超声测温方法总结

困难：

1、温度场重建误差与声波传播时间测量误差的关系（锅炉内成正比关系）、强背景噪声、声波衰减问题-------如何提高声波传播时间的测量[2]

一、飞行时间的计算方法

1.阀值法[1]

根据设定的阀值数量，分为单阀值法和双阀值法。

单阀值法：在发射信号时，将信号发射的时刻记录下来，然后在接收声波信号时，设置一个信号的阀值，当接收的声波信号超过该阀值时，将改时刻认为是声波信号的到达时刻。缺点：单阀值法严重依赖阀值的设定，当设定较低时，易受噪声影响，导致误判；当设定阀值较高时，可能会遗漏有效的声波信号，造成无法测量或测量结果误差较大。

双阀值法：通过设置大小不同的两个阀值，测量得到两个不同的到达时刻，然后根据相似三角形原理，计算声波的到达时刻。缺点：噪声对较小阀值的影响，导致时间不准确。

2、互相关算法

通过计算两个信号的相关程度来计算信号的延迟时间，当计算结果取得最大值时，此时的时延点数就是两个信号的飞渡时间。重点：互相关函数的计算结果受时延点数的影响；发射与接收的声波信号序列均需测量。【1】

广义互相关算法（GCC）在两路接收到的声波信号进行互相关函数计算之前,先在在频域上对两路声波信号进行加权处理,这样相当于对两路接收到的声波信号进行预滤波,增强接收信号中声源信号的频率成分,从而抑制了噪声功率,提升了信噪比。然后根据滤波后的声波信号进行互相关运算,利用互相关函数的峰值进行时延估计，提高声波传播时间的测量精度。【2】

3、希尔伯特变换法[1]

通过希尔伯特变换法提取接收信号的包络，然后通过测量两个连续信号的时间差来计算声波的飞渡时间。

基于希尔伯特变换法提取信号包络的原理,通过对声波换能器发射端施加两个周期数不同,其余属性相同的正弦波信号,在声波换能器接收端接收到信号后,可以从接收的两个长度不同的回波中提取其包络曲线。然后根据超声信号混合指数模型,对提取出的包络曲线进行拟合,使包络曲线更加平滑。在拟合过程中,需要采用粒子群优化算法等算法优化混合指数模型中的特征参数。

4、基于相位谱的声波时延算法[2]

缺点：此时延估计算法只有提高接收信号的采样频率和增加采样点数,才能保证时延估计精度。而这将导致运算量大幅度加大,并不利于声波测温的实时性要求。

5、基于自适应滤波的声波时延算法[2]

缺点：滤波器的阶数和选代步长都不能太小,否则无法确定真实的时延值,同时导致收敛速度太慢。同时此时延算法受噪声的影响较大,其时延估计的精度在低信噪比下的精度会大大降低。

6、基于高阶统计量的声波时延算法[2]

利用高阶统计量对声波接收信号进行信号处理,用来抑制噪声对信号的影响。然后再根据选代方法对两路接收声音信号进行时延估计。研究表明基于高阶统计量的时延估计算法理论上能够有效抑制炉膛内的背景高斯噪声而提高信噪比,显著提高时延的精度。但是基于高阶统计量的时延估计算法的一个较大的缺陷就是1、计算量普遍较大。2、时延估计实时性往往难以保证。

二、温度重建的病态矩阵[1]

线性反投影方法(Linear Back Projection, LBP)、最小二乘法(LeastSquare Method, LSM), TikhonovE化方法(Tikhonov Regularization Method.Tikhonov)、代数重建法(Algebraic Reconstruction Technique, ART)、 Landweber迭代方法(Landweber Iteration Method, Landweber)。

三、温度场重建算法

1、最小二乘法

优缺点：通过最小二乘法重建温度场,基于其矩阵计算公式,只需一步即可计算出声速分布,求解复杂度低、效率高。但是公式中涉及对矩阵ATA进行直接求逆的情况,当待测区域划分的网格数量过多时,将加剧该矩阵的病态特性,从而导致求解结果与正确结果存在较大偏差。这导致最小二乘法重建结果的精度和分辨率不高,限制了该算法在温度场重建中的应用[1]。 

