与传感器数量成正比，但在实 aerospace materials[J]. Aerospace Material & [10] QING X L, LI W Z, WANG Y S,
际航空航天工业应用中需要考量数 Technology, 2017, 47(6): 1–9. et al. Piezoelectric transducer–based structural
据获取的难易程度，制约因素在于传 [3] 杜善义 . 先进复合材料与航空航天 health monitoring for aircraft applications[J].
[J]. 复合材料学报 , 2007, 24(1): 1–12. Sensors, 2019, 19(3): 545–571.
感器部署可行性和仪器设备成本。
DU Shanyi. Advanced composite materials [11] SU Z Q, YE L. Identification of
一方面，研究传感器优化布置方法可
and aerospace engineering[J]. Acta Materiae damage using lamb waves: From fundamentals
以在不影响成像质量的前提下降低 Compositae Sinica, 2007, 24(1): 1–12. to applications[M]//Lecture Notes in Applied
传感器数量、提高计算效率，从而降 [4] 范玉青 , 张丽华 . 超大型复合材 and Computational Mechanics. London:
低系统成本；另一方面，开发高度自 料机体部件应用技术的新进展——飞机制 Springer–Verlag London, 2009.
造技术的新跨越 [J]. 航空学报 , 2009, 30(3): [12] WU Z J, LIU K H, WANG Y S,
动化的成像技术，能够降低导波仪器
534–543. et al. Validation and evaluation of damage
设备的经验依赖程度和操作成本。 identification using probability–based diagnostic
FA N Yu q i n g , Z H A N G L i h u a . N e w
因此，在发展成像技术时考虑上述因 development of extra large composite aircraft imaging on a stiffened composite panel[J].
素，有助于推动将来导波技术在航空 components application technology— advance Journal of Intelligent Material Systems and
航天工业的更广泛应用。 of aircraft manufacture technology[J]. Acta Structures, 2015, 26(16): 2181–2195.
Aeronautica et Astronautica Sinica, 2009, 30(3): [13] 高东岳 . 复合材料飞机尾翼结构
534–543. 健康监测技术研究 [D]. 大连 : 大连理工大学 ,
结论
[5] 王奕首 , 卿新林 . 复合材料连接结 2014.
航空航天领域在结构效率和安 构健康监测技术研究进展 [J]. 复合材料学报 , GAO Dongyue. Study of structural health
全性能上具有标准高、要求高的特 2016, 33(1): 1–16. monitoring for a composite horizontal tail
点，是研究和应用无损检测 / 结构健 WANG Yishou, QING Xinlin. Progress on of aircraft[D]. Dalian: Dalian University of
study of structural health monitoring technology Technology, 2014.
康监测技术最频繁的领域。航空航
for composite joints[J]. Acta Materiae [14] GAO D Y, WANG Y S, WU Z J,
天飞行器中多数结构部件为波导结 Compositae Sinica, 2016, 33(1): 1–16. et al. Design of a sensor network for structural
构，导波技术作为一种全局损伤诊断 [6] 何存富 , 郑明方 , 吕炎 , 等 . 超声导 health monitoring of a full–scale composite
技术在航空航天结构具有广泛应用 波检测技术的发展、应用与挑战 [J]. 仪器仪表 horizontal tail[J]. Smart Materials and
前景。本文以航空航天结构为出发 学报 , 2016, 37(8): 1713–1735. Structures, 2014, 23(5): 055011.
HE Cunfu, ZHENG Mingfang, LÜ Yan, et [15] 刘科海 . 飞行器关键构件的超声
点，介绍了超声导波诊断成像的一般
al. Development , applications and challenges in 导波损伤诊断成像方法研究 [D]. 大连 : 大连
流程，综述了 8 种代表性导波成像方 ultrasonic guided waves testing technology[J]. 理工大学 , 2016.
法的研究进展，并对比了这些算法的 Chinese Journal of Scientific Instrument, 2016, LIU Kehai. Damage diagnostic imaging
应用范围及优缺点，最后结合航空航 37(8): 1713–1735. using ultrasonic guided waves for key

36 航空制造技术·2020年第63卷第18期

components in aerospace structures[D]. Dalian:
Dalian University of Technology, 2016.
[16] WU Z J, XU L T, WANG Y S, et
al. Impact energy identification on a composite
plate using basis vectors[J]. Smart Materials and
Structures, 2015, 24(9): 095007.
[17] QIU L, LIU B, YUAN S F, et al.
Impact imaging of aircraft composite structure
based on a model–independent spatial–
wavenumber filter[J]. Ultrasonics, 2016, 64:
10–24.
[18] REN Y Q, QIU L, YUAN S F, et
al. A diagnostic imaging approach for online
characterization of multi–impact in aircraft
composite structures based on a scanning
spatial–wavenumber filter of guided wave[J].
Mechanical Systems and Signal Processing,
2017, 90: 44–63.
[19] ZHENG Y B, LIU K H, WU Z
J, et al. Lamb waves and electro–mechanical
impedance based damage detection using a
mobile PZT transducer set[J]. Ultrasonics, 2019,
92: 13–20.
[20] WU Z J, QING X P, CHANG F
K. Damage detection for composite laminate
plates with a distributed hybrid PZT/FBG sensor
network[J]. Journal of Intelligent Material
Systems and Structures, 2009, 20(9): 1069–
1077.
[21] REN B Y, LISSENDEN C J. PVDF
multielement lamb wave sensor for structural
health monitoring[J]. IEEE Transactions on
Ultrasonics, Ferroelectrics, and Frequency
Control, 2016, 63(1): 178–185.
[22] KWUN H, KIM S Y, LIGHT G M.
The magnetostrictive sensor technology for long
range guided wave testing and monitoring of
structures[J]. Materials Evaluation, 2003, 61(1):
80–84.
[23] HARB M S, YUAN F G. Barely
visible impact damage imaging using non–
contact air–coupled transducer/laser Doppler
vibrometer system[J]. Structural Health
Monitoring: an International Journal, 2017,
16(6): 663–673.
[24] PARK B, SOHN H, MALINOWSKI
P, et al. Delamination localization in wind
turbine blades based on adaptive time–of–flight
analysis of noncontact laser ultrasonic signals[J].
Nondestructive Testing and Evaluation, 2017,
32(1): 1–20.
[25] TIAN Z, YU L, LECKEY C.
Rapid guided wave delamination detection and
quantification in composites using global–local
sensing[J]. Smart Materials and Structures,
2016, 25(8): 085042–085052.
[26] QING X, BEARD S, KUMAR A,
et al. Advances in the development of built–
in diagnostic system for filament wound
composite structures[J]. Composites Science
and Technology, 2006, 66(11–12): 1694–1702.
