- 基于机器学习的声发射信号处理算法研究
- 周俊 朱文耀 王超
- 2095字
- 2021-02-26 17:58:46
1.2 声发射信号处理方法
声发射检测和声发射信号处理的目的在于获取有关声发射源的尽可能多的信息,进而得到与材料或结构损伤相关的信息。然而,受声发射源自身的多样性、突发性和不确定性的影响,以及声发射源到传感器的传播路径、换能器的特性和声发射仪器等因素的影响,声发射传感器输出的声发射信号波形十分复杂,甚至会出现与真实声发射源相差很大的情形。因此,在声发射检测技术发展史中,各种可能的信号处理方法都被尝试过[5]。
20世纪80年代,英国Fawley炼油厂首次采用声发射技术对大型常压储油罐进行了在线检测和研究。目前,声发射技术已趋于成熟,被广泛用于石油化工行业中,完成对各种压力容器、压力管道和海洋石油平台的检测和结构完整性评价。而常压储油罐底部、各种阀门和泵等石油储运设备的声发射检测正处于应用研究阶段。声发射检测的最大优点是速度快、成本低,因此利用载荷变化时泄漏所产生的湍流流动噪声、腐蚀减薄区变形所产生的信号或由此引起的腐蚀层脱落与开裂而产生的声发射信号,确定罐底是否存在泄漏源(或潜在泄漏源,即局部腐蚀)及其位置,从而对罐底的整体腐蚀状态进行实时的初步判断,结合罐壁或罐顶的局部超声波测厚结果,最终对储油罐的完整性进行综合的安全性评估。检测储油罐腐蚀产生的声发射信号从而辅助决策储油罐维修计划的方法,现已被广泛用于对储油罐的检修。采用先将储油罐停产、倒油腾空、开罐清洗,然后检测的方法,对于罐底情况良好的储油罐会产生资源浪费。如果在此之前对储油罐进行声发射检测,评判其是否需要开罐检修,查找确实需要停产检修的储油罐,就可以避免造成不必要的资源浪费和因漏检造成的巨大损失。这种在线声发射检测方式的最大优点,是解决了开罐所带来的储油罐停产和储油效益之间的矛盾问题。
1.2.1 参数分析法
自20世纪50年代发展起来的简化波形特征参数分析法,是使用最为广泛的经典声发射分析方法,这种方法已经被证明在多数情况下可以解决工程实践中的很多问题,并具有其他方法不可替代的作用[6]。这种方法的中心思想是忽略声发射波传播的中间过程,将从波形简化出来的某些参数与声发射源对应。图1.2所示为声发射信号波形模型,由这一模型可得到波峰计数、事件计数、振铃计数、能量、幅度、持续时间和上升时间等简化波形参数。
参数分析法主要包括计数分析法、能量分析法、幅度分析法、经历图分析法、分布分析法和关联分析法等。
图1.2 声发射信号波形模型
参数分析法的缺点是声发射源本质的信息往往被谐振式传感器自身的特点所掩盖或模糊,且参数分析法认为,声发射信号以固定速度传播的假设也与实际情况有很大出入。
1.2.2 波形分析法
随着声发射传感器技术的发展,以及声发射仪器对信号瞬态波形捕捉和实时处理能力的增强,对声发射波形分析技术的研究逐渐深入。参数分析法是建立在波形基础上的,即由波形化简出参数,但是真正的波形分析法的核心是了解所获得声发射波形的物理本质,其研究重点是声发射源机制、声波传播过程和传播介质的响应[7]。
Gorman等人的研究使波形分析技术真正得以应用。他们根据经典板波理论详尽分析了各种声源,尤其是复合材料中不同故障源在板状试件中产生的声发射信号的特征,从而达到利用声发射信号波形来识别这些故障源的目的[8]。
必须指出,上述成果是在板波传播理论(适用于板状试件)的研究成果上取得的;而在绝大多数情况下,声波传播过程仍然是未知的,此时波形分析技术对声源的识别将受到极大限制。但是,波形分析法有助于人们对声发射源机制和声波传播过程的研究,因此必会在今后声发射技术的研究中发挥越来越重要的作用。
1.2.3 模式识别法
模式识别用于声发射检测,主要是应用统计和数学方法将各种已知模式存储于计算机中,然后通过比较,对输入模式进行分类判别;或者按照一定的准则对无先验知识的输入模型进行聚类分析。在许多情况下,模式识别的作用类似人类专家,可代替人进行决断。在信号量大或特征分布复杂的情况下,人力识别已显得力不从心,而模式识别法则能显示出其强大的功能。
20世纪80年代初,Melton应用自回归模型和自回归系数对声发射信号的波形进行了分析[9],从而将模式识别技术引入声发射检测。
随着人工神经网络研究的发展,神经网络方法开始被应用于声发射模式识别领域。1987年,Grabec等人首次采用神经网络对声发射信号进行分析和处理,随后在这方面开展了大量的研究工作。神经网络在模式识别中的作用主要是实现分类器的设计,即给出一种分类算法。
模式识别重要的基础工作是特征的提取与选择。如果提供的样本不含或含有极少的特征信息,那么无论是神经网络方法,还是传统的识别方法都不可能给出好的分类效果。就声发射信号而言,其信号特征主要是从信号的幅值域、时域及频域中提取的,也正因为如此,与参数分析法相比,波形分析法才显示出其优越性。一般认为,与时域相比,频域能给出更多的信息量。早期就有人采用快速傅里叶变换(Fast Fourier Transform,FFT)方法对声发射信号进行频谱分析;但声发射信号大都是瞬变信号,在很多情况下并不适合采用FFT方法。近年来,小波分析技术得到迅速发展。与FFT方法不同的是,小波分析技术主要用于分析瞬变信号,因而对声发射信号而言,小波分析技术有非常好的应用前景,并且人们已对其开展了相关的研究工作。