基于小波的金属材料裂纹声发射信号特征

为对车载CNG气瓶因裂纹引起的安全事故进行控制,研究了气瓶裂纹声发射信号的特征。分析了气瓶失效的机理,提出在实验室条件下拉伸金属试件的方法,并对之进行模拟与声发射信号采集。通过对信号的分析显示出其时域与频域分析在特征分析时所具有的局限性,从而引出小波分析的信号分析方法,结果得出不同类型的声发射信号在相同频率段内所占的能量比例系数不同的结论。因此利用信号能量比例作为该信号的特征值,并在此基础上进行神经网络识别,取得了理想的结果,表明基于小波的金属材料信号特征能够对信号进行较好地表征。     

基于共振解调和小波包能量谱的声发射信号特征提取

将小波包能量谱分析和共振解调法相结合,应用于声发射信号的特征提取中。首先,将声发射信号进行小波包分解,得到若干个子频带;然后计算各个子频带所包含的能量,描述出各子频带能量占信号总能量百分比;再将其与正常声发射信号能量谱对比,分析出变化较为明显的子频带;最后运用共振解调技术,对该频带做Hilbert包络谱分析,得出信号特征。结果表明:该方法可以有效提取出声发射信号的特征,是声发射信号特征提取的一种新方法。     

钢丝绳声发射信号传播特性分析

针对钢丝绳断丝缺陷的在役动态监测需要,提出采用COMSOL软件对钢丝绳的声发射检测信号传播特性进行研究。首先建立钢丝绳结构模型,然后模拟不同频率、不同位置的断丝声发射信号在结构中的传播过程,获得不同位置的信号位移场及能量变化,最后根据导波理论,采用模态特征曲线结合小波变换分析不同类型声发射源的特征频率与模态成分。结果表明:声发射信号传播过程中,对于不同频率和激发方向的声发射源,其主要模态成分和特征频率的差异较大,可根据不同位置的时频分析结果,结合理论频散曲线判别声发射源信号的主要模态特征,并确定结构中声发射源的不同振动方向与中心频率。该研究结果可为钢丝绳损伤声发射检测提供理论参考依据。     

起重机梁活性缺陷的声发射信号特征

探讨起重机梁缺陷的声发射信号特征和发展规律。采用模拟梁加载试验,获得梁上人工裂纹萌发和扩展过程的声发射信号。通过经验模式分解方法分析出不同载荷和裂纹扩展过程的声发射频率特征。结果表明,起重机梁活性缺陷声发射信号为突发性信号,每一事件声发射所含频率成分复杂。一般裂纹萌发时的声发射信号频率较低;随着裂纹的发展,频率逐渐增高,缺陷频率范围约为25～160 kHz。该研究为起重机械活性缺陷的声发射检测技术提供了理论基础。     

基于声发射检测的碳布／环氧树脂复合材料压缩损伤评价

用声发射仪器监测二维编织碳布／环氧树脂复合材料的压缩损伤过程。通过载荷与声发射特征关系图,判断出其在损伤过程中的临界失效载荷,作为判断材料临界损伤强度的依据。通过对碳布／环氧树脂复合材料在压缩损伤过程中产生的声发射信号进行小波包分解,并对信号进行频谱分析以及对小波包分解后的各层进行能量分析,得出了声发射源即纤维断裂信号、基体断裂信号和层间开裂信号的频率分布范围。     

基于模态理论降低声发射源定位误差的方法

以玻璃纤维复合材料为研究对象,对声发射波在玻璃钢中传播的频率变化规律进行了研究,发现距声发射源不同位置采集到的声发射波的主要频率范围并不相同;根据模态声发射理论中不同频率段声发射信号传播特性不同的结论,对声发射波经不同通频带滤波器滤波后到达各传感器的时间差的线性关系进行了比较分析,得出声发射波到达时间的精确提取方法,发现模态滤波定位误差明显低于传统时间提取定位误差。     

小波包-AR谱在钛合金材料声发射监测技术中的应用

鉴于钛合金材料的声各向异性和高声波衰减系数使疲劳试验过程中的声发射监测十分困难。提出了小波包与AR谱相结合对钛合金材料声发射信号进行分析的方法。即对输出信号进行小波包分解,然后分频段对信号进行重构得到包含不同频率成分的时域信号,再进行AR谱分析,从而提取出频谱特征。分析表明,该方法对利用声发射信号分析钛合金材料部件的损伤和裂纹扩展是有效的。可为钛合金部件损伤和裂纹扩展的识别提供可靠的依据。     

基于信息熵的马氏体相变声发射信号分析

以信息熵理论为基础,针对马氏体相变过程声发射信号,利用基于频域分析的小波包能谱熵,得到相变过程声发射信号频率空间的能量分布信息。提取出不同类型信号的能谱熵特征值,并利用基于时域分析的吉布斯概率熵,以能谱熵特征值作为幅度谱的子区间划分参数,实现马氏体相变过程声发射信号吉布斯概率熵变化过程的准确描述。分析表明,这些信息熵特征值可以准确评价马氏相变过程的声发射信号变化规律。     