[27] YANG B, XUAN F Z, CHEN S J,
et al. Damage localization and identification
in WGF/epoxy composite laminates by using
Lamb waves: Experiment and simulation[J].
Composite Structures, 2017, 165: 138–147.
[28] GORGIN R, WU Z J, GAO D Y, et
al. Damage size characterization algorithm for
active structural health monitoring using the A0
mode of Lamb waves[J]. Smart Materials and
Structures, 2014, 23(3): 035015.
[29] KUDELA P, RADZIENSKI M,
OSTACHOWICZ W, et al. Structural health
monitoring system based on a concept of Lamb
wave focusing by the piezoelectric array[J].
Mechanical Systems and Signal Processing,
2018, 108: 21–32.
[30] IHN J B, CHANG F K. Pitch–
catch active sensing methods in structural health
monitoring for aircraft structures[J]. Structural
Health Monitoring: an International Journal,
2008, 7(1): 5–19.
[31] ZHOU K, ZHENG Y B, ZHANG
J Q, et al. A reconstruction–based mode
separation method of Lamb wave for damage
detection in plate structures[J]. Smart Materials
and Structures, 2019, 28(3): 035033.
[32] STASZEWSKI W J. Intelligent
signal processing for damage detection in
composite materials[J]. Composites Science and
Technology, 2002, 62(7–8): 941–950.
[33] CROXFORD A J, WILCOX P
D, DRINKWATER B W, et al. Strategies for
guided–wave structural health monitoring[J].
Proceedings of the Royal Society A:
Mathematical, Physical and Engineering
Sciences, 2007, 463: 2961–2981.
[34] OSTACHOWICZ W, KUDELA P,
MALINOWSKI P, et al. Damage localization in
plate–like structures based on PZT sensors[J].
Mechanical Systems and Signal Processing,
2009, 23(6): 1805–1829.
[35] PAI P F, SUNDARESAN M J.
Space–wavenumber and time–frequency
analysis for damage inspection of thin–walled
structures[J]. Structural Health Monitoring: an
International Journal, 2012, 11(4): 452–471.
[36] Y U L Y, G I U R G I U T I U V. I n –
2020年第63卷第18期·航空制造技术
COVER STORY
封面文章
situ optimized PWAS phased arrays for Lamb
wave structural health monitoring[J]. Journal of
Mechanics of Materials and Structures, 2007,
2(3): 459–487.
[37] QIU L, YUAN S F, ZHANG X Y,
et al. A time reversal focusing based impact
imaging method and its evaluation on complex
composite structures[J]. Smart Materials and
Structures, 2011, 20(10): 105014.
[38] PA I P F, D E N G H G ,
S U N D A R E S A N M J . Ti m e – f r e q u e n c y
characterization of Lamb waves for material
evaluation and damage inspection of plates[J].
Mechanical Systems and Signal Processing,
2015, 62/63: 183–206.
[39] YU L Y, TIAN Z H. Lamb wave
structural health monitoring using a hybrid
PZT–laser vibrometer approach[J]. Structural
Health Monitoring: an International Journal,
2013, 12(5–6): 469–483.
[40] HONG J C, SUN K H, KIM Y Y.
Waveguide damage detection by the matching
pursuit approach employing the dispersion–
based chirp functions[J]. IEEE Transactions
on Ultrasonics, Ferroelectrics and Frequency
Control, 2006, 53(3): 592–605.
[41] RAGHAVAN A, CESNIK C E S.
Guided–wave signal processing using chirplet
matching pursuits and mode correlation for
structural health monitoring[J]. Smart Materials
and Structures, 2007, 16(2): 355–366.
[42] SCHMIDT R. A signal subspace
approach to multiple emitter location and
spectral estimation[D]. Stanford: Stanford
University, 1982.
[43] HE J Z, YUAN F G. Lamb wave–
based sub wave length damage imaging using
the DORT–MUSIC technique in metallic
plates[J]. Structural Health Monitoring: an
International Journal, 2016, 15(1): 65–80.
[44] G I U R G I U T I U V, B A O J .
Embedded–ultrasonics structural radar for in
situ structural health monitoring of thin–wall
structures[J]. Structural Health Monitoring: an
International Journal, 2004, 3(2): 121–140.
[45] PUREKAR A S, PINES D J,
SUNDARARAMAN S, et al. Directional
piezoelectric phased array filters for detecting
damage in isotropic plates[J]. Smart Materials
and Structures, 2004, 13(4): 838–850.
[46] ING R K, FINK M. Time–
reversed Lamb waves[J]. IEEE Transactions
on Ultrasonics, Ferroelectrics and Frequency
Control, 1998, 45(4): 1032–1043.
37
 封面文章 COVER STORY
[47] LIN X, YUAN F G. Damage
detection of a plate using migration technique[J].
Journal of Intelligent Material Systems and
Structures, 2001, 12(7): 469–482.
[48] CAI J, SHI L H, YUAN S F, et al.
High spatial resolution imaging for structural
health monitoring based on virtual time
reversal[J]. Smart Materials and Structures,
2011, 20(5): 055018.
[49] MICHAELS J E, MICHAELS T E.
Guided wave signal processing and image fusion
for in situ damage localization in plates[J]. Wave
Motion, 2007, 44(6): 482–492.
[50] LEVINE R M, MICHAELS J E.
Model–based imaging of damage with Lamb
waves via sparse reconstruction[J]. The Journal
of the Acoustical Society of America, 2013,
133(3): 1525–1534.
[51] MALYARENKO E V, HINDERS M
K. Fan beam and double cross hole Lamb wave
tomography for mapping flaws in aging aircraft
structures[J]. The Journal of the Acoustical
Society of America, 2000, 108(4): 1631–1639.
[52] PRASAD S M, BALASUBRAMANIAM
K, KRISHNAMURTHY C V. Structural health
monitoring of composite structures using Lamb
wave tomography[J]. Smart Materials and
Structures, 2004, 13(5): N73–N79.
[53] WA N G D , Y E L , L U Y, e t a l .
Probability of the presence of damage estimated
from an active sensor network in a composite
panel of multiple stiffeners[J]. Composites
Science and Technology, 2009, 69(13): 2054–
2063.
[54] MIAO X T, WANG D, YE L, et al.
Identification of dual notches based on time–
reversal lamb waves and a damage diagnostic
imaging algorithm[J]. Journal of Intelligent
Material Systems and Structures, 2011, 22(17):
1983–1992.
[55] PARK H W, SOHN H, LAW K H,
et al. Time reversal active sensing for health
monitoring of a composite plate[J]. Journal of
Sound and Vibration, 2007, 302(1–2): 50–66.
