粘接检测

超声检测是固体火箭发动机绝热层粘接检测的有效手段，一般采用的方法是在发动机壳体(金属材料)一侧耦合超声探头，向壳体内部发射超声脉冲，通过拾取壳体与绝热层(非金属材料)界面的反射超声回波，根据回波的大小判断脱粘与否。利用这种方法进行逐点检测，可以得到粘接界面的超声C扫描256灰度级图像。在检测中遇到如下问题:当采用分辨率高的超声探头时，声束较细，检测有效面积较小，虽然检测分辨率高但检测结果易受金属表面光洁度、耦合剂(一般为水、甘油等)中的杂质、藕合的好坏、声波入射角度扰动的影响，误判率和漏判率都比较高;当采用分辨率低的超声探头时，虽然可以降低上述因素的影响，但检测精度也低，有时无法满足检测要求。

杨风暴基于固体火箭发动机绝热层超声C扫描粘接检测时高分辨率探头检测易受噪声干扰、低分辨率探头检测精度不高的矛盾，提出了将两种不同分辨率探头检测图像融合的方法，讨论了利用二维小波多分辨率分析法进行图像融合的步骤与算法，并将其用于实际检测的粘接图像的处理，实验表明采用所提出的方法完全可以获得高分辨率、高信噪比的粘接检测图像。

数据融合(Data Fusion)又称信息融合(Information Fusion)，是一门新发展起来的多学科交叉的前沿学科。它是协同利用多源信息，以获得对同一事物或目标的更客观、更本质认识的信息综合处理技术。融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及时和有效的综合信息。它比直接从各信息源得到的信息更简洁、更少冗余、更有用途.目前，数据融合在军事方面的应用有自动目标识别、战场监视、自动飞行器导航、自动威胁识别、遥感等等;在非军事领域的应用有生产过程监控、机器人、医疗诊断、复杂工业过程控制等等。

由于传感器提供的信息都有一定的不确定性，因而数据融合的过程实质是一个非确定性推理与决策的过程。针对多传感器数据融合中的不确定推理处理，近年来，提出了多种不同的数据融合算法，贝叶斯估计是融合信息的一种常用方法，但当未知前提的数目大于已知前提的数目时，已知前提的概率分布变得不稳定，D-S证据推理方法使用了不稳定区间可以通过未知前提的先验概率解决贝叶斯估计的不足。D-S证据理论因其能很好地表示"不确定性"、"未知不明"等认知方面的重要概念，成为一种很有前途的数据融合方法。

金冉采用 D-S 证据理论，提出了利用声激励和超声探头检测金属与非金属粘接状态的融合方法，并进行了验证分析。 实验证明，提出的方法是可行的。

声激励检测是通过微力激励(对粘接结构施加外力)，每一传感器同时获取粘接部位受力过程中发出的声音信息，该信息不仅含有测点粘合力信息，同时也包含整体受力对该传感器的信息，对这些声信号进行分析，从中提取出与粘接状态有关的特征量，并对粘接的状态进行识别。超声检测是金属与非金属材料粘接质量检测的有效手段，一般采用的方法是在金属材料一侧耦合超声探头，向金属材料内部发射超声脉冲，通过拾取金属与非金属材料界面的反射超声回波，根据回波的大小判断脱粘与否。