声发射机械密封端面摩擦状态识别

针对现有监测技术对于机械密封端面摩擦状态的识别较难推广到工业现场进行实时监测,提出一种基于声发射的机械密封端面摩擦状态识别的方法。通过建立实验台对机械密封在工作过程中的信号进行采集;利用小波包分析法对信号进行降噪;对预处理后的数据进行特征提取;建立Elman神经网络对机械密封端面的摩擦状态进行识别。实验结果表明:通过建立的Elman神经网络对提取的声发射特征进行识别,能够很好地识别机械密封在工作过程中所处的摩擦状态。因此,提出的方法可以对机械密封端面的摩擦状态进行有效的实时监测。     

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。     

基于异常声发射信号的柴油机早期故障诊断

为诊断某新型单缸柴油机缸体表面异常声发射信号,将声发射传感器布置在柴油机不同部位进行定位分析,通过对比不同位置及不同机油压力下声发射信号的峰值响应,结合限压阀的工作原理,最终确定异常声发射信号来源于机油压力的异常,并通过倒拖试验进行验证,实现柴油机早期故障的诊断。诊断结果表明:该型单缸柴油机预设机油压力偏高。当机油压力设置过高时,限压阀回位力随之增大,阀芯落座时,对阀体的冲击力变强,从而产生尖锐的异常声发射信号,与此同时,证明声发射监测技术对柴油机早期故障诊断的有效性,具有较好的推广应用价值。     

Gabor变换在声发射信号特征提取中的应用

机械故障或损伤引发的声发射(AE)信号由高频突发脉冲信号和长周期准平稳噪声信号组成,Gabor变换特有的时频局域化特性适于描述其时频特征.通过分析典型AE信号及其特征提取,将Gabor变换引入到声发射故障诊断领域,并提出了AE信号的Gaber变换分析法.通过理论分析和仿真,比较了Gabor变换和Wigner-Ville分布(WVD)提取AE信号特征的效果.研究了Gabor变换在强噪声背景下的抑噪能力,并给出了AE信号Gabor变换窗长的选取方法,从而有效克服了Gabor变换只用一个固定窗分析多尺度信号的缺陷.将Gabor变换用于声发射检测的滚动轴承损伤类型及部件的识别,诊断结果十分直观、清晰、准确.仿真分析和实验研究均表明了Gabor变换能有效提取AE信号的特征,为AE信号的波形分析开辟了一条有效的途径.     

基于DSP的声发射信号采集及分析系统的研究

本文主要阐述了利用DSP(数字信号处理器)技术的声发射检测系统的硬件构成和部分软件设计,并用所研究系统对在1.7MPa大气压力下的液化石油气储罐的声发射现象进行检测,检测得到声发射参数、声发射信号时域幅值图和声发射源大致定位.结果令人满意,说明利用DSP技术可以对声发射信号进行高频采样,并结合计算机做数字信号处理获得声发射信号的相关情况,从而判断物体内部的微小裂纹的产生和发展.这对于发展声发射无损检测技术有重要的意义.     

线性神经网络及模态声发射在时差定位中的应用

分析了影响时差定位法精度的主要因素,将线性神经网络方法和模态声发射理论应用于突发声发射定位中,并在板结构上进行实验验证。实验结果表明,达到了精确定位的预期要求,定位不确定度由1.89%降至0.45%,较好地满足了工程实际需要。该方法不仅适用于突发声发射时差定位,也为连续声发射时差定位奠定了基础。     

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。     

声发射和小波包分解技术在刀具磨损状态中的应用

随着现代加工工业的发展,对刀具磨损的监测在保障生产安全和产品质量中发挥着越来越重要的作用。声发射技术是刀具磨损监测的一种新方法。在车削加工过程中采集声发射信号,用声发射信号对刀具磨损状态进行识别。利用小波包分解技术对信号进行分析,得到有效的特征量作为BP神经网络的输入样本,并对网络进行学习训练,完成对刀具磨损状态的有效识别。     

基于声发射的钢筋混凝土梁承载能力评估

在钢筋混凝土断裂过程中能量平衡基础上,结合声发射与断裂力学参数的耦合关系,得到裂纹稳定拓展过程中,声发射振铃数与钢筋混凝土梁抗弯刚度间的关系,并通过钢筋混凝土梁静、动态弯曲破坏试验进行验证。结果表明：在能量平衡原理基础上建立声发射参数与钢筋混凝土梁承载能力的关系是可行的。在宏观裂纹稳定拓展阶段,通过声发射传感器实时监测获得破坏过程的声发射信号,能准确评估钢筋混凝土梁的抗弯刚度。     

小波变换在声发射信号特征参数检测中的应用

本文论述了小波变换在声发射信号的事件计数特版在数检测中应用的理论和方法,用小波变换来检测声发射信号的事件计数特征参数,其准确率与域值电平的取值在大小无关,从而可大大提高声发射信号特征参数检测的准确度,该方法可用于旋转机械（特别是大型汽轮发电机组）的碰磨故障和裂纹故障的检测。     