[56] WANG J Z, SHEN Y F. An enhanced
Lamb wave virtual time reversal technique
for damage detection with transducer transfer
function compensation[J]. Smart Materials and
Structures, 2019, 28(8): 085017.
[57] 张海燕 , 刘倩玮 , 范仕轩 , 等 . 图
像合成在超声兰姆波层析成像中的应用 [J].
上海大学学报（自然科学版）, 2007(4): 430–
433.
ZHANG Haiyan, LIU Qianwei,
38 航空制造技术·2020年第63卷第18期
FAN Shixuan, et al. Application of image
compounding in ultrasonic Lamb wave
tomography[J]. Journal of Shanghai University
(Natural Science), 2007(4): 430–433.
[58] SU Z Q, WANG X M, CHENG
L, et al. On selection of data fusion schemes
for structural damage evaluation[J]. Structural
Health Monitoring, 2009, 8(3): 223–241.
[59] C L A R K E T , C A W L E Y P.
Enhancing the defect localization capability of a
guided wave SHM system applied to a complex
structure[J]. Structural Health Monitoring: an
International Journal, 2011, 10(3): 247–259.
[60] LU G T, LI Y R, SONG G B. A
delay–and–Boolean–ADD imaging algorithm
for damage detection with a small number of
piezoceramic transducers[J]. Smart Materials
and Structures, 2016, 25(9): 095030.
[61] LEONARD K R, HINDERS
M K. Lamb wave tomography of pipe–like
structures[J]. Ultrasonics, 2005, 43(7): 574–583.
[62] K U N D U T. A c o u s t i c s o u r c e
localization[J]. Ultrasonics, 2014, 54(1): 25–38.
[63] 詹湘琳 , 韩红斌 , 周德新 . 民用
飞机复合材料结构件超声相控阵无损检测
技 术 进 展[J]. 航 空 制 造 技 术 , 2014, 57(15):
124–127.
ZHAN Xianglin, HAN Hongbin, ZHOU
Dexin. Progress of ultrasonic phased array
nondestructive testing technique for civil
aviation composite structures[J]. Aeronautical
Manufacturing Technology, 2014, 57(15): 124–
127.
[64] SICARD R, CHAHBAZ A,
GOYETTE J. Guided Lamb waves and L–SAFT
processing technique for enhanced detection and
imaging of corrosion defects in plates with small
depth–to wavelength ratio[J]. IEEE Transactions
on Ultrasonics, Ferroelectrics and Frequency
Control, 2004, 51(10): 1287–1297.
[65] WILCOX P D. Omni–directional
guided wave transducer arrays for the rapid
inspection of large areas of plate structures[J].
IEEE Transactions on Ultrasonics, Ferroelectrics
and Frequency Control, 2003, 50(6): 699–709.
[66] R A J A G O PA L A N J,
BALASUBRAMANIAM K, KRISHNAMURTHY
C V. A single transmitter multi–receiver (STMR)
PZT array for guided ultrasonic wave based
structural health monitoring of large isotropic
plate structures[J]. Smart Materials and
Structures, 2006, 15(5): 1190–1196.
[67] V I S H N U VA R D H A N J ,
MURALIDHARAN A, KRISHNAMURTHY
C V, et al. Structural health monitoring of
anisotropic plates using ultrasonic guided wave
STMR array patches[J]. NDT & E International,
2009, 42(3): 193–198.
[68] R A J A G O PA L A N J,
BALASUBRAMANIAM K, KRISHNAMURTHY
C V. A phase reconstruction algorithm for Lamb
wave based structural health monitoring of
anisotropic multilayered composite plates[J].
The Journal of the Acoustical Society of
America, 2006, 119(2): 872.
[69] YAN F, ROSE J L. Guided wave
phased array beam steering in composite
plates[C]//Proceedings of Health Monitoring of
Structural and Biological Systems, International
Society for Optics and Photonics. San Diego,
2007.
[70] 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.
[71] L E L E U X A , M I C H E A U P,
CASTAINGS M. Long range detection of
defects in composite plates using lamb waves
generated and detected by ultrasonic phased
array probes[J]. Journal of Nondestructive
Evaluation, 2013, 32(2): 200–214.
[72] GIURGIUTIU V. Structural health
monitoring with piezoelectric wafer active
sensors[M]. Amsterdam: Elsevier Academic
Press, 2007.
[73] YU L Y, GIURGIUTIU V. In situ 2–
D piezoelectric wafer active sensors arrays for
guided wave damage detection[J]. Ultrasonics,
2008, 48(2): 117–134.
[74] VELICHKO A, WILCOX P D.
Modeling the excitation of guided waves in
generally anisotropic multilayered media[J]. The
Journal of the Acoustical Society of America,
2007, 121(1): 60–69.
[75] TIAN Z, LECKEY C A C, YU
L. Phased array beam forming and imaging
in composite laminates using guided
waves[C]//Proceedings of Health Monitoring
of Structural and Biological Systems 2016.
Colorado: International Society for Optics and
Photonics,2016.
[76] YU L Y, TIAN Z H. Guided wave
phased array beam forming and imaging in
composite plates[J]. Ultrasonics, 2016, 68:
43–53.
[77] DRINKWATER B W, WILCOX

P D. Ultrasonic arrays for non–destructive
evaluation: A review[J]. NDT & E International,
2006, 39(7): 525–541.
[78] 崔媛智. 基于 Lamb 波频率调谐和
相控阵的金属板损伤检测研究[D]. 镇江 : 江
苏大学 , 2016.
CUI Yuanzhi. Research of metal plate
damage detection based on Lamb wave
frequency tuning and phased array[D].
Zhenjiang: Jiangsu University, 2016.
[79] MALINOWSKI P, WANDOWSKI
T, TRENDAFILOVA I, et al. A phased array–
based method for damage detection and
localization in thin plates[J]. Structural Health
Monitoring: an International Journal, 2009, 8(1):
5–15.
[80] WANDOWSKI T, MALINOWSKI
P, OSTACHOWICZ W M. Damage detection
with concentrated configurations of piezoelectric
transducers[J]. Smart Materials and Structures,
2011, 20(2): 025002.
[81] LIU Z H, SUN K M, SONG G R,
et al. Damage localization in aluminum plate
with compact rectangular phased piezoelectric
transducer array[J]. Mechanical Systems and
Signal Processing, 2016, 70–71: 625–636.
[82] STERNINI S, PAU A, LANZA
D I S C A L E A F. M i n i m u m – v a r i a n c e
imaging in plates using guided–wave–mode
b e a m f o r m i n g [ J ] . I E E E Tr a n s a c t i o n s o n
Ultrasonics, Ferroelectrics, and Frequency
Control, 2019, 66(12): 1906–1919.
