BP神经网络在风电塔筒裂纹AE源定位中的应用

针对常规无损检测方法难以对在役风电塔筒进行实时监测及检测效率低等问题,为实现在役风电塔筒的在线监测和塔筒裂纹源的定位。该文提出一种声发射检测技术与BP神经网络相结合的智能定位方法,研究声发射传感器分布对智能定位输出结果的影响。研究结果表明:该方法可有效解决风电塔筒裂纹声发射源的定位问题,为在役风电塔筒运行过程中的实时在线监测提供可靠依据;对于焊接结构对称且具有多条环焊缝的风电塔筒,声发射传感器的分布位置应避开塔筒构件的对称位置,以此提高智能定位输出结果的准确性,为在役风电塔筒检测时声发射传感器的合理、有效布置提供参考。

应用小波谱白化对胶合木表面AE源定位算法的改进

针对声发射(AE)信号在胶合木板表面各向异性传播时的AE源定位问题,提出一种小波谱白化与信号相关性分析相结合的胶合木板表面AE源定位算法。首先,根据ASTM-E976标准在橡木胶合木板表面产生AE源,并在橡木胶合木板表面相距固定距离的4个位置采集原始AE信号,设置采样率为500 kHz。其次,采用小波谱白化算法减少胶层的影响以及合理补偿AE信号的高频缺失,为降低噪声信号的影响,提出一种自适应的小波重构算法。最后,依据试验结果拟合得到AE信号由胶合木板顺纹理方向到横纹理方向的传播速度变化公式,在此基础上根据信号相关性分析法计算信号到达各传感器的传播时差,并采用基于时差的定位算法确定AE源的位置。结果表明:使用原始、自适应小波重构法、小波谱白化法重构的3种AE信号进行定位时,两处AE源的定位结果为100.0%、67.1%、6.0%和41.5%、66.3%、2.8%。AE信号的重构算法直接影响基于时差的AE源平面定位算法精度,特别是使用小波谱白化法能够有效降低噪声信号、胶层的影响,合理补偿AE信号的高频缺失,提升信号分辨率,同时提升计算时差的准确性进而提升AE源定位精度。

计算机辅助声发射源检测定位系统

针对普通声发射（ＡＥ）检测仪缺乏源定位功能，开发了计算机辅助ＡＥ源检测定位系统，并详细论述了该系统的组成、接口、源定位算法和程序。