基于光纤光栅传感器的复合材料损伤识别系统

利用光纤布拉格光栅(FBG)构建了传感器网络;结合小波分解与重构算法、频谱分析和支持向量多分类机算法研究了碳纤维复合材料板损伤的模式识别算法。首先,对带有不同损伤模式的复合材料结构进行冲击试验,探索损伤模式与信号特征之间的关系。然后,对信号进行小波分解与重构去除基线干扰;采用傅里叶变换频谱分析提取信号幅频特性,构建了复合材料结构损伤模式识别方法。最后,将提取的信号幅频特性作输入,复合材料结构损伤模式作输出,利用支持向量多分类机,实现了复合材料结构损伤模式识别。在500mm×500mm×2mm的碳纤维复合材料板中心,选定200mm×200mm的实验区域,对30组测试样本进行了损伤模式识别。实验结果表明:29组损伤模式得到了准确识别,正确率为96.7%。研究结果为碳纤维复合材料板的损伤模式识别提供了一种可靠的方法。     

基于光纤光栅阵列和MVDR算法的声发射定位

基于光纤光栅(FBG)传感器网络构建了声发射检测系统,并提出了最小方差无失真响应(MVDR)的声发射源定位方法。构建的系统由7个FBG传感器组成传感器线阵列,采用未经平坦的放大自发辐射(ASE)光源边缘滤波实现信号解调。利用Shannon小波变换从频散复杂的声发射信号中提取窄带信号,并基于MVDR算法扫描整个监测区域获取空间谱。根据空间谱函数计算输出值,并将计算的输出值作为像素值。最后,通过提取空间谱中的最大值的坐标确定声发射源的位置。在LY12铝合金板上进行了实验验证。结果表明,该方法在400mm×400mm的区域内,声发射定位的最大误差为9.4mm,平均误差为7.2mm,耗时小于3s。该系统具有较高的实时性和定位精度,是一种声发射源定位的新方法。     

基于声发射技术飞机关键部件健康监测方法

为解决飞机关键结构部件疲劳损伤的有效监测,及时发现潜在的安全隐患,避免灾难性事故的发生.对于采用先进声发射技术所监测到的某飞机水平尾翼的原始声发射信息,提出采用小波包分析与支持向量机相结合的方法对匕机水平尾翼的健康状况进行识别与诊断.该方法将飞机水平尾翼产乍的原始声发射信号进行多级小波包分解,提取其频带能量作为特征向量,输入到由支持向量机构建的健康监测器对其进行健康识别与诊断.实验结果表明,该方法可以有效、准确地识别并诊断出飞机水平尾翼的疲劳裂纹,为飞机结构部件健康状态的有效监测提供了新途径.     

基于小波分析和GA-SVM的金刚石 砂轮磨损的声发射监测研究

针对工程陶瓷磨削中金刚石砂轮磨损状态判别准确度不高的问题,在部分稳定氧化锆陶瓷金刚石砂轮精密磨削的声发射智能监测实验中,在深入研究部分稳定氧化锆陶瓷磨削机理的基础上,对磨削声发射信号进行了5层离散小波分解。研究结果表明:金刚石砂轮磨损后,磨削声发射信号小波分解系数的有效值和方差,以及声发射信号小波能谱系数在低频率段都有所增大;利用部分稳定氧化锆磨削声发射信号的小波能谱系数或小波分解系数的有效值和方差值的组合,作为判别金刚石砂轮磨损状态的特征值,采用基于遗传算法支持向量机对金刚石砂轮的磨损状态判别准确度达100%,判别准确度明显优于BP神经网络方法。     

滚动轴承声发射特征的单分类方法及其应用

提出基于支持向量数据描述(SVDD)的滚动轴承声发射特征的单分类智能诊断方法,适用于故障监测和诊断中缺少故障样本的情况。首先利用谐波小波优良的频域盒形特性,将滚动轴承声发射信号分解到相互独立互不重叠的若干频带内,然后求取主要频带内信号的能量并归一化处理,进而将归一化能量特征作为特征向量输入SVDD分类器中进行故障识别和分类。试验表明,该方法只需要正常轴承声发射特征作为学习样本,不需要其他非目标样本即可实现故障轴承的识别,与支持向量机分类方法比较具有更高的准确率。     