[83] ENGHOLM M, STEPINSKI T.
Adaptive beam forming for array imaging of
plate structures using Lamb waves[J]. IEEE
Transactions on Ultrasonics, Ferroelectrics, and
Frequency Control, 2010, 57(12): 2712–2724.
[84] KWON H S, LEE S S, KIM J Y.
Beam pattern improvement by compensating
array nonuniformities in a guided wave phased
array[J]. Smart Materials and Structures, 2013,
22(8): 085002.
[85] HUA J D, LIN J, ZENG L, et al.
Minimum variance imaging based on correlation
analysis of Lamb wave signals[J]. Ultrasonics,
2016, 70: 107–122.
[86] HUANG Q, CHEN M T, SU Z
Q, et al. A high–resolution structural health
monitoring system based on SH wave
piezoelectric transducers phased array[J].
Ultrasonics, 2019, 97: 29–37.
[87] 刘彬 . 基于空间 – 波数滤波器的
结构健康监测成像方法研究[D]. 南京 : 南京
航空航天大学 , 2015.
LIU Bin. Research on spatial–wavenumber
filter based structural health monitoring
and imaging method[D]. Nanjing: Nanjing
University of Aeronautics and Astronautics,
2015.
[88] RUZZENE M. Frequency–
wavenumber domain filtering for improved
damage visualization[J]. Smart Materials and
Structures, 2007, 16(6): 2116–2129.
[89] YU L Y, LECKEY C A C, TIAN
Z H. Study on crack scattering in aluminum
plates with Lamb wave frequency–wavenumber
analysis[J]. Smart Materials and Structures,
2013, 22(6): 065019.
[90] SOHN H, DUTTA D, YANG J Y,
et al. Automated detection of delamination and
disbond from wave field images obtained using
a scanning laser vibrometer[J]. Smart Materials
and Structures, 2011, 20(4): 045017.
[91] MICHAELS T E, MICHAELS J E,
RUZZENE M. Frequency–wavenumber domain
analysis of guided wavefields[J]. Ultrasonics,
2011, 51(4): 452–466.
[92] TIAN Z H, YU L Y, LECKEY C,
et al. Guided wave imaging for detection and
evaluation of impact–induced delamination in
composites[J]. Smart Materials and Structures,
2015, 24(10): 105019.
[93] 王瑜 , 袁慎芳 , 邱雷 . 基于改进空
间滤波器的复合材料结构损伤成像方法[J].
复合材料学报 , 2011, 28(1): 186–193.
WANG Yu, YUAN Shenfang, QIU Lei.
Improved spatial filter based damage imaging
method on composite structures[J]. Acta
Materiae Compositae Sinica, 2011, 28(1): 186–
193.
[94] 刘彬 , 邱雷 , 袁慎芳 , 等 . 基于多
维阵列和空间滤波器的损伤无波速成像定位
方法 [J]. 复合材料学报 , 2014, 31(3): 835–844.
LIU Bin, QIU Lei, YUAN Shenfang, et
al. Damage imaging and localization method
based on multi–dimension arrays and spatial
filter without wave velocity[J]. Acta Materiae
Compositae Sinica, 2014, 31(3): 835–844.
[95] QIU L, LIU B, YUAN S F, et al. A
scanning spatial–wavenumber filter and PZT
2–D cruciform array based on–line damage
imaging method of composite structure[J].
Sensors and Actuators A: Physical, 2016, 248:
62–72.
[96] ENGHOLM M, STEPINSKI T,
OLOFSSON T. Imaging and suppression of
Lamb modes using adaptive beam forming[J].
Smart Materials and Structures, 2011, 20(8):
2020年第63卷第18期·航空制造技术
COVER STORY
封面文章
085024.
[97] KWON H S, KIM J Y. An analytical
filter design method for guided wave phased
arrays[J]. Mechanical Systems and Signal
Processing, 2016, 81: 433–446.
[98] B AY S A L E , K O S L O F F D D ,
SHERWOOD J W C. Reverse time migration[J].
Geophysics, 1983, 48(11): 1514–1524.
[99] LIN X, YUAN F G. Detection of
multiple damages by prestack reverse–time
migration[J]. AIAA Journal, 2001, 39: 2206–
2215.
[100] LIN X, YUAN F G. Experimental
study applying a migration technique in
structural health monitoring[J]. Structural Health
Monitoring: an International Journal, 2005, 4(4):
341–353.
[101] HE J Z, YUAN F G. Damage
identification for composite structures using
a cross–correlation reverse–time migration
technique[J]. Structural Health Monitoring: an
International Journal, 2015, 14(6): 558–570.
[102] 严刚 , 周丽 . 基于频率 – 波数域
偏移的损伤被动成像识别研究 [J]. 固体力学
学报 , 2011, 32(S1): 273–279.
YAN Gang, ZHOU Li. Passive imaging
and identification of damages using migration
technique in frequency–wavenumber domain[J].
Acta Mechnica Solida Sinica, 2011, 32(S1):
273–279.
[103] 严刚 , 周丽 . 基于 Mindlin 板理论
的偏移损伤成像数值仿真研究 [J]. 力学学报 ,
2010, 42(3): 499–505.
YAN Gang, ZHOU Li. A simulation study
on migration technique for damage imaging
based on mindlin plate theory[J]. Chinese
Journal of Theoretical and Applied Mechanics,
2010, 42(3): 499–505.
[104] WANG L, YUAN F G. Damage
identification in a composite plate using prestack
reverse–time migration technique[J]. Structural
Health Monitoring: an International Journal,
2005, 4(3): 195–211.
[105] ZHOU L, YUAN F G, MENG W
J. A pre–stack migration method for damage
identification in composite structures[J]. Smart
Structures and Systems, 2007, 3(4): 439–454.
[106] HE J Z, YUAN F G. A quantitative
damage imaging technique based on enhanced
CCRTM for composite plates using 2D scan[J].
Smart Materials and Structures, 2016, 25(10):
105022.
[107] HE J Z, ROCHA D C, LESER P
E, et al. Least–squares reverse time migration
39
 封面文章 COVER STORY
(LSRTM) for damage imaging using Lamb
waves[J]. Smart Materials and Structures, 2019,
28(6): 065010.
[108] F I N K M . Ti m e r e v e r s a l o f
ultrasonic fields. I. Basic principles[J]. IEEE
Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, 1992, 39(5): 555–566.
[109] ING R K, FINK M. Time
recompression of dispersive Lamb waves using
a time reversal mirror – Application to flaw
detection in thin plates[C]//Proceedings of 1996
IEEE Ultrasonics Symposium. San Antonio,
1996.
