基于ZOA优化VMD-IAWT岩石声发射信号降噪算法

针对岩石破裂过程中产生的声发射(AE)信号夹杂大量噪声的问题,提出了一种基于斑马优化算法(ZOA)改进变分模态分解(VMD)并与改进的自适应小波阈值(IAWT)联合的声发射信号降噪算法。利用ZOA算法优选出影响VMD分解效果的模态个数K和二次惩罚因子α;通过相关系数将分解出的IMFs划分为有效分量、含噪分量和剔除分量;针对小波阈值(WT)降噪算法不具备自动调整小波基以及软、硬阈值函数存在偏差大和不连续的弊端,提出了IAWT算法去除IMFs中的噪声分量,并与有效分量合并重构,得到降噪后的AE信号。通过模拟和实测AE信号验证并与现有降噪算法对比,结果表明ZOA-VMD-IAWT降噪算法适合处理AE信号,信号的时频特征得以保留。研究结果可为岩石AE信号理论及实际工程应用提供参考。

输气管道泄漏声发射信号的数值模拟及应用

声发射信号常用于管道泄漏检测中。目前主要采用实验结合信号分析的方法对管道泄漏声发射信号进行研究,对于管道泄漏声发射信号数值模拟的研究较少。为了研究输气管道泄漏的流固耦合振动响应特性,建立了泄漏管道三维模型,采用单向瞬态流固耦合的方法对模型进行有限元模拟分析,模拟管道发生泄漏时管道振动的声发射信号。通过实验声发射传感器记录管壁振动产生的声发射信号。结果表明:数值模拟结果与实验结果的误差为0.3%,其结果吻合较好。并将声发射模拟信号应用于小波基选取方面,为后续的泄漏检测研究提供理论参考。

基于FPGA-PCIe的声发射信号采集系统硬件设计

论文描述了以EP2C5Q208C8N、AD7621以及CH368为核心的声发射数据采集系统的硬件设计,主要提到了系统的实现原理、硬件模块的组成及相应的电路设计。通过Altera公司的Modelsim仿真对模块电路整体工作的过程进行验证,最后采用GWINSTEK函数发生器产生的无直流偏置幅值为4 Vpp、频率为200 kHz正弦波验证系统的硬件指标,验证发现硬件指标可以满足声发射信号采集所需的16 bit分辨率,3MSPS采样率设计要求。

基于ICEEMDAN-SSA-Wavelet的声发射信号降噪研究

针对粘接件声发射(AE)信号含有噪声分量难以滤除的问题,提出一种改进ICEEMDAN的方法。该方法首先使用ICEEMDAN分解原始AE信号,并通过相关系数和能量差值的方法筛选出低频分量和高频分量;运用麻雀优化算法(SSA)优化后的改进小波阈值去噪算法对其进行去噪;最后将保留的低频分量和去噪后的高频分量重构成一个新的信号,通过实验数据对比和分析评估降噪效果。实验结果表明,相较于改进小波阈值去噪和ICEEMDAN去噪,文中提出的方法对金属与非金属粘接件AE信号的降噪效果更好,能够保护原始信号的频域信息,进而提高脱粘检测精度。

基于声发射信号特征提取技术的滑动轴承故障诊断

滑动轴承是汽轮机中的一个重要支撑部件,保持滑动轴承的正常工作,能减少设备工作损失以及维修的成本,因此,对滑动轴承进行实时监测以及故障诊断是有必要的。声发射技术作为一项动态无损检测方法,对信号反应更敏感,可以对设备进行持续监测,很适合用来对设备进行实时监测以及故障诊断。从声发射信号的产生机理出发,通过分析证明了声发射信号能量变化可以表示出轴承的摩擦状态,然后构筑了3个新的特征参数,来对声发射信号进行分析,并通过试验证明了其可以反应出当时的摩擦状态,而且比传统的特征参数要更加灵敏。

