Page 72 - 无损检测2024年第十期
P. 72
李长侑，等：
基于深度学习和时间反演的复合材料内扩展性损伤重建
图 3 激励源的时域波形和频域波形
使用SGD（Stochastic Gradient Descent）。
2.2 时间反演结果
为了有效地恢复未知散射体的形状，基于多个
激励源的时间反演电磁逆散射方法需要获取尽可能
全面的散射场信号。然而，在带有金属背板的复合
材料内部损伤重建时，无法直接采集材料上方的散
射场信号，因此笔者将天线阵列按U字形绕复合材
料排布，以便能充分接收散射场信号，天线阵列排布
如图4所示。图4中传感器和激励源放置在自由空
间中距离材料区域2. 5 mm处，整体呈半包围状排布；
图中圆点代表天线，蓝色圆点只作为接收天线，而红
色圆点既作为激励源发射脉冲又作为接收天线接收
信号。 图 4 U 型天线阵列排布示意
其中，接收天线的数目为71个， 左右两侧各9个， 由图5可以看出，多个源时间反演可以大致重
相距4. 5 mm（0. 3λ），底部53个，相距1. 5 mm（0. 1λ）。 建出损伤的形状，但是存在形状边界模糊、形状部
源的数目为19个，左右两侧各5个，源与源之间间隔 分残缺以及对部分形状（如第4列）完全无法重建等
1个天线分布 （见图4中材料左右两侧红色圆点），底 问题。
部10个，源与源之间间隔5个天线（见图4中材料底 在实际工程应用中，大部分应用场景都无法环
部红色圆点），多个源的时间反演结果如图5所示。 绕整个检测区域布置天线阵列，因此文章尝试仅在
图 5 多个源的时间反演结果
38
2024 年 第 46 卷 第 10 期
无损检测
