基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。     

基于EMD的胶合板损伤声发射信号特征提取及神经网络模式识别

摘要：针对胶合板损伤声发射信号的非平稳性和损伤类别特征相互重叠的实际情况,提出了基于经验模态分解(Empirical Mode Decomposition, EMD)和BP神经网络相结合的信号特征提取和识别方法。首先对损伤声发射信号进行EMD分解,筛选出包含主要信息的本征模态函数（Intrinsic Mode Function, IMF）分量;其次构建以各IMF分量的能量占比作为表征各损伤信号的特征向量;最后以提取的特征向量为输入样本,建立BP神经网络模式分类器对四类胶合板损伤信号进行识别。五层胶合板损伤的实测数据表明,该方法能够准确地提取出声发射信号特征并对其损伤类型进行有效地识别。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于BP神经网络的金属拉深件裂纹在线监测

论文运用设计的三层BP神经网络对采集到的10个声发射参数进行特征提取。通过对比不同隐含层神经元个数的BP神经网络的训练误差与训练次数,确定当隐含层神经元个数为13个时,BP神经网络的逼近效果较好,产生的网络误差最小。然后利用计算各声发射参数对表征裂纹信号灵敏度的大小,逐步删除各个声发射参数,降低模式识别时输入信号的维数。最后确定相对到达时间、幅度、能率、上升计数、持续时间和平均信号电平六个声发射参数能够有效地识别金属拉深件裂纹。本研究对于金属拉深件裂纹的在线监测具有理论和实际意义。     

一种新的声发射信号消噪及故障诊断方法

在旋转机械故障诊断中,声发射信号极易受到噪声的干扰。针对经验模态分解(EMD)易产生模态混叠现象,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的消噪和旋转机械声发射碰摩故障诊断的方法。利用了EMD和小波变换的优点,通过对傅里叶频谱进行自适应划分,并构建小波滤波器组来提取声发射信号所包含的不同固有模态分量,可有效消除模态混叠现象,同时对分量进行Hilbert变换从而实现声发射信号的消噪和故障诊断。采用该方法对仿真信号进行加噪声和消噪处理,在同信号源下,对比基于d B4全阈值消噪、d B4默认软阈值消噪、d B4对高频系数处理消噪和EMD消噪效果。并将该方法应用到实际的声发射碰摩信号中。仿真和实验分析结果表明:EWT方法可以有效地分解出信号的固有模态,分解出的模态少,并且不存在难以解释的虚假模态,消噪效果优于其他方法,并且在声发射故障诊断中也有较大的优势。     

碎片云撞击声发射信号能量特征小波包分析

利用小波包分析技术对碎片云撞击载荷作用下铝合金板声发射信号的能量分布特征进行了研究。首先,介绍了碎片云撞击信号的获取方案及撞击引起的损伤情况;其次,对获取的声发射信号进行小波包分析,得到了信号在频率带上能量分布特征图。最后,讨论了碎片云撞击损伤特征与声发射信号能量分布的关系。分析结果发现,对于相同质量的弹丸,随着其破碎程度的提高,形成的碎片云对后板的损伤程度减少;弹丸具有的初始速度越大,弹丸破碎越完全,碎片云撞击声发射信号中的能量越小;当弹丸破碎程度低时,碎片云撞击引起的声发射信号能量集中在约488kHz以下;弹丸破碎程度越高,信号中488kHz以上的能量所占总能量的比例越大。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

一种新的小波阈值函数及其在振动信号去噪分析中的应用

摘要：研究一种新的小波收缩阈值函数用于信号的去噪分析,对比分析了硬阈值、软阈值和新收缩阈值函数的优缺点,给出了收缩阈值函数法中的阈值计算详细过程,基于虚拟仪器LabVIEW构建检测齿轮箱系统的振动与噪音检测系统,在MATLAB平台上利用收缩阈值方法开发了对齿轮箱振动和噪声信号进行去噪处理的软件,试验数据的分析表明：基于新的小波阈值函数的信号降噪分析方法去噪效果明显,且保留了原始信号的细节特征,是一种较传统经典去噪手段更为优越的方法,具有较高的实用价值。
     

小波分析和相平面在声发射信号处理中的应用

为了精确地获取声发射源信息,必须采取有效手段对声发射信号进行分析。小波分析同时具有时-频局部化的优良特性,用小波自适应地对声发射信号进行多分辨率的分解,在相平面中绘制系数能量图可以同时直观地观察声发射信号的频率、时间、能量等信息。同时,相平面系数能量图也为小波重构声发射信号提供了理论依据,在此基础上重构的声发射信号排除了其它信号的干扰,更能表征声发射源信息,对声发射源的分析有重要的意义。     

新型木塑材料缺陷及损伤的声发射信号分析

综合新型木塑复合材料各类模式试样、源定位及信号的波形、常规参数、频谱、小波包最优树叶子节点能量谱等特征,对主损伤区附近的声发射事件,应用频谱分析和小波变换等信号处理手段提取特征参数,确定不同缺陷及损伤模式所对应的声发射特征信号,为日后进行神经网络模式识别奠定基础。由于新型木塑复合材料的声发射研究刚刚起步,对该材料的声发射特征还有待进一步的分析,常常需要借鉴其它复合材料的声发射检测结果,这势必会带来一定的局限性及适用性问题。对新型木塑复合材料的声发射参数的定量化还有待于大量实验数据的积累和归纳分析。     

