买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京通泰恒盛科技有限责任公司申请的专利环境噪声适配型多频谱应力波-声纹损伤检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121577757B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511811796.3，技术领域涉及：G01N29/14；该发明授权环境噪声适配型多频谱应力波-声纹损伤检测方法及系统是由雷亮;龙振宇;王宏宇;王义平;李骄博设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本环境噪声适配型多频谱应力波-声纹损伤检测方法及系统在说明书摘要公布了：本发明公开了环境噪声适配型多频谱应力波‑声纹损伤检测方法及系统，涉及无损检测技术领域。方法通过构建被动‑主动混合激励，以环境噪声为被动源结合主动信号，经自适应权重调整形成增强激励；多频段同步采集20‑150kHz信号并滤除干扰；构建含基准与校准的三维声纹地图；通过声阻抗张量反演、差异算法及贝叶斯框架实现缺陷识别与定量。系统包括采集、声纹构建、智能分析及监测预警模块，协同完成全流程检测。本发明解决了单一激励局限、环境干扰及复杂结构检测难题，提升了检测灵敏度、准确性与环境适应性，适用于金属及复合材料构件损伤检测，具有重要工程价值。

本发明授权环境噪声适配型多频谱应力波-声纹损伤检测方法及系统在权利要求书中公布了：1.环境噪声适配型多频谱应力波-声纹损伤检测方法，其特征在于，步骤如下： S1：构建被动-主动混合激励，以环境噪声作为被动宽带激励源，结合20-150kHz标准白噪声扫频的主动激励信号，通过自适应权重函数调整环境噪声与主动激励的信号占比，形成增强激励信号； S2：多频段信号采集，采用多通道同步采集装置，以FPGA为时钟同步控制器，获取增强激励作用下的多频谱声发射应力波信号，同步采集增强激励作用下的多频段声发射应力波信号，滤除固定频率及其谐波干扰； S3：声纹地图构建，先在标准环境下采集检测对象的出厂基准声纹，同步获取频率响应与声阻抗基准特征，再结合安装后的实际工况通过补偿模型完成声纹校准，基于校准后的声纹数据，采用径向基函数插值构建三维声纹地图；具体包括； S3.1、在标准环境下采集检测对象的出厂基准声纹： 标准环境指温度20±2°C、相对湿度50±10%、背景噪声＜40dB的无干扰环境； 主动激励时，步进1kHz或500Hz，同步频率测量响应表示为： 为输入激励频谱，为输出响应频谱，同步测量声抗基准值表示为： 其中，为检测对象材料密度，c为声速，Rf为反射系数； 提取阻抗均值、阻抗标准差、偏度、峰度为基准特征，其中： 阻抗均值表示为：； 阻抗标准差表示为：； 偏度表示为：； 峰度表示为：； S3.2、结合安装后的实际工况通过补偿模型完成声纹校准： 补偿模型表示为： 其中，为安装后实测声阻抗，安装应力补偿系数，为安装应力值；边界条件补偿系数，f为边界阻抗的函数；温度补偿系数，T为实际工况温度，为基准温度；的取值范围为0.0010.005MPa；的取值范围为0.0020.001℃； S3.3、基于校准后的声纹数据采用径向基函数插值构建三维声纹地图： 所述径向基函数插值的公式为： 其中，为薄板样条函数，为待定系数，通过测量点数据求解，为空间点与测量点的欧氏距离； 插值过程满足边界条件： S4：缺陷异常识别：通过声阻抗张量场反演计算张量不变量，经数据有效性确认与滤波处理后，采用多分辨率分析提取信号特征并构建高维特征向量，通过向量分布差异算法识别缺陷异常并输出异常等级；具体包括： S4.1、通过声阻抗张量场反演计算张量不变量，张量模型表示为： 其中，表示i方向压力对j方向速度的阻抗，对角元素、为主阻抗分量，非对角元素、、、、、为耦合阻抗分量； 各向同性无缺陷材料的，且时； 含缺陷材料的阻抗变化量为：； 缺陷特征参数满足：时，判定为可能存在缺陷； 时，判定为空洞类缺陷； 时，判定为各向异性缺陷； 所述张量不变量包括： 其中，为第一不变量，为第二不变量；为第三不变量； 判据表示为： 其中，为当前张量第一不变量，为基准张量第一不变量；threshold为实测确定的缺陷判定阈值，金属材料阈值设为0.08-0.12； S4.2、对张量不变量及相关特征参数执行数据有效性确认： 设置确认窗口N=10个连续采样点，计算一致性判据为： 其中，MAD为中位数绝对偏差，表示为：； 确认规则为：C≥0.8时判定数据有效，0.5≤C＜0.8时判定数据待定，需补充采样，C＜0.5时判定数据无效并剔除； S4.3、对确认有效的数据执行卡尔曼滤波处理，用于优化缺陷数据的稳定性，其状态方程为： 观测方程为： 其中，状态转移矩阵，为采样间隔； 观测矩阵； 过程噪声协方差； 测量噪声协方差R=1.0； 滤波增益，P为状态协方差矩阵； S4.4、对滤波后的声发射应力波采用小波包分解进行时频分析，公式为： 其中，j为分解层数，取值1-5层；k为频率子带索引；h为小波滤波器系数，选用db4、sym4或coif4小波类型； 计算各子带能量分布的公式为：，形成包含各子带能量的能量特征向量，表示为：， 将能量特征向量与时域特征、频域特征、声阻抗特征融合，共同构成高维特征向量； S4.5、基于S4.4构建的高维特征向量，通过向量分布差异算法识别缺陷异常，输出异常等级： 向量分布差异算法包括KL散度、Wasserstein距离或马氏距离： 1KL散度的判断准则为：当DKL＜预设正常阈值时，判定为正常状态，表明当前特征分布与无缺陷基准分布无显著差异；当预设正常阈值≤DKL＜预设轻微异常阈值时，判定为轻微异常，表明当前特征分布与基准分布存在小幅偏离；当预设轻微异常阈值≤DKL＜预设中度异常阈值时，判定为中度异常，表明当前特征分布与基准分布偏离显著；当DKL≥预设中度异常阈值时，判定为严重异常，表明当前特征分布与基准分布差异极大； 2Wasserstein距离的判断准则为：W预设正常距离阈值时判定为正常，表明当前特征与基准特征的最优匹配成本极低；预设正常距离阈值≤W预设轻微异常距离阈值判定为轻微异常，表明当前特征与基准特征存在小幅匹配偏差；预设轻微异常距离阈值≤W预设中度异常距离阈值时判定为中度异常，表明当前特征与基准特征匹配偏差显著；W≥预设中度异常距离阈值时判定为严重异常，表明当前特征与基准特征匹配偏差极大； 3马氏距离的判断准则为：DM≤预设置信水平下、对应特征维数p的卡方分布分位数时判定为正常，DM预设置信水平下、对应特征维数p的卡方分布分位数时判定为异常； S5、缺陷类型判断及定量评估：针对异常特征向量，基于统计框架判断缺陷类型，结合声学经验公式完成缺陷尺寸定量评估，并根据检测对象的空间应力分布分配权重优化评估结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京通泰恒盛科技有限责任公司，其通讯地址为：100028 北京市东城区东直门外大街39号院2号楼航空服务楼6层614A；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。