疲劳裂纹的声发射信号检测技术

疲劳裂纹的萌生和扩展是机械零件在变载荷作用下的主要失效形式。使用近几年来得到迅速发展的模态声发射技术获取疲劳裂纹的声发射波形,使接收到的声发射信号与声发射源的物理状态相关。在波形分析中采用参数分析法提取波形特征,建立声发射参数和裂纹扩展速度之间的关系。由于综合采用了多种技术进行信号分析,由信号特征得到的结果将更为准确。     

基于声发射信号的风机叶片裂纹定位分析

为能够及时有效地监测并识别风机叶片裂纹的位置以及强度,讨论了风机叶片上声发射传感器测点优化布局方案,以及基于无线传感网络的信号采集实现,探讨了声发射信号分析和特征提取方法。在分析现有裂纹定位方法特点的基础上,提出了一种针对声发射信号进行小波分析判别风机叶片裂纹位置及其强度的方法。通过实验数据验证了该方法不仅能够实现裂纹位置及其强度的定位,而且与传统方法相比该方法提高了精确性。     

基于LSTM神经网络的声发射信号识别研究

声发射检测不需要进入被检对象中进行检测,与其他无损检测技术相比具有实时性、整体性和高灵敏度等独特优势.早期参数分析、小波分析等方法在声发射信号特征提取上缺乏理论指导,具有一定主观性,BP神经网络应用于声发射信号识别中时网络训练容易陷入局部极值,LSTM神经网络可以对输入序列数据进行逐层学习并自适应提取特征,避免了特征的人工选择和提取,较好地解决了存在的问题.文中提出一种基于LSTM的声发射信号识别模型,在声发射信号z-score标准化基础上,对比不同学习算法、隐层神经元数、正则化dropout rate下的测试集正确识别率,优化声发射信号识别模型,与BP神经网络的声发射信号识别准确率进行对比,实验结果表明,LSTM神经网络在Adam算法中,当隐层神经元数为250,dropout rate为0.5时,声发射信号识别率最高且为76.51％,优于BP神经网络53.9％的最高识别率.     

基于小波包分解与RVM的声发射信号识别

声发射信号识别目前已经成为检测大型储罐底板缺陷状况的普遍方法之一.针对现有声发射检测技术对原始信号的处理与分析方法的不足,对储罐底板腐蚀程度分类识别方法的不明确,基于小波包分解,对声发射传感器接收到的原始信号进行特征提取,得出了信号的特征向量,通过训练相关向量机,结合相关向量机模型对待测设备进行腐蚀类型归类识别,得出分析结论.应用该方法对大连某企业的储油罐进行实测数据检验,分析结论与储油罐实际状况相同,验证了该方法具有科学性与可行性,能够诊断大型储罐底板腐蚀状况的准确性和可靠性.     

岩体声发射信号波形变化特征分析

文章通过对室内和现场采集到的岩体声发射信号波形分析,寻找到岩体在外界因素影响下从稳定状态发展变化到破裂阶段的波形变化规律,可用以判断岩体的危险性。该规律为采场、隧道工程的安全施工提供了可靠的预报信息,有一定的实际意义。     

基于CEEMD和改进小波阈值的机械密封声发射信号降噪方法

声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解（CEEMD）与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。     

煤岩声发射信号识别研究

针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。     

用多媒体声卡测量声发射信号

介绍用多媒体声卡测量声发射的方法及相应的数据处理手段，给出了测试和处理的结果。     

含裂纹煤体破坏特征及声发射响应数值研究

为研究裂纹倾角对煤体破坏特征及声发射响应特征的影响,利用RFPA2D数值模拟软件对单轴压缩下含不同预制裂纹倾角的煤样进行模拟,分析裂纹倾角对试样裂纹扩展模式、力学性能和声发射响应特征的影响。结果表明,当预制裂纹倾角α为0°时,主破裂沿垂直于预制裂纹中间位置的方向扩展;对于α为15,30,45,60,75°的试样,其主裂纹扩展模式为典型的翼裂纹,或者是翼裂纹基础上发展而来的"Y"形裂纹;而α为90°的试样和完整试样,其主裂纹分布存在随机性。裂纹的存在降低了煤体的峰值强度和弹性模量,且峰值强度和弹性模量随裂纹倾角的增加而增加,前者呈二次函数的关系增加,后者呈倾斜的"S"形增加。此外,随着预制裂纹倾角的增加,煤样由延性破坏逐渐向脆性破坏过渡。破裂时声发射瞬时计数存在阶段性增长,即α为0~45,60~75,90°和完整试样,此3个阶段的试样破裂时瞬时声发射计数依次递增。     

人体声发射定位技术的研究

从人体声发射技术与医学检测的特点出发,将人体骨科疾病的诊断和人体声发射结合起来,提出了具体的研究问题和解决手段。通过BL—420生物机能实验系统采集人体骨骼中的声发射信号,对该声发射信号利用互相关法计算时差,从而实现声源定位。     