求解上述不适定问题的主要方法分为选代正则化方法和直接正则化方法，其中迭代正则化方法包括:共轭梯度最小二乘(Conjugate Gradient Least Squares,CGLS)方法和最小二乘QR分解代(Least Squares QR-Decomposition, LSQR)方法,直接正则化方法包括： Tikhonov正则化方法,截断奇异值分解(TruncatedSVD, TSVD)方法和截断完全最小二乘(Truncated Total Least Square, TTLS)法[2]。

正则化参数的选取[2]：L曲线法

2、Tikhonov正则化方法

该方法应用的关键在于正则参数a的选取：a起着平衡方程残差与约束的功能。a过大时,重建结果会变得过渡光滑,丢失细节信息;a过小时,正则化效果变差,求解过程变得不稳定。因此需要根据实际的应用场景选择合适的正则参数。通常正则参数可以通过手动调整的方式,多次调整选最优。也可以通过L曲线的方式,挑选较优的正则参数[1]。

3、代数重建法

通过反复迭代减小计算飞行时间与测量飞行时间相减的残差向量，从而不断修正网格声速值，使其最终重建结果接近实际温度场分布[1]。

重点在于松弛因子和初值的选取上。

4、Landweber迭代方法

收敛速度与步长密切相关；Landweber选代方法正是建立在最速下降法的基础上的。因此，Landweber选代方法也表现出收敛效率不足,演算时间较长等缺陷。因此通常需要在基础选代公式基础上,通过增加额外约束项,或改进整体选代公式来提高收敛速度[1]。

5、元启发式算法

元启发式算法不依赖于具体的问题及约束条件,它通常是给定一个通用的求解策略,使用时只需要将实际问题及约束转换为算法内部的计算过程,就可以完成算法的部署。与元启发式算法有一定差异的是,启发式算法通常基于一个专门的问题,其搜索行为是通过全局或个体的经验来进行不断修正,最终求解出最优解。

按照求解过程中生成的解的数量来分类,元启发式算法大致可以被分为基于单一解和基于种群的两大类别。前者使用单独一组解,选代过程中通过局部搜索的方式不断优化该候选解。比如常见的模拟退火算法(Simulated Annealing,SA)和禁忌搜索算法等。而基于种群的元启发式算法使用多个候选解进行选代搜索,每次选代时这些候选解同时被优化。比如常见的粒子群优化算法和灰狼优化算法（GWO）等

6、均衡优化算法（EO）---[1]

当不同溶液在容器中混合时,溶液内的颗粒浓度将处于动态平衡状态。在物理学中,这个过程通过质量平衡方程描述,这就是EO算法的灵感来源。主要通过指数项和生成率两个参数影响求解过程。指数项用来降低算法全局和局部求解性能的不平衡度；

四、提高温度场分辨率的方法

为了提高重建图像的分辨率,通常需要引入额外的插值算法或约束条件。对于非选代重建算法,可以对重建结果引入插值算法来提高图像分辨率,比如二次插值、三次样条插值和径向基函数插值等。这些插值算法可以避免边缘温度信息的丢失,但在边缘区域通常存在较大的误差。对于选代式重建算法,也可以在迭代过程中引入额外的约束,比如引入平滑滤波器,来实现对高分辨率重建图像的求解。然而由于经历多次选代,通过这种方法得到的重建图像总是过于平滑,导致重建精度较低。

高斯过程回归法---[1]

五、非均匀温度场下声波传播路径

1、采用泛函，建立温度、传播路径、时间时间的函数关系[2]；打靶法：采用降阶的方法将边值问题转化为初值问题。

重点：由snell定律可知[100]，声线总是向着低声速的方向弯曲。

参考文献：

1、基于声波的温度场重建方法研究与设计 - 中国知网 （电子科技大学-硕士）

2、炉内非均匀温度场的声学测温及泄漏声源定位方法研究 - 中国知网（华电-博士）