【超声】基于Matlab的超声场可视化研究及GUI仿真模拟

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

一、绪论

（一）超声波检测的发展现状

超声波的检测技术是当代工业的每个领域都有着非常普及的应用，换言之，它是一项重要的无损检测技术。反映各个阶段提高产品质量，产品设计，制造，检验和服务设备; 体现在机器部件中，确保最终产品的安全稳定性，对其研究非常重视世界。例如，在80年代初，美国为了继续保持其一直在科学技术领域的领先地位，政府工作报告中就成立了六大科研技术中心，六个之中就包括了无损探伤技术。

超声波探伤是用高频率的声波去查验和测量材料和工件的一种无损检测方式。超声波检测技术等NDT方法（X射线，涡流，磁粉，穿透）与测量对象范围相比，检测深度。

在控制铝板的质量上，用超声波的技术去评价是起着关键的作用。在以前很多时候，我们都是以UT检测人员的经验对仪器上的回波主观的做出评估和分析。换言之，这种做法主观意识太高，稳定性非常低，检测的效果也是不好。而且在目前计算机科学技术的迅猛发展的环境下，信号的分离与分析处理技术，计算机成像技术，自动控制技术以及AI（即：人工智能）在超声波检测中的应用已经成为海内外热点之一研究的项目。

在检测材料上，超声检测不仅能对有色金属进行探伤，而且还能对非金属进行有效的检测（包括锅炉容器、化工产品、电缆设备、船体）。在物理的基本特性测试方面，材料的硬化程度和硬化深度，金属与非金属厚度，液位和流量，晶粒尺寸大小，残余应力和胶结强度都可以利用超声波检测法进行测量。

目前国内的超声检测技术主要研究的领域可以分为检测方法的研究与设备的研发。在设备研发中，包括数字超声波探伤仪，TOFD超声波检测系统，超声波成像系统和磁致伸缩超声波导波检测系统。在真实探伤的方法和技术上，主要对自动超声波的检测技术，声波成像的检测技术，超声波导波的检测技术，TOFD超声波的检测技术和人工智能技术等各个方面上，提供对应的方案进行工程化的应用。

所以说超声检测技术就是目前海内海外应用最普及、应用的领域最多而且成长最迅猛的无损检测技术。因为计算机科学技术的迅猛发展，超声波成像的技术成长迅速，超声波检测技术发展到数字自动化成像，在国家经济的各个方面中已经普及应用了。航空航天，国防产业，公路，桥梁，煤油，化工，电厂，矿物资源等大量采用超声波探伤技术提高生产质量，确保安全的运作，并且明显推动了经济的发展和社会的生产效益。

（二）超声波检测模拟的发展现状

近十几年来，在工业中的应用中，无损检测技术越来越普遍了。缩短设计周期，降低成本，提高质量水平，需要设计信息，制造业结构倾向于将功能需求结合起来。在以前的检测过程中，是为了节约试验时间和成本，结构的可行性预测和检测技术的设计。从另外一个角度来看，异质性和各向异性材料（如不不同原料和焊缝的奥氏体的组合焊接）在现代化工业中得到普及，并且对超声无损检测提出了新的需求。 由于工业化的应用需求，超声波无损检测在数学物理模型的改进和高速多核并行处理的计算机普遍得到更好的应用，对于超声波检测的仿真和可视化的可行性都是非常高的，而且非常方便快捷。

根据个人对资料查阅以及对声学模型的了解可知，现在主要以解析方法和数值方法两种方法应用在超声波检测的模拟中，并且模型在不断地完善改进。在解析法中，主要的优点有：物理参数调整，更易于处理，而且计算的时间相对少（即：效率高）。主要缺点有：不宜出现在太繁冗的情形，引入的假设在简化后求解的精确度就会大大的降低。一般来说，数值计算结果相对来讲是正确的，使用的区域广，并且结构可以任意处理，不足之处是要在网格中定义计算的时间更长，因此数值方法多数是应用于二维情况。 为了追求两方面的平衡，从物理仿真的角度出发：1.超声波测试研究的模拟主要会集在计算方面；2.探头设计和可靠性等方面；3.声束和缺陷相互作用；4.检测系统； 5.超声波传播路径。