基于云理论与LS-SVM的刀具磨损识别方法

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。     

局域波信息熵在高速自动机故障诊断中的应用

针对自动机工作时的短时冲击信号特征,首先,对其运动形态进行分解,截取与故障构件动作相对应的振动信号进行分析;其次,利用多层小波包分解截取信号,对其频率成分及能量分布进行研究;然后,将小波包分解后频带能量大的信号重构进行局域波分解,同时提取局域波奇异谱熵、边际谱熵和特征空间谱熵定量描述信号状态的时域、频域和能量的变化,并将其作为故障特征量;最后,利用遗传算法的全局寻优能力对支持向量机的参数进行优化,建立了遗传支持向量机(genetic algorithms-support vector machine,简称GA-SVM)模型,将提取的特征量输入其中进行故障分类识别,并将识别结果与空间穷尽搜索支持向量机(support vector machine,简称SVM)的识别结果进行对比。     

基于深度置信网络铝合金加筋板冲击损伤识别

铝合金加筋板是卫星、空间站和飞船等航空航天装备关键结构,对其损伤状态进行监测和识别是评估航天器健康状态的前提和基础。针对传统机器学习方法对人工特征提取的依赖性,利用实验模拟与数值仿真相结合的方法,获取铝合金加筋板损伤声发射信号并计算其幅频特性,建立损伤数据集,基于深度置信网络构建冲击损伤智能识别模型进行损伤特征自适应提取,结合Softmax分类器开展了冲击损伤识别研究,并与传统的支持向量机和反向传播（back propagation,简称BP）神经网络识别结果进行了对比。实验结果表明：在2 200 mm×500 mm×10 mm的铝合金加筋板板上对68个测试区域进行了多次冲击损伤识别,在15 300次实验中实现了15 218次冲击损伤准确识别,正确率为99.47%。该研究结果为航天器结构的损伤监测提供了有效方法。     

基于小波包和支持向量机的发动机故障诊断

本文对发动机缸盖振动信号进行小波包分集并重构,求取各子信号的能量并归一化处理作为特征向量,采用支持向量机的方法对故障进行模式识别。实验结果表明:基于小波包和支持向量机的方法能够实现对气门不同故障程度的识别。     

基于小波变换及互相关的声发射源定位研究

采用小波互换和互相关技术研究声发射信号的时间延迟,通过时差定位法对声发射源进行定位。首先通过Daubechies8小波对声发射信号进行5层分解,提取能量最大的那一分解层信号,然后利用互相关技术计算出该层信号到达各个传感器所需的时差,最后利用时差定位法对声发射源进行定位。结果表明,定位平均误差都在4mm以内,借助该定位方法,声发射源的定位精度得到明显提高。     

基于FBG和BP神经网络的声发射定位方法

针对传统基于神经网络的声发射定位选择的样本不具有广泛代表性的问题,提出了基于光纤布拉格光栅(fiber Bragg grating,简称FBG)传感和反向传播(back propagation,简称BP)神经网络的声发射定位技术。该方法使用提取的窄带信号间时差作为样本,无需考虑损伤特性及波速对定位的影响,同时使用Levenberg-Marquardt(简称LM)算法训练样本,提高了BP神经网络的训练速度。在500mm×500mm的铝合金板上进行实验,声发射定位的平均误差为6.65mm,验证了该方法的有效性和准确性。     

