⚡ electrical engineering

Generation, Annihilation and Flow of Structural Information in Ultrasonic Nondestructive Evaluation

该论文首次将信息概念形式化并物理量化，通过推导类比于弹性能坡印廷定理的信息平衡方程，阐明了超声无损检测中结构信息的生成、湮灭与流动机制，并探讨了其在工程实践、健康监测、数值模拟及机器学习中的应用潜力。

原作者： Frank Schubert

发布于 2026-04-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Frank Schubert

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章提出了一种全新的看待“无损检测”（比如用超声波检查飞机零件或桥梁内部是否有裂缝）的方式。作者 Frank Schubert 博士并没有把重点放在传统的“能量”上，而是首次尝试用物理学的方法，把“信息”本身变成一种可以计算、可以流动的实体。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成一场“侦探游戏”。

1. 核心概念：什么是“结构信息”？

传统做法（看能量）
想象你向一个黑盒子里扔一颗网球（超声波），然后听它反弹回来的声音。传统方法主要关注：球反弹得有多快？声音有多大？这就像是在看“能量”的多少。

新做法（看信息）
作者说，光看声音大小不够。我们要问的是：这个声音里到底藏着多少关于盒子内部秘密的线索？
作者提出，“信息”不是凭空产生的，它是在超声波遇到物体内部缺陷（比如裂缝、气泡或材质变化）

比喻：照镜子与变魔术

普通波（入射波）就像你手里拿着一张白纸，上面什么都没有。
缺陷（散射体）就像镜子里的魔术师。
信息：当白纸（波）照到魔术师（缺陷）时，魔术师变出了一幅画（散射波）。这幅画就是“信息”。
关键点：如果魔术师没变出画（没有缺陷），白纸还是白纸，那里就没有“关于缺陷的信息”。

2. 怎么测量“信息”？——“差分波”的魔法

作者发现，直接看最终的声音很难分辨出具体是哪个参数（是位置变了？还是厚度变了？）引起的。他发明了一个聪明的办法：“找不同”。

比喻：双胞胎找茬游戏
想象你有两个几乎一模一样的双胞胎（两个模拟模型）：

双胞胎 A：正常状态。
双胞胎 B：把里面的一个小零件稍微挪动了一点点（比如移动了 0.01 毫米）。

如果你分别听它们发出的声音，你会发现声音几乎一模一样，人耳根本听不出区别。
但是，如果你把这两个声音相减（做差分），剩下的那个微小的“差值声音”，就是纯粹的信息！

这个“差值声音”里，只包含了那个零件移动的信息，其他噪音和背景都被抵消了。
作者把这个“差值声音”称为**“差分波场”**。这就像是你把两张几乎一样的照片叠在一起，只保留它们不一样的地方，那个不一样的地方就是我们要找的“真相”。

3. 信息的“出生”与“死亡”

作者推导出了一个类似能量守恒的公式，但他发现信息并不守恒。

能量守恒：能量不会凭空消失，只会从一种形式变成另一种形式（比如动能变热能）。
信息不守恒：信息可以被创造，也可以被消灭。

生动的场景：

创造（出生）当超声波撞到缺陷的边界时，就像撞到了一个新的“信息工厂”，新的信息（关于缺陷位置、大小的线索）在这里被制造出来。
消灭（死亡）当波继续传播，遇到另一个边界时，有些信息可能会消失。
- 例子：如果你想知道缺陷的“位置”，当波穿过缺陷传到另一边时，关于“位置”的信息可能就丢失了（因为透射波只告诉你厚度，不告诉你位置）。这时候，信息就被“销毁”了。

这就像你在玩捉迷藏，你发出的线索（信息）在传递过程中，有些被新的线索覆盖了，有些被解开了，有些则彻底消失了。

4. 信息的单位：“变化比特” (Cbit)

在计算机里，我们用“比特”（bit）来衡量信息。作者给这种物理世界的结构信息起了个新名字：**“变化比特” **(Change Bit, 简称 Cbit)。

Cbit 是什么？它衡量的是：当物体的某个参数（比如厚度）发生微小变化时，检测到的信号发生了多大的绝对变化。
为什么重要？以前我们只能凭经验说“这个信号看起来变化挺大”。现在，我们可以算出：“这个缺陷产生了 100 个 Cbit 的信息，而那个缺陷只产生了 10 个 Cbit。”
实际意义：这告诉我们，哪种检测方法更有效。
- 如果你想找位置，用反射法（听回声）能抓到最多的信息（Cbit 多）。
- 如果你想测厚度或声速，用穿透法（听穿过来的声音）能抓到最多的信息。
- 如果你想测密度，发现很难，因为产生的信息量非常少（Cbit 很少），就像在嘈杂的房间里听一根针掉在地上的声音。