[110] PRADA C, FINK M. Separation
of interfering acoustic scattered signals using
the invariants of the time–reversal operator.
Application to Lamb waves characterization[J].
The Journal of the Acoustical Society of
America, 1998, 104(2): 801–807.
[111] 王强 , 严夏君 , 陈小惠 , 等 . 无基
准 Lamb 波时间反转损伤概率成像监测方法
[J]. 仪器仪表学报 , 2013, 34(7): 1588–1594.
WA N G Q i a n g , YA N X i a j u n , C H E N
Xiaohui, et al. Baseline free Lamb wave damage
probability imaging monitoring method based
on time reversal theory[J]. Chinese Journal of
Scientific Instrument, 2013, 34(7): 1588–1594.
[112] XU B L, GIURGIUTIU V. Single
mode tuning effects on lamb wave time reversal
with piezoelectric wafer active sensors for
structural health monitoring[J]. Journal of
Nondestructive Evaluation, 2007, 26(2–4):
123–134.
[113] SOHN H, PARK H W, LAW K H,
et al. Combination of a time reversal process
and a consecutive outlier analysis for baseline–
free damage diagnosis[J]. Journal of Intelligent
Material Systems and Structures, 2007, 18(4):
335–346.
[114] 蔡笑风 , 刘继方 , 李永峰 , 等 . 复
合材料 Lamb 波时间反转检测方法研究现状
[J]. 无损检测 , 2018, 40(11): 64–69.
CAI Xiaofeng, LIU Jifang, LI Yongfeng,
et al. Research status of Lamb wave time–
reversal method for composite materials[J].
Nondestructive Testing, 2018, 40(11): 64–69.
[115] GANGADHARAN R, MURTHY
C , G O PA L A K R I S H N A N S , e t a l . Ti m e
reversal health monitoring of composite plates
using Lamb waves[J]. International Journal of
Aerospace Innovations, 2011, 3(3): 131–142.
[116] SOHN H, PARK H W, LAW K
H, et al. Damage detection in composite plates
by using an enhanced time reversal method[J].
40 航空制造技术·2020年第63卷第18期
Journal of Aerospace Engineering, 2007, 20(3):
141–151.
[117] LIU Z H, YU H T, FAN J W, et
al. Baseline–free delamination inspection in
composite plates by synthesizing non–contact
air–coupled Lamb wave scan method and virtual
time reversal algorithm[J]. Smart Materials and
Structures, 2015, 24(4): 045014.
[118] MUSTAPHA S, YE L. Propagation
behaviour of guided waves in tapered sandwich
structures and debonding identification using
time reversal[J]. Wave Motion, 2015, 57: 154–
170.
[119] PARK H W, KIM S B, SOHN H.
Understanding a time reversal process in Lamb
wave propagation[J]. Wave Motion, 2009, 46(7):
451–467.
[120] WATKINS R, JHA R. A modified
time reversal method for Lamb wave based
diagnostics of composite structures[J].
Mechanical Systems and Signal Processing,
2012, 31: 345–354.
[121] PODDAR B, KUMAR A, MITRA
M, et al. Time reversibility of a Lamb wave for
damage detection in a metallic plate[J]. Smart
Materials and Structures, 2011, 20(2): 025001.
[122] AGRAHARI J K, KAPURIA S.
Effects of adhesive, host plate, transducer and
excitation parameters on time reversibility of
ultrasonic Lamb waves[J]. Ultrasonics, 2016,
70: 147–157.
[123] WANG Q, YUAN S F. Baseline–
free imaging method based on new PZT sensor
arrangements[J]. Journal of Intelligent Material
Systems and Structures, 2009, 20(14): 1663–
1673.
[124] C I A M PA F, M E O M . I m p a c t
detection in anisotropic materials using a
time reversal approach[J]. Structural Health
Monitoring, 2012, 11(1): 43–49.
[125] ZENG L, LIN J, HUANG L P. A
modified lamb wave time–reversal method for
health monitoring of composite structures[J].
Sensors, 2017, 17(5): 955.
[126] 王强 , 袁慎芳 . 复合材料板脱层
损伤的时间反转成像监测 [J]. 复合材料学报 ,
2009, 26(3): 99–104.
WANG Qiang, YUAN Shenfang. Time
reversal imaging method for composite
delamination monitoring[J]. Acta Materiae
Compositae Sinica, 2009, 26(3): 99–104.
[127] WANG C H, ROSE J T, CHANG F
K. A synthetic time–reversal imaging method for
structural health monitoring[J]. Smart Materials
and Structures, 2004, 13(2): 415–423.
[128] MICHAELS J E. Enhanced
differential methods for guided wave phased
array imaging using spatially distributed
piezoelectric transducers[C]//Proceedings of
AIP Conference, American Institute of Physics.
Brunswick, 2006.
[129] MICHAELS J E, CROXFORD A J,
WILCOX P D. Imaging algorithms for locating
damage via in situ ultrasonic sensors[C]//
Proceedings of 2008 IEEE Sensors Applications
Symposium. Atlanta, 2008: 63–67.
[130] MICHAELS J E. Detection,
localization and characterization of damage
in plates with an in situ array of spatially
distributed ultrasonic sensors[J]. Smart Materials
and Structures, 2008, 17(3): 035035.
[131] LEVINE R M, MICHAELS J E.
Block–sparse reconstruction and imaging for
Lamb wave structural health monitoring[J].
IEEE Transactions on Ultrasonics,
Ferroelectrics, and Frequency Control, 2014,
61(6): 1006–1015.
[132] KIM H W, YUAN F G. Enhanced
damage imaging of a metallic plate using
matching pursuit algorithm with multiple wave
paths[J]. Ultrasonics, 2018, 89: 84–101.
[133] KIM H, YUAN F G. Adaptive
signal decomposition and dispersion removal
based on the matching pursuit algorithm using
dispersion–based dictionary for enhancing
damage imaging[J]. Ultrasonics, 2020, 103:
106087.
[134] CROXFORD A J, WILCOX P D,
DRINKWATER B W. Guided wave SHM with
a distributed sensor network[C]//Proceedings of
Health Monitoring of Structural and Biological
Systems 2008. San Diego: International Society
for Optics and Photonics, 2008.
[135] LU G T, LI Y R, WANG T, et al.
A multi–delay–and–sum imaging algorithm
for damage detection using piezoceramic
transducers[J]. Journal of Intelligent Material
Systems and Structures, 2017, 28(9): 1150–
1159.
[136] F E N D Z I C , R É B I L L AT M ,
MECHBAL N, et al. A data–driven temperature
compensation approach for Structural Health
Monitoring using Lamb waves[J]. Structural
Health Monitoring: an International Journal,
2016, 15(5): 525–540.