本研究超声波检测技术的国外模拟一方面集中在软件系统的分析方法基础上开发工业应用，过程解析，超声波检测的可行性和稳定性，降低测试的成本，提高了速率; 从纵向角度出发，为了提升检测的精度，现代工业和超声波检测的探究中，大多数应用的特殊结构是各向异性原料。而从横向角度来看，深度扩大超声波检测的应用范围，不仅可以促进技术的更新换代，更使得行业的快速发展。自80年代以来，计算机技术已普遍应用于国内的超声波测试。超声成像系统的研发和自动超声探伤系统的发展，国内国外的一些公司已经有相关产品。部分企业对超声成像系统的开发以及自动超声探伤系统的产品研发上，主要会集在超声信号的采集和量化。自1990年以后，我国很多公司企业以及各大研究院就已经开发了无损检测技术的系统，其中就包括超声检测技术的应用系统，并且由冶金的工业部（NDTS）的压力容器检测基站开发了无损检测系统专用的软件。但由于国内的无损检测行业的研究与工业应用上起步也较晚，并且国内的无损检测的弱环节就是在新技术研究和开发中计算机技术的应用两大方面，导致我国超声波检测模拟（包括声场模拟、声路的计算、成像技术）的研究进行的较少。在加入WTO后的今天，为了追赶国际超声检测热流，在引进硬件设备的基础上，我国必需进行自主的软件开发和创新；超声检测就一定要实现跨越式的成长；对超声波检测模拟的科研加快步伐以及科研的深度和广度。

（三）超声波声场模拟的发展现状

缺陷的检测和定位的稳定性和正确性与 超声场的分布有关。 所以，在超声波探测科研中研究超声场的模拟是非常有必要的。 当下在这方面进行了很多的研究，不过为了更为准确地模拟超声场发射传感器也是十分艰难的，纵然对于最简单和圆形探头接触式脉冲反射方法对超声场在工件中的模拟也亦不容易。 从国内外研究现状来看的话，超声场的模拟多集中在声源声场的模拟。（其中包括工件中声场分布；各向异性材料；非均匀材料声场模拟的高衰减等。）这些案例研究包括法国乌普萨拉大学Fredrik Lingvall已经开发了一个基于MATLAB的DREAM（DiscreteRE表示阵列建模工具箱程序），该程序使用离散表示（DR）方法来模拟单探针超声声发射的各种几何形状; Calmon模型,在已知探头和工件的形状，激励脉冲的中心频率带宽，探头的几何位置，工件和耦合剂的声学的参数混合，可以给出工件中的定量声场分布。模拟过程中使用的主要方法有：有限元法，边界元法，有限差分法和积分法，依据用于有差异的场景、不同研究对象、不同参数的模拟研究有很多不同的方法，弹性波传播的一般有限元分析控制方程，建立研究模型近场区域和远场声场的分布，对有差异的激励脉冲声场的三个相同频率带宽进行模拟，建立p-version FEM型有限元模型，模拟固体T中的超声波传播; 动力弹性有限元计算各向同性和各向异性介质高衰减材料弹性波的轴对称位移场。无论是哪一种的模拟方法都有自己的优缺点，有限差分和有限元方法，要求复杂散射体的空间离散化的离散化更复杂，难以实现，并且具有无穷空间域的超声波散射问题的特点 ，这种方法是增加了人工边界，增加计算误差，边界元法可以克服这些困难。另一种方法可以直接计算声场的观测点，主要应用领域的声音传播问题在假设无限空闲空间。但缺点也在于材料需求越高，只能应用在一般的多层均质介质最多可以形成均匀的加工结构。在应用于自由空间声场的逆问题的问题上，积分法比差分法有着独一无二的优势。 上述方式的建模和仿真可以适用于不同的条件，所以理解各类方法在范围，特性，计算速率和精度上的差异有助于依据不同条件选择切合的仿真方法，为了防止仿真结果和实际偏差， 计算时间太长。

（四）科学计算可视化的趋势及发展状况

科学计算中的可视化（简称可视化）是具有特定的图像和图形或图像来表达抽象计算中包含的数据的内容；是Computer Graphics的一种新应用；也是一种特殊的计算方法。可视化能为我们的隐形信息提供发现的方法，而且使其更快地分析计算结果，更有用地计算过程控制。目前，科学计算和人类科学实验产生的数据量已经远远超出了数据处理的能力范围，一部分有价值的数据不能实时处理，无奈才把它们放在存储的情况下。 各种图形渲染算法越来越完善，大大降低了计算机图形硬件的价格，提供了条件用于开发可视化。Scientific Visualization是有助于科研人员分析数据的有效手段，也可以计算繁杂的数学公式转换为图表信息便于直观地看出数据的隐含信息。

科学计算可视化技术是在计算机上使用系统的数学模型，当实验室的实验资源非常昂贵，危险或难以实现时，计算机可视化技术能成为一个非常重要和不可或缺的工具。无论是在科学，工程，还是金融或技术是有很大的社会效益的意义。