5. 这对未来有什么影响？

这个理论就像给无损检测领域装上了一个“信息导航仪”。

更聪明的机器（机器学习）
以前训练 AI 识别缺陷，是给 AI 看成千上万张“照片”（原始信号）。现在，我们可以直接给 AI 看“找不同”后的“差分图”。因为“差分图”里只包含纯粹的线索，AI 学起来更快、更准，而且能分清到底是“位置”变了还是“材质”变了。
更高效的检测：
我们可以算出，为了检测某种特定的缺陷，应该把探头放在哪里，用什么样的频率，才能获取最大的“信息量”（Cbit 最多），从而用最少的成本发现最大的问题。
不仅仅是超声波：
虽然文章讲的是超声波，但这个“信息流”的概念可以推广到任何领域：比如用 X 光看骨骼、用热成像看电路板，甚至是用数据流分析金融系统的异常。只要是有“输入”和“输出”变化的系统，都可以用这套理论来衡量“信息”的流动。

总结

这篇论文做了一件很酷的事：它把抽象的“信息”变成了像“水”或“能量”一样可以计算、可以流动的物理量。

以前：我们看超声波，像是在看一场模糊的雾。
现在：我们有了“差分”这副眼镜，能看清雾里哪里在“下雨”（产生信息），哪里在“蒸发”（信息消失）。

这让我们能更精准地设计检测方案，让机器更聪明，最终让我们能更安全、更高效地守护我们的建筑和桥梁。

论文技术总结：超声波无损检测中结构信息的产生、湮灭与流动

论文标题：Generation, Annihilation and Flow of Structural Information in Ultrasonic Nondestructive Evaluation
作者：Dr. Frank Schubert (Fraunhofer IKTS, Dresden)

1. 研究背景与问题 (Problem)

在无损检测（NDE）和结构健康监测（SHM）领域，核心目标是通过分析超声波与物体及其缺陷的相互作用，从散射波场中提取尽可能多的信息。然而，目前“信息”一词在这些领域中仅作为通俗用语使用，缺乏物理形式化和可量化的理论支撑。

现有的信息理论（如香农信息论）主要基于概率和统计，适用于通信领域，但无法直接描述物理场（如弹性波）中结构参数（如缺陷位置、尺寸、材料属性）与波场变化之间的确定性物理关系。因此，亟需建立一种基于物理场的、形式化的结构信息理论，以量化信息的产生、传播和消失过程，从而优化检测系统、评估方法和数值模拟。

2. 方法论 (Methodology)

本文提出了一种基于差值波场（Difference Wave Fields）和微分波场的结构信息理论，并通过一维数值模拟（EFIT 方法）进行了验证。主要步骤包括：

定义信息度量：
- 提出信息不应由绝对波场（包含激励信号）携带，而应由散射波场携带。
- 引入系统参数 $P$ （如位置、厚度、声速、密度）的微小变化 $\Delta P$ 。
- 定义信息度量 $I_P$ 与波场量（如质点速度 $v$ 或应力 $T$ ）对参数 $P$ 的偏导数成正比，即 $I_P \propto \frac{\partial W}{\partial P}$ 。
- 通过归一化（除以激励信号能量 $E_f$ ）和相对化（乘以 $P^2$ ），使信息量成为无量纲且与激励幅度无关的物理量。
推导平衡方程：
- 类比弹性波能量传输中的坡印廷定理（Poynting's theorem），推导了结构信息的平衡方程。
- 定义了信息密度（动能分量 + 势能分量）、信息通量矢量（类比坡印廷矢量）以及信息源/汇（Source/Sink）。
- 区分了几何参数（位置、厚度）和材料参数（声速、密度）变化下的不同平衡方程形式。
数值验证：
- 构建了一维三层模型（基体 - 夹层 - 基体）。
- 分别模拟了四种参数变化场景：
  1. 层位置变化（厚度恒定）。
  2. 层厚度变化（位置恒定）。
  3. 层内声速变化（密度恒定）。
  4. 层内密度变化（声速恒定）。
- 计算并分析了各场景下的信息密度、通量及源项随时间的演化。
引入新单位：
- 提出了结构信息的绝对单位：“变化位”（Change Bit, Cbit），用于量化不同参数和检测设置下的信息量。

