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。

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。

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。

不同粗糙度煤岩界面超低摩擦效应与声发射特征试验研究

为了揭示动载扰动作用下煤岩界面粗糙度对超低摩擦型冲击地压影响机制,采用自行研制的煤岩界面超低摩擦试验装置,以沈阳红阳三矿1082 m采深煤岩体为研究对象,通过改变煤块与砂岩块体表面粗糙度来模拟煤岩界面不同粗糙特性,以粗糙度系数表征煤岩界面粗糙程度,工作块体水平位移表征冲击过程中超低摩擦效应强度,声发射能量为工作块体摩擦滑动过程中的信号参数,进行应力波扰动下不同粗糙度煤岩界面超低摩擦试验.研究结果表明:(1)超低摩擦滑动过程中,工作块体水平位移、声发射能量计数以及累计能量曲线呈现出孕育阶段、激发阶段、稳定阶段变化特征;(2)煤岩界面粗糙度越小,工作块体水平位移和声发射能量峰值越大,煤岩界面越易发生超低摩擦效应;(3)不同煤岩界面粗糙度下,相比于其他扰动频率, 2 Hz时更易发生超低摩擦效应;(4)给出了声发射能量峰值与煤岩界面粗糙度系数对应关系.声发射能量峰值可以有效表征超低摩擦效应强度,可以用声发射能量峰值预测超低摩擦效应强度.

基于模态理论和改进GMM的声发射源识别研究

基于模态声发射信号理论,提出了一种利用声学对数倒谱统计参数作为声发射信号特征参数的分析与提取方法。从声发射信号多模态特性出发,提出了一个基于改进高斯混合模型的声发射源信号识别系统。理论分析和实验结果表明,该方法能准确地判断声发射信号源,不仅能够应用于突发型声发射信号的识别,而且可以应用于连续型声发射信号的识别。

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。

基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究

为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。

基于声发射的钢筋混凝土梁破坏损伤过程的研究

当前我国土木建设项目由高速发展阶段转变为高质量发展阶段,21世纪前后建设的工程基本已经进入保养维护阶段,为了了解建筑每个阶段的力学变化,探究钢筋混凝土梁在受到损伤时各个阶段的声发射信号的变化规律,开展了这次以截面面积与混凝土强度为变量,对4根受到损伤的混凝土梁进行检测并分析收集到的声发射参数。声发射能量的释放、累计能量等参数能够准确地反应梁的破坏阶段,试件在不同变量下,整个实验过程得到的数据趋势基本相同。随着混凝土强度的增加,破坏所需要的能量和ib值的波动频率也随之增加。截面面积的增加会使能量与ib值相对增加。而声发射ib值,相比较b值可以更加精准地反应各个阶段试件的破坏情况,可以为工程中结构健康的评估提供一定的参考,通过三种方法的对比选取适合全过程的研究方法。

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。

异种钢接头热影响区裂纹扩展声发射特征信号分析

文中以P92钢与Ni基焊材焊接热影响区为研究对象,通过采集紧凑拉伸试验过程中异种钢接头热影响区启裂及裂纹扩展的声发射特性信号,分析裂纹扩展的声发射信号幅值、频率分布、能量及振铃计数等特征参数,同时分析声发射特征信号与断口形貌之间的对应关系。结果表明:裂纹扩展声发射信号均为突发型信号,频率主要集中在50~200 kHz;裂纹稳定扩展的声发射信号具有平均幅值较低、总能量和振铃计数率参数变化平缓的特点;裂纹失稳扩展的声发射信号具有平均幅值较高、总能量和振铃计数率参数呈瞬时增加的特点;裂纹稳定扩展阶段的声发射特征信号与韧性断口特征相对应;裂纹失稳扩展阶段的声发射特征信号与准解理断裂或解理断裂特征相对应。

基于声发射技术的金属烧伤监测

机床加工过程中因冷却液无法及时带走磨削热量而导致零部件表面产生金属烧伤,会造成强度降低、残余应力增加等性能改变,产生巨大安全隐患。声发射(AE)技术具有对微弱信号敏感、可监测高频信号等优势而广泛应用于机床磨削烧伤监测。由于磨削过程中存在金属颗粒剥落、摩擦等强干扰信号,同时金属烧伤信号特征不明确,因此磨削烧伤监测精度不理想。为提高烧伤信号识别准确率,有必要单独对金属烧伤声发射信号的特性进行研究。为获取纯净金属烧伤信号,设计并开展了激光试验模拟磨削烧伤过程。通过调整激光能量产生了4种程度的金属表面烧伤并获得相应的声发射信号。试验发现:随着烧伤程度增加,声发射信号频谱产生向高频跃迁现象。根据这一现象,利用小波包变换(WPT)提取烧伤信号主导频带并进行特征提取。将提取出的特征向量输入主成分分析(PCA)算法,对不同程度金属烧伤信号进行聚类与识别。