光纤法珀声发射传感器输出信号小波分析消噪处理

针对光纤法珀传感器检测到的声发射信号会被大量的噪声所湮没的问题,采用Sym小波系列中的Sym8小波对含有大量噪声的声发射信号进行分析,并用软阈值去噪方法消去声发射信号中携带的大部分噪声。采取先提取有用信号,再对有用信号进行二次分解,然后设定阈值,在保证声发射信号信息没有损失的情况下很好地滤除了噪声,使声发射信号更平滑,易于分析。试验结果表明选取适当的小波分解级数和合理的阈值门限,可很大程度地提高重构后信号的识别度,对声发射信号采用小波方法去噪可达到较理想的效果。     

基于包络谱分析的滚动轴承内圈故障声发射诊断研究

滚动轴承的早期故障信号很微弱,常规的振动法很难检测。声发射检测法具有采集较宽频率范围信号的特点,采用声发射法对内圈缺陷滚动轴承进行检测,采集宽频的声发射信号,利用小波分析方法把信号分解在不同频带,对低频信号进行重构,将重构后的包络谱特征频带与内圈故障理论特征频率相比较,结果表明:在包络谱图上可以找到理论的故障特征频率范围,这说明包络谱分析法对滚动轴承内圈故障声发射诊断是有效的。     

Estimation of porosity content of composite materials by applying discrete wavelet transform to ultrasonic backscattered signal

As the use of composite materials in the aerospace industry increases, the development of advanced nondestructive evaluation (NDE) techniques for composite materials is in demand. Ultrasonic quantitative NDE technique for composite materials may provide good information on manufacturing quality, material strength and perhaps useful lifetime. It is well known that the effects of porosity in composite laminates on ultrasonic attenuation and velocity can be used in gauging the porosity content in composites, but back surface echoes may be absent or unusable due to complex geometry and bonding effects. In such cases the backscattered signals may be processed to extract porosity information. Measuring the porosity content in composite material by ultrasonic backscattering signal is a significant challenging problem in NDE of composite material. Backscattering signals are random and sensitive to volume fraction of pore and thickness of ply in composite material. Therefore the backscattering signal has various frequency bands and hence a signal decomposition method is required to analyze the ultrasonic backscattering signals. In this study, the discrete wavelet transform (DWT) using a MATLAB decomposition algorithm was applied to ultrasonic backscattered signals acquired in various porous composite laminates containing a porosity content that ranges from 0.01 to 11.90%. The ultrasonic backscattered signals were decomposed into two parts: the high frequency components called “Details” and the low frequency components called “Approximation”. And then, the correlation analysis was performed between the porosity content and the peak amplitude and magnitude of peak frequency of the decomposed signal. Overall, the correlation was reasonably good. As a conclusion, the DWT technique showed good benefits for analyzing the porosity content in composites using ultrasonic backscattered signal from composite materials.     

基于小波包神经网络的轴承故障识别模型

针对传统故障特征提取过程复杂、诊断方案单一且准确性差等问题,提出了基于多阈值小波包和深度置信网络(DBN)的轴承故障识别方案。本文作者采用最优小波基函数和软硬阈值结合方法对原始振动信号进行三层分解降噪处理,得到8个从低频到高频段的信号成分,对其进行组合重构作为神经网络的输入样本;通过DBN在数据处理上的特征重构优势,建立了DBNBP神经网络的轴承故障识别模型,确定模型的各类参数。经多次实验,探究不同样本输入对模型识别率的影响,并与传统的浅层神经网络识别模型做对比分析,结果表明:经训练的DBNBP轴承故障识别模型可从原始数据、小波包分解信号实现轴承故障信号的准确特征学习和分类,结合识别率和诊断时间考虑,经小波包分解信号输入具有更优的诊断效率。     

滚动体具有局部缺陷滚动轴承的动力学分析

在同时考虑缺陷宽度、深度以及载荷区等因素的情况下,根据滚动体上单一点蚀缺陷滚过内外圈时,接触副接触变形量的变化所引起的弹性接触力的变化,建立了滚动体产生单一局部故障的滚动轴承的动力学模型.通过仿真证实了当滚动体具有单一局部缺陷时,滚动轴承振动信号的低频成分为保持架的旋转频率、滚动体的自转频率及其倍频、以及信号调制形成的边频这一结论论;并通过实验进一步证实了所建立模型和仿真结果的有效性.     