机械密封端面接触状态的声发射监测研究

有效监测机械密封的端面接触状态有助于对密封失效做出早期预警。针对密封声发射信号难以降噪的问题,提出基于神经网络粒子滤波和最小二乘支持向量机的声发射建模方法。首先通过机械密封的端面膜厚测量,研究声发射能量在密封启动过程中的变化规律;接着利用人工神经网络构建信号的状态空间,再通过粒子滤波算法对状态空间滤波降噪;最后从滤波信号中提取特征,并利用最小二乘支持向量机构建机械密封端面接触状态的检测模型。实验数据证明该方法能有效实现机械密封端面状态的无损检测,具有良好的工业前景。     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法。将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算法(FastICA)对构建的虚拟多通道观测信号进行盲源分离(BSS),进而得到滤波后的AE信号。通过构造含噪声AE信号进行数值仿真实验及实测数据分析,将基于EEMD及SCBSS滤波方法与小波阈值滤波方法进行比较。实验结果表明:小波阈值滤波方法会导致滤波后的AE信号频域信息失真,影响滤波后的AE信号上升时间,能量等参数识别;该方法可以对含噪声AE信号进行有效地滤波处理,能够较好地滤除AE信号中的非平稳随机噪声,并且能够保护滤波后的AE信号频域信息。     

Cluster analysis of acoustic emission signals in pitting corrosion of low carbon steel

The pitting corrosion characteristics of low carbon steel specimens are studied by acoustic emission (AE) and electrochemical techniques, in a 3.0 wt.% NaCl solution acidified to pH 2.0. The acoustic emission signals generated by pitting corrosion are classified based on multiple acoustic emission parameters using K‐means clustering algorithm, then each classified signals are analyzed by acoustic emission parameters correlation plot and distribution with time. Furthermore, each acoustic source characteristics is extracted using Gabor wavelet transform (WT) in the time and frequency domain. An error back propagation (BP) artificial neural network (ANN) is trained according to the classified signals, so as to successfully identify the acoustic emission signals from parallel experiments. Experimental results show that the hydrogen bubble activation, oxidized film rupture and pit growth are typical acoustic emission sources in pitting corrosion process, which can be effectively classified by cluster analysis and recognized by back propagation neural network. The data gathered from laboratory tests combined with the real data from acoustic emission on‐line storage tank floor inspection can help to evaluate the bottom corrosion severity and interpreter the corrosion source, further to make the on‐site testing more reliable and reduce the risk.     

金属材料声发射信号特征提取方法

试图通过对声发射信号的检测实现对水轮机转轮叶片金属疲劳裂纹的在线监测。利用美国PAC公司SAMOS声发射检测系统采集到声发射的各种参数：针对大型水轮机现场环境的情况,选用了四种声发射信号。通过BP神经网络和模式识别结合的方法,设计特征提取器来提取金属材料疲劳声发射特征信号。比较神经网络输人参数对输出结果的灵敏度,选择出一些对分类识别最有效的特征参数：并采用可分离性判据进一步验证其正确性。最后,在13个声发射特征参数中,质心频率、计数、持续时间、上升时间、平均信号电平等五个参数的特征最为显著,可以用于识别现场环境下的声发射信号。     

基于自适应小波基的声发射(AE)波源时频分析与定位

在研究声发射（AE）波形分析中,准确确定AE波源发生时刻和频谱大小的方法。研究方法是,采用小波自适应时频基对AE波形进行分析及利用小波模极大变换方法对AE波源发生时刻和频谱定位。研究结果表明,对比AE波形的短时傅立叶变换分析方法,可以获得相对最佳的信号时频分析分辨率,准确确定AE波源发生时刻,以及进一步由频谱图确定AE波源的频谱范围。这种分析方法对提高声发射缺陷波源探测精度具有重要理论和实践意义。     

多龄期桥梁斜拉索疲劳损伤演化声发射监测技术研究

斜拉索在斜拉桥体系中有着举足轻重的作用,但易遭受腐蚀和疲劳累积损伤。目前对多龄期斜拉索腐蚀疲劳损伤演化规律的研究还较少。拟采用声发射技术监测国内某大桥腐蚀斜拉索疲劳损伤演化过程。首先,通过拉伸试验,得到了斜拉索中腐蚀钢丝和未腐蚀钢丝的应力-应变关系曲线,其实验结果表明腐蚀对斜拉索力学性能有较大的影响;其次对大桥拆下来的多龄期斜拉索进行疲劳测试,运用声发射技术监测了它的动态损伤过程,获得了斜拉索整个损伤过程的声发射特征参数,根据声发射累积能量参数分析结果,得到了多龄期斜拉索疲劳损伤演化规律;最后,对斜拉索疲劳损伤演化的各个阶段声发射波形进行小波分析,提取出各自的特征波形,并运用FFT分析其频率分布范围,进一步分析了损伤的形成原因,实现了对多龄期斜拉索损伤声发射源类型的确定