基于声信号识别的水下焊接质量检测方法研究

水下焊接的应用领域广泛,但其焊接质量难以保障。针对水下焊接处理过程中存在的非线性程度高、参数耦合性强以及检测效率低等问题,提出了一种新的基于声信号识别的水下焊接质量检测方法。该方法通过在水下构建基于声信号采集的监测系统,实时采集焊件焊接过程中的声信息,并通过对声信号进行滤波降噪处理和特征提取,构建双权值神经网络（double-weight neural network, DWNN）模型。该模型具有优秀的高维数据非线性拟合能力,可实现水下焊接多参数与声信号多特征之间的非线性映射,且在小样本情况下仍能实现高精度的模式识别。以高强度低碳合金钢——HSLA-115钢作为焊接对象,开展水下焊接质量检测实验。结果表明,DWNN模型应用于水下焊接质量检测的识别精度可达100%。研究结果可为水下焊接工艺的优化和水下焊件专家知识库的构建提供参考依据。     

基于SVD与Fast Kurtogram算法的滚动轴承声发射故障诊断

针对声发射检测齿轮箱轴承故障问题,提出基于奇异值分解(Singular Value Decomposition,SVD)与Fast Kurtogram算法的故障诊断方法。通过奇异值分解提高信号信噪比;将Fast Kurtogram算法用于故障信号共振解调带通滤波器参数确定,结合能量算子解调包络谱,成功提取齿轮箱轴承内外圈故障特征,有效改善传统共振解调中人工选择滤波器参数的不确定性。通过仿真与实验数据验证所提方法的有效性。     

复合材料损伤失效的声发射检测研究进展

综述了复合材料损伤失效的声发射检测研究进展,从损伤源定位及损伤模式的识别与分类两方面进行了介绍。在损伤源定位方面模态声发射相比模式识别更有效,在损伤模式的分类方面模式识别技术更加有效,且人工神经网络及小波神经网络在复合材料声发射方面的研究较多。另外,介绍了模糊模式识别技术用于声发射信号分类及聚类的研究情况,根据复合材料声发射信号复杂重叠性的特点,模糊理论结合模式识别技术可以进一步实现复合材料声发射信号更有效的分析。     

声发射测试系统的发展

综述了声发射测试系统的发展历程及现状。展望了其发展前景，给出了两种分类依据，重点介绍了几种目前先进的声发射仪．     

基于声发射原理的螺栓连接状态辨识方法研究

振动环境中螺栓连接结构会发生碰摩现象,产生声发射信号。利用声发射参数分析方法对声发射检测信号进行时域分析,结果表明：振铃计数率随振动台加速度的提高而提高;螺栓连接结构在碰摩作用下产生出的能量与施加给螺栓的预紧扭矩的取值呈现一定的规律性。基于上述结果可以利用声发射进行螺栓连接结构的状态辨识。     

基于声发射信号与BP神经网络的煤粉粒径识别研究

煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。     

基于声发射的气力输送颗粒相质量流量监测

气力输送中颗粒相质量流量是其运行时需要监测的重要参数之一。利用声发射信号来监测颗粒相质量流量能够做到实时在线测量。利用集合经验模态分解（EEMD）算法基于原始信号进行分解的优势以及人工神经网络优良的非线性映射能力,建立一个EEMD与BP神经网络联合质量流量测量模型,并以随机实验数据样本对网络进行训练,以实现对颗粒相质量流量的在线估计。联合模型与实验结果吻合度较好,为稀相气力输送中颗粒相质量流量在线测量提供了一种简单、可靠的方法。     

基于VMD-PNN的砂轮钝化声发射检测

在磨削加工过程中,加工刀具即砂轮会发生钝化现象,砂轮表面磨损影响加工精度和工件质量,需要及时检测并修整.磨粒的塑性变形、破碎、断裂等会产生声发射信号,能够作为精确识别砂轮钝化状态的依据,且不易被噪声干扰,因此提出一种基于变分模态分解(Variational Mode Decomposition,VMD)和概率神经网络(...     

平面应力状态的磁声发射效应与强度分布

本文研究了宽板试样拉伸时磁化场方向对磁声发射强度的影响，不同方向接收磁声发射强度值的变化，由此提出了确定平面应力的主应力方向的方法，找出了磁声发射信号在平面应力场中以磁化区为中心沿角分布的规律。此外，还测量了应力对磁声发射强度的影响。     

基于混合智能的刀具状态在线识别

提出了一个将小波包分析方法,模糊理论及人工神经网络技术相结合的智能刀具状态在线监测系统,系统利用小波包方法将声发射信号分解为不同频带的时间序列,从中抽取出与刀具切削状态紧密相关的序列信号的构方根值（RMS）作为信号特征值,为了表示刀具状态与特征值之间的关系提出了一个模糊神经网络模型,采用了自组织竞争学习与BP算法相结合的混合学习算法,可迅速,可靠地对刀具状态进行识别。