声发射信号在带筋结构中的传播特性

为了研究带筋结构对声发射(acoustic emission,简称AE)信号传播的影响,分析了AE信号在带筋薄板和带筋薄壁圆筒2种带筋结构中的传播特性。首先,提出了多径传播模型,推导出了传感器的安装约束条件,可在时域中凸显出从带筋结构处散射的信号;其次,对不同频率的AE信号在不同高度带筋结构中的传播进行了数值模拟,利用构建的反射和透射系数量化表征了AE信号的传播特性;最后,实验结果验证了数值模拟的准确性。结果表明:AE信号在加强筋处会发生反射和透射,并伴随着模态转换演变出其他模态;反射和透射系数相对于激励频率和加强筋高度均呈现出非线性特征,激励频率越高,反射和透射系数对加强筋高度的变化越敏感。该研究阐明了AE信号在带筋结构中的传播机制,可为AE监测中优化传感器空间布置提供指导。

对调制识别网络隐身的雷达发射信号生成方法

雷达对抗场景中,电子侦察系统通过引入基于深度学习方法的智能脉冲调制识别网络,极大提升了对雷达信号的识别准确率。为了提高雷达信号的调制隐身抗识别能力,提出一种可以令深度识别网络错误预测的雷达发射信号生成方法。该方法首先通过短时傅里叶变换得到信号的时频谱;然后迭代生成携带调制隐身信息的时频谱;最后利用改进逆短时傅里叶变换得到时域调制隐身发射信号。该方法生成的雷达信号对以时频图为输入的调制识别网络隐身,并可实现回波信号的脉冲压缩处理。仿真结果验证了所生成信号的抗识别有效性、噪声鲁棒性和脉压可行性。

一种ALMAE-SWSupAE裂纹声发射信号识别算法研究

针对裂纹声发射信号的识别问题,基于大边缘自编码器(LMAE)和堆叠融合监督自编码器(SFSupAE)设计了自适应大边缘堆叠权重监督自编码(ALMAE-SWSupAE)算法。针对LMAE中的固定k值问题,引入自适应k值算法,修改h(s)运算方法解决数据溢出问题;在SFSupAE中引入子分类器的性能权重优化分配策略,并设计新的权重函数;使用铝合金试件进行拉伸裂纹实验,识别采集到的声发射信号。研究结果表明:所提出的ALMAE-SWSupAE算法法识别准确率达到98.89%,相较于SSAE、SDAE、CAE、StAE和SAE方法性能具有明显提升,并在消融实验中证明了其改进有效性。

基于阶次分析的声发射信号归一化方法研究

转速直接影响声发射信号,不同转速下采集得到的声发射信号不能直接进行对比。因此,该文提出一种基于阶次分析的声发射信号归一化方法。该方法通过等角度重采样,将不同转速下的声发射信号映射到阶次域,从而消除转速对声发射信号的影响。采用机械密封试验台采集不同转速下的声发射信号进行验证,试验结果表明该方法可以有效地去除转速对声发射信号的影响。

改进声发射信号的桥梁焊缝裂纹识别仿真研究

针对因环境中存在过多噪声,导致桥梁焊缝裂纹识别精准度低的问题,提出基于声发射信号的桥梁焊缝裂纹识别方法。利用传感器提取桥梁周围的实时信号,通过信号在周期序列上的幅值变化,判定噪声信号,采用小波变换算法对噪声信号实施重构变换,建立硬阈值和软阈值函数,约束噪声信号。采用神经元传递函数计算原始信号序列中隐含层神经元的具体特征表现参数,得到信号的特征类间平均值,通过类间参数求得特征量。以带有声发射信号提取技术的传感器作为识别载体,将特征参数输入到识别传感器中,针对不同的桥梁测试点,建立焊缝裂纹识别通道,完成有效识别。实验结果证明,所提方法的识别精准度较高,无论是以持续频率还是持续时间信号作为测试指标,均能实现高效识别。

基于小波包分解岩石破裂声发射信号响应机制与脆性评价研究

岩石脆性是控制岩石破裂的关键指标,决定着能否在压裂过程形成有效的缝网。通过声发射信号研究岩石脆性特征与破裂行为,能够直接揭示岩石破裂与脆性之间的关系。但目前尚未建立声发射信号特征与岩石破裂模式的关系,无法准确描述岩石的脆性特征。为此,基于小波包分解方法对岩石声发射信号进行能量频带划分,建立不同脆性岩石破裂模式与声发射信号能量分布之间的关系,通过对声发射信号的三维空间分布特征进行分析,提出了基于声发射信号能量分布的岩石脆性指数评价方法。研究表明:声发射信号的能量特征与岩石的脆性有关,能量分布的主频率大多在750 kHz以内,岩石脆性矿物含量越高,该频率的声发射信号所占比例越大,岩石破裂声发射信号能量分布越集中,岩石破裂的突变性越强,裂缝张性、剪切及混合演化扩展模式转换越明显,脆性指数也越大。该研究可为岩石破裂预警等方面的研究提供借鉴和参考。

