Laser ultrasonic weak defect signal detection based on Duffing oscillator

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

This paper addresses the challenge in traditional laser ultrasonic methods, where the detection of surface defects in metal materials is often hindered by noise, and a novel approach that combines laser ultrasonics with Duffing oscillators to achieve a high signal-to-noise ratio for weak defect signals on metal surfaces is proposed. By leveraging the sensitivity of the Duffing oscillator’s chaotic system to initial conditions and its noise immunity, we can accurately identify the location of weak defects. Simulation results confirm the effectiveness and stability of this method for detecting surface defects in metal sheets.

About the authors

Peng Hui

Jiujiang University

Email: 270401671@qq.com
China, Jiujiang, Jiangxi

Zeng Wei

Jiujiang University

Author for correspondence.
Email: 270401671@qq.com
China, Jiujiang, Jiangxi

References

  1. Jalilvand A., Fotoohabadi H. The Application of Duffing Oscillator in Weak Signal Detection // ECTI Transactions on Electrical Engineering, Electronics and Communications. 2011. V. 9 (1). P. 1—6. https://doi.org/10.37936/ecti-eec.201191.172249
  2. Martynyuk V., Fedula M., Balov O. Periodic Signal Detection with Using Duffing System Poincare Map Analysis // Advances in Science and Technology Research Journal. 2014. V. 8. (22). P. 26—30. https://doi.org/10.12913/22998624.1105158
  3. Rashtchi Vahid, Nourazar Mohsen. A Multiprocessor Nios II Implementation of Duffing Oscillator Array for Weak Signal Detection // Journal of Circuits Systems and Computers. 2014. V. 23 (4). P. 1450054. https://doi.org/10.1142/S0218126614500546
  4. Gong Xuefang, Xu Wude, Ma Fanglan et al. Weak signal detection method based on improved double-coupled Duffing oscillator // Automation and Instrumentation. 2022. V. 10. P. 42—45+50. https://doi.org/10.14016/j.cnki.1001-9227.2022.10.042
  5. Zhao Bo, Yang Shaopu, Zhao Zhihong. Influence and analysis of Duffing equation parameters on weak signal detection // Journal of Shijiazhuang Railway University (Natural Science Edition). 2017. V. 30 (03). P. 39—42. https://doi.org/10.13319/j. cnki.sjztddxxbzrb
  6. Li Jinggui, Jin Wuyin. Weak signal detection method based on improved double-coupled Duffing oscillator // Instrument Technology and Sensor. 2021. V. 11. P. 21—125.
  7. Xing Hongyan, Wu Hui, Liu Gang. Variable-scale Duffing oscillator method for weak signal detection // Journal of Electronics. 2020. V. 48 (04). P. 734—742.
  8. Wei Hengdong, Gan Lu, Li Liping. Weak signal detection of Duffing oscillator based on Hamiltonian // Journal of University of Electronic Science and Technology of China. 2012. V. 41 (02). P. 203—207.
  9. Luo Wenhui. Research on weak signal detection method based on coupled chaotic system. Hunan University of Science and Technology, 2023. https://doi.org/10.27738/d.cnki.ghnkd.2021.000019
  10. Ning Aiping. Research on weak signal detection methods under chaotic background. Taiyuan University of Technology, 2006.
  11. Zeng Weiye. High-speed railway axlebox bearing fault diagnosis method based on Dufen stochastic resonance system. Chongqing University, 2022. https://doi.org/10.27670/d.cnki.gcqdu.2021.000738
  12. Li Jinggui. Weak mechanical fault signal detection based on double-coupled Duffing oscillator. Lanzhou University of Technology, 2021.
  13. Jiang Wei. Research on weak signal detection method and application based on two-dimensional Duffing stochastic resonance. Xi’an University of Technology, 2020.
  14. Chen Yuanjie, Huang Guoyong. Weak signal detection method based on improved Duffing oscillator // Journal of Electronic Measurement and Instrumentation. 2019. V. 33 (11). P. 1—6. https://doi.org/10.13382/j.jemi.B1902327
  15. Deeks Julian Leslie. Nonlinear signal processing techniques for signal detection. University of Southampton, Doctoral Thesis, 2018.
  16. Pancoatl-Bortolotti P., Enríquez-Caldera R.A., Costa A.H. et al. Liènard chaotic system based on Duffing and the Sinc function for weak signals detection // IEEE Latin America Transactions. 2022. V. 20 (8). P. 2114—2121. https://doi.org/10.1109/TLA.2022.9853234
  17. Birx D.L., Pipenberg S.J. Chaotic oscillators and complex mapping feed forward networks (CMFFNs) for signal detection in noisy environments / In Proc. International Joint Conference on Neural Networks (USA, 1992). V. 2. P. 881—888. https://doi.org/10.1109/IJCNN.1992.226876
  18. Wu Jing, Zhang Weiwei, Nie Zhenhua et al. Experimental study on positioning of small defects by ultrasonic guided waves in pipelines based on Lyapunov index // Vibration and Impact. 2016. V. 35 (01). P. 40—45+53. https://doi.org/10.13465/j.cnki. jvs.2016.01.008
  19. Wu Jing. Research on ultrasonic guided wave detection method based on Dufen equation. Taiyuan University of Science and Technology, 2014.
  20. Zhang Weiwei, Ma Hongwei. Simulation research on using chaotic oscillator system to identify ultrasonic guided wave signals // Vibration and Impact. 2012. V. 31 (19). P. 15—20. https://doi.org/10.13465/j.cnki.jvs.2012.19.008
  21. Sun Yanlong. Weak mechanical fault signal detection and feature extraction method based on Dafen oscillator. Yanshan University, 2017.
  22. Stoyanov Svetlin. Analytical and Numerical Investigation on the Duffing Oscilator Subjected to a Polyharmonic Force Excitation // Journal of Theoretical and Applied Mechanics. 2015. V. 45 (1). P. 3—16. https://doi.org/10.1515/jtam-2015-0001
  23. Patel V.N., Tandon N., Pandey R.K. Defect detection in deep groove ball bearing in presence of external vibration using envelope analysis and Duffing oscillator // Measurement. 2012. V. 45 (5). P. 960—970. https://doi.org/10.1016/j.measurement.2012.01.047
  24. Nie Chunyan. Chaotic Systems and Weak Signal Detection. Beijing: Tsinghua university press, 2009.
  25. Zhang Weiwei. Pipeline ultrasonic guided wave and its chaos detection technology. Beijing: Electronic Industry Press, 2019.
  26. Gao Jinzhan. Detection of weak signals. Beijing: Tsinghua university press, 2004.
  27. Wei Zeng, Shikai Qi, Li Liu, Feiyan Yao. An quantitative inspection method for internal defects based on laser ultrasonic technology // Optik. 2020. V. 216 (6). P. 164873. https://doi.org/10.1016/j.ijleo.2020.164873
  28. Zuo Ou-Yang, Wu Mei-Ping, Tang You-Hong. Numerical simulation of crack position determined by laser ultrasound based on COMSOL // Laser & Infrared. 2020. V. 50 (10). P. 1164—1171.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».