[137] CHEN X, MICHAELS J E, LEE S
J, et al. Load–differential imaging for detection
and localization of fatigue cracks using Lamb

waves[J]. NDT & E International, 2012, 51:
142–149.
[138] YU L Y, LECKEY C A. Lamb
wave–based quantitative crack detection
using a focusing array algorithm[J]. Journal of
Intelligent Material Systems and Structures,
2013, 24(9): 1138–1152.
[139] HALL J S, MICHAELS J E.
Minimum variance ultrasonic imaging applied
to an in situ sparse guided wave array[J]. IEEE
Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, 2010, 57(10): 2311–2323.
[140] H A L L J S , M C K E O N P,
SATYANARAYAN L, et al. Minimum variance
guided wave imaging in a quasi–isotropic
composite plate[J]. Smart Materials and
Structures, 2011, 20(2): 025013.
[141] HALL J S, MICHAELS J E.
Adaptive dispersion compensation for guided
wave imaging[C]// Proceedings of AIP
Conference. Puertollano, 2012.
[142] NG C T, VEIDT M. A Lamb–
wave–based technique for damage detection in
composite laminates[J]. Smart Materials and
Structures, 2009, 18(7): 074006.
[143] SHARIF–KHODAEI Z,
ALIABADI M H. Assessment of delay–
and–sum algorithms for damage detection in
aluminium and composite plates[J]. Smart
Materials and Structures, 2014, 23(7): 075007.
[144] RÉBILLAT M, MECHBAL N.
Damage localization in geometrically complex
aeronautic structures using canonical polyadic
decomposition of Lamb wave difference signal
tensors[J]. Structural Health Monitoring: an
International Journal, 2020, 19(1): 305–321.
[145] DAFYDD I, SHARIF KHODAEI
Z. Analysis of barely visible impact damage
severity with ultrasonic guided Lamb waves[J].
Structural Health Monitoring: an International
Journal, 2019,19(4):1104–1122.
[146] QIU L, LIU M L, QING X L, et al.
A quantitative multidamage monitoring method
for large–scale complex composite[J]. Structural
Health Monitoring: an International Journal,
2013, 12(3): 183–196.
[147] SHAN S B, QIU J H, ZHANG
C, et al. Multi–damage localization on large
complex structures through an extended delay–
and–sum based method[J]. Structural Health
Monitoring: an International Journal, 2016,
15(1): 50–64.
[148] YANG B, XIANG Y X, XUAN F Z,
et al. Damage localization in hydrogen storage
vessel by guided waves based on a real–time
monitoring system[J]. International Journal of
Hydrogen Energy, 2019, 44(40): 22740–22751.
[149] 徐冠基 , 许才彬 , 杨志勃 , 等 . 碳
纤维层合板 Lamb 波损伤检测的加权块稀疏
成像法 [J]. 西安交通大学学报 , 2019, 53(6):
176–182.
XU Guanji, XU Caibin, YANG Zhibo,
et al. Weighted group–sparse imaging method
for lamb wave damage detection of CFRP
laminates[J]. Journal of Xi’an Jiaotong
University, 2019, 53(6): 176–182.
[150] EBRAHIMKHANLOU A,
DUBUC B, SALAMONE S. Damage
localization in metallic plate structures using
edge–reflected lamb waves[J]. Smart Materials
and Structures, 2016, 25(8): 085035.
[151] OSTIGUY P C, QUAEGEBEUR
N, MASSON P. Comparison of model–based
damage imaging techniques for transversely
isotropic composites[J]. Structural Health
Monitoring: an International Journal, 2017,
16(4): 428–443.
[152] HALL J S, MICHAELS J E.
Multipath ultrasonic guided wave imaging
in complex structures[J]. Structural Health
Monitoring: an International Journal, 2015,
14(4): 345–358.
[153] LEVINE R M. Ultrasonic guided
wave imaging via sparse reconstruction[D].
Atlanta: Georgia Institute of Technology, 2014.
[154] 许成 , 张海燕 . 稀疏重建的兰姆
波结构损伤定位 [J]. 声学技术 , 2016, 35(6):
537–541.
XU Cheng, ZHANG Haiyan. Damage
localization with Lamb waves via sparse
reconstruction[J]. Technical Acoustics, 2016,
35(6): 537–541.
[155] DONOHO D L. Compressed
sensing[J]. IEEE Transactions on Information
Theory, 2006, 52(4): 1289–1306.
[156] FIGUEIREDO M A T, NOWAK R
D, WRIGHT S J. Gradient projection for sparse
reconstruction: Application to compressed
sensing and other inverse problems[J]. IEEE
Journal of Selected Topics in Signal Processing,
2007, 1(4): 586–597.
[157] HUA J D, GAO F, ZENG L, et al.
Modified sparse reconstruction imaging of lamb
waves for damage quantitative evaluation[J].
NDT & E International, 2019, 107: 102143.
[158] XU C B, YANG Z B, ZHAI Z,
et al. A weighted sparse reconstruction–based
ultrasonic guided wave anomaly imaging
2020年第63卷第18期·航空制造技术
COVER STORY
封面文章
method for composite laminates[J]. Composite
Structures, 2019, 209: 233–241.
[159] HARLEY J B, MOURA J M
F. Data–driven matched field processing for
Lamb wave structural health monitoring[J]. The
Journal of the Acoustical Society of America,
2014, 135(3): 1231–1244.
[160] MESNIL O, RUZZENE M. Sparse
wave field reconstruction and source detection
using Compressed Sensing[J]. Ultrasonics,
2016, 67: 94–104.
[161] XU C B, YANG Z B, CHEN X F,
et al. A guided wave dispersion compensation
method based on compressed sensing[J].
Mechanical Systems and Signal Processing,
2018, 103: 89–104.
[162] G O L ATO A , S A N T H A N A M
S, AHMAD F, et al. Multifrequency and
multimodal sparse reconstruction in Lamb wave
based structural health monitoring[C]//Structural
Health Monitoring and Inspection of Advanced
Materials, Aerospace, and Civil Infrastructure
2015. San Diego: International Society for
Optics and Photonics, 2015.
[163] G O L AT O A , A H M A D F ,
SANTHANAM S, et al. Multipath exploitation
for enhanced defect imaging using Lamb
waves[J]. NDT & E International, 2017, 92: 1–9.
[164] GAO F, HUA J D, ZENG L, et al.
Amplitude modified sparse imaging for damage
detection in quasi–isotropic composite laminates
using non–contact laser induced Lamb waves[J].
Ultrasonics, 2019, 93: 122–129.