基于DT-CWT和能量算子解调的滚动轴承故障诊断研究

滚动轴承出现局部损伤时会产生周期性冲击,振动信号往往具有调制特征,为了能够准确、有效地检测出轴承故障,提出了双树复小波和能量算子解调的诊断方法。首先运用双树复小波对采集到的轴承振动信号进行分解,得到若干个不同频带的分量,提取信号中能量集中的高频调制频带进行信号重构。然后采用能量算子的方法对重构信号进行解调。最后对解调得到的瞬时幅值进行频谱分析便能准确提取故障特征频率。通过信号仿真和实验数据处理结果证明了该方法的有效性。     

铝合金电阻点焊压力信号的动态特征分析

基于点焊焊接过程信息采集系统，研究铝合金电阻点焊压力信号的动态特征. 从时、频域角度对比分析飞溅焊点和正常焊点的压力信号，发现飞溅焊点压力信号会发生突变并具备明显的特征频率，而正常焊点无明显相关特征；采用db5小波对压力信号进行7层分解，获得不同频带下压力信号的时、频域波形及各层细节信号的能量比. 结果表明，根据信号的不同形态和特征，提取通电阶段压力信号的标准差、小波分解细节信号目标层的峰-峰值、能量比的最高值以及其所在层数，均可作为识别飞溅缺陷的特征指标.     

基于声发射信号的转子碰摩故障诊断方法

利用声发射信号的高频特性采集转子碰摩故障信息，采用小波分析技术把所得声发射信号分解在不同频带，对信号进行重构，从而消除背景噪声，并用小波包络谱分析方法识别故障信息。分析结果证明，基于声发射信号的小波包络分析可以检测出微弱的转子碰摩故障，是一种有效的早期故障诊断方法。     

A time–frequency acoustic emission-based monitoring technique to identify workpiece surface malfunctions in milling with multiple teeth cutting simultaneously

In the view of implementing automated solutions for monitoring complex machining processes such as milling, the usage of acoustic emission (AE) in machining is regarded as a promising way for assessing machine tool condition and for in-process detection of workpiece malfunctions. Correlating AE signal events with the occurrence of workpiece surface anomalies (e.g. laps, material drag) can be a powerful method for scrap reduction of expensive components such as those employed in aerospace industry. This paper proposes new methods for supervising cutting processes with multiple teeth cutting simultaneously, i.e. milling, by use of AE signals backed-up by force data. This is done by taking into account signals patterns when one, two or three teeth are cutting simultaneously, situation that often occurs in real milling applications. The research shows for the first time that identification of milling conditions (i.e. cutting with one/two/three teeth) is possible using only AE signal in time–frequency (T–F) domain. Moreover, detection of surface anomalies, such as folded laps that are generated by damaged cutting edges can be successfully identified in various milling conditions. The paper demonstrates that time–frequency analysis of AE signals empowered with advanced processing techniques has great potential to be used in flexible and easily to implement monitoring solutions to enable milling of anomaly-free workpiece surfaces in difficult-to-cut aerospace materials.     

不同熔滴过渡类型电弧声小波包频带能量特征提取

利用LabVIEW虚拟仪器设计了电弧声信号采集系统,并以MIG射滴过渡和射流过渡电弧声信号作为研究对象,采用小波包分解和重构电弧声信号,提取不同频带能量特征,构造识别射滴过渡和射流过渡的特征向量。研究表明:射滴过渡和射流过渡电弧声频谱主要集中在0~7 k Hz,射滴过渡电弧声能量在低频段(0~1.5 k Hz)有较高幅值,射流过渡在高频段(2~5 k Hz)有较高幅值,射滴过渡和射流过渡电弧声信号在S_(4,0)、S_(4,2)、S_(4,3)频带能量百分比差异明显,可作为识别射滴过渡和射流过渡的特征向量。     

数字超声系统脉动噪声的估计与消除

采用高通滤波器和小波包变换技术对低碳钢摩擦焊接头进行超声无损检测，研究表明，高通滤波后，信噪比有所提高，但频率滤波器在滤除噪声的同时，也滤除了缺陷信息中所含的低频成分。小波包变换是一种比小波变换频率线性度更好的时频分析方法，能同时兼顾信号的陡变和缓变特征，从而清楚地区分时变信号和长时间的类周期信号。实验证明，小波包换能正地估计出脉动噪声，从而有效地去除之，提高信号的可观察性和信噪比。     

基于小波包变换预处理的铝电解槽针振信息元分析与诊断

简述了小波包变换的基本原理及利用小波包对电压信号进行分解的方法。针对铝电解槽电压波动信号的频谱特点。采用小波包分析方法提取了电压信号的特征向量。将信号分解到8个频段内。进行预处理得到频段能量特征向量。应用BP神经网络建立了特征向量到振针信息元之间的映射。仿真结果表明，小波包分析能够有效地将隐藏在正常电压信号之中的早期弱故障信号提取出来，从而发现槽子的早期不良症状。