基于声发射信号的铝合金点焊裂纹神经网络监测

铝合金热加工过程的冶金行为比较复杂,在电阻点焊快速加热和冷却条件下,极易产生裂纹缺陷。基于虚拟仪器技术,以Lab VIEW为软件平台,结合Matlab数值分析软件,构建了电阻点焊过程声发射信号采集分析及铝合金点焊裂纹监测系统。以2A12铝合金电阻点焊熔核冷却结晶过程,即点焊焊接循环维持阶段的声发射信号为研究对象,提取与声发射信号强度相关的振铃计数、能量、有效电压及5层小波分解125~250 k Hz频带能量系数4个特征参数作为输入矢量,裂纹作为输出矢量,建立3层BP神经网络铝合金点焊裂纹的监测模型,并利用测试样本对该模型进行验证。结果表明,裂纹监测的正确率达到89.1%,为监测铝合金电阻点焊裂纹提供了一种有效的方法。     

基于小波分析和模糊控制理论的铣刀磨损监控方法

研制了一种铣刀磨损的监控方法.在该系统中信号采集采用声发射传感器,信号的特征提取采用小波分析的方法,将变换后的尺度系数和各个频段的小波系数作为特征,采用自行设计的Sugeno模糊控制系统进行状态识别,模糊控制系统的输出是刀具磨损的具体值.     

Experimental study of burn classification and prediction using indirect method in surface grinding of AISI 1045 steel

Grinding burn is a discoloration phenomenon according to the thickness of oxide layer on the ground surface. This study tries to establish an automatic grinding burn detection system with robust burn features that are caused by burn and not by the design parameters. To address this issue, a method based on acoustic emission sensor, accelerator, electric current transducers, and voltage transducers was proposed in an attempt to extract burn signatures. A trial-and-error experimental procedure was presented to find out burn threshold. Vitrified aluminum oxide grinding wheel and AISI 1045 steel workpiece were used in the grinding test, as they were the most commonly used wheel–workpiece combinations in conventional grinding process. With the help of fast Fourier transform and discrete wavelet transform, the spectral centroid of AE signal, the maximum value of power signal, and the RMS of the AE wavelet decomposition transform from wavelet decomposition levels d1 to d5 were extracted as burn features. The spectral centroid of AE signal was believed not to be affected by grinding parameters. A classification and prediction system based on support vector machine was established in order to identify grinding burn automatically. Results indicate that the classification system performs quite well on grinding burn classification and prediction.     

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。     

A separation of experimental study on coatings failure signal responses under rolling contact

The objective of present study is to address the signal responses of the acoustic emission (AE), vibration and torque in rolling contact fatigue (RCF) tests of the coatings. The Fe-Cr alloy coatings were deposited using plasma spraying technique. The AE, vibration and torque sensors were assembled to detect the coating failures during the RCF tests, respectively. The results show the signal responses of the vibration and torque accurately indicate the RCF failures of the coatings, but based on the coating losses. The AE signals can sensitively monitor fatigue fractures prior to the formation of the final failure.     

钢板声发射时间反转聚焦增强定位方法

声发射检测方法具有实时动态监测优点,应用越来越广泛,但是对声源的定位始终没有更大的突破。在钢板声发射检测中,提出一种基于时间反转理论的声发射源准确定位的方法。由于声发射检测是一种被动检测技术,结合时间反转聚焦理论,推导出对声源信号实现时间反转聚焦增强处理方法,可增强检测信号中声源幅值,提高信噪比;然后根据声源信号到达时间推算出声源聚焦时刻,利用弹性波传播理论对传感器监测区域重建信号传播波动图,显示出声源位置和区域;最后通过实验测试对该方法进行验证,结果表明该方法能有效提高损伤声源信号的能量,对检测区域的信号重建和定位显示准确地给出损伤声源位置。     

刀具磨损声发射信号处理中小波基选取的研究

通过对小波基性质和刀具磨损声发射（AE）信号特点的研究,从理论上分析了小波变换中刀具磨损AE信号处理中小波基选取的方法。在试验验证过程中,根据小波包信号分解遵循能量守恒原理,用四种小波基对刀具磨损AE信号进行三层小波包分解;以AE信号经小波包分解后各频带上的能量为特征参数,比较四种情况下特征参数的变化,验证了理论分析的正确性。