[165] HAMIDI S, SHAHBAZPANAHI
S. Sparse signal recovery based imaging in the
presence of mode conversion with application
to non–destructive testing[J]. IEEE Transactions
on Signal Processing, 2016, 64(5): 1352–1364.
[166] HUA J D, ZENG L, GAO F, et
al. Dictionary design for Lamb wave sparse
decomposition[J]. NDT & E International, 2019,
103: 98–110.
[167] NOKHBATOLFOGHAHAI A,
NAVAZI H M, GROVES R M. Use of delay
and sum for sparse reconstruction improvement
for structural health monitoring[J]. Journal of
Intelligent Material Systems and Structures,
2019, 30(18–19): 2919–2931.
[168] WILLIAMS R A, BECK M S.
Process tomography: principles, techniques,
and applications[M]. Oxford: Butterworth–
Heinemann, 1995.
[169] RADON J. On the determination of
functions from their integral values along certain
41
 封面文章 COVER STORY
manifolds[J]. IEEE Transactions on Medical
Imaging, 1986, 5(4): 170–176.
[170] HOUNSFIELD G N. Computerized
transverse axial scanning (tomography): Part 1.
Description of system[J]. The British Journal of
Radiology, 1973, 46(552): 1016–1022.
[171] D I N E S K A , LY T L E R J .
Computerized geophysical tomography[J].
Proceedings of the IEEE, 1979, 67(7): 1065–
1073.
[172] 王增勇 , 汤光平 , 李建文 , 等 . 工
业 CT 技术进展及应用 [J]. 无损检测 , 2010,
32(7): 504–508.
WANG Zengyong, TANG Guangping, LI
Jianwen, et al. Development and application of
industrial CT[J]. Nondestructive Testing, 2010,
32(7): 504–508.
[173] JANSEN D P, HUTCHINS D A.
Lamb wave tomography[C]//Proceedings of
IEEE Symposium on Ultrasonics. Honolulu,
1990: 1017–1020.
[174] 张海燕 , 周全 , 吕东辉 , 等 . 各向
同性薄板中横穿孔缺陷的超声兰姆波层析成
像 [J]. 声学学报 , 2007, 32(1): 83–90.
ZHANG Haiyan, ZHOU Quan, LÜ
Donghui, et al. Ultrasonic Lamb wave
tomography of through hole flaws in isotropic
thin plates[J]. Acta Acustica, 2007, 32(1): 83–
90.
[175] ZHAO X, ROYER R L, OWENS
S E, et al. Ultrasonic Lamb wave tomography in
structural health monitoring[J]. Smart Materials
and Structures, 2011, 20(10): 105002.
[176] KAK A C, SLANEY M, WANG
G. Principles of computerized tomographic
imaging[J]. Medical Physics, 2002, 29(1): 107–
108.
[177] HUTCHINS D A, JANSEN D P,
EDWARDS C. Lamb–wave tomography using
non–contact transduction[J]. Ultrasonics, 1993,
31(2): 97–103.
[178] LEVENT DEGERTEKIN F, PEI
J, KHURI–YAKUB B T, et al. Insituacoustic
temperature tomography of semiconductor
wafers[J]. Applied Physics Letters, 1994, 64(11):
1338–1340.
[179] JANSEN D P, HUTCHINS D
A, MOTTRAM J T. Lamb wave tomography
of advanced composite laminates containing
damage[J]. Ultrasonics, 1994, 32(2): 83–90.
[180] MALYARENKO E V, HINDERS
M K. Ultrasonic Lamb wave diffraction
tomography[J]. Ultrasonics, 2001, 39(4): 269–281.
[181] WILLIAMSON P R. A guide to
42 航空制造技术·2020年第63卷第18期
the limits of resolution imposed by scattering
in ray tomography[J]. Geophysics, 1991, 56(2):
202–207.
[182] MCKEON J C P, HINDERS M K.
Parallel projection and cross hole Lamb wave
contact scanning tomography[J]. The Journal
of the Acoustical Society of America, 1999,
106(5): 2568–2577.
[183] ROSE L R F, WANG C H. Mindlin
plate theory for damage detection: Source
solutions[J]. The Journal of the Acoustical
Society of America, 2004, 116(1): 154–171.
[184] WA N G C H , C H A N G F K .
Scattering of plate waves by a cylindrical
inhomogeneity[J]. Journal of Sound and
Vibration, 2005, 282(1–2): 429–451.
[185] ROHDE A H, VEIDT M, ROSE
L R F, et al. Imaging flexural in homogeneities
using plate— wave diffraction tomography[C]//
Proceedings of AIP Conference. Vancouver, 2007.
[186] ROHDE A H, VEIDT M, ROSE
L R F, et al. A computer simulation study of
imaging flexural inhomogeneities using plate–
wave diffraction tomography[J]. Ultrasonics,
2008, 48(1): 6–15.
[187] CHAN E, ROSE L R F, WANG C
H. A comparison and extensions of algorithms
for quantitative imaging of laminar damage in
plates. II. Non–monopole scattering and noise
tolerance[J]. Wave Motion, 2016, 66: 220–237.
[188] SIMONETTI F, HUANG L. From
beam forming to diffraction tomography[J].
Journal of Applied Physics, 2008, 103(10): 103110.
[189] B E L A N G E R P, C AW L E Y P,
SIMONETTI F. Guided wave diffraction
tomography within the born approximation[J].
IEEE Transactions on Ultrasonics,
Ferroelectrics, and Frequency Control, 2010,
57(6): 1405–1418.
[190] HUTHWAITE P, SIMONETTI F.
High–resolution guided wave tomography[J].
Wave Motion, 2013, 50(5): 979–993.
[191] SHI F, HUTHWAITE P. Ultrasonic
wave–speed diffraction tomography with under
sampled data using virtual transducers[J]. IEEE
Transactions on Ultrasonics, Ferroelectrics, and
Frequency Control, 2018, 65(7): 1226–1238.
[192] D R U E T T, TA S T E T J L ,
CHAPUIS B, et al. Autocalibration method for
guided wave tomography with under sampled
data[J]. Wave Motion, 2019, 89: 265–283.
[193] CHANG M, YUAN S F, GUO F Y.
Corrosion monitoring using a new compressed
sensing–based tomographic method[J].
Ultrasonics, 2020, 101: 105988.
[194] HAY T R, ROYER R L, GAO H,
et al. A comparison of embedded sensor Lamb
wave ultrasonic tomography approaches for
material loss detection[J]. Smart Materials and
Structures, 2006, 15(4): 946–951.
[195] ZHAO X L, GAO H D, ZHANG
G F, et al. Active health monitoring of an
aircraft wing with embedded piezoelectric
sensor/actuator network: I. Defect detection,
localization and growth monitoring[J]. Smart
Materials and Structures, 2007, 16(4): 1208–
1217.