3. 关键贡献 (Key Contributions)

物理形式化的信息理论：首次将“结构信息”定义为物理场中由参数变化引起的确定性波场差异，建立了不依赖概率统计的物理信息理论。
信息平衡方程的推导：
- 证明了结构信息不是全局守恒量（与能量不同）。
- 揭示了信息在散射界面处产生（生成），在特定条件下（如透射波穿过某些界面时）可能湮灭（消失）。
- 建立了包含源项的信息连续性方程，表明信息仅在两次相互作用之间守恒。
信息源与汇的识别：
- 几何参数变化（位置、厚度）的信息主要在界面处产生。
- 材料参数变化（声速）的信息在散射体体积内连续产生。
- 密度变化在特定界面可能表现为信息的“汇”（Sink），即信息被吸收或消除。
Cbit 单位的提出：提供了量化不同检测模式（反射 vs 透射）和不同缺陷类型信息量的统一标尺。
与现有理论的对比：
- 区别于香农信息（基于概率/熵），本文信息基于确定性物理场。
- 与费雪信息（Fisher Information）有数学形式上的相似性（均涉及参数导数的平方），但本文是确定性的，而费雪信息是统计估计的。

4. 主要结果 (Results)

通过一维数值模拟，得出了以下具体结论：

信息分布特性：
- 位置变化：信息几乎完全由反射波携带（透射波不携带位置信息）。
- 厚度变化：信息同时存在于反射波和透射波中，但透射波携带的信息量略高。
- 声速变化：信息主要在透射波中（96% 以上），且信息在波穿过材料体积时持续累积。
- 密度变化：信息量最低，且主要由反射波携带，透射波携带极少。
信息量级差异：
- 在相同的相对参数变化下，声速变化产生的信息量最大，其次是位置变化，再次是厚度变化，密度变化产生的信息量最小（相差可达三个数量级）。
- 例如，位置变化的信息量约为厚度变化的 17 倍，密度变化的 1000 倍以上。
检测模式选择：
- 反射法：最适合检测位置变化和密度变化。
- 透射法：最适合检测声速变化和厚度变化。
非守恒性验证：模拟显示，随着波与界面的多次相互作用，系统内的总信息量呈现阶梯式增加或减少，证实了信息在相互作用过程中可被生成或湮灭，而非像能量那样守恒。

5. 意义与展望 (Significance)

对 NDE 和 SHM 的指导意义：
- 为检测系统的优化提供了理论依据，帮助选择最佳的检测模式（反射/透射）以最大化特定缺陷参数的信息提取。
- 解释了为何某些缺陷（如微小密度变化）难以检测，而某些（如声速变化）容易检测。
对数值模拟的影响：
- 建议未来的数值模拟应侧重于计算差值波场而非绝对波场，以提高对微小参数变化的敏感度和分类能力。
对机器学习的启示：
- 差值波场比绝对波场更适合用于机器学习分类任务，因为它们能更清晰地分离不同参数的影响。
- 提出的信息度量可用于评估特征空间中的样本距离，指导训练数据的高效生成（主动学习），即在参数空间中寻找能产生最大信息增量的区域进行采样。
理论扩展性：
- 该理论不仅适用于超声波，原则上可推广至电磁、热成像、涡流等其他无损检测方法，甚至扩展到非技术系统（如生态系统、金融系统），只要系统状态可由物理场描述且存在参数变化。
未来工作：
- 将理论从一维扩展到二维和三维。
- 进行实验验证（利用激光测振仪等）。
- 研究多参数同时变化时的信息分离与解耦。

总结：本文开创性地将“信息”概念物理化，建立了超声波无损检测中的结构信息平衡理论。它不仅解释了信息在波场中的产生、传播和消失机制，还提供了一个量化工具（Cbit），为优化检测策略、改进评估算法以及发展基于信息的机器学习方法奠定了坚实的理论基础。