（五）本研究的目的和意义

在超声波无损探伤中，超声波的发射也称为超声波换能器，是一种电能转换成动能的装置。 它用于探测超声波探伤中的零部件，是超声波探伤设备发送与接收信号的组成部分。 对于定位缺陷位置、定量检测精度、灵敏度以及超声波换能器的声场，了解声场结构和分布提高了检测精度和可靠性，提高了检测效率起着重要的作用。 由于声场是难以想象的，不可见的，函数公式和声场的特征数据都是抽象的。虽然特征可以概括并描述声场的特性，但是对声场分析的研究，对于更好地了解声场仍然是不利的。所以说，超声可视化的模拟仿真，使看不见的声场变为见得着的图形图像，然后结合检测过程，选择适当的探头尺寸进行生产制造，这能够很大程度的提升检测质量，降低试探探头不及格率 ，节约了探伤和探头的研制成本。 因此，把无损检测和超声场模拟这两个可视化技术应用具有非常重要的意义。

基于工程实践中常用的换能器类型，本文通过使用声场积分法，将均匀介质中的圆形和矩形活塞换能器辐射推算出来，将科学计算中的两个典型的换能器阵列分布函数作为理论指导 。通过使用MATLAB软件模拟介质中的超声场均匀性和仿真程序和可视化的结果，2D和3D可视化图形的分布特征直接观察超声场，生成视觉图像，形象直观表达了声场的特性。 对于一些复杂的、难以实现的解析分析方法， 利用计算机科学计算的可视化可以方便地确定计算的性能参数，避免繁琐的数学分析方法，大大降低了学习难度，提高了研究的效率。

二、描述声场的物理量

由超声波占据的空间或介质中的粒子的质量称为超声波场（简称超声场）。能影响超声场的大小和形状情况因素有很多（如：介质、探头尺寸、探头的形状等）。除了介质特征和传播所需要的条件外，影响超声场的关键原因是换能器的几何形状和尺寸以及超声波的辐射频率。依据惠更斯原理可得，任何形状和尺寸的换能器，都可看成是众多单点光源的合集进行声压叠加，从而可以辐射和接到声能。从传感器辐射到声场中的某一点的声压可以被认为是从传感器表层上的点辐射的声压的叠加。相反，声场在一点反射到传感器的压力，而且反射到表面上的所有单点源声压叠加，这组成了接收传感器在工作状况下的接收信号。形容超声波场将由声压，声阻抗，声速，声强这四个方面来考虑。

（一）声压

任意时刻中，超声场中的某一点(x,y,z,t1)所具有的压强P1，与没有超声场存在时同一点(x,y,z,t0)的静态压强P0之差叫作该点的声压，常用符号P来表示。一般情况下，是指声压的有效值。

（二）声强

 在声场的某一点上，一个与指定方向相垂直的单位面积上在单位时间内所通过的平均声能（也看描述为声波平均能流密度的大小叫声强），称为声强度（简称声强）。当声波传播到介质中的一个点处时，原处该点的质点由静止开始振动，从而具有动能。同时该点处的介质的振动引起弹性变形，因而由于形变的发生获得弹性势能。声波传播时，由介质的振动从近及远的一层接一层向外扩展传递，从而质点的能量（包括动能与弹性势能）也逐层传播出去。依据声强的定义，较垂直于声波传播方向的单位面积而言，其能量在数值上是等于声强I。

（三）特性声阻抗

根据声压的表达式P=rol*cv，当P不变，随着rol的增大，质元的振动速度会变小，相反的话，振动速度就越大。那么以Z表示为介质的特性声阻抗，即rol*c，所以Z=rol*c。rol是介质的密度，c是声音在给定介质中的传播速率，称为声速，与材料的特性有关系。

（四）声速

以符号C(声速)表示声波在介质中传播的速度。超声波有各种各样不同的波型，如：横波（又称剪切波）、表面波、纵波（又称为压缩波）等。波型不同，其传播速度是不同的。声速还决定于介质特性(如密度、弹性模量等)。所以，声速就是声学模型中的一个不可缺少的特征。在不同情况下，声速又可以划分相速度和群速度，分别的介绍：相位速度是当声音传播到介质中的选定点时在传播方向上传播的声波的速度； 群速度是指沿声波包络传播方向传播的声速。

群速度的定义为不同频率组合成的波群能量传播时的速度，群速度和相速度在非频散介质中是相等的。从理论上说，从波动方程求出声速，再依据密度介质的弹性系数来计算，它的一般表达式为:声速=(材料的弹性率/材料的密度)^1/2。

三、超声波的声场特性理论研究

（一）超声场的声压分布规律

超声探头（换能器）的辐射声场，其数学表述可借助于基尔霍夫积分定理进行求解，波动微分方程中对应的空间波动的亥姆霍兹方程[1]，此方程与时间无关，即：

⛳️ 运行结果

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度

2 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9  雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别