[196] LIU K, MA S, WU Z, et al. A
novel probability–based diagnostic imaging with
weight compensation for damage localization
using guided waves[J]. Structural Health
Monitoring: an International Journal, 2016,
15(2): 162–173.
[197] MOUSTAFA A, SALAMONE
S. Fractal dimension–based Lamb wave
tomography algorithm for damage detection in
plate–like structures[J]. Journal of Intelligent
Material Systems and Structures, 2012, 23(11):
1269–1276.
[198] ZENG L, LIN J, HUA J, et al.
Interference resisting design for guided wave
tomography[J]. Smart Materials and Structures,
2013, 22(5): 055017–055028.
[199] WANG D, YE L, LU Y, et al. A
damage diagnostic imaging algorithm based
on the quantitative comparison of Lamb wave
signals[J]. Smart Materials and Structures, 2010,
19(6): 065008.
[200] MEMMOLO V, MONACO E,
BOFFA N D, et al. Guided wave propagation
and scattering for structural health monitoring of
stiffened composites[J]. Composite Structures,
2018, 184: 568–580.
[201] MOIX–BONET M, WIERACH P,
LOENDERSLOOT R, et al. Damage assessment
in composite structures based on acousto-
ultrasonics— evaluation of performance[M]//
Smart Intelligent Aircraft Structures (SARISTU).
Cham: Springer International Publishing, 2016:
617–629.
[202] VA N V E L S O R J K , G A O
H, ROSE J L. Guided–wave tomographic
imaging of defects in pipe using a probabilistic
reconstruction algorithm[J]. Insight— Non-
Destructive Testing and Condition Monitoring,
2007, 49(9): 532–537.
[203] QING X P, BEARD S, SHEN S B,
et al. Development of a real–time active pipeline

integrity detection system[J]. Smart Materials
and Structures, 2009, 18(11): 115010.
[204] LIU K H, WU Z J, JIANG Y Q,
et al. Guided waves based diagnostic imaging
of circumferential cracks in small–diameter
pipe[J]. Ultrasonics, 2016, 65: 34–42.
[205] GAO D Y, WU Z J, YANG L, et al.
Guide waves–based multi–damage identification
using a local probability–based diagnostic
imaging method[J]. Smart Materials and
Structures, 2016, 25(4): 045009.
[206] WANG D, YE L, SU Z Q, et al.
Probabilistic damage identification based on
correlation analysis using guided wave signals
in aluminum plates[J]. Structural Health
Monitoring: an International Journal, 2010, 9(2):
133–144.
[207] S H E E N B , C H O Y. A s t u d y
on quantitative lamb wave tomogram via
modified RAPID algorithm with shape factor
optimization[J]. International Journal of
Precision Engineering and Manufacturing, 2012,
13(5): 671–677.
[208] QING X P, CHAN H L, BEARD
S J, et al. An active diagnostic system for
COVER STORY
封面文章
structural health monitoring of rocket engines[J]. methods and their engineering applications:
Journal of Intelligent Material Systems and A review of recent advances[J]. Mechanical
Structures, 2006, 17(7): 619–628. Systems and Signal Processing, 2019, 119:
[209] MICHAELS J E. Effectiveness of 182–221.
in situ damage localization methods using sparse [214] ZHANG J Q, WU Z J, YANG Z Y,
ultrasonic sensor arrays[C]//Proceedings of et al. Multimode guided waves–based structural
Health Monitoring of Structural and Biological defect localization longitudinally and cross–
Systems 2008. San Diego: International Society sectionally in T–bars[J]. Journal of Aerospace
for Optics and Photonics, 2008. Engineering, 2020, 33(4): 04020017.
[210] YANG Z Y, WU Z J, ZHANG J Q, [215] 叶婷 . 飞机起落架 300M 钢材料
et al. Acoustoelastic guided wave propagation 典型结构的健康监测研究[D]. 南京 : 南京航
in axial stressed arbitrary cross–section[J]. Smart 空航天大学 , 2011.
Materials and Structures, 2019, 28(4): 045013. YE Ting. Research on health monitoring
[211] ZHOU K, XU X, ZHAO Z, et al. system for typical structure of 300M steel
Excitation of plane Lamb wave in plate–like materials of aircraft’s landing–gear[D].
structures under applied surface loading[J]. Nanjing: Nanjing University of Aeronautics and
Smart Materials and Structures, 2018, 27(2): Astronautics, 2011.
025011–025020.
[212] ZHOU K, ZHOU Z H, YANG Z 通讯作者 : 武湛君，教授、博士，科技部重点研
Y, et al. Axisymmetric and non–axisymmetric 发计划项目首席科学家，国家奖励办自然科
Lamb wave excitation using rectangular 学奖评审专家，研究方向为耐极端环境复合材
actuators[J]. Smart Materials and Structures, 料设计与性能表征；复合材料低温贮箱；结构
2019, 28(11) : 115024. 健康监测理论、方法与技术；飞行器关键结构
[213] YANG Y, PENG Z K, ZHANG W 设计与分析；纳米 / 智能材料与结构，E–mail ：
M, et al. Parameterised time–frequency analysis wuzhj@dlut.edu.cn。

Research Progress in Damage Diagnostic Imaging of Aerospace Structures

Based on Ultrasonic Guided Waves
ZHENG Yuebin1, WU Zhanjun1, LEI Zhenkun1, GAO Dongyue2, ZHOU Kai1, ZHANG Jiaqi1,
YANG Zhengyan1, ZOU Jianchao1
(1. State Key Laboratory of Structural Analysis for Industrial Equipment, Dalian University of Technology,
Dalian 116024, China;
2. School of Aeronautics and Astronautics, Sun Yat-Sen University, Guangzhou 510275, China)

[ABSTRACT] Damage diagnostic imaging approach based on ultrasonic guided waves (UGW) is a research hotspot
in the fields of non-destructive testing and structural health monitoring, which can directly reflect the damage location
and severity on aerospace structures. This paper summarizes the general process of UGW diagnostic imaging technology,
introduces the research status of eight representative imaging algorithms, including phased array imaging, space-wave
number filter imaging, inverse-time migration imaging, time reversal imaging, delay-and-sum imaging, model-based
imaging, tomographic imaging and probabilistic-based imaging, and compares the application scope, advantages and
disadvantages of these imaging algorithms. Then, the challenge and development trend of UGW diagnostic imaging
technology are discussed according to the actual industrial application.
Keywords: Ultrasonic guided waves; Diagnostic imaging; Structural health monitoring; Non-destructive testing;
Aerospace structure; Composite structures
（责编 大漠）

2020年第63卷第18期·航空制造技术 43