基于小波包分解-峭度值指标-希尔伯特包络解调融合方法处理声发射信号的滚动轴承故障诊断

为实现对航空发动机主轴承进行故障诊断,以复杂传递路径下声发射信号的波形分析为基础,提出一种基于小波包分解(wavelet packet decomposition, WPD)、峭度值指标(kurtosis index, KI)以及希尔伯特包络解调(Hilbert envelope demodulation, HED)相结合的滚动轴承故障特征信息提取方法。采用WPD方法对滚动轴承声发射信号分解获得节点分量,基于KI对节点分量排序筛选进行信号重构,进而对重构信号进行HED分析,提取出轴承故障特征频率用于对比诊断。开展简单以及复杂传递路径下滚动轴承故障模拟试验,采用建立的方法分别针对滚动轴承外圈、内圈典型故障试验数据进行分析和诊断。结果表明:该方法可有效提取滚动轴承故障特征频率及其倍频,且针对复杂传递路径下处于工作状态的滚动轴承,仍可实现精准的特征信息提取和有效的故障诊断。

基于AO优化VMD-小波包的岩石破裂声发射信号去噪算法

针对岩石在破裂过程中产生的大量含噪声发射信号问题,基于天鹰优化(Aquila Optimizer,AO)算法提出一种改进的变分模态分解(VMD)联合小波包分解的声发射(AE)信号去噪算法。利用Circle混沌优化的AO算法对VMD算法中的分解模态个数K和二次惩罚因子α进行寻优,有效避免了人为经验选取参数导致的时间消耗以及效果不佳等问题;利用得到的最优参数组合对岩石破裂声发射信号进行分解,得到一系列本征模态分量,结合相关系数筛选出含噪分量;然后利用小波包去噪算法对含噪分量进行处理;最后,将未处理的分量与降噪处理后的分量重构得到去噪后的AE信号。通过仿真和实测信号分析,结果表明与现有去噪算法相比,该算法能更好地去除AE信号中的噪声分量,保留信号的频域特征信息,可为后续利用声发射信号探究岩体破裂规律提供参考。

改进的VMD-ITD岩石声发射信号联合降噪方法

针对岩石破裂声发射信号具有非线性、非平稳以及大样本的特点和传统VMD、ITD算法对降噪处理时存在一定局限性的问题,提出一种改进VMD-ITD联合降噪方法。以钨岩为研究对象,首先采用分量能量比作为VMD的终止条件,将岩石破裂声发射信号分解得到多个IMF分量,将各分量与原始信号的互信息量作为各分量的加权因子进行重构信号,再对重构信号进行ITD分解以达到二次降噪的目的,最后以均方根误差与信噪比为去噪效果评价指标,对比分析VMD、ITD以及改进VMD-ITD联合降噪算法降噪效果。通过试验验证,改进VMD-ITD联合降噪算法在抑制非平稳信号噪声中,其均方根误差为4.5521,信噪比为10.0128。相比单一的VMD、ITD算法,降噪效果更好。

基于改进VMD的岩石破裂声发射信号滤波算法

在岩体损伤演化的过程中会释放出带有大量信息的声发射(Acoustic Emission,AE)信号,针对AE信号的非平稳性和非线性等特点以及在采用变分模态分解(Variational Mode Decomposition,VMD)算法对岩石AE信号去噪时分解参数K和惩罚因子α难以确定的问题,将VMD算法应用于岩石破裂AE信号滤波中,对岩体AE信号进行预处理,利用Tent混沌优化的麻雀搜索算法(Sparrow Search Algorithm,SSA)对VMD算法的参数K和α进行优化搜索,其适应度函数为包络熵最小值。之后根据搜索结果来确定VMD的分解参数K和惩罚因子α,并利用优化后的VMD对岩石破裂AE信号进行滤波。经仿真和实验分析可知,Tent-SSA的优化速度和优化精度较为优越,Tent-SSA-VMD的滤波效果优于常规滤波算法。