不同充放电倍率下的锂电池声发射信号分析

锂离子电池充放电倍率是影响电池老化的主要外部应力之一,充放电倍率过大可能使电池内部电流分布不均,导致锂沉积或电极活性材料结构疲劳变形。基于声发射方法研究了不同充放电倍率下的电池状态。通过设计锂离子电池声发射信号试验平台,采集了不同充放电倍率下的电池声发射信号。对声发射信号进行参数与波形分析,发现声发射信号主要存在两个突发型的波形,且充电与放电的声发射信号波形的初次穿越阈值的采样点符号相反。锂离子电池声发射信号的幅度和波形时间间隔都与电池的充放电倍率相关,电池充放电倍率越大,声发射信号幅度越高,波形时间间隔越小。     

应用传感器检测铣削过程中产生的声发射信号

采用压电传感器对铣削过程中产生的声发射信号进行了检测，对传感器的安装位置和安装方法进行了试验研究．结果表明：传感器安装的位置和方法不同，对所接收到的声发射信号各不相同．利用很值和有效植二参数的检测可判断传感器所采集的最佳声发射信号．     

基于小波分解的磨床声发射特征信号提取方法

磨床磨削加工环境复杂,传统的信号分析方法难以对其进行有效的特征信号提取,提出了一种基于小波分解与能量谱相结合的特征信号提取方法.利用小波多尺度、多分辨率的特性,对磨床磨削的声发射信号进行多尺度分解;根据金属磨削的声发射信号的特性,选取最优频率段进行频谱分析,再结合能量谱提取特征信号.通过对自行研发的磨削监测系统工程试验分析表明:该方法能够有效、准确地诊断出磨削的每个状态,误判率为0.02％,相比单一的频谱分析诊断,精度更高、可靠性更好,具有一定的工程实用价值.     

声发射技术在立柱缸体裂纹监测中的应用研究

针对立柱缸体在做强度试验和型式试验时出现的缸体破裂现象,提出了一种基于声发射技术的立柱缸体裂纹监测方案。该方案采用声发射技术捕捉、分析、处理和显示立柱在受压过程中产生的裂纹弹性波;采用时差定位法获得声发射源位置;采用小波包技术处理声发射信号,以进一步提高了定位精度。测试结果表明,声发射技术用于检测立柱缸体裂纹、焊缝等隐形机理的产生、发展和进行危险性分析是可行的。     

含乘性噪声的声发射信号降噪方法研究

针对声发射噪声信号的特点,研究了适合含乘性噪声的声发射信号的自适应滤波器和小波分解降噪方法,并对这2种降噪方法的降噪仿真结果进行了对比,结果表明自适应滤波器降噪方法更适合含乘性噪声的声发射信号的降噪处理。     

基于小波包分析木材声发射信号消噪处理

由于目前的滤噪技术在检测木材声发射信号时还存在一定的缺点,本文根据木材声发射信号的特征,基于小波包分析研究了利用信号的小波包分析、计算和最佳小波包基的选取.采用默认阈值方法处理小波系数,通过小波包重构得到消噪后的木材损伤声发射信号,噪声得到较好的抑制.结果表明用小波包变换进行消噪处理,噪声消除彻底,提高了损伤缺陷检测的准确性.     

基于虚拟仪器实现结构声发射检测的研究

讨论了一种基于虚拟仪器的结构声发射检测系统的设计和实现。使用虚拟仪器开发平台LabVIEW和数据采集卡,利用Internet进行数据通讯,结合MATLAB强大的信号处理能力进行混合编程,对数据采用多种信号处理和分析方法,获取声发射信号在时频域的各种特性,并对损伤进行定位,建立了一个灵活可扩展的结构声发射分析定位系统。试验证明这种基于虚拟仪器的结构声发射检测系统使用方便快捷,信号分析丰富,定位更精确。     

基于短时分形维数的声发射信号增强算法

罐底腐蚀声发射信号受到非平稳噪声的影响非常严重,针对声发射信号的短时瞬态特征,该文提出了声发射信号短时分形维数增强算法。通过对声发射信号进行"分帧"处理后,引进分形维数系数dF(k)和参数βN作为噪声估计中的平滑系数,可根据含噪声发射信号不同的变化程度实现每一‘帧’含噪信号的实时去噪,运用并改进了离散分数余弦变换,增强了信噪比,提高了信号的降噪效果。通过实验分析验证了在不同噪声情况下,该方法对声发射信号增强效果远高于基本离散分数余弦变换和离散余弦变换,是信号增强的有效途径。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

多通道全波形声发射检测系统的研究

文章提出了多通道全波形声发射检测系统的构建方法，重点描述了中的关键问题及其解决方法。现场测试表明，该系统满足检测的定量、定位要求，并通过波形信号分析达到声发源的定性识别。