基于Shannon熵与声发射信号的CBN砂轮性能监测方法研究

为了在磨削加工过程中能够有效判别CBN(Cubic Boron Nitride)砂轮的磨削性能,提出了一种基于Shannon熵理论与声发射信号的CBN砂轮性能监测方法。首先,利用声发射传感器采集CBN砂轮磨削加工过程中的声发射信号,基于最大信息熵对CBN砂轮磨削加工过程中的声发射信号进行概率密度估计,获得磨削加工过程中声发射信号的最大熵概率密度分布。然后,通过分析研究CBN砂轮在修整过后循环磨削以及不同直径剩余磨削时的声发射信号特征,根据交叉熵原理分析CBN砂轮不同磨削性能时声发射信号最大熵概率密度分布,并通过设定交叉熵阈值来辨别磨削加工过程中CBN砂轮的磨削性能。最后,为验证该方法的实用性,在某工厂CBN砂轮磨削产品生产线上进行大量实验研究,结果表明,该方法对CBN砂轮磨损状态及CBN砂轮剩余寿命进行有效监测,验证了该方法监测CBN砂轮在磨削加工过程中磨削性能的有效性。

靶板厚度对破片声发射信号特征的影响研究

为研究铝合金靶板厚度对靶板声发射信号特征参数的影响,对直径8 mm球形破片侵彻不同厚度铝合金靶板进行数值模拟研究,获得靶板侵彻过程中的声发射信号。仿真分析不同速度下靶板厚度对破片侵彻过程中声发射信号特征参数的变化,研究发现:靶板厚度在3 mm~10 mm范围的声发射信号特征值幅度随破片速度的增大而增大;根据靶板厚度与靶板声发射信号特征参数的关系,选择合适厚度靶板对破片声发射信号进行分析。

基于FDM的无损检测声发射信号仿真分析

为了把声发射信号中的无用信息(噪声信息)分离出来,可以更加精准的提取声发射信号的信息参数,对其进行后续分析,针对声发射信号的非平稳性、非周期性等特点,引入了一种傅里叶分解(FDM)的声发射(AE)信号去噪分析方法。将复杂声发射信号分解到各个频率区间内,对分解所得优势分量进行重组,对重组信号进行时频分析。傅里叶分解区别于以往常用的EMD、EEMD分解方法,可以有效的避免模态混叠现象,为声发射信号去噪及时频分析提供了新途径。

基于Matlab的起重机结构声发射信号监测分析系统

起重机作为一种搬运物料的特种设备,其在工业生产的各领域中都起着至关重要的作用。由于起重机长期做往复间歇性动作,主梁结构受到交变载荷和摩擦的作用,且大多数起重机常处在恶劣的环境中工作,这些因素都使得起重机结构产生腐蚀、弯曲和断裂等缺陷,严重地降低了起重机的使用寿命,增加了事故发生的风险。因此开展起重机状态监测技术研究,实现对起重机结构早期裂纹的故障诊断具有重大的工程价值和研究意义。

基于压缩感知的密封端面声发射信号提取技术研究

机械密封动、静环高速转动摩擦时会产生一定频段的声发射(AE)信号,根据声发射信号可以判断密封的运行状态。为提高AE信号数据传输效率,提出一种基于压缩感知的密封环声发射数据降维方法:利用稀疏矩阵将采集的原始AE数据进行稀疏表示,再通过观测矩阵将稀疏表示后的AE数据进行压缩采样以达到降维的目的,数据传输完成后利用OMP等信号重构算法将压缩后的信号恢复。将AE原始数据与重构后的数据进行对比,验证了该方法的可靠性。通过实验对比证明,在压缩比为0.2~0.4,训练样本集K值为80~160时,选择K-SVD作为稀疏矩阵,伯努利随机矩阵作为观测矩阵,采用OMP算法的信号重构效果最佳,其均方根误差为7.06×10^(-6)~7.39×10^(-6)。